기본 콘텐츠로 건너뛰기

개인적으로 생각하는 소프트웨어 테스팅을 잘하기 위해서 꼭 필요한 두가지

이 블로그에 소프트웨어 테스팅에 대한 글을 써본지가 언제인지 기억조차 없을 정도로 오래되었습니다.

워낙에 방문자도 없는 변방의 불모지인지라.. 소홀했음을 인정합니다.

그래서 오랜만에 테스팅에 대한 글을 간단하게 적어보고자 합니다.

이 글은 지극히 제 개인적인 생각이므로 반론에 대해서는 언제나 환영입니다. 댓글 달아주시기 바랍니다.

제가 언제부터인가 이 블로그에 테스팅 관련 글을 적지 않은 이유는 제가 지식의 저주에 걸려서 그렇습니다.

무엇인가를 배우고 생각할 때는 이것 저것 많이 적었는데..

어느 시점으로 지나고 나니 모든게 재미가 없어졌고.. 그냥 당연한 것이 되었습니다.

그런데 어느 정도 시간이 지나고 나니.. 저는 당연한건데.. 당연하지 않다고 말씀하시는 분들이 꽤 많다는 것을 알게 되었습니다.

제가 틀렸을 수도 있지만.. 제가 생각하는 테스팅을 잘하기 위해서 당연하게 필요한 두가지를 적어보고자 합니다.

이 두가지가 제대로 되지 않는다면.. 전 그것 자체가 문제라고 봅니다.


첫번째는.. 테스트의 목적을 명확히 하는 것입니다.

개발 수명 주기에 대응해서 다양한 수준의 테스트 레벨과 테스트 유형에 따른 테스트를 수행함에 있어 가장 중요한 것은 내가 언제 어떤 테스트를 진행할 것인가이고.. 그에 대한 큰 그림을 이해하느냐 입니다.

그 모든 테스트에 대한 큰 그림과 그 그림안의 수많은 테스트 활동의 구분은 테스트의 목적에 따라 달라지게 됩니다.

테스트의 목적은 테스트로 측졍해야 하는 각종 지표(예를 들어, 품질 지표)와 연계됩니다.

테스트의 목적은 테스트의 시작과 끝을 결정짓는 가장 중요한 요소입니다.

많은 분들이 우리는 당연히 테스트의 목적을 설정한다고 말씀하시지만 막상 자기가 현재 수행하고 있는 테스트 활동의 목적에 대해 팀 또는 조직에서 합의된 형태로 공유되지 않는 경우를 종종 보았습니다.

테스트 목적 설정은 모든 테스트 활동에 있어 가장 중요하고 가장 먼저 해야 하는 활동입니다.


두번째는 내가 아무리 테스트를 잘하고 싶어도.. 절대로 테스트를 잘 할 수 없는 경우는...

바로.. 명세나 개발과 관련된 이해관계자와 함께 테스트를 하지 못하는 경우입니다.

조직이 더 나은 테스트를 원한다면 개발과 관련된 이해관계자는 자신의 작업 산출물에 대해 스스로 테스트를 수행해서 더 나은 산출물을 생산하고 테스터와 함께 협업할 수 있어야 합니다.

애자일이나 탐색적 테스팅, DevOps에서 공통적으로 협업을 강조하는 것은 다 이유가 있습니다.

명세, 코드, 모델에 명시된 사항이나 이해관계자의 마음 속에 있는 기준은 테스터가 결함 또는 장애를 식별하기 위한 가장 신뢰할 수 있는 기준입니다.

기준이 명확하지 않다면 테스트를 통해 결함을 식별할 수 없습니다.

물론, 명세도 없이 개발자와 얼굴 한번 마주치지 않고도 테스트를 진행할 수는 있겠지만.. 그 테스트 결과를 과연 믿을 수 있을까요?

기준을 개발 초기에 함께 검토하는 것과 개발 후반부에 테스트 결과로서 검토하는 것은 엄청난 차이입니다.

테스터는 테스트를 실행하기 전에 기준을 명확히 이해하고 설정해야 합니다.


결론은.. 테스터가 테스트 팀이 아무리 테스트를 잘하고 싶어도.. 테스트의 성공 여부는 개발 성숙도와 아주 밀접한 관계가 있습니다.

개발과 관련된 이해관계자가 자신이 작성한 산출물을 스스로 테스트하지 않고 개발 과정에 테스터가 적극적으로 참여할 수 없다면 테스트는 절대 성공하지 못할 것입니다.

테스트 결과를 가지고 테스터를 욕하고 테스터를 쥐어짜기 전에 개발자를 교육시키고 개발자가 테스트를 수행할 수 있도록 시간과 비용과 인력을 지원해 주시기 바랍니다.

우리도 이제 좀 변해야 하지 않을까요?

적은 사람을 갈아넣어서 무조건 빨리 빨리 외치기보다는..

한걸음을 걷더라도 돌다리인지 확실히 두들겨 보면서..

솔직하게 우리가 만드는 제품이나 서비스에서 고객이 항상 쓰는 기능이 몇개나 됩니까?

많이 만든다고 블로우션 시장이 생기는 것도 아니고 차별점이 생기는 것도 아니지 않습니까?

좀 천천히 개발해도 좋다고 생각합니다. 좀 적게 개발해도 좋다고 생각합니다.

돌다리를 대충 만들고 두들기기보다는 하나의 주춧돌을 놓더라도 확실하게 놓으면서 만들면 좋겠습니다.

댓글

이 블로그의 인기 게시물

20년 차 테스터가 고른 최근 IT 소식: 기술의 속도, 그리고 사람의 자리

20년 넘게 IT 업계에서 테스팅하고 강의하고 공부하고 여러 일을 해왔지만... 정말이지 단 하루도 편하게 쉴 틈을 주지 않는 세상입니다. 특히 최근 4~5년 동안 가속화된 AI의 물결은 기술의 스펙트럼뿐만 아니라 우리가 일하고, 협업하고, 조직을 이끄는 방식 전체를 뒤흔들고 있습니다. 이번 주에도 수많은 뉴스레터와 아티클을 훑어보았습니다. 그중에서도 기술의 화려함 뒤에 숨겨진 ‘사람, 조직, 그리고 커리어의 본질’을 찌르는 글 몇 개가 눈에 띄어 메모해 둡니다. 제 평소 생각과 맞닿아 있는 6가지 이야기입니다. --- 1. 인지부채(Cognitive Debt): 바이브 코딩 시대에 우리가 지게 되는 진짜 빚 (출처: ROBOCO - 인지부채: 바이브 코딩 시대의 새로운 부채 관리법 / 정도현 수석 컨설턴트 ) 요즘 커서(Cursor)나 클로드 코드(Claude Code) 같은 에이전트를 붙여 "이거 만들어줘" 하고 승인(Approve) 버튼만 누르면 눈 깜짝할 사이에 코드베이스가 완성되는 '바이브 코딩(Vibe Coding)'이 유행입니다. 그런데 속도는 엄청나게 빠른데, 정작 서비스에 장애가 나면 "AI가 짜서 잘 모르겠는데요?"라는 답이 나오는 이상한 현상이 벌어집니다. 정도현 컨설턴트는 이를 '인지부채(Cognitive Debt)'라고 정의합니다. 코드는 쌓이는데, 정작 인간의 시스템 이해도는 쌓이지 않는 격차죠. * Human-in-the-loop의 환상: AI가 초당 수백 줄을 뽑아내는데 사람이 일일이 검토한다? 결국 검토자는 병목이 되고, 시간 압박에 쫓겨 영혼 없이 승인 버튼만 누르게 됩니다. 40년 전 자동화 연구(Bainbridge, 1983)가 지적했듯, 자동화될수록 사람은 감시만 하다가 정작 개입해야 할 결정적 순간에 숙련도를 잃어버립니다. * 부채는 0으로 만드는 게 아니라 '관리'하는 것: AI가 만든 모든 코드를 사람이 외울 수는 없습니다. 핵심은 ...

우리는 AI로 '더 빠른 말'을 키우고 있는걸까요? 아니면 '자동차'를 만들고 있는걸까요?

20년 넘게 IT 현장에서 뒹굴거렸는데... 요즘처럼 "우리가 지금까지 당연하게 여겨온 일하는 방식의 본질"에 대해 근본적인 질문을 던지게 만드는 때가 없었던 것 같습니다. 최근 읽은 UX 관련 글 하나가 가슴을 쿵 치고 지나갔습니다. UX 및 디지털 트렌드를 다루는 블로그 ux4dotcom에 올라온 "Beyond Faster Horses — Why AI Challenges One of UX's Oldest Assumptions"라는 글입니다. (출처: ux4dotcom - Beyond Faster Horses — Why AI Challenges One of UX's Oldest Assumptions ) 혁신을 말할 때 늘 인용되는 헨리 포드의 유명한 말이 있습니다. "사람들에게 무엇을 원하느냐고 물었다면, 그들은 '더 빠른 말'이라고 답했을 것이다." 사람들은 자신이 경험해 본 범위 안에서만 미래를 상상합니다. 말만 탈 줄 아는 사람에게 자동차는 상상 밖의 범주(Mental Model)니까요. 저자는 그동안 UX(사용자 경험)라는 학문과 필드 자체가 '더 빠른 말을 만드는 일(기존 과업의 효율화)'에 집중해 왔다고 지적합니다. 사용자의 행동을 관찰하고, 마찰(Friction)을 줄이고, 화면을 간소화하고, 기존 워크플로우를 최적화해 주는 작업 말입니다. 실제로 주변을 봐도 우리가 AI를 쓰는 방식도 대부분 이 범주를 벗어나지 못하고 있습니다. 더 빠르게 이메일을 작성하고, 문서 요약을 3초 만에 끝내고, 프레젠테이션 장표나 일정표를 순식간에 만들어내는 일. 분명 유용하고 저 역시 매일 요기하게 쓰고 있지만, 이건 어디까지나 '기존에 인간이 하던 일의 프로세스를 흉내 내어 속도만 올린 것(Faster Horse)'에 불과합니다. 정작 "이 워크플로우 자체가 과연 계속 존재해야 하는가?"라는 근본적인 질문은 던지지 못하고 있는 것이죠....

'자동화 편향'과 '대중적 불신' 을 고려 AI 테스팅 시나리오 설계

최근 생성형 AI나 자율주행, 에이전트 기술의 테스팅 시나리오를 작성할 때 우리가 당연하게 전제(Assumption)로 깔고 가는 중요한 인간 행동 방식이 하나 있습니다. 바로 '자동화 편향성(Automation Bias)'입니다. 인간은 시스템이 자동화되고 스마트해질수록 기술을 과도하게 신뢰하고 주의력을 놓아버립니다. 차량을 운전하면서 운전자 보조 시스템을 켜고 전방 주시를 태만히 하고 스마트폰을 보거나 영상을 시청하는 운전자라던지 AI 의료 진단 보조 도구가 내놓은 결과를 의사가 깊은 의심 없이 그대로 승인해 버리는 현상이라던지 AI 챗봇이 추천한 잘못된 정보를 사용자가 사실로 믿고 행동하는 케이스 같은 게 있을 겁니다. 우리는 항상 이러한 "사람들이 AI를 너무 믿어서 발생하는 위험"을 핵심 리스크로 정의하고, 이를 검증하기 위한 안전장치(Safety Guardrail)나 경고 알림, 오용 방지(Misuse) 테스팅 시나리오를 도출해 왔습니다. 그런데 최근 Gizmodo에 보도된 미국 설문조사 결과는 매우 흥미로운 사실을 보여줍니다. (출처: Gizmodo - Survey Finds Americans See AI as Comparable to Humans—It’s Making Them Trust It Less )   기사에서 언급된 설문조사의 결과는 AI가 사람을 닮아갈수록 완벽함에 대한 기대와 실수가 충돌하고 책임이 모호해져 대중의 신뢰는 오히려 떨어진다는 것이었습니다.  자세히 살펴보면 해당 조사는 일반 대중을 대상으로 AI에 대한 인지적 반응을 측정했습니다. AI가 인간과 유사한 대화/추론 능력을 보일 때 유저가 느끼는 '인지적 불쾌한 골짜기(Uncanny Valley)' 현상을 정량 지표로 포착해 냈다는 점에서 의미가 있다고 생각합니다. 단순히 "AI가 좋다/나쁘다"를 넘어, 의인화(Anthropomorphism)의 수준과 신뢰도(Trust) 사이의 음(-)의 상관관계를 입증했기 때문...