기본 콘텐츠로 건너뛰기

애자일 코리아 2018 참여 후기

지난 11월 23일 애자일 코리아 2018에 다녀왔습니다.

이번에는 준비하는 모임에도 참여하지 않고, 자원봉사도 안하고, 온전히 돈 내고 여기 저기 기웃 기웃 구경 하고 왔습니다.

작년에는 정말로 바빠서 준비하는 모임에는 참여하지 못하고 자원봉사만 했지만, 올해는 그렇게 바쁘지는 않았지만.. 이제는 이런 컨퍼런스의 전면에 나서기에는 뒷방 늙은이 같은 존재가 되어서... 새로운 사람이 계속 들어와야 더 좋은 컨퍼런스가 준비될 거라 생각했기에 애써 아쉬운 마음을 접고 조용히 돈 내고 휴가 내고 다녀왔습니다.

웬지 세월이 엄청 빨리 흐른 것 같습니다. 처음 애자일 컨퍼런스를 준비했던게 2011년인데.. 벌써 2018년이네요.

짧으면 짧고 길다면 긴 세월 동안 손안에 쥐고 있는것이 무엇인지.. 내가 꼰대가 되어가고 있지 않은지 해가 한해 한해 지나갈 때마다 고민이 깊어집니다. 이번 컨퍼런스는 그런 의미에서 내가 어디쯤 있는지 앞으로 어디로 가야하는지가 궁금해서 참석했습니다.

이런 얘기를 하면 건방지게 생각되지만.. 컨퍼런스의 발표 내용은 그다지 새롭지는 않았습니다.

하지만 알고는 있지만 조리있게 논리적으로 정리해서 말하지 못하던 것들을 다른 사람의 목소리로 정리해서 듣는 것은 새롭고 좋은 경험이었습니다.

이렇게 좋은 컨퍼런스를 준비해 준 모든 사람들에게 고마움을 표합니다.

컨퍼런스 시작 전의 린 커피도 작년에는 자원 봉사하느라 참석하지 못했는데 꽤 재미 있었습니다.

다들 너무 진지하셔서 놀랐습니다.

제가 컨퍼런스에서 참석해서 들은 내용과 찍은 사진을 기록한 문서를 공유합니다.

보셔도 별 내용은 없지만 사진이나 이런 내용이었구나 정도는 살짝 맛보실 수 있지 않을까 싶습니다.

컨퍼런스에 들었던 기억하고 싶은 것들

저는 Ahmed Sidky 의 Mindset & Culture: At the Heart of a Winning Agile Transformation, 이현찬님의 Doing Agile을 넘어 Being Agile로의 Agile Transformation, 구기욱 님의 한국 문화 속 조직 어질리티 (Organizational Agility in Korean Context), 권갑중 님의 애자일 여행을 위한 생존 배낭, 백미진 님의 네 프로젝트가 내 프로제그가 되는 여정을 들었습니다.

각 세션이 진행되는 동안에는 인피플 컨설팅의 이은현 님이 비쥬얼 퍼실리테이션을 만들어 주셨습니다. 저도 한번 배워봤는데.. 손이 똥손이라서.. ㅠㅠ 정말 이런 깜냥 가지신 분 존경합니다.


아.. 그리고 기다리던 백미진님이 번역한 '사용자 스토리 맵 만들기'도 구매하고, 사인도 받았습니다. 살까 말까 정말 고민 많이 했는데.. 교육과정에도 필요하고 작년에 배우긴 했지만 기억 보정이 필요해서 큰 맘 먹고 구매했습니다.

사용자 스토리 맵 만들기 - 10점
제프 패튼 지음, 백미진 외 옮김/인사이트

그리고 제가 산 책에 정성껏 글을 써주고 계시는 백미진님 정말 고맙습니다.


개인적으로 이번 컨퍼런스의 주제인 'Journey to Being Agile'가 잘 표현된 컨퍼런스라고 생각됩니다.

다만 처음 들으시는 분들에게는 좀 어렵지 않았을까 라는 생각도 들었습니다. 개인적으로..

올 한해 Being Agile 이나 Agile Mindset에 대한 고민이 많았는데.. 전 개인적으로 좋았습니다.

하지만 매해 컨퍼런스를 들으면서 드는 생각은 문제도 알고 있고 해결 방법도 알겠는데 앞으로 한 발짝 나가지 못하고 있다는 답답함입니다.

듣고 나면 정말 당연한것이지만 실제 상황에서는 막막한 느낌....

작년의 컨퍼런스와 올해의 컨퍼런스를 합쳐서 생각해 보건데.. 어떤 분이 말씀하신 것처럼 함께 노력하는 수많은 사람들을 믿고 그들과 함께 묵묵히 나아가는 것..

전 그것만으로도 좋았습니다.

마지막으로 행사 사진은 여기에서 보실 수 있습니다. 잘 찾아보시면 저도 있습니다. ^^

https://photos.app.goo.gl/xZKxrUztqookzGea6

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...