기본 콘텐츠로 건너뛰기

테스터는 창조적 인간형이 어울리지 않을지도 모른다??

최근 주변을 보면 너도나도 모두 창조적 인간이 되어야 한다고 난리입니다.

정부가 하는 꼬라지를 보면.. 무슨 스티브 잡스 같은 인간을 육성(이게 남새 기르듯 기르면 길러지는건지..)한답시고 꼴같지도 않은 지랄이 풍년이고...

어디서 듣도 보도 못한 사람들이 너도 나도 저마다의 커리큘럼을 쏟아대면서 당장 창조적 인간이 되지 않으면 큰일이 나는 것처럼 호들갑을 떨며 한 몫 챙겨보려고 혈안입니다.

하지만, 입시 위주로 찌들대로 찌들어버린 공교육과 사교육의 한복판에서 과연 1~2년 난리 굿을 친다고 얼마나 사람들이 창조적이 될지는 글쎄요..

그런데, 테스터로써 나도 과연 창조적인 인간이 되어야 하는걸까? 하고 곰곰히 생각해보았습니다.

결론은.. 머. 나름 일정 정도의 창의성은 테스터에게도 필요하지만 그게 꼭 중요해보이지는 않습니다.

소프트웨어를 개발하는 조직의 모든 이해관계자들은 누구나 창조적인 인간이 되어야 하는게 맞습니다.

일단은 무(?)에서 유를 창조해내는 작업이 소프트웨어 개발이니까요..

아키텍처, 개발자, 기획자, 디자이너 등등 모두 새로운 것을 만들어내는 사람들입니다.

그런데, 테스터는 아주 특이하게 이들과는 정 반대의 위치를 점하고 있습니다.

테스터는 만들어진 것을 부수고, 분석하고, 분해해서 확인을 하는 사람들입니다.

물론, 테스터도 새로운 자동화 도구나 기법, 설계 기법, 테스트 방법론 등 일부 창조적인 작업을 하기도 하지만 대체적으로 이러한 작업들은 보다 잘 부수고, 잘 분석하고, 잘 분해하기 위한 방법들이지 이것이 주된 활동이 되지는 않습니다.

특히나 테스터가 창조적인 인간과는 거리가 멀어야 하는 이유로 생각나는 것은 사람은 기본적으로 자기가 만든것에 무한한 애착을 가지는 경우가 많습니다.

그 만화에 보면 자기가 만든 인조인간에게 애착을 가지다 사랑에 빠지거나 살해 당하거나 머 그런 경우도 많죠..

사실 테스트의 기본 원칙 중 살충제 패러독스라는 테스트 케이스에 대한 이해관계자와 제품의 내성 증가의 이면에는 테스터의 애착도 한 몫 하고 있다고 생각합니다.

자신이 만든 테스트 케이스, 자신이 만든 테스트 방법에 대한 애착이 어느정도 작용하고 있다고 생각합니다.

테스터가 가장 경계해야 하는 순간이 우리 회사, 우리 팀이 만든 소프트웨어에 애착이 생기는 시점이라고 봅니다.

아무리 제 3자의 시각을 견지하고 객관적으로 제품을 바라보려고 해도 팀과 회사에 애착이 생기고 제품을 오래 테스트 하다보면 이 제품을 이만큼 만드는데 내가 기여한 부분에 대한 애착이 생기게 마련이고 이런 애착이 생기면 당연히 객관적인 시각을 견지하는건 더 이상 불가능에 가깝습니다.

고슴도치도 제 새끼는 이쁜 법이니까요..

전 그래서 테스터는 창조적 인간형은 어울리지 않는다고 멋대로 생각해봅니다.

여러분은 어찌 생각하시나요?

댓글

  1. 고객관점에서 기능에 창조적으로 도전하는 담당자는 반드시 조직에 필요하다고 생각합니다. 예외사항의 처리들과 시스템 구조에 의문을 갖고 두근두근 거리면서 빌드를 전달받으면 바로 수행할 다양한 경우의 수는 머릿속에서 먼저 구현되지 않을까요 ㅎㅎ 물론 살충제 패러독스 관점에서 경험이 많은 테스트 엔지니어라면 효과적으로 테스팅하기 위한 기법이나 TC가 오직 한 가지만 있는 게 아니라는 것을 잘 알고 있을 것이라 생각합니다.


    팀에 다양한 성향과 관점을 가지고 접근하는 다양한 도메인 경험을 보유한 테스트 엔지니어들이 많으면 많을수록 좋다고 생각합니다!!

    답글삭제

댓글 쓰기

이 블로그의 인기 게시물

AI의 UX, 단 5개 문항으로 측정하는 방법: SUXAI

테스트 관리에는 아주 유명한 명언이 있습니다. 어쩌면 이 말은 테스트 관리에서만 유용한 얘기는 아닐거고.. 어쩌면 여러분도 다른 곳에서 들었을 수도 있습니다. "측정할 수 없으면 개선할 수 없다" 지난 글(https://murianwind.blogspot.com/2026/07/ai_01010698011.html)에서 생성형 AI 시대에는 기존의 일반적인 사용성 지표(SUS 등)만으로는 부족하며 정확성, 신뢰성, 설명 가능성, 제어 가능성이라는 AI 에 특화된 품질 특성이 필요하다고 정리해 드린 바 있습니다. 하지만 실무자의 입장에서 항상 부딪히는 현실적인 고민이 있습니다. "이론은 좋은데, 당장 매주 업데이트되는 AI 기능의 UX를 바쁜 현장에서 어떻게 빠르고 정량적으로 측정할 것인가?"라는 점이죠. MeasuringU에서 이에 대한 명확하고 실용적인 해답을 제시하는 후속 아티클을 공개했습니다. 바로 "Streamlined Measurement of the UX of AI"입니다. (출처: MeasuringU - Streamlined Measurement of the UX of AI / Jeff Sauro, PhD & Jim Lewis, PhD) https://measuringu.com/streamlined-measurement-of-the-ux-of-ai/ Jeff Sauro와 Jim Lewis 박사는 실무 연구자들과 테스터들이 긴 설문이나 복잡한 프레임워크 없이도 AI 제품의 핵심 품질을 빠르게 측정할 수 있도록 SUXAI(Streamlined UX of AI)라는 간소화된 측정 모델을 구축했습니다. 기존에 수많은 문항으로 분산되어 있던 지표들을 통계적 요인 분석을 통해 쥐어짜고 압축하여, 핵심적인 5가지 5점 척 문항 으로 표준화했습니다. SUXAI를 구성하는 5가지 핵심 평가 문항 정확성 (Accuracy): "이 AI가 생성한 결과물은 정확하다." 신뢰성 (Trust/Re...

AI 에이전트의 환각과 프롬프트 폭증을 막는 '컨텍스트 엔지니어링(Context Engineering)'과 아키텍처의 미래

AI 코딩 에이전트나 생성형 LLM을 소프트웨어 개발에 접목하는 시도가 늘어나면서, 엔지니어들이 마주하는 가장 큰 기술적 병목 중 하나는 바로 '컨텍스트(Context)'의 관리입니다. 저 역시 최근 AI와 바이브 코딩(Vibe Coding)을 활용해 여러 프로젝트를 진행하고 있는데, 하나의 대화창(세션)을 오래 켜둔 채 작업을 계속 이어가다 보면 AI가 초기 맥락을 잊어버리거나 이전에 지켜달라고 했던 제약조건을 놓치며 실수를 저지르는 경우를 자주 겪곤 합니다. 그래서 저는 목적별로 대화창을 명확하게 분리해서 작업하거나, 어느 정도 작업 단계가 진행되면 지금까지의 구현 내용과 의사결정을 요약 정리한 뒤 새 대화창에서 AI에게 이를 다시 학습시키는 방식으로 맥락을 관리하고 있습니다. 그렇다면 엔지니어링 아키텍처 차원에서는 이 문제를 어떻게 접근하고 있을까요? InfoQ의 발표 아티클 "Architecture / Context Engineering"에서는 바로 이 지점, 즉 단순한 프롬프트 엔지니어링을 넘어 시스템 아키텍처 수준에서 컨텍스트를 제어하는 '컨텍스트 엔지니어링(Context Engineering)'의 필요성과 구체적인 프레임워크를 다루고 있습니다. (출처: InfoQ - Architecture / Context Engineering) https://www.infoq.com/presentations/architecture-context-engineering/ 발표자들은 코딩 에이전트나 자율형 에이전트가 현장에서 실패하는 가장 큰 이유로 '비대해진 컨텍스트 윈도우(Bloated Context Windows)'와 무분별하게 채워진 프롬프트(Stuffed Prompts)를 꼽습니다. AI에게 너무 많은 정보를 한 번에 주면, 모델의 주의력(Attention)이 분산되거나 논리적 우선순위를 놓치는 현상이 발생합니다. 마치 인간 엔지니어에게 백과사전 수십 권을 던져주고 "이거 다 읽고 10초 ...

'자동화 편향'과 '대중적 불신' 을 고려한 AI 테스팅 시나리오 설계

최근 생성형 AI나 자율주행, 에이전트 기술의 테스팅 시나리오를 작성할 때 우리가 당연하게 전제(Assumption)로 깔고 가는 중요한 인간 행동 방식이 하나 있습니다. 바로 '자동화 편향성(Automation Bias)'입니다. 인간은 시스템이 자동화되고 스마트해질수록 기술을 과도하게 신뢰하고 주의력을 놓아버립니다. 차량을 운전하면서 운전자 보조 시스템을 켜고 전방 주시를 태만히 하고 스마트폰을 보거나 영상을 시청하는 운전자라던지 AI 의료 진단 보조 도구가 내놓은 결과를 의사가 깊은 의심 없이 그대로 승인해 버리는 현상이라던지 AI 챗봇이 추천한 잘못된 정보를 사용자가 사실로 믿고 행동하는 케이스 같은 게 있을 겁니다. 우리는 항상 이러한 "사람들이 AI를 너무 믿어서 발생하는 위험"을 핵심 리스크로 정의하고, 이를 검증하기 위한 안전장치(Safety Guardrail)나 경고 알림, 오용 방지(Misuse) 테스팅 시나리오를 도출해 왔습니다. 그런데 최근 Gizmodo에 보도된 미국 설문조사 결과는 매우 흥미로운 사실을 보여줍니다. (출처: Gizmodo - Survey Finds Americans See AI as Comparable to Humans—It’s Making Them Trust It Less )   기사에서 언급된 설문조사의 결과는 AI가 사람을 닮아갈수록 완벽함에 대한 기대와 실수가 충돌하고 책임이 모호해져 대중의 신뢰는 오히려 떨어진다는 것이었습니다.  자세히 살펴보면 해당 조사는 일반 대중을 대상으로 AI에 대한 인지적 반응을 측정했습니다. AI가 인간과 유사한 대화/추론 능력을 보일 때 유저가 느끼는 '인지적 불쾌한 골짜기(Uncanny Valley)' 현상을 정량 지표로 포착해 냈다는 점에서 의미가 있다고 생각합니다. 단순히 "AI가 좋다/나쁘다"를 넘어, 의인화(Anthropomorphism)의 수준과 신뢰도(Trust) 사이의 음(-)의 상관관계를 입증했기 때문...