ISTQB CT-AI 실러버스 매핑 — 시험 범위와 이 커리큘럼 레슨의 대조표

개념

실러버스를 커리큘럼으로 읽는 이유

자격 실러버스는 공부 자료가 아니다. 그 분야에서 합의된 용어와 범위의 목록 이다. ISTQB CT-AI를 시험으로만 보면 "따야 하나 말아야 하나"라는 질문에 갇히지만, 지도로 보면 다른 질문이 나온다. 이 목록에서 내가 실무로 설명할 수 있는 항목은 몇 개인가, 말로만 아는 항목은 어디인가.

이 레슨은 시험 준비 레슨이 아니다. 실러버스의 절 하나하나를 이 커리큘럼의 레슨 id에 붙여 놓은 대조표를 만들고, 거기서 자기 공백만 골라내는 법 을 다룬다. 대조표가 손에 있으면 이 모듈의 나머지 다섯 레슨을 왜 이 순서로 배우는지도 같이 보인다.

CT-AI v2.0 — 판과 출처

마지막 줄이 국내 학습자에게 의미가 있다. 한국 멤버 보드가 공동 제공 주체에 들어가 있어 한국어 실러버스와 국내 시험이 상대적으로 빨리 따라온다.

시험 문항 수·배점·합격선·시간은 실러버스가 아니라 별도 문서인 Exam Structures and Rules 에 있다. 실러버스 본문은 이 문서를 참조하라고만 적어 둔다. 그러니 이 수치는 응시 직전에 멤버 보드 공지에서 직접 확인한다 — 판마다 바뀐다.

일곱 장과 권장 시간

권장 시간은 그 주제가 실무에서 차지하는 무게의 근사치 로 읽으면 된다. 3장과 6장이 전체의 절반을 넘는다는 사실 자체가 메시지다.

0  Introduction                                        (시험 범위 아님)
1  Introduction to Artificial Intelligence              120분
2  Quality Characteristics for AI-Based Systems          45분
3  Machine Learning                                     375분  ←
4  Testing AI-Based Systems                             195분
5  Input Data Testing for Machine Learning Systems      180분
6  Model Testing for Machine Learning Systems           225분  ←
7  Machine Learning Development Testing                  30분
                                                     ─────────
                                                       1,170분

3장(머신러닝)과 5·6장(입력 데이터 시험·모델 시험)을 합치면 780분, 전체의 67%다. CT-AI는 LLM 자격이 아니라 머신러닝 시스템 테스팅 자격이다. 생성형 AI는 1.1.4와 4.2에 들어 있지만 분량으로 보면 중심이 아니다. "AI 테스팅"이라는 이름만 보고 LLM 평가 자격으로 오해하는 사람이 많은데, 그 오해로 공부를 시작하면 3장에서 막힌다.

여덟 개 비즈니스 성과(BO)

실러버스 0.4절은 자격 취득자가 할 수 있어야 하는 것을 여덟 줄로 요약한다. 이 여덟 줄이 사실상 면접 질문 목록이다.

BO2가 눈에 띈다. "경험한다(Experience)" 는 읽어서 아는 것으로 충분하지 않다는 뜻이고, 실제로 3장에는 모델을 직접 만들고 데이터를 준비하고 지표를 계산하는 실습 절이 네 개 들어 있다. BO4는 모듈 36 레슨 1이 통째로 다룬 내용이다 — 이 커리큘럼을 따라온 사람은 이미 갖고 있다.

K1~K4와 HO — 두 종류의 목표

실러버스에는 학습 목표(LO)와 실습 목표(HO)가 따로 있다.

LO 인지 수준
  K1 Remember   용어를 기억한다
  K2 Understand 설명하고 비교한다
  K3 Apply      절차를 적용한다
  K4 Analyze    분해하고 근거를 들어 판단한다
 
HO 실습 수준
  H0 시연·영상 — 수강생이 직접 하지 않음
  H1 가이드 실습 — 강사의 단계를 따라감
  H2 힌트 있는 실습 — 힌트를 받고 스스로 품

주의할 점이 하나 있다. HO는 시험 대상이 아니다. 실러버스 0.6절이 서론·HO·참고문헌·부록을 시험 범위에서 제외한다고 명시한다. 그런데 실무에서 가치가 큰 것은 정확히 그 HO들이다. 시험만 보고 HO를 건너뛰면 자격증은 나오지만 모델을 한 번도 만져보지 않은 상태로 남는다.

또 하나. 각 장 제목 아래 키워드로 나열된 용어는 학습 목표에 명시되지 않아도 정의를 기억(K1)해야 한다 고 적혀 있다. 용어 정의를 대충 넘기면 안 된다는 뜻이다.

대조표 — 실러버스 절 → 이 커리큘럼 레슨

여기서부터가 이 레슨의 본론이다. 실러버스의 절 번호에 이 커리큘럼의 레슨을 붙인다. 붙지 않는 칸이 공백이다.

이 커리큘럼이 다루지만 실러버스에 없는 것도 있다. 설명가능성 검증(이 모듈 레슨 4)과 AI 에이전트 평가(이 모듈 레슨 6)는 v2.0 실러버스의 독립 절이 아니다. 실무가 실러버스보다 빠르게 움직이는 영역이라 그렇다.

공백 둘 — 신경망 내부와 직접 구현

대조표에서 비는 칸은 크게 둘이다.

1) 신경망 커버리지 측정(3.4.3) — 뉴런 커버리지, 임계값 커버리지, 부호 변화 커버리지처럼 신경망 내부 활성화를 커버리지로 재는 기법이다. 이 커리큘럼은 모듈 18b 레슨 11에서 신경망을 다루되 커버리지 측정까지는 가지 않았다. 실무 적용이 제한적이라는 판단이었는데, 시험에는 나온다. 실러버스 3.4.3절과 참고문헌을 직접 본다.

2) 직접 구현 경험(BO2, 3.1.3·3.2.2·3.3.2·3.3.3·3.4.2) — 퍼셉트론을 손으로 구현하고, 데이터를 준비하고, 모델 조합을 바꿔 가며 지표 변화를 보는 실습이다. 읽어서 메울 수 없다. scikit-learn으로 분류 모델 하나를 처음부터 끝까지 만들어 보는 데 반나절이면 된다.

학습 순서 — 공백 기준으로 짠다

실러버스 순서(1→7)대로 공부하는 것은 이 커리큘럼을 따라온 사람에게 비효율적이다. 이미 아는 2장·3.3절에서 시간을 쓰게 된다. 권장 순서는 이렇다.

1단계  대조표를 자기 상태로 채운다
       각 칸에 ○(설명 가능) / △(들어는 봤다) / ✕(모른다) 를 적는다
       판정 기준: 동료에게 5분 안에 예시를 들어 설명할 수 있으면 ○
 
2단계  ✕ 칸만 먼저 — 대개 3.4(신경망)와 BO2 실습
       여기에 전체 학습 시간의 절반을 쓴다
 
3단계  이 모듈 레슨 2~6 — 드리프트·적대적·XAI·규제·에이전트
       실러버스의 5·6장과 1.1.8을 실무 깊이로 메운다
 
4단계  △ 칸 정리 — 용어 정의를 실러버스 9장(AI-Specific Terms)로 확정
       키워드는 K1 대상이다. 정의를 자기 문장으로 다시 쓴다
 
5단계  (응시한다면) Exam Structures and Rules 확인 후 샘플 문항

v1.0 → v2.0 — 무엇이 들어왔나

v1.0은 2021년 10월 판이다. 그 사이 생성형 AI가 실무에 들어왔고, v2.0은 그것을 반영했다. 판 사이의 차이를 아는 것은 시험보다 오래된 교재·강의를 걸러내는 데 쓸모가 있다.

장 재편이 특히 크다. 입력 데이터·모델·개발을 각각 독립된 장으로 분리한 것 은 "ML 테스팅은 모델 테스팅이 아니다"라는 메시지다. 데이터 시험에 180분, 개발·배포 시험에 30분이 따로 배정된 것을 보면 이 모듈 레슨 2가 왜 파이프라인 전체를 다루는지 이해된다.

실무에서 왜 필요한가

자격을 따든 따지 않든, 팀에 AI 기능이 들어오면 누군가는 "우리가 무엇을 안 보고 있는가"를 답해야 한다. 그때 머릿속에서 꺼낼 수 있는 가장 빠른 체크 목록이 이 대조표다. 실러버스는 여러 나라의 실무자가 합의해 만든 목록이라, 개인이 경험으로 만든 목록보다 빈칸이 적다.

대조표는 팀 안에서 역할을 나누는 데도 쓰인다. 데이터 쪽은 5장, 모델 쪽은 6장, 배포 쪽은 7장을 각각 책임지게 하고, 4장(테스트 오라클·통계적 접근)은 QA가 공통 기준으로 잡는다. 이렇게 나누면 "AI 테스트는 데이터 과학자가 하는 것 아닌가"라는 흔한 교착이 풀린다.

채용시장에서의 위치

CT-AI 보유 자체가 채용을 결정하는 경우는 아직 드물다. 다만 AI 품질 직무 공고에서 우대 사항으로 명시되는 빈도가 빠르게 늘고 있고, 공공·금융·의료 쪽 제안서의 인력 요건에 들어가는 사례가 생겼다. 국내에는 KSTQB를 통한 응시 경로가 있다.

실제 효용은 다른 데 있다. 실러버스의 용어를 정확히 쓰면 데이터 과학자와의 대화가 달라진다. "모델이 좀 이상해요" 대신 "적응형 시스템이라 배포 후 재학습마다 회귀 기준이 필요한데, 지금 테스트 오라클이 없습니다"라고 말하는 순간 대화의 층이 바뀐다. 자격은 그 언어를 강제로 익히게 하는 장치다.

실습 과제

과제 1 — 대조표 자기 진단 (25분)

본문의 대조표를 그대로 옮겨 적고, 각 행에 ○/△/✕를 채운다. 판정 기준을 반드시 지킨다 — 동료에게 5분 안에 구체적인 예시를 들어 설명할 수 있어야 ○ 다. 읽어서 아는 것은 △다.

완성한 뒤 ✕와 △의 개수를 세고, 그중 우리 팀 제품에 실제로 해당하는 행 에 표시한다. 추천 시스템만 다루는 팀이라면 신경망 커버리지는 ✕여도 순위가 낮다. 이미지 모델을 다루는 팀이라면 최우선이다.

과제 2 — 4주 학습 계획 (20분)

과제 1의 결과로 4주 계획을 쓴다. 다음을 포함한다.

- 주차별 대상 절 번호와 이 커리큘럼 레슨 id
- 주차별 산출물 (읽기만 하는 주차를 만들지 않는다)
  예: 1주차 산출물 = scikit-learn 분류 모델 + 혼동 행렬 계산 노트북
      2주차 산출물 = 우리 제품의 드리프트 검출 설계 1쪽
- "여기까지 하면 그만둔다"는 중단 조건 (자격 응시 여부와 분리해서 적는다)

과제 3 — 용어 대조 (15분)

실러버스 9장의 AI 특화 용어 중 다음 여섯 개를 골라, 자기 문장으로 정의를 쓰고 우리 제품에서의 예시 를 한 줄씩 붙인다.

locked AI system / adaptive AI system / test oracle problem
metamorphic relation / concept drift / ML functional performance metric

정의를 쓰고 나면 이 커리큘럼의 어느 레슨이 그 용어를 다뤘는지 id를 적는다. 못 찾는 용어가 이 모듈 레슨 2~6에서 다뤄질 것이다.

자가 체크리스트

• CT-AI v2.0의 판 번호·발행일·권장 학습 시간·응시 전제를 말할 수 있다
• 일곱 장의 제목과 시간 배분을 보고 이 자격의 무게중심이 머신러닝 시스템에 있다는 것을 설명할 수 있다
• 여덟 개 BO 중 자신이 이미 충족한 것과 아닌 것을 구분할 수 있다
• K1K4와 H0H2의 차이를 알고, HO가 시험 범위 밖이지만 실무 가치가 큰 이유를 말할 수 있다
• 실러버스 절 번호를 이 커리큘럼 레슨 id에 대조한 표를 만들고 자기 공백을 표시했다
• 신경망 커버리지와 직접 구현 경험이 왜 이 커리큘럼의 공백인지 설명할 수 있다
• v1.0 대비 v2.0에서 생성형 AI·레드팀·장 재편이 들어온 지점을 안다
• 시험 문항 수·합격선을 실러버스가 아니라 별도 문서에서 확인해야 한다는 것을 안다

흔한 실수

• CT-AI를 LLM 평가 자격으로 오해한다. 권장 시간의 67%가 머신러닝과 데이터·모델 시험이다. LLM만 보고 들어가면 3장에서 막힌다. 시간 배분을 먼저 본다.
• 실러버스 순서대로 1장부터 공부한다. 이 커리큘럼을 따라온 사람은 2장과 3.3절을 이미 안다. 대조표로 공백을 먼저 찾고 거기부터 시작한다.
• HO(실습 목표)를 시험 범위가 아니라는 이유로 건너뛴다. 자격은 나오지만 모델을 한 번도 만들어 보지 않은 상태가 된다. BO2가 "경험한다"인 이유가 있다.
• 키워드 정의를 대충 읽는다. 학습 목표에 없어도 장 제목 아래 키워드는 K1 대상이다. 자기 문장으로 다시 써 보지 않으면 시험장에서 흔들린다.
• 오래된 v1.0 기반 교재로 공부한다. 생성형 AI·레드팀·장 재편이 빠져 있다. 교재의 발행일과 실러버스 판 번호를 먼저 확인한다.
• 자격을 목표로 삼고 공백 메우기를 목표에서 뺀다. 공고가 보는 것은 자격 뒤의 설명력이다. 계획에 산출물이 없으면 그 설명력이 생기지 않는다.

참고 자료

• ISTQB — Certified Tester AI Testing (CT-AI) 인증 페이지 — 현행 판 안내와 부속 문서 링크
• ISTQB® Certified Tester AI Testing Syllabus v2.0 GA (PDF, 2026/04/17) — 본문 93쪽. 0.4절 BO, 각 장 권장 시간, 9장 AI 특화 용어
• ISTQB — CT-AI Syllabus v2.0 릴리스 공지 — v2.0에서 달라진 점 요약
• ISTQB — Certified Tester AI Testing v1.0 (퇴역) — 구판 상태와 전환 안내
• KSTQB(한국 소프트웨어 테스팅 자격위원회) — 국내 응시 일정·한국어 실러버스 제공 여부는 공지에서 원문 확인
• ISTQB — Exam Structures and Rules for CT-AI v2.0: 문항 수·배점·합격선·시험 시간은 이 문서가 정본이다. 응시 전 원문 확인
• 이 커리큘럼 안: 모듈 18b 레슨 11 「AI 시스템 품질 특성과 ML 평가 지표」, 모듈 36 레슨 1 「ISO/IEC 25059」, 모듈 36 레슨 3 「TS 4213 분류 성능 평가」, 모듈 38 레슨 1 「검증 기준」