기본 콘텐츠로 건너뛰기

Agile Testing Condensed 번역 후기

얼마전 저는 Janet과 Lisa의 Agile Testing Condensed를 한국어로 번역해서 출간을 했습니다.

능력도 없으면서 어쩌다 이런 일을 하게 되었는지 제 경험을 공유해볼까 합니다.

저는 예전에 Janet의 교육을 들은적이 있어서 약간의 인연이 있습니다.(Janet에게 애자일 테스팅의 정의를 요청한 게 저였죠.)

이런 저런 인연으로 Janet의 트위터를 팔로우하고 있는데, 어느날 Janet의 트위터에 Agile Testing Condensed의 일본어 번역판이 출간되었다는 소식을 접하게 되었습니다.

저는 Janet의 교육도 들었고, 애자일 테스팅 책도 읽었지만 솔직히 Agile Testing Condensed에는 큰 관심이 없었습니다. 책이 출간된건 알고 있었지만... 

그런데, 한국인이라면 월드컵 예선 탈락은 받아들일 수 있지만, 일본에 지고는 못살죠..

아니.. 우리 나라에도 번역된 책이 없은데, 일본이라니..

그래서, 링크를 타고 들어가는 leanpub에 일본어 뿐만 아니라, 중국어 번역도 있더라구요.

아니.. 우리가 무엇이 꿀려서 중국도 일본도 번역이 있는데, 우리만 없는가 싶어서..

정말 아무 생각 없이(아니.. 능력도 없으면서 고민이라는건 왜 안하는건지.. ㅠㅠ) 9월 2일 Janet에게 메일을 썼습니다.

Agile Testing Condensed을 한국어로 번역하고 싶은데, 혹시 기존에 번역하고 있는 사람이나 출판사가 있는지..

없다더군요.. 그렇군요. 애자일 불모지 한국에서 이 책이 안팔릴거라는건 삼척동자도 아는 사실이겠죠.

그래고 이왕 이렇게 된거 해보자는 마음으로 다시 Janet에게 내가 번역을 하겠다고 알렸고, 그렇게 일사천리로 계약이 진행되어서 9월 10일 계약을 체결하고 번역을 시작하게 되었습니다.

나중에 가서야 돈을 받고 팔아야하는 책을 내가 번역하는게 괜찮은건지.. 영어도 못하고 능력도 부족한 내가 이거 민폐는 아닌건지 후회도 조금 하긴 했지만.. 어쨌든 신나게 번역을 했습니다.

그렇게 10월 6일 1차 번역을 완료하고 베타리딩을 시작했습니다.

베타리딩을 진행해주신 박준표, 박계홍, 유진호, 아샬님에게 다시 한번 깊은 감사를 드립니다. 

제가 어떤 금전적 보상을 해드리지도 못했는데, 정말 성심껏 도와주셨습니다.

그렇게 10월 12일부터 11월 22일까지 베타리딩을 진행하고, 약간의 수정을 거친 후에..

드디어 12월 8일 책을 출간하게 되었습니다.

원래 계약된 일정은 1월 말이었지만.. 예상보다 일찍 출판하게 되었습니다.

이유는 leanpub는 끊임없이 바로 바로 수정을 할 수가 있어서 우선 공개하고 혹시 수정할 부분이 있다면 나중에 수정을 하자라는 마음으로.. 

이미 베타리딩까지 끝난 시점에서 제가 더 이상 할 수 있는 건 없어서.. 그렇게 짧은 시간이었지만 제 첫번째 번역은 끝을 맺게 되었습니다.

번역된 책이 세상에 공개되었고 이제 10일 정도 되었는데.. 이제 겨우 3권 팔렸네요.. 얼마나 더 많은 분들이 책을 구해서 보실지는 모르겠지만..

우리 나라에서도 많은 분들이 이 책을 읽었으면 하는 바램입니다.

책은 아래 링크에서 구매하실 수 있습니다.

주변에도 많이 소문내 주시고, 혹시 궁금하신 점은 댓글로 남겨주시기 바랍니다.

https://leanpub.com/agiletesting-condensed-korean-edition

댓글

이 블로그의 인기 게시물

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...

피드백 루프: AI 시대 테스터가 지켜내야 할 핵심 엔진

소프트웨어 개발과 테스팅 현장에서 가장 자주 언급되지만, 막상 시스템이 복잡해질수록 쉽게 경시되곤 하는 핵심 개념이 바로 '피드백 루프(Feedback Loop)'입니다. 코드를 수정하고, 빌드하고, 테스트 결과를 확인하고, 다시 개선하는 그 순환 과정의 속도와 정확도가 결국 소프트웨어의 품질을 결정짓기 때문입니다. 품질 전문가 매슈 하이저(Matthew Heusser)가 자신의 블로그 Quality Remarks에 기고한 "One Loop After Another" 아티클은 바로 이 피드백 루프의 다층적 구조와, AI 시대에 우리가 놓치지 말아야 할 품질 검증의 본질을 날카롭게 되짚어 줍니다. (출처: Quality Remarks - One Loop After Another / Matthew Heusser) https://qualityremarks.com/one-loop-after-another/ 매슈 하이저는 소프트웨어 개발 생태계가 단순히 하나의 커다란 테스트 루프로 돌아가는 것이 아니라, 시간 축과 관점에 따라 겹겹이 쌓인 '연쇄적인 피드백 루프들(One Loop After Another)'로 이루어져 있다고 설명합니다. 초단기 루프 (Inner Loop): 개발자가 코드를 작성하는 몇 초~몇 분 단위의 루프입니다. 단위 테스트(Unit Test)나 IDE의 Linter, AI 자동 완성이 즉각적인 피드백을 주는 영역입니다. 단기 루프 (Daily / CI Loop): 커밋과 푸시가 이루어지고, CI/CD 파이프라인에서 통합 테스트와 정적 분석이 실행되는 몇 시간 단위의 루프입니다. 중기 루프 (Iteration / Exploration Loop): 스프린트 단위로 탐색적 테스팅(Exploratory Testing)을 수행하고, 실제 사용자 시나리오나 엣지 케이스를 사람이 직접 검증하며 시스템의 유기적 작동을 확인하는 며칠~몇 주 단위의 루프입니다. 장기 루프 (Outer / Market Loop): 실제 ...

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 ...