기본 콘텐츠로 건너뛰기

오픈넷 아카데미 공개강의를 다녀와서..

어제(2월 27일) 오픈넷에서 주최하는 오픈넷 아카데미의 공개강좌를 다녀왔습니다.

강좌 주제는 "공인인증서와 금융마피아"로 말도 많고 탈도 많은 화제의 그 분 김기창 교수님의 강연이었습니다.

김기창 교수님이 오픈웹이라는 개인 블로그로 웹 접근성에 대한 이야기를 하실 때문터 열렬한 지지자였는데, 어제 실제로 강연을 들으니 그동안 글로만 보던 내용이 확실하게 전달되는 듯 해서 좋더군요.

사실 테스터로서 공공의 이익을 위해서 보안전문가가 아님에도 불구하고 금융권이나 기타 보안이 중요한 곳에 보안에 대한 조치를 더 취해야 한다고 아무리 목놓아 이야기해보아도 무시당하기 일쑤였고, 보안 담당자와 담당 부서가 있는데 일개 테스터가 보안에 대해 무엇을 알기에 감을 내놓아라 배를 내놓아라 하느냐며 무시할때의 서러운 감정과 비슷한 감정을 공유해주시는 김기창 교수님의 강연이 정말 좋았습니다.

어렵고 힘든 요구사항이 아님에도 그것을 개선하지 못하는 현실이 참 안타깝기 그지 없습니다.

대한민국이라는 나라에 살기에 어쩔 수 없이 국내 은행을 이용하고 있지만 테스터로 단언하건데, 국내 은행을 포함한 증권사 어디도 제대로 된 보안 시스템을 구축한 곳은 단 한군데도 없습니다.

날이면 날마다 터지는 개인정보유출사고를 포함한 각종 금융사고는 어찌 보면 당연한 것입니다.

내가 아직 당하지 않았으니 안전한것 같으시죠..

정말 마음 같아서는 은행이고 머고 다 해지하고 그냥 현찰로만 살고 싶은 생각이 들기도 합니다만, 당장 월급 받으려면 통장이 필요하죠.

어제 김기창 교수님이 말씀하신 내용의 핵심은 이런 것이었습니다.

"공인인증서를 폐지하자는 것이 아니다. 중요한 것은 강제하지 말아달라는 것이다."

그러면서 하시는 말씀이 정부가 기술을 통제하려 해서는 안된다는 말씀이었는데, 조금은 신선하고 충격적이었습니다.

왜 그 생각을 못했을까?

정통부 이후 정부에서 주도하는 기술 정책에 너무 길들여졌던건 아닐까?

많은 IT 인들이 정통부의 부활을 원했고, 그것이 어떤 형태든 미창부로 나타났지만 우리 삶이 나아진것은 없죠..

사실 우리에게 필요했던건 정통부가 아닌 규제 없는 자유로운 경쟁 환경이 아니었을지..

왜 이런 생각을 하게 되었느냐 하면 저도 각종 SW 개발 프로젝트에서 찬밥보다 못한 대우를 받는 테스트가 정부에서 어떤 형태로든 강제적인 조항을 만들어주면 활성화 되지 않을까라는 생각을 해 본 적이 있는데, 어제 강연을 듣고 생각해보니 그렇게 되면 지금 그나마 자리잡은 업체들만 살아남고 새로운 업체나 새로운 테스트 방법론이 자리잡지 못할 수도 있겠구나라는 생각이 들었습니다.

하지만 역시 테스트가 활성화되려면 집단소송제와 징벌적 배상제도는 필요하지 않나? 하는 생각입니다. 그래야 기업도 자신에게 피해가 발생하지 않도록 하기 위해서 테스트에 투자를 하지 않을까요?

어쨌든 간만에 좋은 강연이었고, 많은 것을 생각해 볼 수 있는 강연이었습니다.

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 ...