자연어 요구사항 기반 AI 주도 테스트 케이스 생성: 기법 및 연구 공백 서베이
AI-Driven Test Case Generation from Natural Language Requirements: A Survey of Techniques and Research Gaps
소프트웨어 테스트는 시스템이 명시된 요구사항을 충족하는지 검증하는 데 핵심적이지만, 개발 과정에서 가장 시간이 많이 소요되고 비용이 큰 활동 중 하나로 남아 있다. 요구사항 기반 테스트 생성은 요구사항 산출물로부터 테스트 케이스를 초기에 도출할 수 있게 하지만, 자연어로부터 이를 직접 생성하는 것은 본질적인 모호성과 부정확성 때문에 어렵다. 최근 AI, 자연어 처리(NLP), 대규모 언어 모델(LLM)의 발전으로 이 파이프라인을 자동화하는 것이 점점 더 실현 가능해졌지만, 환각(hallucination), 추적 가능성(traceability) 저하, 일관되지 않은 평가 등의 새로운 위험도 함께 도입되었다. 본 서베이는 네 가지 연구 질문을 다룬다: 자연어 요구사항으로부터 테스트 케이스를 생성하기 위해 어떤 AI 및 NLP 기법이 제안되었는가; 이러한 접근을 지원하는 도구와 프레임워크는 무엇인가; 생성된 테스트 케이스는 어떻게 평가되는가; 그리고 어떤 연구 공백이 남아 있는가. Kitchenham과 Charters의 체계적 문헌고찰 가이드라인에 따라 2000-2025년에 걸친 주요 학술 데이터베이스를 검색하였고, 엄격한 포함 기준을 적용한 후 21편의 1차 연구를 확인하였다. 문헌은 세 개의 진화 단계로 구성되며, 기존 접근법 중 자동화, 모호성 처리, 도메인 적용성, 추적 가능성, 평가의 철저함, 환각 제어의 여섯 가지 핵심 품질 차원을 동시에 만족하는 것은 없음을 보여준다. 본 서베이의 주요 기여는 세 가지이다: AI 기반 테스트 생성에 대한 3단계 진화적 종합; 모든 품질 차원을 현재 어떤 접근법도 완전히 다루지 못함을 보여주는 6기준 공백 분석; 그리고 환각, 추적 가능성, 복잡도 민감성, 규정 준수를 대상으로 한 네 가지 실행 가능한 연구 지침.