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

피드백 루프: AI 시대 테스터가 지켜내야 할 핵심 엔진

소프트웨어 개발과 테스팅 현장에서 가장 자주 언급되지만, 막상 시스템이 복잡해질수록 쉽게 경시되곤 하는 핵심 개념이 바로 '피드백 루프(Feedback Loop)'입니다. 코드를 수정하고, 빌드하고, 테스트 결과를 확인하고, 다시 개선하는 그 순환 과정의 속도와 정확도가 결국 소프트웨어의 품질을 결정짓기 때문입니다. 품질 전문가 매슈 하이저(Matthew Heusser)가 자신의 블로그 Quality Remarks에 기고한 "One Loop After Another" 아티클은 바로 이 피드백 루프의 다층적 구조와, AI 시대에 우리가 놓치지 말아야 할 품질 검증의 본질을 날카롭게 되짚어 줍니다. (출처: Quality Remarks - One Loop After Another / Matthew Heusser) https://qualityremarks.com/one-loop-after-another/ 매슈 하이저는 소프트웨어 개발 생태계가 단순히 하나의 커다란 테스트 루프로 돌아가는 것이 아니라, 시간 축과 관점에 따라 겹겹이 쌓인 '연쇄적인 피드백 루프들(One Loop After Another)'로 이루어져 있다고 설명합니다. 초단기 루프 (Inner Loop): 개발자가 코드를 작성하는 몇 초~몇 분 단위의 루프입니다. 단위 테스트(Unit Test)나 IDE의 Linter, AI 자동 완성이 즉각적인 피드백을 주는 영역입니다. 단기 루프 (Daily / CI Loop): 커밋과 푸시가 이루어지고, CI/CD 파이프라인에서 통합 테스트와 정적 분석이 실행되는 몇 시간 단위의 루프입니다. 중기 루프 (Iteration / Exploration Loop): 스프린트 단위로 탐색적 테스팅(Exploratory Testing)을 수행하고, 실제 사용자 시나리오나 엣지 케이스를 사람이 직접 검증하며 시스템의 유기적 작동을 확인하는 며칠~몇 주 단위의 루프입니다. 장기 루프 (Outer / Market Loop): 실제 ...

에이전틱 AI 프로젝트에서 테스터의 5가지 핵심 원칙

AI 코딩 에이전트와 자율형 에이전트가 빠르게 개발 워크플로우에 통합되면서, 단순히 코드를 잘 짜는 것을 넘어 '에이전트와 어떻게 협업하고 통제할 것인가'가 개발자와 아키텍트들의 가장 큰 화두로 떠올랐습니다. 윤석찬 님의 아티클 "AI 에이전트 시대, 개발자는 어떻게 일해야 하는가? – 프론티어 엔지니어링의 10가지 원칙"은 에이전틱 AI 시대에 엔지니어가 마주하는 패러다임 변화와, 실무 현장에서 일하는 방식을 어떻게 재정의해야 하는지 아주 명확한 가이드라인을 제시해 줍니다. (출처: channy.creation.net - 윤석찬 님의 블로그) https://channy.creation.net/blog/1989 비록 대규모 에이전트 오케스트레이션이나 초거대 인프라 시스템을 개인이 직접 구축하고 운용하는 것은 비용적·기술적으로 현실적인 한계가 있습니다. 하지만 개인 프로젝트에서 AI와 바이브 코딩(Vibe Coding)을 활용하며 겪었던 맥락 손실, 환각, 통제 불능의 경험들을 떠올려보면, 이 아티클이 제시하는 10가지 프론티어 엔지니어링 원칙은 소규모 개인 개발 환경에서도 대단히 깊은 공감을 불러일으킵니다. 이 글은 단순히 "AI 도구를 잘 쓰자"는 수준에 머무르지 않습니다. AI 에이전트가 생성해내는 불확실성 속에서 인간 엔지니어가 시스템의 맥락을 주도하고, 오작동을 제어하며, 품질의 키(Steering Wheel)를 쥐기 위한 구조적 사고법을 다룹니다. 그렇다면 프론티어 엔지니어링의 원칙을 바탕으로, 시스템의 신뢰성과 안전성을 검증해야 하는 테스터는 과연 어떤 실무 원칙을 세워나갈 수 있을까요? 윤석찬 님이 제시한 엔지니어링 원칙을 테스팅 관점으로 재해석해 보면, 다음과 같은 5가지 원칙으로 정리할 수 있을 것 같습니다. 1. 결정론적 검증에서 '경계선 및 허용 오차(Boundary)' 테스팅으로 전환하라 에이전트 기반 시스템은 같은 입력을 주어도 매번 다른 추론 경로를 거치는 확률적(Stoc...

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...