기본 콘텐츠로 건너뛰기

결함 수정율을 높이기 위한 6가지 고려사항

소프트웨어 테스팅의 목적은 장애를 통해 결함을 도출하고 결함을 해결함으로써 소프트웨어의 품질 향상에 기여하는 것이라고 할 수 있습니다.

하지만 실제 개발 환경에서 결함은 그다지 환영받지 못하는 것이 현실입니다.

결함이 증가할수록 해당 결함을 해결하고 테스트하는데 들어가는 시간과 비용 그리고 노력은 어마어마하게 증가합니다.

특히 테스트 활동이 개발 후반에 집중될 수록 이런 현상은 더 심해지는 경향을 보입니다. 그래서 가장 좋은 해결책은 개발 수명주기 전체에 걸쳐 테스트 활동이 병행되는것이지만 현실은 그렇게 녹록하지 않습니다.

때문에 많은 개발 조직들은 결함을 은닉하거나 수정하지 아니하고 그것은 원래 기획의도라면서 두리뭉실 넘어가기 일쑤입니다.

이것은 결국 부메랑처럼 회사와 조직 그리고 고객에게 엄청난 피해를 일으킬 수도 있습니다.

결함은 분명 환영해야할 일이지만 마냥 환영할 수만은 없는 닭갈비 같은 존재입니다.

우리가 결함에 대한 해결을 미루는 이유는 여러가지가 있지만 제 경험상 가장 주요한 이유 중 하나는 바로 테스터에게 있습니다.

테스터들이 보고하는 결함 보고서를 리뷰해보면 결함보다는 장애 그 자체를 보고하는 경우가 꽤 많습니다.

장애로부터 결함을 격리하는 활동 없이 보고되는 장애는 개발 조직에게 장애의 원인을 규명하는데 꽤 많은 자원을 소모하게 만듭니다.

이러한 장애가 한두건이라면 어떻게든 해보겠지만 이러한 장애가 수백건이 된다면 얘기가 달라집니다.

말 그대로 테스터가 해야할 일을 개발자가 해야하니 개발자에게는 이중고가 되고 그러하니 결함이 수정되지 못하는 악순환이 반복되게 됩니다.

테스터들이 장애로부터 결함을 격리하는 활동을 하지 못하는 것은 시간이나 인력이 부족해서일수도 있고 아니면 몰라서 못하는 것일수도 있습니다.

때문에 결함을 격리하고 결함 수정율을 올리기 위한 6가지 고려사항을 적어볼까 합니다.

첫번째는 장애가 발견되었을 때 이것이 실제로 장애인가? 결함인가?에 대하여 물어볼 필요가 있습니다.

우리가 결함이라고 생각하는 것이 실제로는 장애인 경우가 많습니다. 장애가 발생하는 근본원인을 찾아볼 필요가 있습니다. 테스터는 장애의 핵심원인에 대한 근거를 명확하게 제시할 수 있어야 합니다. 이것이 가장 중요한 활동이고 가장 시간과 노력이 많이 들어가는 활동입니다. 이러한 활동에 들어가는 노력을 줄이기 위해서는 모델을 잘 구축할 수 있어야 하고 테스트 설계에 대한 성숙도가 높아질 필요가 있습니다.

두번째는 발견된 결함에 대한 해결책의 방향에 대한 총의를 확보해야 합니다.

세번째는 해결책이 정말 결함을 해결할 수 있고, 어떤 의미가 있는지 물어봅니다. 해결책이 결함을 해결하여 좋은 결과를 달성할 것이라는데 대한 총의를 확보합니다. 결함을 해결하는데 들어가는 비용과 노력보다 더 많은 것을 얻을 수 있는지에 대한 근거가 제시되어야 합니다. 이러한 근거는 결함의 해결이 제품과 사용자에게 미치는 영향을 예측하여 추정할 수 있습니다. 그리고 이러한 근거는 결함 수정의 우선순위와 리그레션 테스트의 강도에 영향을 미칩니다.

네번째는 해결책으로 잘못될 일은 없는지, 어떤 부작용은 없는지 물어봅니다. 일반적으로 이러한 부작용을 파악하기 위해 모델과 함께 영향도 분석을 합니다. 저는 의존도 분석을 선호하는 편입니다.

다섯번째는 해결책을 어떻게 실현할 수 있을지 물어봅니다. 구현을 방해하는 모든 장애물들이 파악하고 그 대책을 마련할 필요가 있습니다. 이러한 장애물들은 프로젝트 리스크로 지속적인 관리를 해야합니다.

여섯번째는 과연 우리들이 결함을 해결해 낼 수 있을지를 물어봅니다. 결함의 성공적인 해결을 위해 모든 리더쉽이 발휘될 것이라는 경영층의 확고한 의지를 확인할 필요가 있습니다.

그리고 이러한 여섯가지 활동을 수행할 조직이 필요합니다.

단순히 시간에 쫓겨 발견되는 장애가 리뷰도 없이 개발 조직에 전달되고 정확하지 않은 데이터를 기반으로 한 의사결정과 결함 수정은 시간과 비용, 노력을 낭비하게 하고 더 나은 제품을 제공하지 못합니다.

시간이 없다고 하더라도 하나 하나의 장애에 대하여 정확한 분석과 해결 전략을 도출할 필요가 있습니다.

더 좋은 것은 그러한 장애에 대한 원인이 되는 결함이 발생하지 않도록 조직 전체가 테스트에 대한 책임을 가지고 테스트를 실행할 필요가 있습니다.

만약 여러분의 조직이 발견되는 결함이 제대로 수정되지 못하고 미궁에 빠져 있으시다면 위의 6가지 고려사항 중 얼마나 많은 것들을 고려하고 실행하고 계신지 확인해보시기 바랍니다.

댓글

  1. 장애와 결함의 차이가 무엇인가요?

    답글삭제
    답글
    1. 결함은 명세, 모델 ,코드가 잘못 구현된 것으로 정적 테스팅을 통해 식별하고 장애는 제품의 실행 결과가 의도와 다른 것으로 동적 테스팅으로 식별하고 그 원인은 크게 결람에 의한 장애와 환경 특성 장애로 구분합니다.

      삭제

댓글 쓰기

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...

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 ...