기본 콘텐츠로 건너뛰기

2013년 결산

드디어 갑오년 새해가 밝았습니다.

오늘이 갑오년의 두번째 날이군요..

남들은 다 1월 1일을 새해 첫날로 삼지만, 저는 설날을 기준으로 한해를 시작합니다.

새해가 밝았으니 지난 한해를 돌아보고 올 한해는 어떻게 살면 좋을지 고민해보는 짧은 글을 올려볼까 합니다.

개점 후 폐업 상태로 방치해놓은 이 변방의 블로그라는 그릇에 지난 한해 제가 어떤 기록을 남겼는지 한번 돌아보고 올 한해는 또 무엇으로 채워야 할지 머.. 그런 고민입니다.

아침 일찍 일어나 블로그의 기록을 보니 제가 지난 한해 45편의 졸작을 올렸더군요.

개점 후 폐업 상태라고는 하지만 그래도.. 1주일에 한편 정도의 글을 쓴듯 합니다.

이정도면 준수했다라고 자평해보지만 막상 그 내용들을 보면 부끄럽기 그지 없습니다.

테스트 전문 개인 블로그라면서 테스트와 관련된 글이 고작 8편.. OTL

그마저도 어떤 기술적인 내용보다는 그냥 일반적인 내용들이었습니다.

의외였던 부분은 저는 안드로이드 앱이나 서비스에 대한 소개글을 자주 올렸던 것으로 기억하는데 달랑 8편 뿐이네요..

아마도 관련 내용을 적는 것을 최대한 자제한 결과인듯 합니다.

이것 역시 지금 살펴보니 현재 사용하고 있는 앱이 딱 하나뿐이네요.. 후..

그러면 도데체 무슨 글을 이렇게 많이 적었나 했더니 지앤선의 소셜 프론티어라고 해서 지앤선의 신간을 지원받아 먼저 읽어보고 그에 대한 서평을 블로그나 각종 누리망 서점들에 소개하는 활동을 했었는데 덕분에 책이나 영화에 대한 감상문을 많이 적었더군요.

무려 15편입니다.

지난 1년간 지앤선에게 제 미천한 서평으로 누를 끼친것은 아닌지 이 자리를 빌어 감사의 인사와 함께 죄송함을 표현하고자 합니다.

그 외에는 하드웨어나 인터넷 서비스를 소개하는 글이 4편이었고, 제 일상적인 이야기가 7편, 모임 후기가 1편 있네요.

가장 고무적인 것은 제약이론에 대한 제 실제 사례를 2편이나 적었다는 것입니다.

물론 성과는 없었지만 어찌되었든 제가 무언가를 해 냈다는 자부심에 스스로 위안을 삼아봅니다.

가장 많은 분이 읽어주신 글은 LG 블루투스 헤드셋 HBS-730에 대한 소개글이었네요.

가장 많은 댓글이 달린 글은 넥서스 4 킷캣 업데이트 후기였습니다.

가장 많은 구글 +1을 받은 글은 블로거에 연동된 구글 플러스 댓글 시스템에 대한 글이었습니다.

이렇게 한해를 돌아보니 테스트 전문 개인 블로그라고 했지만 정체성에 마구 마구 혼란이 생깁니다.

사용성 테스팅에 대한 글도 연재를 중단한지가 벌써 2년이 되어가고 2년전만 해도 열심히 하던 제약이론 세미나도 작년에는 하지도 못했군요.

작년에도 분명 여러 외부 행사에 참석했음에도 기록으로 남기지도 못했네요.

올 한해 지킬 수 있을지 모르겠지만 우선 연재를 중단했던 사용성 테스팅에 대한 글도 우선은 마무리 짓고 사용성 테스팅에 대한 세미나도 해볼까 합니다.

제약이론 세미나를 다시 시작해보는 것도 좋을 것 같고요.

외부 행사에 대한 참여는 예전처럼 열심히 하기는 힘들것 같습니다.

그리고 제가 이번에 테스트 전문 교육팀으로 배속되면서 테스트 관련 글들을 과연 얼마나 올릴 수 있을지 모르겠습니다.

제가 알고 있는 내용들은 대부분 제가 교육과정에서 가르치고 있는 내용들인지라 그런 내용들을 개인 블로그에 상세하게 올릴 수 있을지 의문이지만 우선은 테스트 전문 블로그이니 올릴 수 있는 내용들을 열심히 찾아서 올려야겠습니다.

두서 없는 지난 한해에 대한 결산이었습니다.

몇년을 글을 썼는데도 글 쓰는 깜냥은 늘어나지를 않는군요.

마지막으로 지난 한해동안 제 블로그를 찾아주신 모든 분들께 고마움을 표합니다. 그리고 올 한해도 부족하지만 꾸준히 찾아오셔서 수많은 댓글로 저에게 가르침을 주시면 고맙겠습니다.

이곳에 오시는 모든 분들 새해 복 많이 받으시고 어렵고 힘든 시절이라 하더라도 항상 행복하시길 바랍니다.


댓글

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 ...