테스트의 모든것

부제: 20년 차 테부제: 20년 차 테스터가 목격한 매뉴얼 테스트의 종말과 '품질 아키텍트스터가 목격한 매뉴얼 테스트의 종말과 '품질 아키텍트 1. 20년의 익숙함이 무너지는 소리 소프트웨어 테스트 현장에서 수년을 보냈습니다. 'Man-Month'라는 이름 아래, 수십 명의 인력이 화면을 일일이 클릭하며 결함을 찾아내던 시절은 그 자체로 거대한 산업이었습니다. 하지만 이제 현장의 공기가 달라졌습니다. URL 하나만 입력하면 AI가 스스로 페이지를 탐색하고 테스트 케이스를 쏟아냅니다. 사람이 며칠 걸릴 일을 AI는 단 몇 분 만에 끝내고 결과 리포트까지 작성합니다. 누군가는 이를 '위기'라 말하지만, 저는 이를 '가짜 노동의 종말'이라 부르고 싶습니다. 단순 반복 업무에 안주해온 테스터들에게 지금의 변..

소프트웨어 테스트 현장에서 "시간당 단가(Man-Month)"로 승부하던 시대는 이미 저물고 있습니다. 이제 URL 하나만 입력하면 AI가 스스로 페이지를 탐색하고 테스트 케이스를 생성하며, 결과까지 도출하는 세상입니다. 하지만 여전히 많은 아웃소싱 현장의 테스터들은 단순 매뉴얼 테스트에 안주하며 다가올 거대한 변화를 외면하고 있습니다.특히 KOLAS(한국인정기구) 공인시험기관의 위상은 단순히 '도구를 잘 쓰는 것'을 넘어, 그 도구가 내뱉은 결과가 얼마나 객관적이고 신뢰할 수 있는가를 증명하는 데 있습니다. 이제 테스트 아웃소싱은 단순 노동력 제공이 아닌, 고객의 비즈니스 문제를 해결하고 성과를 보장하는 SLA(Service Level Agreement) 기반 모델로 전환되어야 합니다.변화의 파도 앞에..

최근 링크드인이나 뉴스를 보면 이런 제목들이 넘쳐납니다. "AI가 당신의 일자리를 노리고 있다", "2027년이면 챗GPT가 개발자를 대체할 것이다." IT 업계에서 일하는 많은 전문가들조차 자신이 기계에 밀려날지도 모른다는 두려움을 느끼고 있습니다. 하지만 이 두려움은 정말 합리적일까요? 현업에서 수많은 글로벌 프로젝트를 이끌어온 IT 프로젝트 매니저의 시선과, 그 이면을 바라보는 다른 관점들을 함께 정리해 보았습니다.1. AI의 본질: 생각하는 기계가 아니라 '예측하는 기계' 우리가 두려워하기 전에 먼저 알아야 할 것은 AI의 진짜 모습입니다. 챗GPT나 코파일럿 같은 도구들은 엄청난 양의 데이터를 바탕으로 가장 '통계적으로 그럴듯한' 답변을 내놓는 패턴 인식 기계입니다. AI는 생각하거나 느..

AI 자동화 테스팅, 성공 사례와 미래를 그리다: 앱테스트에이아이(Apptest.ai)와 혁신 기술의 만남 AI는 소프트웨어 테스팅 분야에 혁신적인 변화를 가져오고 있으며, 특히 자동화 테스팅은 그 중심에 있습니다. 과거에는 테스트 자동화를 위해 복잡한 코드를 작성하고 유지보수하는 데 많은 시간과 노력이 필요했지만, 이제는 AI 기술 덕분에 이러한 장벽이 허물어지고 있습니다. 그 선두에 서 있는 기업 중 하나가 바로 앱테스트에이아이(Apptest.ai)입니다. 앱테스트에이아이(Apptest.ai)는 Non-code 기반의 자동화 테스트 서비스를 제공하며, 고객들이 코딩 지식 없이도 손쉽게 테스트를 수행하고 높은 효율성을 달성할 수 있도록 돕고 있습니다. 이는 개발자와 QA 엔지니어 모두에게 혁..

QA 엔지니어가 테스트 자동화를 공부를 해야만 하는 이유가 뭘까요? chatgpt, 로봇 시대에 접어들면서 단순 업무 직군은 빠르게 사라지고 있습니다.  예전에 인건비 상승과 버스의 (반)자동 안내방송 송출기, 운임 징수기 같은 다양한 운행 보조 장비의 도입으로 버스 안내양은 사라졌습니다.  또한 버스 하이패스 도입 후 고속도로 톨게이트 수납원들도 대량 해고되어 지금은 거의 찾아보기 어려운 상황입니다. 이러한 변화는 QA 엔지니어에게도 예외가 아닙니다.  반복적인 업무는 자동화를 통해 빠르게 대체되고 있으며, 단순 테스터의 역할은 줄어들 것으로 예상됩니다.  그렇다면 이런 시대의 흐름 속에서 어떻게 역량을 키워나가야 할까요?   1. 자동화 기술의 습득자동화는 피할 수 없는 흐름입니다.  테스트 자동화 ..

# 퓨샷 프롬프팅 (Few-Shot Prompting)정의: 모델이 주어진 예제 몇 개를 학습하여 과제를 수행하는 방식입니다. 예를 들어, 모델에게 문장 번역 예제 몇 개를 보여주면, 모델은 그 패턴을 학습하여 번역을 시도합니다.장점:예제 몇 개만으로도 새로운 과제를 잘 수행할 수 있음.학습 데이터가 적을 때 유용.단점:예제의 품질과 다양성에 크게 의존.적절한 예제를 선택하는 것이 어려울 수 있음. # 제로샷 프롬프팅 (Zero-Shot Prompting) 정의: 모델이 사전 학습된 지식만으로 주어진 과제를 수행하는 방식입니다. 별도의 예제를 제공하지 않고, 모델이 기존 지식을 활용하여 답을 찾아냅니다.장점:예제 없이도 다양한 과제를 수행할 수 있음.더 광범위한 응용 가능성.단점:사전 학습된 지식에 전적..

meta-llama/Meta-Llama-3.1-405Bmeta-llama/Meta-Llama-3.1-405B-Instructmeta-llama/Meta-Llama-3.1-405B-FP8meta-llama/Meta-Llama-3.1-405B-Instruct-FP8각각 차이점 알아보니.... eta-Llama 3.1 시리즈는 대규모 언어 모델(Large Language Models, LLMs) 분야에서 큰 발전을 이룬 것으로, 세 가지 다른 변형을 제공합니다405B 파라미터 모델, 중간 규모의 70B 모델, 그리고 더 간단한 8B 모델입니다.Llama 3.1 405B : 이 모델은 매우 큰 규모로, 405B 파라미터를 가지고 있습니다. 다양한 언어에서 높은 품질의 대화를 생성하는 데 최적화되었습니다. 성능 ..

QA의 의견 반영 및 분위기: 프로젝트 시작 시 기획서 리뷰부터 모든 팀원이 참여하여 자유롭게 의견을 주고받는 분위기입니다. 다양한 국적의 동료들이 있어 커뮤니케이션이 중요합니다.프로그래스와 인디게이터 차이: 로딩 시간에 따라 UI가 다릅니다. 짧은 로딩 시간에는 스피너, 긴 로딩 시간에는 프로그래스바를 사용합니다.발표자료 체크리스트: 이메일로 일괄 전송됩니다.모달/모달 영역: 페이지 내 버튼을 누르면 뜨는 추가 정보 입력 창으로, 팝업과 유사합니다.패딩과 마진 차이: 패딩은 개체 테두리 안쪽 간격, 마진은 개체 외부 간격입니다.참고 사이트: WhatFont, Saas Interface, uigarage 등이 있습니다.협업하기 편한 QA: 커뮤니케이션이 잘 되고, 타 직무에 대한 기본 지식과 프로덕트 이..

캔바(Canva)를 이용한 텍스트를 AI 이미지로 변환할 수 있는 기능을 살펴보았어요 캔바(Canva)는 무료로 사용 가능한 디자인 도구로, 텍스트를 AI 이미지로 변환할 수 있는 기능을 제공합니다. 이를 이용한 텍스트 기반 AI 이미지 생성 방법은 다음과 같아요: 캔바 사이트에 접속하고 로그인합니다. 아이디가 없다면 회원가입을 먼저 해야 해요. https://www.canva.com/ko_kr/ai-image-generator/ [AI 이미지 생성] 클릭 로그인 후 '디자인에 사용하기' 버튼을 클릭하여 'Text to Image' 페이지로 이동합니다. 거기서 [새 디자인에서 사용]을 클합니다. 나타난 새 디자인 창에서 좌측 상단에 있는 텍스트 입력 공간에 원하는 내용을 입력합니다. 예를 들어, 'AI를..