기본 콘텐츠로 건너뛰기

테스터는 전체를 조화시킬 줄 알아야 한다.

테스트의 고수는 어떤 사람일까?

어떤 사람이 테스트를 잘 하는 사람일까?

기업은 어떤 사람을 테스터로 고용해야하는걸까?

뛰어난 테스터가 되기 위해서는 무엇을 알아야하는걸까?

위와 유사한 질문은 테스터로 시작하는 사람부터 테스터를 고용하는 사람들까지 많은 사람들이 공통적으로 가지고 있는 의문들입니다.

이와 관련한 많은 조언들이 있지만 나름 제 개인적인 의견을 적어볼까 합니다.

제 생각에

가장 하수의 테스터는 주어진대로 테스트를 하는 수동적 테스터입니다.

명세에 적혀 있는 내용만 확인하는 테스터, 제품이 정상 동작하는지에만 관심을 두고 집중하는 테스터입니다.

일반적으로 테스트를 이제 막 시작하시는 분들이 이런 테스트에 주력하고 테스트를 잘 모르는 개발 이해관계자들이 주력하는 테스트 유형입니다.

이보다 조금 더 높은 단계가 되면 실패하는 경우, 리스크를 고려하기 시작합니다.

제품이 실패할 수 있는 정황, 사용자의 실수 등을 고려하여 테스트를 하는 수준입니다.

그리고 이쯤 되면 많은 테스터들이 딜레마에 빠집니다.

얼마나 많은 경우를 고려해야하는 걸까? 이러한 테스트는 필요한 것일까? 환경? 예산? 사용자는 정말 이렇게 사용할까? 등등

이 수준이 되면 테스트를 완벽하게 하기 어렵다는 것을 깨닫고 많은 테스터들이 자포자기 심정으로 빠져들기도 합니다.

이보다 조금 더 높은 단계가 되면 전체적인 관점에서 제품을 바라보기 시작합니다.

예를 들면, 최고의 미녀를 만들기 위해서

얼굴형은 카라 구하라, 눈은 포미닛 현아, 코는 배우 이민정, 입술은 배우 윤은혜를 합쳐서 성형수술을 한다고 해봅시다.

가장 낮은 수준의 테스터는 얼굴형은 구하라처럼 되었는지, 코는 이민정과 얼마나 똑같은지, 입술은 윤은혜와 얼마나 똑같은지에만 초점을 맞춥니다.

중급 수준의 테스터는 각각의 경우에서 실패할 수 있는 경우, 시술을 받는 사람의 현재 상태 등을 고려하고 최적의 결과가 나올 수 있는 정황을 고려합니다.

하지만 이런 수준의 테스트를 거친다 하더라도 최종적인 모습은 그다지 이쁘지 않습니다. (물론, 개인적인 취향으로 충분히 이쁘다고 하시는 분도 계십니다.)

문제가 무엇인고 하니.. 말 그대로 조화가 빠져 있다는 것입니다.

상급 수준의 테스터는 각각의 가장 이쁜 부분을 합쳤을 때 전체적인 조화로움을 예측하고 그에 대한 의견을 낼 수 있어야 합니다.

소프트웨어 개발은 각종 이해관계자의 정치적인 알력과 의견의 잡탕이라고 할 수 있습니다.

누군가의 정치적인 힘이 큰 경우 많은 소프트웨어는 조화가 깨지고 괴물이 되어버립니다.

테스터는 그러한 상황에 제동을 가하고 팀이 올바른 방향으로 나아갈 수 있도록 등대가 되어줄 수 있어야 합니다.

그러기 위해서는 테스터는 조직에서 존중과 신뢰를 받을 수 있어야 합니다.

조직에서 테스터가 개발의 겉저리 수준으로 취급받는다면 그 조직에서 만들어지는 소프트웨어는 절대 좋을 수 없습니다.

우리가 좋은 소프트웨어를 만들기 위해서는 2가지가 필요합니다.

여러 이해관계자의 의견과 관점을 조율하고 전체적인 관점에서 조화시킬 수 있는 훈련되고 능력있는 테스터

그리고 그러한 테스터를 신뢰하고 존중하는 조직 문화..

그런 면에서 아직까지 우리 나라의 소프트웨어 개발 성숙도는 멀었다고 생각합니다.

댓글

  1. 품질 지표/기준을 적용하더라도 쉽게 측정 가능한 것들만 사용하는 것도 문제인 것 같습니다. 가장 흔히 사용되는 것이 결함 조치율이 아닐지...

    답글삭제

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 ...