AI는 자동화 테스팅 분야에서 빠르게 발전하고 있습니다.

특히 앱테스트에이아이(Apptest.ai) 가 제공하는 서비스는 이러한 흐름을 잘 보여주고 있습니다. Non-code 기반의 자동화 테스트 서비스를 통해 고객은 복잡한 코드 작성 없이도 손쉽게 테스트를 수행할 수 있으며, 이를 통해 성공적으로 적용된 사례를 전달 드리겠습니다.
또한, [Stego], [Ptero] 서비스를 통해 AI 자동화 테스팅 서비스를 통해 영상 및 음향의 이상 감지 시스템, QR 코드 자동 인식 및 정보 저장 기술 등을 활용할 수 있습니다.
앞으로도 AI 기술을 접목한 자동화 테스트는 더 정교하고 다양한 영역으로 확장될 예정이며, 현재 개발 중인 신규 서비스와 향후 목표 역시 그 가능성을 소개해 드리겠습니다.

AI 모델의 성능 평가는 대부분 모델 개발이 완료된 후에 진행됩니다. 하지만 복잡한 AI 학습·동작 과정 때문에, 모델 테스트 결과만으로는 성능의 근본적인 원인을 파악하기 어려운 문제에 부딪히곤 합니다.

본 강연에서는 '선제적 AI 품질 검증'을 제안합니다. 좋은 데이터는 좋은 모델 성능으로 이어진다는 당연한 사실을 넘어, 데이터 품질 검증을 통해 모델의 성능을 예측하고 잠재적 문제를 사전에 차단하는 구체적인 방법을 공유합니다.

또한 인간과 AI의 학습 방식을 비교하여 멀티모달 데이터의 인공지능 학습 개념을 쉽게 이해하고, 실제 현장에서 적용할 수 있는 데이터 품질 지표와 실제 검증 사례를 통해 '신뢰할 수 있는 AI는 모델 개발 전 데이터 검증에서 출발한다'는 핵심 메시지를 전달하고자 합니다.

최근 AI 플랫폼이 급성장하고, AI 오류를 예방하기 위한 신뢰성 검증이 필요합니다. AI 표준과 AI SW의 특성에 맞춘 신뢰성 향상을 위해 필요한 사항과 고려해야 할 사항들 그리고 앞으로 AI 신뢰성 향상을 위해 준비해야 할 방향 등을 제시합니다.

**Agentic AI(자율적 에이전트형 인공지능)**를 활용하여 소프트웨어 테스트 업무의 효율성과 품질을 혁신한 실제 사례를 소개합니다.
AI가 테스트 설계, 실행, 결과 분석 과정에서 스스로 판단하고 행동하며 업무를 자동화·고도화하는 방식을 중심으로, 기존 프로세스 대비 생산성 향상, 오류 감소, 품질 지표 개선 효과를 구체적으로 공유합니다.

AI Agent 기반 SW 전 생명주기 지능화 전략을 총체적으로 소개 합니다.
‘AI Agent’가 단순한 도구를 넘어 자율성과 협업 능력을 갖춘 지능형 파트너로 진화하면서, 요구사항 분석부터 테스트 케이스 생성, 코드 작성, 리뷰, 결함 분석, 심지어 SysML/UML 다이어그램 자동 생성까지 SW 개발의 모든 단계를 어떻게 혁신하고 있는지를 실제 사례와 함께 살펴봅니다.
특히 AI Coding Agent(CodeCenter)는 개발자의 의도와 아키텍처 규칙을 이해해 단순 자동완성을 넘어 ‘협업형 개발자’로 진화하고 있으며, AI 기반 코드 리뷰 및 결함 예측 기술이 QA 비용과 리스크를 획기적으로 줄이는 사례도 함께 발표합니다.
이러한 고도화된 AI Agent들의 안정적 운영을 위해서는 단순 클라우드 API가 아닌 전용 AI 인프라가 필수인데, 이에 SLEXN은 Puteron AI ? LLM 전용 가속 칩과 LLM Ops 소프트웨어를 통합한 On-premise AI 파운드리 솔루션을 통해 기업 내부에서 고성능·고보안·지속학습형 AI Agent 군을 구축할 수 있는 기반을 제공합니다.
AI Agent가 ‘실행’하고 인간이 ‘전략과 가치’에 집중하는 새로운 관리자로서 SW 개발 패러다임으로의 전환을 이번 행사에서 제안하며, SLEXN의 AI Managed Service를 마지막으로 소개합니다.

어니컴은 대규모 대국민 서비스의 성능을 튜닝하고 컨설팅해온 전문 엔지니어 그룹입니다. 본 강연에서는 GPU 중심 구조의 한계를 극복하고, 국산 AI 반도체(NPU) 기반으로 전환할 때 필요한 전략과 성능 평가 방법을 공유합니다.

마이그레이션 전략
-서비스 아키텍처 구성,
-모델 마이그레이션및 최적화
-역할 분담 (NHN Cloud, Rebellion)

성능 평가 방법
-주요지표, 부가지표, 검증방식

고객사 적용 사례 공유

최근 생성형 언어모델(LLM: Large Language Model)의 활용은 단순한 질의응답을 넘어, 고객 상담, 업무 자동화, 금융 서비스 등 다양한 도메인으로 급격히 확산되고 있다. 그러나 이러한 활용 확대에도 불구하고 모델의 신뢰성 확보와 서비스 품질 보장은 여전히 해결해야 할 핵심 과제로 남아 있다.

본 강연에서는 이러한 문제를 해결하기 위해 구축한 AWS 기반 LLM 품질 및 신뢰성 평가 자동화 시스템을 소개하고, 이를 실제 서비스 환경에 적용한 S사의 사례를 공유한다.

특히, LLM 기반 챗봇 서비스 검증 자동화 사례를 중심으로, 챗봇 응답을 정성적 지표(유용성, 적합성, 준수성, 보안성 등)와 기능적 지표(의미적 유사도 기반 판정)로 통합적으로 평가한 경험을 공유한다.

또한 AWS Device Farm과 연동하여 다양한 디바이스 환경에서 End-to-End 수준의 품질 검증을 수행한 사례를 제시하며, 이를 통해 반복 테스트의 효율화, 버전 간 성능 비교, 운영 안정성 확보, 모델 개선 효과의 신속한 피드백 등 실질적인 성과를 도출한 과정을 설명한다.

생성형 AI는 현재 소프트웨어 개발 분야에서 필수적인 도구로 자리잡았습니다. 많은 개발자들이 생성형 AI를 활용해 획기적인 생산성 향상을 경험하고 있지만, 동시에 새로운 보안 위험 요소들도 함께 등장했습니다.

본 강연에서는 생성형 AI의 개발 생산성 이점은 최대한 활용하면서도, 보안 리스크는 효과적으로 관리할 수 있는 실용적인 개발 보안 테스팅 전략을 제시합니다. GenAI 시대에 맞는 안전한 소프트웨어 개발 보안 방법론을 통해 혁신과 보안을 동시에 달성하는 방법을 알아보겠습니다.

최근 AI 기술은 전 산업에 걸쳐 폭넓게 활용되고, 시장 또한 급격하게 성장하고 있음. 하지만, 한편으로는 AI로 인한 사고와 우려들이 함께 공존하고 있는게 현실. 이로 인해 국내/외 표준 단체에서 AI 검증에 대한 다양한 연구가 진행되고 있으며, 세계 각국에서도 AI 관련 법규를 제정하고 있음.
국내에서도 신뢰있는 AI를 위해 여러 기관/기업들이 AI 인증제도를 운영하고 있으며, 본 강연에서는 AI 신뢰성, 윤리성, 강건성 검증 기반의 AI-MASTER 인증 제도에 대해 설명. AI 인증 제동의 인증 프레임워크와 평가 방법 및 인증 관련 내용에 대해서 소개

AI와 대규모 언어 모델(LLM)의 도입으로 소프트웨어 개발 속도는 그 어느 때보다 빨라졌습니다. 그러나 코드 생산량이 폭발적으로 증가하면서 기존 품질 보증 프로세스가 감당할 수 없는 수준에 이르고 있습니다. 그 결과, 검토되지 않은 코드가 그대로 배포되고, 이는 심각한 보안 취약점과 라이선스 리스크를 양산하는 새로운 위협으로 떠오르고 있습니다.
이제는 단순한 코드 리뷰나 사후 점검으로는 부족합니다. AI가 만든 코드가 안전하다는 보장은 없으며, 오히려 공격자에게 새로운 기회를 제공하고 있습니다.

본 강연에서는 이러한 AI 시대의 숨겨진 보안 리스크를 파헤치고, SW 공급망 보안 솔루션을 활용해 조기에 취약점을 탐지하고 안전한 소프트웨어를 배포하는 전략을 제시합니다.

본 강연은 AI 기반 테스트 자동화가 소프트웨어 품질 관리 패러다임을 어떻게 혁신하고 있는지에 대해 다룹니다.
Tricentis의 주요 솔루션인 Tosca, Testim, qTest, NeoLoad를 중심으로, 기업이 직면한 품질 보증 과제를 AI로 어떻게 해결할 수 있는지 전략과 실제 사례를 공유합니다.
금융, 통신, 제조 등 다양한 산업군의 실제 사례를 통해, AI가 어떻게 품질 보증을 혁신하고 ROI를 극대화하는지를 확인할 수 있습니다.
이 강연을 통해 참가자들은 AI가 이끄는 차세대 품질 보증 전략과 End-to-End Continuous Testing 구현 로드맵을 확인할 수 있을 것입니다.

Agentic Testing은 AI 에이전트가 테스트 생성, 실행, 적용 전 주기를 자율적으로 수행하면서 사람은 전략·품질 확립과 분석에 집중하게 하는 새로운 테스트 패러다임입니다. 본 세미나에서는 UiPath Test Cloud를 중심으로 에이전트 기반 테스트 설계, 자동화, 오류 “Self-healing”, 퍼지 검증 등 주요 기능에 대한 실전 사례를 공유합니다.

생성형 AI의 발전은 산업 구조와 서비스 형태 전반에 큰 변화를 일으키고 있습니다. 소프트웨어 테스팅 산업과 관련 솔루션 역시 이러한 변화에 맞 춰 새로운 전환이 요구됩니다. 본 강연에서는 소프트웨어 테스팅 솔루션에 서 생성형 AI를 어떻게 활용할 수 있을지, 그리고 그 가능성과 과제를 함 께 살펴봅니다.

1. 생성형 AI로 변화된 개발 및 산업 구조
2. 소프트웨어 테스팅 산업에 미치는 영향
3. 기존 소프트웨어 테스팅 솔루션의 한계
4. 생성형 AI 기반 테스팅 솔루션 가능성
5. 향후 과제

인공지능 기술의 급속한 발전과 고성능 AI 서비스의 등장으로 인하여 안전하고 보안이 보장되며 신뢰할 수 있는 인공지능의 개발과 사용이 국제규범으로 보편적으로 자리를 잡고 있다. 이에 따라, 민간에서 다양한 AI 관련 시험인증서비스가 제공되고 있으며 TTA에서는 AI기본법과 하위법령을 바탕으로 인공지능 안전성·신뢰성 검·인증의 방향 및 세부내용을 소개하고자 한다.