AI 기반 테스트의 신뢰성 향상 방안
많은 개발자가 AI 도구로 테스트를 생성하지만, LLM이 적절한 지침 없이 패턴과 편향에 기반하여 테스트를 추측하여 부정확하거나 피상적인 결과를 얻는 경우가 많습니다. 본 워크숍은 이러한 한계를 극복하고 고품질의 의미 있는 테스트 케이스를 얻기 위한 체계적인 접근 방식을 제시합니다.
주요 학습 목표 및 내용
본 워크숍은 Ruby 및 Rails 환경에서 LLM을 효과적으로 활용하여 신뢰할 수 있는 테스트를 생성하는 방법을 다룹니다:
-
효과적인 프롬프트 작성: “테스트 작성”과 같은 일반적인 요청 대신, 구조화된 지침으로 LLM을 안내하여 고품질 테스트 케이스를 도출합니다.
-
테스트 설계 기법 적용: 동등 분할, 경계값 분석, 의사결정 테이블, 상태 전이 테스트 등 검증된 기법을 AI 프롬프트에 통합하여 포괄적이고 체계적인 테스트를 생성합니다.
-
실제 Ruby/Rails 예시: 실제 Ruby 및 Rails 코드 예시를 통해 LLM 출력을 비교하고, 구조화된 프롬프트가 테스트의 일관성과 정확성을 어떻게 향상시키는지 실습합니다.
강사는 2006년부터 Ruby를 다루었으며 ISTQB 공인 트레이너입니다. 실제 프로젝트 경험을 바탕으로 LLM의 가치와 한계를 파악하고, Ruby 및 Rails 환경에서 LLM을 효과적으로 활용하는 실용적인 접근 방식을 공유합니다.