Read Original
#AI

AI로 QA 업무를 자동화한 방법: n8n부터 E2E 테스트 자동화까지

AI로 QA 업무를 자동화한 방법: n8n부터 E2E 테스트 자동화까지
01

Summary

개발자 없이 해냈다! n8n과 AI로 1만 8천 개 테스트 케이스를 자동화한 QA팀의 비결

코딩 한 줄 모르는 비개발 직군이 LLM과 노코드로 일하는 방식을 혁신하고 협업 허브까지 구축한 여정

미리디 QA팀이 개발 지식 없이도 n8n과 클로드(Claude) AI를 결합해 반복 업무를 자동화한 실전 성공기입니다. E2E 테스트 자동화부터 슬랙-Jira 연동, 젠데스크 문의 분석, 그리고 1만 8천 개의 품질 데이터를 전사적으로 공유하는 '미캔허브' 구축까지, 단순 반복 노동을 줄이고 조직 전체의 협업 효율을 극대화한 노코드 혁신 과정을 담고 있습니다.

  • 01n8n 워크플로우와 클로드(Claude) AI를 도입하여 비개발자 중심의 강력한 자동화 환경 마련
  • 02Jira 이슈 분석 및 카테고리 멘션을 통해 E2E 테스트를 자동 수행하고 결과를 슬랙으로 전송하는 파이프라인 구축
  • 03슬랙 대화 맥락을 AI가 요약하여 즉시 Jira 티켓으로 발행하고 화면 캡처로 등록하는 크롬 확장 프로그램 연동
  • 04젠데스크 인입 문의의 실시간 감지 및 장애 신호 자동 분류로 신속한 고객 대응 체계 확립
  • 051만 8천 개 테스트 케이스(TC)를 활용해 타 부서원들이 질문하고 테스트 초안을 생성할 수 있는 AI 기반 지식 허브 '미캔허브' 개발

RECOMMENDATION

반복적인 수동 테스트와 부서 간 업무 이관 업무로 피로도를 느끼는 QA 엔지니어 및 기획자에게 권장하며, 개발 리소스 부족 상황에서 n8n과 LLM을 활용해 비개발 직군 주도의 프로덕티비티 툴을 직접 구축하고자 하는 팀에 유용한 가이드를 제공합니다.

The Problem

비개발 직군으로 구성된 QA팀이 반복적인 회귀 테스트, 슬랙 메시지의 Jira 이슈 수동 등록, 젠데스크 고객 문의 분류 등으로 인해 고부가가치 품질 분석 업무에 집중하지 못하는 병목 현상을 겪고 있었습니다.

The Solution

노코드 워크플로우 툴인 n8n과 LLM(Claude)을 도입하여, Jira 이슈 링크를 분석해 E2E 테스트를 자동 실행하는 시스템, 슬랙 스레드를 Jira 티켓으로 변환하는 자동화, 젠데스크 문의 자동 분류 시스템 및 1만 8천 개의 테스트 케이스를 학습시킨 '미캔허브' 지식베이스를 구축했습니다.

The Result

반복적인 E2E 테스트 및 이슈 등록 프로세스가 자동화되어 개발자가 직접 테스트를 실행할 수 있게 되었으며, 타 부서(PM, PD, CX)가 QA팀을 거치지 않고도 '미캔허브'를 통해 셀프서비스로 품질 기준 및 기획 스펙 정보를 실시간 조회 및 활용할 수 있게 되었습니다.

Trade-off

본문에는 구체적인 한계점이 기재되어 있지 않으나, 노코드 및 LLM API 기반 자동화의 특성상 복잡한 예외 케이스 처리 시 워크플로우가 지나치게 복잡해질 수 있고, API 호출 비용 발생 및 프롬프트 할루시네이션(환각)으로 인한 오작동 우려가 있을 것으로 합리적으로 추론됩니다.

03

Key Concepts

Concept · 01

n8n

다양한 애플리케이션 및 서비스 간의 워크플로우를 코딩 없이 시각적 노드로 연결하고 자동화할 수 있도록 지원하는 강력한 노코드/로우코드 통합 플랫폼입니다.

  • E2E 테스트 실행, 슬랙-Jira 연동, 젠데스크 문의 분류 등 핵심 자동화 파이프라인의 뼈대로 활용되었습니다.
  • 워크숍을 통해 비개발자인 QA팀이 직접 시스템을 설계하고 유연하게 제어할 수 있는 기반을 제공했습니다.
Concept · 02

E2E(End-to-End) 테스트

사용자의 관점에서 애플리케이션의 처음부터 끝까지 전체 흐름(예: 클릭, 입력, 페이지 이동 등)을 자동화된 시나리오 기반으로 검증하는 테스트 방식입니다.

  • Jira 이슈가 등록되면 AI가 관련 기능을 판단하여 서버 환경에서 E2E 테스트를 클릭 한 번으로 실행하도록 자동화했습니다.
  • 개발자가 필요할 때 QA 요청 없이 직접 테스트를 실행하고 슬랙으로 결과를 받아볼 수 있게 개선했습니다.
Concept · 03

LLM 기반 지식 검색 및 요약

거대 언어 모델(LLM)을 활용하여 방대한 데이터베이스에서 필요한 정보를 자연어로 검색하고, 대화나 기획 문서를 분석하여 핵심 사항을 요약 및 추출하는 기술입니다.

  • 슬랙 스레드 대화를 분석해 Jira 이슈 요약본을 자동으로 작성하고 티켓을 등록하는 데 적용되었습니다.
  • 1만 8천 개의 테스트 케이스 데이터를 기반으로 기능 스펙을 답변하고 기획서 분석을 돕는 사내 AI 챗봇 '미캔허브'의 핵심 엔진으로 활용되었습니다.