큐밋 인사이트 - QA 아웃소싱

AI로 소프트웨어를 개발하는 속도가 빠르게 빨라지고 있습니다. 생성형 AI를 활용한 개발부터 AI Agent, AI SaaS까지 AI를 적용한 서비스가 늘어나고 있고, 기존 서비스에도 AI 기능을 추가하면서 서비스는 점점 더 고도화되고 있습니다. 그런데 한 가지 질문이 생깁니다.
AI 개발과 서비스는 빠르게 발전하고 있는데, QA는 어떻게 달라지고 있을까요?
혹시 우리는 AI가 만들어낸 결과를 너무 쉽게 신뢰하고 있는 것은 아닐까요? AI로 개발이 빨라지고 서비스가 고도화될수록, 오히려 개발 전에 QA 범위와 공수를 어떻게 정의할 것인지가 중요해지고 있습니다.
AI 서비스라고 해서 기존 소프트웨어 테스트가 필요하지 않은 것은 아닙니다.
로그인, 회원가입, 결제, 검색, 데이터 처리, API 연동 등 일반적인 기능에 대한 기능 테스트와 회귀 테스트는 여전히 중요합니다. 특히 기존 서비스에 AI 기능을 추가한다면 두 가지를 함께 확인해야 합니다.
기존 기능에 영향을 주지 않았는가? 새롭게 적용된 AI 기능은 의도대로 동작하는가?
예를 들어 기존 검색 서비스에 AI 검색을 적용했다면 AI 검색 결과뿐 아니라 기존 검색 기능, 화면, API, 데이터 처리 등에 문제가 발생하지 않았는지도 확인해야 합니다. 단순히 답변이 나오는지만 확인해서는 부족합니다.
즉, 기존 소프트웨어 QA와 AI 특성에 맞는 별도의 검증을 함께 고려해야 합니다.
이번에 베타버전으로 오픈한 큐밋의 AI QA 공수산정 서비스도 마찬가지입니다.
기획서를 AI가 분석한다고 해서 문서를 읽고 결과를 만드는 것만으로 충분하지 않습니다.
실제로는 다음과 같은 부분을 확인해야 합니다.
결국 AI 서비스를 개발한다는 것은 AI를 적용하는 것으로 끝나는 것이 아니라, AI가 제대로 이해하고 판단하고 결과를 만들어내는지 검증하는 과정까지 포함하는 것입니다.
AI는 QA의 대상일 뿐 아니라 QA를 수행하는 과정에서도 활용되고 있습니다. Applause의 State of Digital Quality 2026 조사에 따르면 응답자의 92% 이상이 테스트 과정에서 AI를 사용하고 있으며, 테스트 케이스 생성(65.1%), 테스트 자동화 스크립트 생성(62.4%), 테스트 커버리지 부족 영역 식별(48.4%) 등에 AI를 활용하고 있습니다.
➡️Applause – State of Digital Quality 2026
다만 이는 전체 QA 시장을 의미하는 통계가 아니라 Applause 조사에 참여한 응답자의 결과라는 점은 참고할 필요가 있습니다. AI가 테스트 케이스를 빠르게 만들어주는 시대가 됐지만, TC를 많이 만든다고 좋은 QA가 되는 것은 아닙니다.
QA 공수산정은 프로젝트의 기획서와 요구사항을 분석해 필요한 테스트 범위, 예상 TC, 테스트 환경과 유형, 투입 인력과 기간 등을 산정하는 과정입니다. 중요한 것은 단순한 TC 개수가 아니라 기획서의 요구사항과 기능을 얼마나 적절하게 커버할 것인가입니다. AI를 활용하면 수천 개, 수만 개의 TC를 만들 수도 있습니다. 하지만 실제 프로젝트에서 모든 경우의 수를 무한정 테스트할 수는 없습니다.
따라서 중요한 것은 “얼마나 많이 만들 것인가?”가 아니라 “실무적으로 어떤 기준을 적용해 어디까지 테스트할 것인가?”입니다.
큐밋의 기존 공수산정 가이드 역시 요구사항과 테스트 범위를 분석하고, TC와 복잡도·난이도·테스트 환경 등을 고려해 공수를 산정하는 방식으로 설명하고 있습니다.
기획 단계에서도 QA 범위와 예상 공수를 산정할 수 있습니다.
(*공수 산정이란 특정 작업을 수행하는 데 필요한 인력과 시간을 예측하고, 이를 통해 비용과 완료 시간을 추정하는 과정을 의미)
다만 기획서의 수준과 구체성에 따라 분석 결과의 적합성은 달라질 수 있으며, 개발 과정에서 요구사항이 변경되면 실제 공수와 차이가 발생할 수 있습니다.
그럼에도 개발 전에 다음과 같은 질문에 대한 예상치와 의사결정 기준을 만드는 것은 의미가 있습니다.
즉, QA 공수산정은 단순히 “몇 명이 며칠 일하는가?”를 계산하는 것이 아닙니다.무엇을, 어디까지, 어떤 방식으로 테스트할 것인지 결정하기 위한 출발점입니다.
큐밋은 이번에 AI QA 공수산정 서비스를 베타버전으로 오픈했습니다.
기획서 기반으로 AI가 기능과 명세를 분석하고, QA 범위와 예상 공수를 산정합니다.
기획서 분석 → 기능·명세 구조화 → TC 분석 → 예상 TC 산정 → 플랫폼·호환성에 따른 공수 반영 → QA 인력·기간 및 비용 산정
단순히 AI에게 TC를 많이 만들어달라고 요청하는 것이 아니라, “이 프로젝트를 실제로 QA한다면 무엇을 테스트해야 하는가?”라는 관점에서 QA 범위와 공수를 산정하는 것입니다.
그리고 산정 결과를 바탕으로 우선적으로 QA할 영역, 테스트 자동화가 필요한 영역, 적합한 QA 파트너나 솔루션을 검토하는 단계까지 연결할 수 있습니다.
AI로 개발 속도는 빨라지고 있습니다. 하지만 품질 검증의 필요성이 줄어드는 것은 아닙니다. 오히려 기존 서비스에 AI 기능이 추가되고 새로운 AI 서비스가 등장하면서 기존 소프트웨어 QA와 AI 특성에 대한 검증을 함께 고려해야 합니다. 이제 중요한 것은 단순히 “AI로 TC를 만들었다”가 아닙니다.
기획서의 요구사항을 얼마나 적절하게 커버할 것인지, 무엇을 우선적으로 검증할 것인지, 필요한 인력과 비용은 어느 정도인지를 개발 전에 판단하는 것이 중요합니다.
AI로 빨라진 개발, QA는 얼마나 필요할까요?
개발이 끝난 후 QA를 고민하기보다, 기획 단계에서 필요한 QA부터 확인해보세요.