아키텍처
QA 팀이 아니라 Quality Platform 팀을 만든 이유
두줄요약
AI 에이전트로 늘어난 코드 변경에 맞춰 QA 외주화 구조를 Quality Platform 방식으로 전환했습니다. 개발자가 테스트·데이터·회귀 검증 도구로 품질과 성능을 직접 확인하도록 지원합니다.
문제 상황
- AI 에이전트 도입 후 PR 수가 1년 사이 분기당 약 2.5배 증가하며 QA 대기열 중심 품질 확인 방식의 한계
- 개발과 확인의 분리로 결함 수정 뒤 맥락 복원·재확인 대기 시간이 누적
- 빈 개발 DB에서 보이지 않는 대용량 고객사 데이터 기반 결함·성능 저하
원인 분석
- 소프트웨어 결함의 주된 발생 지점인 설계·구현 단계와 품질 확인 단계의 분리
- 컴포넌트 스캔 설정으로 Spring Boot 자동 설정 빈이 누락됐지만 실제 부팅 경로를 검증하지 못한 사례
- 조회 조건별 인덱스, 데이터 규모, 실행 계획 같은 시스템 요건의 개인 기억 의존
해결 방법
- 코드 변경 후 테스트를 제안·자동 검사하는 Quality Guide와 민감정보 마스킹 규칙 적용
- 4개 도메인 데이터를 연결 생성하는 데이터 빌더로 고객사 규모 시나리오 직접 검증
- API·E2E regression 테스트의 새벽 자동 실행, 실패 원인 분류와 관련 코드 조사 자동화
성능/운영 포인트
- 고객사 규모 데이터에서 쿼리 실행 계획·전체 스캔·쿼리 수·응답 시간 확인
- 데이터 빌더의 매시간 자동 실행으로 테스트 데이터 상시 사용 가능 상태 점검
- 변경 전 과거 회귀 영향 예측 기능 개발
