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

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...