기본 콘텐츠로 건너뛰기

[XPER] 2014년 3월 정기 모임에 다녀와서.. - 실무에서 경험한 Agile과 Lean UX 사례

조금 전 XPER 정기 모임에 다녀왔습니다.

이번 달 주제는 '실무에서 경험한 Agile과 Lean UX 사례'로 다음의 김수영님이 실무에서 모바일 어플리케이션을 개발한 생생한 후기를 전해주었습니다.

어떤 내용인지는 넘어가고..

듣고 온 몇가지 소감만 남겨볼까 합니다.

어떤 내용인지 궁금하신 분은 서점에서 '린 UX'라는 책을 사서 한번 보시기 바랍니다.

1. 발표 내용은 익히 알고 있었던 내용들이고, 자랑같지만 제가 설계하고 가르치고 있는 사용성 테스팅에서 이미 다루고 있는 내용이었습니다. 제가 가르치는 내용이 틀리지 않았다는 것이 하나의 위안이었고, 실무에서 실제로 적용해서 하고 있는 사람이 있다는 것이 또 하나의 위안이었습니다.

2. 실무에 적용한 사례에서 팀 구성원 중 테스터가 없다는 것이 가장 눈에 띄었습니다. 그래서 발표 끝난 후 직접 이러한 사용성 테스트나 사용자 조사등을 테스터가 검증하고 설계를 지원하는 경우가 있냐고 묻자 외국의 경우는 있지만 국내는 못보셨다고 하시더군요.

지난 몇년간 독학으로 배우고 여기 저기 다니면서 귀동냥, 눈동냥으로 배워서 테스터도 이러한 것을 할 수 있어야 하고, 해야 한다고 가르치고 있지만 사실 많이 외롭습니다.

저 혼자 하려니 외롭고 이야기 할 사람이 없으니 힘이 빠지긴 합니다.

요즘 부쩍 드는 생각이 테스터가 가장 뒤쳐지고 있다는 생각이 들었습니다.

개발도 기획도 디자인도 빠르게 변하고 있는데, 테스터만 거기에 맞춰가지 못하다는 느낌입니다.

만들어진 것이 제대로 만들어졌는지 확인하기 전에 만드는 과정이 올바른지 그 과정에 고객의 목소리가 제대로 반영되었고, 고객에게 제품이 가치를 제대로 전달하고 있는지 확인하는 과정이 필요하다고 생각합니다.

애자일이든 린이든 어느 곳을 가도 어떻게 개발했다는 이야기는 있지만 어떻게 테스트했다는 이야기를 듣기가 쉽지 않습니다.

왜 테스터는 그런 대접을 받지 못하는 것일까요?

애자일에서 린으로 소프트웨어 개발은 점점 더 빠르게 속도를 더해가고 있습니다.

그렇게 질주하는 개발의 과정을 검토하고 올바른 방향으로 가도록 도와주는 역할로서 테스터는 우리 나라에서 언제쯤이면 가능할까요?

최근에 탐색적 테스팅과 애자일 테스팅 그리고 Rapid Testing Framework를 다시 살펴보고 있습니다.

그러면서 정말 우리가 너무 뒤쳐지고 있는건 아닌지라는 조바심이 들었습니다.

그런데 다시 돌아보면 제가 너무 앞에 와 있습니다.

많은 사람들이 제가 하는 일은 틀렸다고 말하기도 합니다.

그런데 저 뒤로 다시 돌아가기는 싫습니다.

그들보고 이 앞으로 와 달라고 말해봐야 저는 또 혼자입니다.

시간이 흐르면 그 사람들도 제가 있는 이곳에 오겠지만 그때까지 저는 기다려야하는걸까요? 아니면 그들을 계속 불러야 하는걸까요?

그러고 보니 저는 아이디어맨에 가깝다라는 생각을 했습니다.

실행을 하기보다는 생각이 많은 사람이라는 생각을 했습니다.

그런 면에서 저보다 앞에서 실천하며 이끌고 있는 사람들이 참 부러웠던 저녁이었습니다.

언젠가 저도 저와 같은 생각을 가진 테스터와 맘 놓고 얘기해보는 날이 있으면 좋겠습니다.

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 ...