AI 교차검증

학습 목표

이 모듈 한 줄 요약 — "인공지능이 만든 코드를 사람이 다시 본다". 존재하지 않는 함수를 그럴듯하게 불러 쓰고, 실제로는 아무것도 확인하지 않는 시험 코드를 만들어 낸다. 돌려 보면 초록색인데 사실 아무것도 안 하는 시험이 가장 위험하다. 그것을 가려내는 눈을 기른다.

이 모듈을 마치면 AI가 만든 테스트 코드를 왜, 어떻게 사람이 교차검증해야 하는지 이해한다. 존재하지 않는 함수를 그럴듯하게 호출하는 환각 API를 찾아내고, 실제로는 아무것도 검증하지 않는 가짜 테스트를 가려낼 수 있다. AI가 놓치기 쉬운 커버리지 갭을 모듈 3의 설계 기법으로 스스로 찾아내고, "AI 산출물을 신뢰하지도 거부하지도 않고 검증하는" 실무 기준을 세울 수 있다. 마지막으로, 검토할 산출물이 수백 건이 되어 사람이 하나씩 볼 수 없을 때 검증을 사람에서 구조로 옮기는 방법 — 에이전트 하네스와 품질 게이트 설계 — 를 다룬다. 그리고 하네스가 산출물 하나를 믿게 만든다면, 사람·로봇·에이전트가 결과를 넘겨주는 과정 전체 를 믿게 만드는 테스트 오케스트레이션 — 노드 계약, 결정 테이블 라우팅, 사람 승인 게이트, 정책 코드, 감사 로그 — 까지 이어간다.

완료 후 할 수 있는 것

• AI가 만든 산출물을 왜 별도로 교차검증해야 하는지 설명할 수 있다
• 환각 API(존재하지 않는 함수 호출)를 찾아내는 방법을 설명할 수 있다
• 항상 통과하는 가짜 테스트의 패턴을 알아보고 찾아낼 수 있다
• AI가 생성한 테스트의 커버리지 갭을 설계 기법으로 스스로 진단할 수 있다
• AI 산출물을 검증하는 실무적인 기준과 절차를 세울 수 있다
• 에이전트 하네스의 구성요소를 이해하고, 비용 순으로 쌓은 품질 게이트를 설계할 수 있다
• 검증기와 게이트 자체를 골든 세트·오류 주입으로 검증할 수 있다
• 사람·로봇·에이전트를 잇는 테스트 파이프라인을 노드 계약·결정 테이블·승인 게이트·정책 코드로 설계할 수 있다

채용시장에서의 위치

이 모듈은 이 커리큘럼 전체의 차별점이다. 많은 교육 과정이 "AI로 테스트를 더 빠르게 만드는 법"을 가르치지만, "AI가 만든 것이 맞는지 사람이 어떻게 확인하는가" 를 체계적으로 다루는 곳은 많지 않다. 이 능력은 모듈 9(개발 지식)에서 시작해 이 커리큘럼 전체가 쌓아온 코드 읽기·테스트 설계·심각도 판단 능력이 최종적으로 수렴하는 지점이다. AI가 코드와 테스트를 대신 짜주는 시대일수록, "그 결과가 맞는지 판단할 수 있는 사람"의 가치는 오히려 올라간다 — 이게 이 모듈, 그리고 이 커리큘럼 전체가 지향하는 QA의 모습이다.

최근 국내 대형 테크 컨퍼런스에서 "QA가 담금질한 하네스와 품질 게이트" 같은 세션이 등장하는 것도 같은 흐름이다. AI 산출물의 품질 게이트를 설계하고 그 게이트 자체를 검증해본 경험 은 "AI 도구를 써봤다"와 달리 아직 드물고, 그만큼 변별력이 있다.