핵심 요약
펫프렌즈의 테스트 실패를 운영 데이터로 해석하고, AI 판단을 후보로 제한하며 기록과 알림 체계를 분리하는 엔드투엔드 워크플로를 공유합니다.
주요 경험
- 실패를 리포트 수준에 머물지 않고 실행 맥락과 이력으로 연결해 운영 흐름을 재구성했습니다.
- AI가 실패 원인 후보를 제시하되 자동 판단은 사람 검토를 거쳐 안전하게 PR/이슈로 이행하도록 분리했습니다.
- Slack/Notion/InfluxDB를 통한 다채널 기록과 지표 기반의 재현 가능성 확보로 반복 실패 분석의 근거를 남겼습니다.
얻은 인사이트
- 운영 규칙과 실행 환경의 분리는 근거 검증과 안전장치를 강화합니다.
- 같은 실패를 재현 가능하게 기록하면 향후 원인 추적과 해결이 쉬워집니다.
- 자동화의 목적은 빠른 수정이 아니라 잘못된 변경을 차단하는 데 있음을 확인했습니다.
