자율주행, 빅데이터, 인공지능, 클라우드, 5G는 미래 자동차의 필수 기술입니다.
LG전자 VS사업본부 연구원이 직접 전하는 미래 모빌리티 경험,
『모빌리티 인사이드』에서 소프트웨어 품질을 높이는 AI 테스트의 모든 것을 만나보시죠.
LG전자는 오늘도 미래 모빌리티의 안전하고 새로운 고객경험을 위해 노력하고 있습니다.

종은 치는 사람의 방식에 따라 울림이 달라집니다. 
 
소프트웨어 역시 개발과 테스트 과정에서 얼마나 세심한 검토를 거쳤는지에 따라 완성도가 달라지는 경우가 많습니다.

소프트웨어를 점검하고 검증하는 데에는 다양한 방법이 있으며, 최근에는 인공지능을 활용하려는 시도가 주목받고 있습니다. 이번 호에서는 인공지능을 활용한 소프트웨어 테스트 접근 방식을 살펴보고자 합니다.

자동차 전장 소프트웨어 테스트 환경을 표현한 AI 생성 이미지

테스트 종류에는 어떤 것이 있을까?

자동차 전장 부품 업계에서는 목적과 단계에 따라 다양한 테스트가 수행됩니다. 이 가운데 소프트웨어와 관련된 가장 기본적인 테스트는 총 다섯 가지입니다. 

(1) 소프트웨어 단위 테스트(SW Unit Test)는 가장 작은 테스트 가능한 구성 요소(함수·메서드·클래스 등)가 기술 명세서대로 정확히 구현되었는지 확인합니다. 

(2) 소프트웨어 통합 테스트(SW Integration Test)는 소프트웨어의 여러 구성 요소가 설계된 대로 서로 올바르게 결합·연동되었는지 확인합니다. 

(3) 소프트웨어 테스트(SW Test)는 소프트웨어가 구현 요구사항에 따라 정확히 구현되었는지 확인합니다. 

(4) 시스템 통합 테스트(System Integration Test)는 시스템을 구성하는 여러 모듈·구성품을 계획된 순서, 방식으로 결합한 뒤, 이들이 설계 명세서대로 기능을 수행하는지 확인합니다. 

(5) 시스템 테스트(System Test)는 시스템이 제품의 요구사항을 충족하는지 확인합니다. 

요구사항 검증을 위한 테스트 케이스 장면을 표현한 AI 생성 이미지

테스트 케이스란?

소프트웨어를 테스트하기 위해서는 그 전에 테스트 케이스라는 것이 필요합니다. 테스트 케이스는 소프트웨어가 요구사항대로 동작하는지 확인하기 위해, 특정 조건에서 수행할 입력 값, 실행 절차, 기대 결과 등을 정리한 설계 산출물입니다. 이 테스트 케이스에서 테스트 결과가 성공인지 실패인지 파악하는 기준도 만들게 됩니다. 테스트 케이스가 준비되면 실제 테스트를 수행할 수 있습니다.

인공지능, 테스트에 어떻게 활용할까? 

첫째, 인공지능은 사람이 만든 체크리스트를 기준으로 제품 요구사항이 테스트 가능한지 점검합니다. 인공지능은 요구사항이 명확하게 작성되어 테스트가 가능한지, 테스트 조건을 도출할 수 있는지, 테스트 결과에 대해 정량적으로 성공과 실패를 판단할 수 있는지를 확인한 뒤 그 결과를 과제 멤버들에게 알려줍니다. 이 점검은 체크리스트에 따라 일관되게 수행되며 결과는 신속하게 공지됩니다. 

둘째, 인공지능은 테스트 케이스를 직접 제작할 수도 있습니다. 다만, 현재는 사람의 도움, 즉 프롬프팅이 출발점이 되어 제작을 시작합니다. 테스트 케이스를 만드는 방법은 여러 가지가 있는데, 이 과제에서 필요하거나 정의한 방법론을 선택한 뒤 그 기준에 맞춰 특정 테스트 케이스를 만들 수 있지요. 많은 요구사항이 있을 경우, 여러 테스트 케이스를 한 번에 대량으로 만들어 낼 수도 있습니다. 

셋째, 사람이나 인공지능이 만든 테스트 케이스를 인공지능이 리뷰할 수 있습니다. 테스트 케이스가 적절한 방법론을 사용했는지, 성공과 실패를 판단하는 조건이 정확한지 등을 분석할 수 있습니다. 인공지능은 이 결과를 문서 파일 형태로 도출해서 과제 멤버에게 줄 수도 있고 혹은 시스템과 연동하여 시스템의 특정 메뉴나 코멘트에 결과를 바로 입력해 놓을 수도 있습니다.
 
넷째, 테스트 과정에서 발견된 문제나 버그를 분석하고, 그 결과를 다음 테스트 케이스 개발에 반영할 수 있습니다. 인공지능은 발생한 문제의 근본 원인을 분석해 다음 테스트에서는 해당 부분을 더 집중적으로 검증할 수 있도록 테스트 케이스를 강화합니다. 이렇게 인공지능은 테스트와 이후 피드백을 유기적으로 연결해 선순환 구조를 만들고, 이를 보다 효율적으로 반복할 수 있게 해준다는 점이 특징입니다.

 
인공지능 기반 테스트 케이스 생성 및 리뷰 과정을 표현한 AI 생성 이미지

인공지능을 접목한 테스트는 기존 테스트보다 어떤 장점이 있을까?

첫째, 시간 부담을 줄일 수 있다는 점입니다. 인공지능은 테스트 케이스를 빠르게 만들고 검토하며, 실제 테스트 수행까지 인간보다 빠르고 대량으로 처리할 수 있습니다. 그 결과 테스트 전반의 효율성을 높일 수 있습니다. 

예를 들어, 유사한 요구사항에는 유사한 테스트 조건을 적용합니다. 또 시간 제한이 중요한 설계에는 정량적 결과값을 기준으로 한 성공∙실패 시나리오를 적용한다는 계획서가 정의되어 있다면, 인공지능은 이 목표를 준수해 규격에 맞는 정량적 테스트 케이스를 비교적 짧은 시간 안에 만들어 낼 수 있습니다. 

둘째, 정확도 향상입니다. 요구사항이나 설계 명세서를 반복적으로 확인하고 분석해야 하는 작업은 양이 많고 지속적인 집중을 요구합니다. 이러한 환경에서는 사람이 실수를 할 가능성이 높아질 수 있지만, 인공지능은 사람에 비해 장시간 반복적인 작업에서도 일관된 기준으로 분석을 수행함으로써 정확도를 유지하는 데 강점을 보입니다.

셋째, 예외 상황과 특이 상황에 대한 대응입니다. 인공지능은 예측 가능한 기본 상황뿐 아니라, 예외 상황이나 특이 상황, 기대한 결과가 나오지 않는 긴급 상황까지 고려한 다양한 테스트 케이스를 생성할 수 있습니다. 이는 다양한 경우의 수와 입력 값, 그리고 이전 과제에서 얻은 교훈을 기반으로 테스트 케이스 조합을 대량으로 만들어낼 수 있기 때문입니다. 물론, 최초 인간의 기본적인 프롬프팅이 잘 되어 있다는 전제는 필요하겠지요.

인공지능을 활용한 테스트 효율화 효과를 표현한 AI 생성 이미지

이처럼 보다 다양한 테스트 케이스를 통해 테스트의 범위도 확장되므로, 대다수 요구사항에 대해 폭넓고 깊이 있는 테스트 커버리지를 확보할 수 있습니다. 이는 결과적으로 고객사의 만족도와 소프트웨어 품질 향상으로 이어질 것으로 전망됩니다. 

LG전자는 인공지능을 활용해 고객사 요구사항을 보다 정확하고 깊이 있게 검증하기 위한 연구를 지속하고 있습니다. 인공지능 활용 과정에서 발생할 수 있는 보안 이슈 역시 면밀히 검토하고 있습니다. 테스트 케이스 제작, 리뷰, 실제 테스트 적용 등 다양한 과정에 인공지능을 접목하는 시도를 통해 품질과 생산성을 함께 높여가는 LG전자의 인공지능 기반 테스트, 앞으로의 성과와 변화를 기대해 주십시오.