기본 콘텐츠로 건너뛰기

SSTC&TMMi 국제 컨퍼런스를 다녀와서..

몇개월만에 글을 쓰네요.

예전에 제 블로그에 지식의 저주에 대해서 몇번 글을 썼던 것 같은데..

막상 제가 딱 그 저주에 걸렸습니다.

글을 쓰고 싶어도 무슨 글을 써야할지.. 무슨 글을 써야 사람들에게 도움이 될지 판단이 안서네요.

무슨 글을 써볼까 생각만하다가.. 다들 아는 걸텐데.. 도움이 되지 않을텐데.. 나 혼자 잘난척 하는거 아닐까? 가방끈 짧은 내가 할 말은 아닌거 같은데.. 같은 여러 생각에 글 쓰기가 쉽지 않다는 핑계 아닌 핑계로 글을 쓰지 못하고 있습니다.

휴우..

그나저나 블로그를 너무 팽개쳐버린듯 하여 간단하게 정말로 간단하게 어제 SSTC&TMMi 국제 컨퍼런스에 다녀온 후기를 남겨볼까 합니다.

솔직히 요즘은 세미나나 컨퍼런스에 가도 큰 재미가 없어서 잘 나가지 않습니다.

바쁜 것도 조금 있고.. 아빠라는 존재가 밤중이나 주말에 세미나나 컨퍼런스 돌아다니기가 쉽지도 않고요..

무엇보다 저녁 사먹을 돈이 없다보니 예전처럼 쉽게 세미나 같은 곳에 가지 않게 되네요.. 먼가 궁상스럽군요.. ㅠㅠ

어쨌든.. 처음에는 SSTC&TMMi 국제 컨퍼런스도 참석하고 싶은 마음은 크게 없었는데..

발표 내용 중 애자일과 탐색적 테스팅이 보이길래(정말 이 주제가 컨퍼런스에서 다뤄지는건 웬지 오랜만인듯 하여 반가운 마음에) 덥석 참석해 보았습니다.

기조 연설이었던 4차 산업혁명은 그냥 최근의 트렌드에 대한 이야기이고 먼가 팍!! 하고 와닿지는 않더라구요. 증기기관이나 전기와 같은 산업 혁명으로 인한 생활의 급작스런 변화보다는 알게 모르게 조금씩 변화하는 요즘 생활과 그 변화의 한가운데에 있다보니 잘 느껴지지 않는 것 같습니다. 돌아보면 우리 사는 세상은 참 많이 변하고 있는데 말이죠.. 

20년 전만 해도 셀룰러폰은 생각도 못했고 10년 전만 해도 스마트폰은 생각도 못했는데 말이죠..

아마 한 10년 후면 IoT나 AI 에이전트가 정말로 그냥 일상이 되어버리겠지만.. 당장은 딱히 와닿지는 않더군요. 어쨌든 변화하는 기술에 따라 테스팅도 변해야 하고, 최근의 테스팅은 어떻게 변화하고 있는지 그리고 우리는 어떻게 대처해야하는지에 대한 내용이었습니다.

오전 세션은 크게 기억나는 내용은 없고 오후 세션에서 기대했던 탐색적 테스팅은 탐색적 테스팅에 대해 1시간 정도의 오버뷰 수준이라서 제가 기대한 뭔가 특별한 내용은 없었습니다.(솔직히 무슨 특별한 내용을 기대한건 아니지만서도..)

애자일 테스팅은 제목이 '애자일로 변환하는 시대의 비즈니스 인수 테스팅'이었는데.. 애자일은 미끼였고 비즈니스 인수 테스팅을 위한 모델 기반 테스팅과 자동화에 대한 내용이었습니다.

전체적으로 발표 내용은 평이한 수준이었습니다.

개인적으로 크게 재미는 없었지만 확실히 최근 세계적으로 관심을 가지는 주제가 무엇인지는 다시 한번 확인할 수 있었습니다.

전체적으로 컨퍼런스에서 공통적으로 가장 많이 다룬 단어는 애자일과 DevOps, 모델 기반 테스팅, 탐색적 테스팅이었습니다.

애자일과 DevOps는 확실히 주류 개발 방법론으로 자리를 잡았다고 판단되고 그에 따라 테스팅의 역할과 활동도 계속 바뀌어 가고 있다고 보입니다. 그 중 가장 주목받는건 모델 기반 테스팅과 탐색적 테스팅으로 보입니다.

그런데 이런 개념은 당장 우리나라와는 크게 상관이 없어서.. 좀 그랬습니다.

얼마전 기사에서 삼성이 애자일 개발방법론 도입을 재검토하거나 폐기할 수 있다는 기사가 나왔었는데.. 머...

물론 국내에 애자일 개발방법론을 도입하는 회사가 조금씩이나만 늘어나고는 있지만.. 그에 반해 테스팅에 대한 고민은 아직 크게 없는 듯 해서.. 아쉽기는 합니다.

어쨌든 오랜만에 하루 종일 영어도 듣고(동시 통역사 한분의 통역이 정말 어휴.. ㅠㅠ) 오랜만에 외국의 전문가(?)들과 즐거운 얘기도 나누고 좋은 하루였습니다.

참석하지 못하신 분들은 아쉽겠지만 다음에 기회가 되면 1년에 한두번씩 이런 세미나나 컨퍼런스에 머리도 식힐겸 참석하시면 좋을 것 같습니다.

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...

AI의 UX, 단 5개 문항으로 측정하는 방법: SUXAI

테스트 관리에는 아주 유명한 명언이 있습니다. 어쩌면 이 말은 테스트 관리에서만 유용한 얘기는 아닐거고.. 어쩌면 여러분도 다른 곳에서 들었을 수도 있습니다. "측정할 수 없으면 개선할 수 없다" 지난 글(https://murianwind.blogspot.com/2026/07/ai_01010698011.html)에서 생성형 AI 시대에는 기존의 일반적인 사용성 지표(SUS 등)만으로는 부족하며 정확성, 신뢰성, 설명 가능성, 제어 가능성이라는 AI 에 특화된 품질 특성이 필요하다고 정리해 드린 바 있습니다. 하지만 실무자의 입장에서 항상 부딪히는 현실적인 고민이 있습니다. "이론은 좋은데, 당장 매주 업데이트되는 AI 기능의 UX를 바쁜 현장에서 어떻게 빠르고 정량적으로 측정할 것인가?"라는 점이죠. MeasuringU에서 이에 대한 명확하고 실용적인 해답을 제시하는 후속 아티클을 공개했습니다. 바로 "Streamlined Measurement of the UX of AI"입니다. (출처: MeasuringU - Streamlined Measurement of the UX of AI / Jeff Sauro, PhD & Jim Lewis, PhD) https://measuringu.com/streamlined-measurement-of-the-ux-of-ai/ Jeff Sauro와 Jim Lewis 박사는 실무 연구자들과 테스터들이 긴 설문이나 복잡한 프레임워크 없이도 AI 제품의 핵심 품질을 빠르게 측정할 수 있도록 SUXAI(Streamlined UX of AI)라는 간소화된 측정 모델을 구축했습니다. 기존에 수많은 문항으로 분산되어 있던 지표들을 통계적 요인 분석을 통해 쥐어짜고 압축하여, 핵심적인 5가지 5점 척 문항 으로 표준화했습니다. SUXAI를 구성하는 5가지 핵심 평가 문항 정확성 (Accuracy): "이 AI가 생성한 결과물은 정확하다." 신뢰성 (Trust/Re...