QA의 기초와 AI 기반 현대 테스트 (ISTQB 자격증 준비 과정) 교육 과정

모듈 1: 품질 보증 및 테스트 기초

• 품질, 품질 보증, 테스트의 정의
• 7가지 테스트 원칙 (ISTQB CTFL v4.0)
• 테스트, 디버깅 및 품질 관리의 차이점
• 테스트 심리학
• QA 팀 내 역할 및 책임

모듈 2: 소프트웨어 개발 생명주기 및 테스트

• 소프트웨어 테스팅 수명 주기(STLC)의 단계
• 워터폴, 애자일, DevOps, CI/CD 테스트 접근 방식
• 테스트 수준: 단위, 통합, 시스템, 인수 테스트
• 시프트레프트(Shift-left) 및 시프트라이트(Shift-right) 테스트 전략
• 요구사항과 테스트 케이스 간 추적으로(T raceability)

모듈 3: 정적 테스트 기법

• 검토, 워크스루 및 검인(Inspections)
• 자동화 도구를 활용한 정적 분석
• 체크리스트 기반 및 역할 기반 검토
• 공식 및 비공식 검토 기법
• 애자일 워크플로우에 정적 테스트 통합

모듈 4: 테스트 기법

• 블랙박스 기법: 등가 분류, 경계값 분석
• 의사결정 표테스트 및 상태 전이 테스트
• 사용 사례 테스트 및 탐색적 테스트
• 화이트박스 기법: 문장 및 의사결정 커버리지
• 경험 기반 기법 및 오류 추측

모듈 5: 결함 관리

• 결함 수명 주기: 탐지, 보고, 분류(트리아지), 해결, 폐쇄
• JIRA를 활용한 효과적인 결함 보고서 작성
• 결함 심각도(Severity)와 우선순위(Priority) 구분
• 근본 원인 분석 기법
• 결함 지표 및 추세 분석

모듈 6: 테스트 관리 및 위험 기반 테스트

• 테스트 계획 및 추정 방법
• 위험 식별, 평가 및 완화
• 테스트 모니터링, 통제 및 보고
• 테스트 완료 기준 및 해제 조건 정의
• ISTQB 기준에 부합하는 테스트 전략 및 정책 문서

모듈 7: 테스트 도구 및 자동화 기초

• 테스트 도구 분류 (ISTQC 도구 범주)
• 테스트 자동화의 장점과 위험
• 도구 선택 기준: 오픈소스상업용 솔루션 비교
• Selenium, Playwright, Cypress 소개
• 기본 자동화 테스트 스위트 구축

모듈 8: 품질 보증에 대한 AI 도입 기초

• 테스터를 위한 AI 및 머신러닝 개념
• 범주 분류: 테스팅용 AI vs. AI 시스템 테스팅
• 현황 AI 테스팅 환경: 기회와 한계
• AI 기반 시스템의 품질 특성
• ISTQB CT-AI 교육과목 개요 및 관련성

모듈 9: AI 지원 테스트 케이스 생성

• 테스트 케이스 초안 작성을 위한 LLM(ChatGPT, Claude, Copilot) 활용
• 테스트 시나리오 생성을 위한 프롬프트 엔지니어링 기법
• 사용자 스토리와 승인 기준을 테스트 케이스로 전환
• AI 생성 테스트 케이스의 검토 및 검증
• 플랫폼: Testim, Mabl 및 AI 네이티브 테스트 생성 도구

모듈 10: AI 지원 테스트 자동화

• Katalon Studio AI를 활용한 자기 치료(Self-healing) 테스트 자동화
• AI 기반 객체 인식 및 요소 위치 탐색
• Applitools Eyes를 사용한 시각적 회귀 테스트
• 유지 가능한 자동화를 위한 AI 플러그인이 적용된 Selenium
• 지능형 로케이터(locators)를 통한 유지보수 오버헤드 절감

모듈 11: 결함 예측 및 분석을 위한 AI

• Launchable와 Sealights를 활용한 테스트 예측 선택
• ReportPortal를 사용한 실패 군집화 및 이상 감지
• AI 기반 근본 원인 분석
• 품질 리스크 점수 매김 및 테스트 격차 분석
• 과거 결함 데이터를 활용하여 테스트 우선순위 지정

모듈 12: AI 도구 평가 및 CI/CD 통합

• AI 테스팅 도구 평가 기준
• 투자 대비 수익률(ROI) 분석 및 채택 전략
• Jenkins, GitHub Actions, GitLab CI에 AI 테스트 도구 통합
• 파이프라인 설계: 언제 어디서 AI 기반 테스트를 실행할지 결정
• 지표를 활용한 AI 테스팅 효과성 측정

모듈 13: AI 기반 테스트의 윤리적 고려사항

• AI 생성 테스트 데이터 내 편향 및 공정성 문제
• 클라우드 기반 AI 도구 사용 시 개인정보 보호 문제
• AI 테스팅 결정의 투명성과 설명 가능성
• 거버넌스와 규제 준수 고려사항
• QA 팀을 위한 책임 있는 AI 관행

모듈 14: ISTQB CTFL 시험 준비

• CTFL v4.0 시험 구조, 시간 및 채점 방식
• 질문 유형 및 답변 전략
• CTFL 교육과목별 주제 가중치 분포
• ISTQB 스타일 모의 문제 포함 연습 시험
• 학습 로드맵 및 권장 자료

모듈 15: 최종 프로젝트: AI 강화 끝끝단 테스트 워크플로우

• 샘플 요구사항 문서로부터 테스트 케이스 설계
• AI를 활용하여 테스트 시나리오 생성 및 개선
• 자동 선택된 테스트의 자기 치료 도구를 활용한 자동화
• 결함 보고 및 AI 기반 근본 원인 분석 수행
• 반성 단계: 일상적인 QA 실무에 AI 통합 방안 모색