QA 기초와 AI 활용 현대적 테스트 방법 (ISTQB 자격증 준비 과정) 교육 과정

모듈 1: 품질 보증 및 테스트의 기초 개념

• 품질, 품질 보증, 테스트의 정의와 차이점
• 7가지 테스트 원칙 (ISTQB CTFL v4.0)
• 테스팅과 디버깅, 품질 관리 간의 상관관계
• 테스트 활동에서의 심리적 요소 분석
• QA 팀 내 각 구성원의 역할 및 책임 정의

모듈 2: 소프트웨어 개발 생명주기와 테스트

• 소프트웨어 테스팅 라이프사이클(STLC)의 주요 단계들
• 워터폴, 애자일, DevOps 및 CI/CD 환경에서의 테스트 방식 비교
• 단위 테스트, 통합 테스트, 시스템 테스트, 인수 테스트 구분법
• ‘시프트-레프트’와 ‘시프트-라이트’ 전략의 차이점 및 적용 사례
• 요구사항 명세서와 테스트 케이스 간 추적성 확보 방법

모듈 3: 정적 테스트 기법

• 리뷰, 워크스루 및 인스펙션의 차이점과 활용법
• 자동화 도구를 통한 소스코드 정적 분석 실습
• 체크리스트 기반 및 역할별 리뷰 절차 수행
• 공식적인 리뷰와 비공식적인 리뷰 방식 구분법
• 애자일 프로세스에서의 정적 테스트 통합 전략

모듈 4: 테스트 기법 개요

• 블랙박스 기법: 동등 분할법 및 경계값 분석법 활용
• 의사결정표 기반 테스트와 상태 전이 분석법 소개
• 유즈케이스 중심 테스트 및 탐색적 테스트 접근법
• 화이트박스 기법: 문장 커버리지와 결정 커버리지 산출
• 경험 기반 접근법과 오류 예측 기법 설명

모듈 5: 결함 관리 체계

• 결함 생성부터 감지, 보고, 분류, 해결 및 종결에 이르는 전 과정 이해
• JIRA를 활용한 효과적인 결함 보고서 작성법
• 결함의 심각도와 우선순위 구분 기준 명확화
• 근본 원인 분석 기법 실습
• 결함 관련 지표와 추세 분석 방법 소개

모듈 6: 테스트 관리 및 위험 중심 접근법

• 테스트 계획 수립과 규모 산출 기법
• 위험 요소 식별, 평가 및 대응 전략 설정
• 테스트 진행 상황 모니터링 및 통제 방안
• 테스트 종료 조건 및 완성 기준 결정 방법
• ISTQB 가이드라인에 부합하는 테스트 전략서 작성법

모듈 7: 테스트 도구와 자동화의 핵심 원리

• ISTQB 분류 체계에 따른 각종 테스트 도구 종류 설명
• 테스트 자동화 활용 시 기대 이익과 잠재적 위험 분석
• 오픈소스와 상용 솔루션 비교를 통한 적합 도구 선택법
• Selenium, Playwright, Cypress 등 대표 자동화 도구 소개
• 간단한 자동화 테스트 시나리오 설계 실습

모듈 8: 품질 보증 분야의 AI 활용 개론

• 테스터를 위한 인공지능 및 머신러닝 기초 개념
• ‘AI 기반 테스트’와 ‘AI 시스템의 테스트 방법’ 간 차이점 구분법
• 현재 AI가 테스트 분야에 제공하는 가치와 한계 사례 소개
• AI 기반 시스템 평가 시 고려해야 할 품질 특성 설명
• ISTQB의 신규 커리큘럼 CT-AI 내용 및 그 중요성 소개

모듈 9: AI 활용 테스트 케이스 생성 방법

• ChatGPT, Claude, Copilot 등 LLM을 활용한 테스트 시나리오 초안 작성
• 테스트 설계 목적에 맞는 프롬프트 기법 실습
• 요구사항 명세서와 인수 조건에서 직접 테스트 케이스 추출
• AI가 생성한 결과물 검토 및 품질 보증 과정 안내
• Testim, Mabl 등 AI 기반 자동화 도구 활용법 소개

모듈 10: AI 기반 테스트 자동화 구현

• Katalon Studio의 AI 기능을 통한 셀프-헤이링 자동화 설정
• AI가 주도하는 객체 인식 및 요소 탐지 프로세스 작동 원리
• Applitools Eyes를 활용한 시각적 회귀 테스트 실시법
• Selenium에 연동된 AI 플러그인을 통한 자동화 강건성 확보
• 지능형 요소 추출 기법으로 유지보수 노력 감축 방안

모듈 11: 결함 예측 및 분석을 위한 AI 활용

• Launchable와 Sealights를 통한 사전적 테스트 선정 전략
• ReportPortal에서의 실패 패턴 클러스터링 및 이상 탐지 구현
• AI 기술을 활용한 근본 원인 분석 접근법 소개
• 품질 위험도 지표 산출 및 테스트 갭 식별 기법
• 과거 결함 데이터를 활용해 우선적인 테스트 대상 선정 방법

모듈 12: AI 도구 평가 및 CI/CD 파이프라인 통합

• AI 기반 테스트 솔루션을 판단하는 핵심 기준 설명
• ROI 분석과 단계적 도입 계획 수립 전략
• Jenkins, GitHub Actions 및 GitLab CI 환경에서 AI 툴 통합 방안
• AI 활용 테스트 실행 시점 결정을 위한 파이프라인 설계 요소
• 실제 효과성 측정을 위한 지표 정의 방법 안내

모듈 13: AI 활용 테스트의 윤리적 과제와 책임감 있는 접근법

• AI가 생성한 시나리오 내 편향성 및 공정성 문제 대처
• 클라우드 기반 AI 서비스 활용 시 개인정보 보호 원칙 강조
• 기계에 의해 도출된 테스트 결정 사항의 투명성 및 설명가능성 확보
• 준거법규 준수와 기업 가이드라인 통합 방안
• QA 팀 내 AI 활용 시 윤리적 책임 실천 모델 소개

모듈 14: ISTQB CTFL 자격증 준비 과정

• CTFL v4.0 시험의 총 시간, 채점 방식 및 문제 유형 설명
• 정답 도출에 도움이 되는 접근 전략 및 팁 안내
• 각 주요 주제별 교육 시간 배분과 중요도 평가 방법
• ISTQB 스타일로 구성된 샘플 문제 해결 실습 기회 제공
• 자격증 획득을 위한 학습 로드맵 및 유용한 참고 자료 추천

모듈 15: 종합 실습: AI 활용 전 과정 테스트 시나리오 연습

• 실제 요구사항 문서를 바탕으로 한 체계적인 테스트 케이스 설계
• AI 도구의 지원을 통해 생성된 초안 내용 검증 및 고도화
• 자가 복구 자동화 기술이 적용된 선택적 테스트 실행
• 결함 기록 후 AI 분석 기능으로 근본 원인 파악해 보기
• 전반적인 경험 공유 및 향후 일상 QA 업무에 AI 통합 방안 모색