• 용어 정의: 시스템에 새로운 기능이 추가되거나 기존 소스 코드, 아키텍처, 알고리즘이 수정된 이후, 이러한 변경 사항이 이전에 정상적으로 작동하던 소프트웨어의 다른 모듈이나 기존 기능에 의도치 않은 부작용(Side Effect)이나 새로운 결함을 유발하지 않았는지 재확인하는 품질 보증 기법입니다.

• AI/SW 테스팅 실무 적용: 엔터프라이즈 AI 모델은 수많은 가중치(Weight)가 거미줄처럼 얽혀 있어, 특정 도메인의 성능을 높이기 위한 부분적인 파인튜닝(Fine-tuning)이나 코드 패치가 기존에 완벽했던 다른 추론 능력을 급격히 파괴하는 '망각 현상(Catastrophic Forgetting)'을 치명적으로 유발합니다. 따라서 서비스 정식 시행(배포) 전에는 신규 업데이트가 적용된 버전업 모델을 기존의 골든 데이터셋(Golden Dataset)으로 전수 재평가하여 알고리즘의 과거 정상 동작 로직이 훼손되지 않았는지 무결성을 확정해야 합니다. 반면 서비스 시행(운영) 후에는 라이브 서버에서 발견된 취약점을 핫픽스(Hotfix)하거나 프롬프트 템플릿을 수정할 때마다 자동화된 CI/CD 파이프라인 위에서 수만 개의 기존 엣지 케이스(Edge Case) 스크립트를 즉각 교차 구동하여, 전체 상용 서비스의 안정성이 흔들림 없이 유지되는지 지속 모니터링해야 합니다.

➡️ [테스팅 사례 확인하기]