기본 콘텐츠로 건너뛰기

STAREAST 참관기 - Critical Thinking for Software Testers

STAREAST 2일차입니다.

2일차에는 하루종일 진행되는 'Critical Thinking for Software Testers'를 들었습니다.

우리 나라 말로 하면 비판적 사고라고 할 수 있습니다.

하루 종일 참여한 사람들이 질문을 하면 바크가 대답을 하는 식으로 세션이 진행되었습니다.

PT와 함께 바크가 이야기하는 경우는 PT의 내용을 참조해서 바크의 이야기를 알아듣기가 용이한데 참여한 사람들과의 토론(?)이 주가 되다 보니 참여자의 얘기는 정말 듣기 힘들더군요.

바크도 점점 말이 빨라지면서 세션을 진행하는 공간의 분위기는 후끈한데.. 저는 점점 사색으로 변해가며 식은땀이.. ㅠㅠ

오전은 어떻게 어떻게 들었는데..

오후에는 점점 머리가 멍~~ 해지더군요..

그런 의미로 이번 후기는 그다지 쓸 얘기가 많지 않습니다.

다만 이 세션의 핵심은 이것이었습니다.

바크가 참여한 사람들에게 던지는 질문과 참여한 사람들이 던지는 질문에 대한 대답도 이것이었습니다.

그것은...

다른 관점에서 생각하는 것이었습니다.

이와 관련해서 질문을 하는 기법에 대해 꽤 많은 시간이 할애되었습니다.

대표적인 질문이..

왜 그런가요?
이렇게 생각할 수 있지 않나요?
정말 그렇게 확신합니까?
그것을 어떻게 증명할 수 있습니까?

머 이런 질문들이었습니다.

결론은 테스터는 테스트를 수행하면서 끊임없이 비판적으로 생각하고 질문을 만들어내야한다는 것이었습니다.

제품에 대한 이해와 테스트의 완성도를 높이기 위해서 끊임없이 생각하고 질문하는 활동을 반복해야한다는 것이었습니다.

보이는 것이 전부가 아니기 때문에 그 이면에 대한 끊임없는 탐구를 멈추지 말라는 것이었습니다.

테스팅은 곧 비판적 사고이다.

제품이 정상동작하는지 단순히 명세를 확인하는 것 이상의 문제를 찾는 탐색의 과정이 테스팅이라는 것입니다.

단순히 명세를 확인하는 것은 테스팅이 아니라 체킹이라고 하더군요.

그리고 이러한 문제를 예측하고 탐색하고 검증하는 과정에서 필요한 것이 비판적 사고입니다.

비판적 사고는 확신에 대한 의심 그리고 검증이라는 것입니다.

따라서 좋은 테스터는 다양한 가능성에 대해 의문을 가지고 질문을 하는 테스터라고 했습니다.

이와 관련해서 제시한 예제가 리그레션 테스팅에 관한 것이었습니다.

우리가 A라는 테스트 슈트를 작성해서 테스트를 수행하고 수정되어서 온 제품을 다시 A라는 테스트 슈트로 테스트를 수행해서 결함이 없다면 테스트를 끝내도 좋은 것인가? 제품에 결함이 모두 수정되어서 안정화되었다고 확신할 수 있는가? 라는 질문이었습니다.

바크는 리그레션 테스팅은 환상이라고 말하더군요.

꽤 도발적이지만 한번쯤 다른 관점에서 바라볼 수 있는 좋은 시간이었습니다.

댓글

이 블로그의 인기 게시물

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...

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 ...

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 ...