
라포랩스의 QA - 품질을 테스트하는 게 아니라 설계합니다.
라포랩스 QA 팀이 품질을 검증이 아닌 설계의 관점에서 운영하는 방식을 소개했습니다. 기획 초기 참여, AI 기반 테스트 자동화, 비용 최적화 실험을 통해 품질 시스템을 고도화하고 있습니다.

라포랩스 QA 팀이 품질을 검증이 아닌 설계의 관점에서 운영하는 방식을 소개했습니다. 기획 초기 참여, AI 기반 테스트 자동화, 비용 최적화 실험을 통해 품질 시스템을 고도화하고 있습니다.

토스플레이스 QA 팀이 사일로에 겸직하며 제품 초기부터 품질을 함께 책임지는 운영 방식을 소개했습니다. 스펙 리뷰, 테스트 기준 정리, 백로그 관리 등으로 협업과 품질을 동시에 높인 사례를 공유했습니다.


OpenAI Eval for Agents와 Google Stax의 차이를 QA 관점에서 비교했습니다. 에이전트 전체 흐름 진단은 Eval for Agents, 텍스트 응답 평가와 시각화는 Stax가 강점입니다.

QA 재현과 기록, 티켓 전달을 자동화해 업무 흐름을 단방향으로 개선했습니다. rrweb 세션 리플레이와 어드민, Network Rewrite로 이슈 처리 효율을 높였습니다.


실시간 메시지 기반 환경에서 데이터 정합성을 API 자동화 테스트로 검증한 사례를 소개했습니다. 정기 실행과 모니터링까지 연결해 리소스를 줄이고 운영 안정성을 높였습니다.
![[에이닷 4.0 QE 여정4] 에이닷 배포 프로세스 구축 운영기](https://devocean.sk.com/thumnail/2025/9/15/90f45c59130abf8bdc30076a1c357a0545eaba3419078e026685d42ad4a7c27c.png)

짧은 배포 주기에서 발생한 혼선을 줄이기 위해 단계와 책임을 명확히 정리했습니다. DEV, STG, PRD 분리와 FastTrack 도입으로 협업과 예외 대응을 체계화했습니다.
![[에이닷 4.0 QE 여정1] 에이닷 4.0 품질 비하인드](https://devocean.sk.com/thumnail/2025/9/2/c3158e6429d9e81ba35fff3f4ca44d69c18c332adb863e8c5ebe24928abc89bb.png)

에이닷 4.0 품질 검증에서는 LLM 응답을 실제 발화 기반으로 평가하고, 기획 초기부터 QA가 함께 참여했습니다. Sanity Test, SPeCTRA 2.0, daily report로 품질 기준과 이슈 우선순위를 선제적으로 관리했습니다.


빅뱅 배포로 전환되는 GMS 물류 시스템에서 QA가 테스트 전략을 어떻게 세웠는지 정리한 글입니다. 기능·동시성·E2E·UAT·모니터링까지 단계별 검증으로 운영 리스크를 줄였습니다.


Playwright로 계약 데이터 수동 생성 과정을 자동화해 2~3분 걸리던 작업을 30초로 줄였습니다. 반복 입력을 줄여 QA가 검증에 더 집중할 수 있도록 개선했습니다.


빅뱅 배포 기반 GMS 구축에서 QA가 기능, 동시성, E2E, UAT를 단계적으로 설계한 사례를 다뤘습니다. 운영 이후에는 Datadog 모니터링으로 조용한 실패까지 감시하며 안정성을 높였습니다.


게임 클라이언트 프로그래머의 업무를 업데이트 제작 흐름에 맞춰 소개했습니다.툴 개발, 리소스 관리, QA 대응과 함께 신입에게 필요한 역량도 정리했습니다.

QA 대응 프로세스에 GitLab, Jenkins, Jira Automation을 연동해 수동 작업을 자동화했습니다.그 결과 개발자 후속 대응 단계를 절반으로 줄여 업무 흐름을 개선했습니다.