
여기어때가 다중 카테고리와 동적 필터 개발 과정에서 TDD와 ATDD 이중 루프로 QA 첫 패스율 95%를 달성한 생생한 여정
개발이 끝난 뒤에야 버그를 잡는 사후 약방문식 개발에서 벗어나기 위해, QA의 테스트 케이스를 개발 전 명세서로 활용하는 ATDD 실험을 진행했습니다. TDD의 안쪽 루프와 ATDD의 바깥 루프를 조화롭게 구동하고 AI 에이전트를 검증 파트너로 활용하여 단순한 테스트 코드 작성을 넘어 품질 향상을 위한 실질적인 오답 노트를 확보했습니다. 본 아티클은 전면 도입 대신 스마트하게 선택하고 집중하는 실무 중심의 테스트 전략을 제시합니다.
잦은 요구사항 변경으로 테스트 유지보수 비용에 지친 개발자나, QA 기간에 쏟아지는 결함 티켓의 병목을 줄이고 품질을 데이터 기반으로 예측하고 싶은 개발 팀에게 적극 추천합니다.
복잡한 다중 카테고리 및 동적 검색 필터 기능을 개발하는 과정에서 기획의 모호함과 개발 후반부 QA 기간에 결함이 집중되는 병목 현상이 발생하여 일정 지연과 품질 저하의 우려가 있었습니다.
개발 시작 전 QA 조직으로부터 테스트 케이스를 미리 받아 수용 기준으로 삼고, AI 에이전트와 협업하여 이를 자동화 테스트 코드로 변환 및 실행하는 이중 루프 프로세스를 도입했습니다.
QA 시작 전에 17건의 잠재 결함을 선제적으로 해결하였으며, 본 QA 첫 실행 시 95%의 성공률을 기록하고 출시 후 결함 발생 건수 0건을 달성했습니다.
Trade-off
기획이 계속 변하는 영역에서는 테스트 코드 재작업 비용이 급격히 증가하며, 프론트엔드 단독 테스트 환경 특성상 실제 백엔드 API 간의 데이터 정합성 오류를 완벽하게 잡아내기는 어렵습니다.
기획자, 개발자, QA가 협업하여 사용자 관점의 요구사항을 구체적인 수용 기준으로 정의하고 이를 검증하는 테스트를 먼저 작성하는 방법론입니다. 요구사항의 모호함을 조기에 제거하고 비즈니스 가치에 집중할 수 있도록 돕습니다.
실제 코드를 작성하기 전에 실패하는 테스트를 먼저 작성하고, 이를 통과시킨 후 코드를 개선하는 극소 단위 개발 주기입니다. 설계를 선제적으로 유도하고 코드의 인터페이스를 명확하게 다듬는 도구로 활용됩니다.
대규모 코드베이스를 자율적으로 분석하고 테스트 초안 생성, API 명세 대조 등 엔지니어링 작업을 지원하는 인공지능 기반 개발 파트너입니다. 개발자의 단순 반복 리소스를 획기적으로 절감해 줍니다.




