뱅크샐러드에서의 혁신: LLM을 통한 테스트 데이터 생성의 새로운 길

안녕하세요, 여러분! 오늘은 뱅크샐러드의 QA팀이 어떻게 LLM을 활용하여 테스트 데이터 생성 문제를 극복했는지에 대해 이야기해보려 합니다. 이 과정은 단순한 테스트 자동화를 넘어 실제 사용자 경험에 더 가까운 데이터를 제공함으로써, 더 효과적이고 실용적인 테스트 환경을 구축하는 데 목적이 있습니다.

왜 테스트 데이터가 중요한가요?

테스트 데이터를 미리 구성하는 것이 중요한 이유는 무엇일까요? 바로 그거예요! 준비된 테스트 데이터는 테스트의 일관성과 재현성을 보장하며, 무엇보다 다양한 상황을 폭넓게 검증할 수 있게 도와줍니다. 예기치 못한 버그를 조기 발견하고 엣지 케이스를 처리하는 데 효과적입니다. 여러분이 만약 가상의 제품 출시를 앞둔 개발자라면, 얼마나 다양한 오류들이 숨어있을지 상상이나 가시겠어요?

뱅크샐러드에서 필요한 테스트 데이터의 유형

뱅크샐러드와 같은 마이데이터 기반 서비스는 은행 계좌, 신용카드, 투자, 보험 등 아주 다양하고 복잡한 금융 정보를 다루고 있죠. 따라서 여기서의 테스터는 다양한 금융 상품 정보와 현실적인 사용자의 금융 패턴을 고려해야 합니다. 예를 들어, 한 사용자의 급여 및 소비 패턴이 어느 정도 예측 가능해야 하고, 환경 변화에도 마음대로 적응해야 하는 테스트 데이터가 필요합니다. 매번 수작업으로 이런 데이터를 준비하는 것은 상상만 해도 막막하다구요!

그렇다면 LLM을 어떻게 활용할 수 있을까요?

LLM의 도입은 현실 사용자와 유사한 테스트 데이터를 생성하는 데 있어서 진정한 혁신입니다. LLM은 실제 데이터 패턴을 학습하여 복잡한 사회경제적 요소까지 반영한 데이터를 생성할 수 있습니다. 예를 들어, 계절별 소비 패턴이나 연령대에 따른 투자 성향 등, 사람처럼 생각하고 파악해 데이터를 만들어내죠. 개인의 소득 수준에 맞춰 지출 경향 또한 자동 반영한다니, 정말 대단하지 않나요?

사례와 함께 확인해볼까요?

뱅크샐드는 LLM을 이용해 다음과 같은 과정을 통해 테스트 데이터를 생성했습니다:

1. 페르소나 설정: 42세 전업 주부인 이영희 씨의 가계부를 모델로 하여, 자녀 교육 중심의 생활 속에서 관리비, 보험료, 외식, 주말 가족 활동 등의 데이터를 생성했습니다.

2. 데이터 구조화: JSON 형태로 데이터 구조를 명확히 정하고, 불필요한 설명을 제거하여 필요한 정보만 명확히 남습니다.

3. API 연동 및 자동화: 데이터를 API를 통해 시스템에 전송하고, 그 과정을 자동화하여 매일 갱신되는 데이터를 확보합니다.

지금껏 말씀드린 것처럼, 자동화된 데이터 생성은 QA 뿐만 아니라 개발에도 폭넓게 활용됩니다. 이제 수작업으로 매번 데이터를 만드는 일은 없겠죠! LLM의 활용은 앞으로 더 많은 분야에서 혁신을 가져올 것입니다. 여러분도 꼭 눈여겨보세요!

감사합니다. 다음에도 흥미로운 이야기로 찾아뵙겠습니다!