본 논문은 소프트웨어 개발 라이프사이클(SDLC)에서 소프트웨어 테스트의 중요성을 강조하고, 기존의 테스트 케이스 생성 및 검증 방법의 한계(시간 소모, 인적 오류, 테스트 커버리지 부족, 높은 비용)를 지적합니다. AI 기반 테스트 방법이 이러한 문제를 해결할 수 있는 유망한 해결책으로 제시되며, AI를 활용한 테스트 케이스 자동 생성, 동적 적응, 고위험 코드 영역 식별 등을 통해 회귀 테스트 효율 향상 및 테스트 커버리지 확장을 가능하게 합니다. AI 기반 도구는 지속적인 테스트와 자가 치유 테스트 케이스를 가능하게 하여 수동 감독을 줄이고 피드백 루프를 가속화하여 더 빠르고 안정적인 소프트웨어 출시를 지원합니다. 논문은 AI가 테스트 효율성, 정확성, 확장성을 향상시키는 잠재력을 탐구하고, 고품질 학습 데이터 필요성, 모델 투명성 확보, 자동화와 인간 감독 간의 균형 유지 등 AI 테스트 적용과 관련된 주요 과제를 다룹니다. 실제 응용 사례 연구를 통해 기존 및 최신 소프트웨어 시스템에서 AI가 테스트 효율성을 크게 향상시키는 방법을 보여줍니다.
