기본 콘텐츠로 건너뛰기

테스팅의 목적은 무엇일까요? 가장 중요한 것은 무엇일까요?

소프트웨어 테스팅에서 가장 중요한 것은 무엇일까요?

소프트웨어 테스팅은 왜 하는 걸까요? 목적이 무엇일까요?

ISTQB Foundation Level 에서는 소프트웨어 테스팅의 목적으로 4가지를 얘기하고 있습니다.

1. 결함 발견
2. 결함 예방
3. 의사 결정을 위한 데이터 제공
4. 품질에 대한 자신감 획득

4가지 목적 중 2가지가 결함에 관한 것입니다.

실제로 소프트웨어 테스팅이 무엇이냐 하면 결함을 찾는 것이라 말합니다.

많은 테스터들이 하나라도 더 많은 결함을 찾기 위해 지금 이 순간도 땀을 흘리고 있고 어떻게 하면 적은 금액으로 적은 시간을 들여서 많은 결함을 찾을 수 있을지 연구에 연구를 하고 있습니다.

그런데, 정말 결함을 하나라도 더 찾는것이 정말로 중요할까요?

결함을 하나라도 더 찾는 것이 테스팅의 목적일까요?

결함을 하나라도 더 찾아서 해결하면 정말 소프트웨어의 품질이 좋아지기는 하는걸까요?

얼마전 어느 곳에서 고객이 발견할 수 없는 결함까지 찾아서 해결하는 것이 과연 좋은 것인가? 에 대한 논의를 본적이 있습니다.

과연.. 그러한 결함까지 찾아야 하는 것이 테스팅의 목적이고 우리가 해야할 일인걸까요?

저는 과감하게 아니다라고 얘기하고 싶습니다.

많은 사람들이 테스팅이라고 하면 결함에 집중합니다.

모든 것이 결함에서 시작해서 결함으로 끝납니다.

보고서의 주요 측정 지표도 결함입니다.

그런데, 이렇게 결함만을 추구하다보면 우리가 놓치는 것이 있습니다.

이것은 마치 회중시계를 든 토끼를 이상하다 생각하지 않고 그 토끼를 찾아 엄청난 모험을 벌인 앨리스와 같다고 생각합니다.

우리가 이쁘게 다듬어진 조경수를 볼 때 그것을 멋있다라고 하는 것은 전체적인 모양새와 주변과의 어울림을 보고 멋있다고 합니다.

그 나무에 옹이가 하나도 없고 시들어서 누렇게 된 잎이 하나도 없어야 멋있다고 하지는 않습니다.

ISTQB Foundation Level 에서 얘기하는 테스팅의 7가지 기본 원리 중 저는 2가지에 초점을 맞춰보고 싶습니다.

1. 완벽한 테스팅은 불가능하다.
2. 오류 - 부재의 궤변

모든 결함을 찾는 것은 불가능합니다. 모든 결함을 찾겠다고 하는 것은 무모한 도전이라고 생각합니다.

설사 모든 결함을 다 찾는다고 하더라도.. 그 결함을 모두 해결했다 하더라도 그것을 우리는 품질이 좋은 제품이라고 단정지어서 얘기할 수 없습니다.

저는 테스터가 집중해야할 것은 결함이 아니라고 생각합니다.

물론 결함을 찾는 것은 중요합니다. 하지만 그것보다 더 중요한 것은 소프트웨어를 사용할 사용자라고 생각합니다.

우리가 집중해야 할 것은 사용자와 그 사용자가 소프트웨어를 운용하면서 겪게 될 문제라고 생각합니다.

결함이란 바로 사용자가 실제 소프트웨어를 운용하면서 겪는 문제라고 정의해야 한다고 생각합니다.

전체를 바라보고 거기서 문제를 찾아가는 과정이 중요하다고 생각합니다.

테스터를 처음 시작하는 테스터나 약간 편집광적인 성격을 가지는 테스터들이 하는 가장 빈번한 실수가 결함의 꼬리를 쫓아 또 다른 결함을 찾아 헤메는 것이라고 봅니다.

7가지 원리 중 '결함 집중'의 원리에 따라 발견된 하나의 결함 주변을 탐색하면 더 많은 결함을 발견할 수 있습니다. 그것에 보람과 희열을 느끼는 테스터들도 있습니다.

하지만 한정된 시간과 비용과 인력에서 그렇게 한 곳에만 집중하게 되면 다른 곳은 더욱 더 취약해질 수밖에 없다고 생각합니다.

따라서 테스터라면 좀 더 넓은 시각에서 좀 더 폭 넓게 바라보고 고객을 이해하고 고객의 정황에서 문제를 찾는 과정 그것을 테스팅이라고 생각하고 그것이 우리가 집중해야 할 곳이라고 생각합니다.

결함을 발견하는 것은 중요합니다. 하지만 결함의 꼬리를 쫒아서 뛰지는 말았으면 합니다.

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 고려 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...