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

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 ...

합성 사용자(Synthetic Users)의 5가지 유형과 AI 테스팅 현장에서의 활용법

AI와 생성형 모델 기술이 발전하면서, 사용자 경험(UX) 연구와 테스팅 현장에서 가상 퍼소나를 활용해 테스트 데이터를 수집하거나 사용성을 평가하려는 시도가 급격히 늘고 있습니다. 이를 흔히 '합성 사용자(Synthetic Users)'라고 부릅니다. 하지만 막연히 "AI에게 사용자 역할을 시켜 테스트를 돌린다"고 할 때, 그 가상 사용자가 어떤 방식과 데이터로 생성되었는지 명확히 구분하지 않으면 자칫 왜곡된 결과에 빠질 위험이 있습니다. UX 및 사용성 리서치 분야의 권위 있는 기관인 MeasuringU에서 이 합성 사용자의 개념을 명쾌하게 분류한 아티클을 공개했습니다. 바로 "What Are the Different Types of Synthetic Users?"라는 글입니다. (출처: MeasuringU - What Are the Different Types of Synthetic Users? / Jeff Sauro, PhD & Jim Lewis, PhD) https://measuringu.com/what-are-the-different-types-of-synthetic-users/ Jeff Sauro와 Jim Lewis 박사는 합성 사용자를 단순히 하나의 개념으로 뭉뚱그리지 않고, 생성 기술의 근거와 데이터 기반에 따라 크게 5가지 유형으로 깔끔하게 정리해 줍니다. 첫째는 규칙 기반(Rule-Based) 합성 사용자입니다. AI 모델이 아니라 사전 정의된 조건문, 정규식, 시나리오 스크립트에 따라 움직이는 전통적인 형태의 가상 사용자입니다. 예측 가능하고 정확하지만, 인간 사용자의 복잡한 정서나 미묘한 변수를 반영하진 못합니다. Selenium, Playwright, K6 같은 도구를 통해 지정된 경로대로 버튼을 누르고 데이터를 입력하는 방식을 들 수 있습니다. 둘째는 퍼소나 기반 LLM(Persona-Based LLM) 합성 사용자입니다. 생성형 AI에게 "너는 50대 비테크놀로지 사용...

AI가 만들고 사람이 고친 글, 과연 'AI 생성물'일까? — 무너지는 경계선과 각국의 표기 가이드라인

이미지, 음성, 텍스트를 가리지 않고 생성형 AI의 산출물이 전 세계 디지털 공간에 폭포수처럼 쏟아져 나오고 있습니다. 가짜 뉴스, 딥페이크 오정보, 저작권 침해 등 여러 사회적 문제를 일으키면서, 최근 EU를 비롯한 세계 각국의 규제 기관들이 "AI가 만든 콘텐츠에는 반드시 표시(Labelling)를 하라"는 강제 가이드라인을 잇달아 꺼내 들고 있습니다. 이와 관련해 Smashing Magazine에 비탈리 프리드만(Vitaly Friedman)이 기고한 아티클은 EU의 최신 규제가 실무 인터페이스(UI/UX)에 어떤 변화를 요구하는지 잘 보여줍니다. (출처: Smashing Magazine - New EU Guidelines For AI Labelling / Vitaly Friedman) https://www.smashingmagazine.com/2026/08/eu-guidelines-ai-labelling/ EU AI Act 제50조 투명성 규정에 따르면, 딥페이크나 AI 챗봇 대화, 인간의 검수 없이 AI가 100% 작성한 공공 텍스트 등에는 전용 AI 마크나 암호화된 메타데이터(Watermark)를 반드시 내장해야 합니다. 기존에 서비스들이 유행처럼 쓰던 모호한 '반짝이 아이콘(✨ Sparkles)' 수준으로는 법적 기준을 충족할 수 없게 된 것입니다. 하지만 현장의 개발자, 에디터, 테스터들이 마주한 진짜 혼란은 규제의 유무가 아닙니다. 바로 "도대체 어디까지를 AI가 만들었다고 볼 것이며, 어디서부터를 사람이 만든 것으로 정의할 것인가?"라는 근본적인 경계선의 모호함입니다. 프롬프트 한 줄 던져서 AI가 뽑아낸 초안을 사람이 문장 몇 개 다듬었다면, 이것은 AI 산출물일까요, 인간의 글일까요? AI가 코딩한 1,000줄의 소스 코드를 엔지니어가 한 시간 동안 디버깅하고 검수했다면 이 코드의 주인은 누구일까요? 글로벌 규제 기관들도 이 모호함을 인지하고 명확한 자격 기준을 세우기 위해 격렬한 논의를 ...