기본 콘텐츠로 건너뛰기

STAREAST 참관기 - Principles Before Practices: Transform Your Testing by Understanding Key Concepts

이틀간의 튜터리얼이 끝나고 삼일째 일정이 시작되었습니다.

본격적인 컨퍼런스가 시작되는 날로 이번 참관기는 컨퍼런스 첫날 키노트에 대한 내용입니다.

참고로 STAREAST에서 굉장히 인상 깊었던 것은 거의 모든 키노트의 내용이 비슷한 내용이었는데, 요약하자면 컨퍼런스에서 발표되는 내용을 듣지만 말고 돌아가서 반드시 실천하라는 내용이었습니다.

그리고 발표되는 내용이 모두 옳은 것은 아니니 실무에 돌아가서 많이 고민하고 연습하기를 바란다는 그런 내용들이더군요.

우리 나라의 경우 모든 컨퍼런스가 주제에 맞춰 특정한 내용을 전달하는데 급급하고 키노트의 경우에는 별 상관 없는 유명한 사람들(정치가나 머 그런 사람들 포함해서)의 뜬금없는 이야기를 듣는 경우가 많은데 이틀동안 총 5개의 키노트 세션이 듣고 고민하고 적용하라는 내용을 계속 강조하는 내용들이었습니다.

참으로 인상적이었습니다.

어쨌든 첫번째 키노트의 참관기입니다.

이 키노트에서 기억에 남는 내용은 아래와 같습니다.

발표자가 Randy Rice 라는 분이었는데, ASTQB(ISTQB의 미국 지부??)의 officer더군요.

첫번째는 테스팅은 정황에 의존적이라는 내용이었습니다. 정해진 규칙은 없으니 정황을 최대한 고려해서 테스팅을 수행하라는 것이었습니다.

많은 사람들이 컨퍼런스에 오면 정해진 규칙을 찾고 빠른 시간안에 전문가가 되는 방법을 찾는데 그런건 없다. 정황을 고려하라는 내용이었습니다.

그리고 진정 전문가가 되기를 원한다면 3가지가 필요하다고 했습니다.

첫번째는 지식인데 그런 이 컨퍼런스에 와서 얻을 수 있다.

하지만 중요한것은 그 지식에 대한 충분한 연습이고(이것이 두번째) 수많은 연습을 통한 경험(이것이 세번째)이라고 했습니다.

그래서 반복이 좋다라고 얘기하더군요.

두번째는 ISTQB의 테스팅의 7가지 기본 원리를 간단하게 소개하면서 이것이 전부가 아니라 다른 더 많은 원칙들이 있을 수 있다고 했습니다.

대표적인 것이 모든 테스트를 자동화 할 수 없으니 욕심을 부리지 말라고 하더군요.

많은 사람들이 매뉴얼 테스팅을 대체하기 위해 테스트 자동화를 원하지만 그것은 불가능하고 테스트 자동화가 매뉴얼 테스팅의 필요성을 대체할 수 없다라고 얘기했습니다.

그러면서 하는 얘기가 테스트 자동화는 수행 자동화가 아니라는 얘기를 했습니다.

그리고 개발 초기에 테스트를 수행하는 좋은 것이지만 잊지 말아야 할것은 준비가 되어 있어야만 효과가 있을 수 있다라는 내용이 있었고, 복잡한 부분부터 테스트를 수행하지 말라는 내용도 있었습니다.

그리고 강력한 테스팅만 추구한다면 일정 내에 테스트를 수행하지 못하니 그러한 것도 고려해야한다는 내용도 있었고, 우리가 잘못된 제품을 테스트 한다면 아무리 좋은 테스팅 방법을 사용하더라도 의미가 없으므로 사전 테스트와 같은 활동을 포함해서 올바른 제품을 인도받아 테스트 할 수 있어야 한다고 얘기했습니다.

대체로 평이한 내용이지만 다시 한번 생각해 볼 수 있어서 좋았습니다.

세번째는 컨퍼런스는 너의 고민을 들어주고 도와주는 장치이니 최대한 활용하라는 얘기를 했습니다. 타이거 우즈도 코치고 있고 악기를 다루는 법은 누구나 배울 수 있지만 잘하는 사람은 노력하는 사람 뿐이다. 즉, 배우자마자 잘 하는 사람은 없다.

많은 사람들이 컨퍼런스에서 사례를 듣고 적용방법을 원하지만 무언가를 잘하기 위해서는 사례보다는 이론, 원칙을 먼저 이해해야 한다.

그러니 발표 내용을 잘 듣고 필요하다면 발표자와 많은 이야기를 나누라고 하더군요.

이외에도 좋은 내용이 꽤 많았는데 제가 잘 전달해 드리지 못하는 것이 아쉬울 뿐입니다.

어쨌든 컨퍼런스를 시작하는 첫번째 키노트로 매우 좋은 내용이었습니다. 더불어 컨퍼런스에 대한 기대감을 불러일으키는 아주 좋은 발표였습니다.

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...

AI의 UX, 단 5개 문항으로 측정하는 방법: SUXAI

테스트 관리에는 아주 유명한 명언이 있습니다. 어쩌면 이 말은 테스트 관리에서만 유용한 얘기는 아닐거고.. 어쩌면 여러분도 다른 곳에서 들었을 수도 있습니다. "측정할 수 없으면 개선할 수 없다" 지난 글(https://murianwind.blogspot.com/2026/07/ai_01010698011.html)에서 생성형 AI 시대에는 기존의 일반적인 사용성 지표(SUS 등)만으로는 부족하며 정확성, 신뢰성, 설명 가능성, 제어 가능성이라는 AI 에 특화된 품질 특성이 필요하다고 정리해 드린 바 있습니다. 하지만 실무자의 입장에서 항상 부딪히는 현실적인 고민이 있습니다. "이론은 좋은데, 당장 매주 업데이트되는 AI 기능의 UX를 바쁜 현장에서 어떻게 빠르고 정량적으로 측정할 것인가?"라는 점이죠. MeasuringU에서 이에 대한 명확하고 실용적인 해답을 제시하는 후속 아티클을 공개했습니다. 바로 "Streamlined Measurement of the UX of AI"입니다. (출처: MeasuringU - Streamlined Measurement of the UX of AI / Jeff Sauro, PhD & Jim Lewis, PhD) https://measuringu.com/streamlined-measurement-of-the-ux-of-ai/ Jeff Sauro와 Jim Lewis 박사는 실무 연구자들과 테스터들이 긴 설문이나 복잡한 프레임워크 없이도 AI 제품의 핵심 품질을 빠르게 측정할 수 있도록 SUXAI(Streamlined UX of AI)라는 간소화된 측정 모델을 구축했습니다. 기존에 수많은 문항으로 분산되어 있던 지표들을 통계적 요인 분석을 통해 쥐어짜고 압축하여, 핵심적인 5가지 5점 척 문항 으로 표준화했습니다. SUXAI를 구성하는 5가지 핵심 평가 문항 정확성 (Accuracy): "이 AI가 생성한 결과물은 정확하다." 신뢰성 (Trust/Re...