기본 콘텐츠로 건너뛰기

테스팅(Testing)과 체킹(Checking)

근래 +Draco Kim 님의 고객님 고객님 시리즈만 연속으로 올리다보니..

블로그가 너무 무미건조해지고.. 명색이 SW 테스팅 전문 블로그라는데 테스팅 관련 글은 1년에 몇차례 가뭄에 물방울 떨어지는 듯 하여..

오랜만에 테스팅 관련 글 한편 올려보고자 합니다.

오늘의 주제는 여러분은 테스팅과 체킹을 구분하실 수 있습니까?

여러분은 체킹을 하고 계십니까? 테스팅을 하고 계십니까?

일반적으로 우리가 테스팅이라 하면 명세를 기반으로 제품을 실행해보고 명세와 제품이 일치하지 않는다면 결함이라 판단하고 결함보고서를 쓰는 일련의 행위를 말합니다.

그런데, 이게 전부일까요?

단순히 어떤 정의된 명세가 있고 그 명세에 따라 제품이 정상적으로 동작하는지 여부를 확인하는 것이라면 TDD와 같이 코드 단위에서부터 테스트를 수행할 수도 있고, 수많은 자동화 도구를 통해서도 확인해볼 수 있습니다.

명세에 따라 제품을 실행해보고 명세 준수 여부를 확인하는 것도 분명 테스트이긴 합니다. 하지만 이것은 아주 좁은 의미의 테스트입니다.

사실 이것은 테스트라기보다는 체킹에 좀 더 가깝다고 할 수 있습니다.

사람이 직접 제품을 사용하면서 제품의 정상동작 여부를 판단하는 행위에는 단순히 명세를 참고하는 행위 이상의 행위가 있습니다.

우선 제품이 어떻게 동작하는지에 대하여 추론을 할 것이고, 그러한 추론에는 테스터의 경험과 선입관 그리고 감정이 섞이게 됩니다.

그런데, 이러한 추론, 선입관, 감정 등에는 여러가지 문제가 있습니다.

가장 큰 문제는 테스트의 신뢰성을 저하시킨다는 점입니다.

실제로 우리가 테스트를 수행하면서 발견하는 결함에는 테스트 케이스(즉, 명세로 정의된 내용)로는 확인할 수 없는 여러 다른 유형의 결함도 있습니다.

문제는 이러한 결함은 결함이 아닌 논란의 소지가 있는 이슈로 취급된다는 것이고, 이러한 논란은 많은 경우 이해관계자간의 감정의 골을 깊게 하거나 제품의 품질을 개선하는데는 아무 도움도 되지 않는 단순한 감정의 분출로 인한 자원 낭비를 가져오는 경우가 많다는 것입니다.

테스트에 있어 가장 중요한 것은 무엇일까요?

저는 개인적으로 테스트 오라클, 즉 결함 여부를 판단할 기준, 고객이 원하는 품질 수준이라고 봅니다.

명세는 아주 좋은 테스트 오라클입니다.

그리고 우선 눈에 보이기 때문에 모두가 선호하는 테스트 오라클입니다.

하지만 단순히 명세만을 가지고 제품의 정상 동작 여부를 판단하기는 부족합니다. 명세만을 가지고 제품의 정상 동작 여부만 확인하는 것은 테스팅이라기보다는 체킹에 가깝다고 봅니다.

우리가 진정 테스팅을 한다고 말하기 위해서는 저는 테스터는 테스트 오라클의 수집과 분석 정의에 좀 더 많은 노력을 기울여야 한다고 봅니다.

단순히 자신의 경험, 선입관, 감정을 이입시켜 제품을 테스트 하는 것이 아니라 논리적인 검증과 고객이나 이해관계자의 암묵적인 요구사항을 충분히 반영하여 제품을 올바르게 테스트하는 것이 중요하다고 봅니다.

단순히 누군가가 작성한 테스트 케이스만을 열심히 수행하거나 명세만 가지고 제품을 체킹하는 것이 아니라 테스트를 수행하는 테스터가 되기 위해 많이 고민하는 사람들이 많아졌으면 하는 마음입니다.

댓글

이 블로그의 인기 게시물

20년 차 테스터가 고른 최근 IT 소식: 기술의 속도, 그리고 사람의 자리

20년 넘게 IT 업계에서 테스팅하고 강의하고 공부하고 여러 일을 해왔지만... 정말이지 단 하루도 편하게 쉴 틈을 주지 않는 세상입니다. 특히 최근 4~5년 동안 가속화된 AI의 물결은 기술의 스펙트럼뿐만 아니라 우리가 일하고, 협업하고, 조직을 이끄는 방식 전체를 뒤흔들고 있습니다. 이번 주에도 수많은 뉴스레터와 아티클을 훑어보았습니다. 그중에서도 기술의 화려함 뒤에 숨겨진 ‘사람, 조직, 그리고 커리어의 본질’을 찌르는 글 몇 개가 눈에 띄어 메모해 둡니다. 제 평소 생각과 맞닿아 있는 6가지 이야기입니다. --- 1. 인지부채(Cognitive Debt): 바이브 코딩 시대에 우리가 지게 되는 진짜 빚 (출처: ROBOCO - 인지부채: 바이브 코딩 시대의 새로운 부채 관리법 / 정도현 수석 컨설턴트 ) 요즘 커서(Cursor)나 클로드 코드(Claude Code) 같은 에이전트를 붙여 "이거 만들어줘" 하고 승인(Approve) 버튼만 누르면 눈 깜짝할 사이에 코드베이스가 완성되는 '바이브 코딩(Vibe Coding)'이 유행입니다. 그런데 속도는 엄청나게 빠른데, 정작 서비스에 장애가 나면 "AI가 짜서 잘 모르겠는데요?"라는 답이 나오는 이상한 현상이 벌어집니다. 정도현 컨설턴트는 이를 '인지부채(Cognitive Debt)'라고 정의합니다. 코드는 쌓이는데, 정작 인간의 시스템 이해도는 쌓이지 않는 격차죠. * Human-in-the-loop의 환상: AI가 초당 수백 줄을 뽑아내는데 사람이 일일이 검토한다? 결국 검토자는 병목이 되고, 시간 압박에 쫓겨 영혼 없이 승인 버튼만 누르게 됩니다. 40년 전 자동화 연구(Bainbridge, 1983)가 지적했듯, 자동화될수록 사람은 감시만 하다가 정작 개입해야 할 결정적 순간에 숙련도를 잃어버립니다. * 부채는 0으로 만드는 게 아니라 '관리'하는 것: AI가 만든 모든 코드를 사람이 외울 수는 없습니다. 핵심은 ...

우리는 AI로 '더 빠른 말'을 키우고 있는걸까요? 아니면 '자동차'를 만들고 있는걸까요?

20년 넘게 IT 현장에서 뒹굴거렸는데... 요즘처럼 "우리가 지금까지 당연하게 여겨온 일하는 방식의 본질"에 대해 근본적인 질문을 던지게 만드는 때가 없었던 것 같습니다. 최근 읽은 UX 관련 글 하나가 가슴을 쿵 치고 지나갔습니다. UX 및 디지털 트렌드를 다루는 블로그 ux4dotcom에 올라온 "Beyond Faster Horses — Why AI Challenges One of UX's Oldest Assumptions"라는 글입니다. (출처: ux4dotcom - Beyond Faster Horses — Why AI Challenges One of UX's Oldest Assumptions ) 혁신을 말할 때 늘 인용되는 헨리 포드의 유명한 말이 있습니다. "사람들에게 무엇을 원하느냐고 물었다면, 그들은 '더 빠른 말'이라고 답했을 것이다." 사람들은 자신이 경험해 본 범위 안에서만 미래를 상상합니다. 말만 탈 줄 아는 사람에게 자동차는 상상 밖의 범주(Mental Model)니까요. 저자는 그동안 UX(사용자 경험)라는 학문과 필드 자체가 '더 빠른 말을 만드는 일(기존 과업의 효율화)'에 집중해 왔다고 지적합니다. 사용자의 행동을 관찰하고, 마찰(Friction)을 줄이고, 화면을 간소화하고, 기존 워크플로우를 최적화해 주는 작업 말입니다. 실제로 주변을 봐도 우리가 AI를 쓰는 방식도 대부분 이 범주를 벗어나지 못하고 있습니다. 더 빠르게 이메일을 작성하고, 문서 요약을 3초 만에 끝내고, 프레젠테이션 장표나 일정표를 순식간에 만들어내는 일. 분명 유용하고 저 역시 매일 요기하게 쓰고 있지만, 이건 어디까지나 '기존에 인간이 하던 일의 프로세스를 흉내 내어 속도만 올린 것(Faster Horse)'에 불과합니다. 정작 "이 워크플로우 자체가 과연 계속 존재해야 하는가?"라는 근본적인 질문은 던지지 못하고 있는 것이죠....

'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...