기본 콘텐츠로 건너뛰기

테스터가 똑똑하게 질문하는 방법 - 단계별 가이드

이 글은 STH 팀 멤버인 Bhumik M 의 글을 번역 요약한 것입니다.

원문은

http://www.softwaretestinghelp.com/how-the-testers-can-ask-questions

에서 보실 수 있습니다.

번역 후 제 블로그에 게시할 수 있는지 물어보았더니.. 전체 게시물을 모두 번역하여 개제할 수 없다고 합니다.

하여 주요 내용만 요약을 했습니다. 요약을 하면서 많은 부분이 의역이 되었으므로 자세한 내용은 꼭 원문을 읽어보시기 바랍니다.

-----

왜 테스터는 질문을 해야 하는가? 그리고 그것은 왜 그렇게 중요한가?

출시 일정과 개발 일정 준수의 압박 또는 불명확한 요구 사항 문서를 기반으로 프로젝트는 진행된다. 이러한 상황에서, 테스터는 여러 가지를 가정하는 경향이 있다. 데이터를 기반으로 결정을 내릴 때 가정은 자연스러운 것이다.

가정, 예제:

에세이 작성 어플리케이션은 저자의이름을 표시해야 한다고 요구사항 문서에 적혀 있다.

테스트 하는 동안, 테스터는 이 같은 에세이에 대해 여러 작가가 있을 수 있으며, 이 에세이의 서로 다른 버전을 유지할 수 있다는 것을 학습했다.

이제 , 이런 상황에서 저자의 이름을 어떻게 표시할 수 있을까?

가정을 기반으로 하는 질문을 아래와 같이 할 수 있다:
  • 여러 저자들이 동시에 에세이를 갱신하면 어떻게 되는가?
  • 같은 이름을 가진 저자가 여러명 있다면?
  • 다른 사람이 제출한 마지막 버전에 저자가 접근하고자 한다면?
테스터가 가정을 만드는 것은 중요하고 어플리케이션에 대해 항상 질문을 해야하는 것은 아니지만, 때로는 '다음에 무엇을, 어떻게, 왜'에 대한 질문을 해야할 수도 있다.

다음에 무엇을, 어떻게, 왜?

단계 1: 조사

호기심 많은 테스터는 예기치 않은 동작을 관찰할 때 조사를 중단하고 조사 결과를 가지고 질문을 만든다.

더 많은 질문에 의한 조사 결과는 올바른 정답을 결정하는 데 실제로 도움이 된다. 

단계 2: 과거 경험 적용

과거에 같은 문제에 직면한 우리 인간의 마음은 즉시 현재의 상황에 적용할 때, 관련 데이터와 그 데이터를 검색해서 더 많은 질문에 대한 방법을 제공한다.

단계3: 데이터 적용

경험이 많은 테스터는 항상 데이터를 분석하고 가능한 패턴에 대하여 질문을 한다.

그러나 테스터는 많은 것을 물어보고 싶어하지만 질문을 하지 않습니다. 다음과 같은 여러가지 이유가 있을 수 있습니다.
  • 끊임없이 계속되는 조사
  • 무엇을 물어야 하는지 알지 못함
  • 의혹에 대한 설명 요구
  • 가정에 대한 해명 요구
  • 전반적인 리스크 평가
  • 의사 결정
그래서 다음 중요한 질문은 '어떻게 질문하는가?' 이다.

어떻게 질문하는가?

질문을 했을 때 최대한의 답변을 얻을 수 있도록 아래와 같은 기술을 적용하는 것이 더 좋다.

똑똑하게 질문하기:
  • 질문 주변을 파고 들어라. 대답은 항상 간단하지 않을 수 있기 때문이다.
  • 들을 수 있도록 준비하고 중단할 필요가 있을때 개입해라.
  • 답을 가정하지 않는다.
  • 유용한 링크 또는 책이나 도움이 되는 다른 소스와 같이 관련된 정보를 많이 요청한다.
  • 당신의 의견을 제시하고 그들의 관점에 관해 질문하라.

질문을 하는 것은 지식의 전체 세계를 열 수 있은 열쇠이다. 호기심을 가지고 지속적으로 질문하는 것은 명확한 설명을 제공하고 테스팅을 더 쉽고 생산적이고 흥미로운 일이 되게 할 것이다.

댓글

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 ...