AI 시대에 코딩을 배워야 하는 이유
"ChatGPT가 코드를 다 짜주는데, 왜 코딩을 배워?"
이 질문을 한 번쯤 생각해보셨을 겁니다. 연구실에서도 AI에게 코드 방향을 말하면 그에 맞는 코드가 나오고, 에러를 복사해서 붙여넣으면 수정 코드가 나옵니다. 함수 이름을 외울 필요도, 문법을 달달 외울 필요도 줄었습니다.
그런데 정말 코딩 학습이 필요 없어진 걸까요?
AI는 자동 피펫이지, 프로토콜 설계자가 아니다
실험실에서 비유해봅시다.
자동 피펫(전동 피펫)이 나왔다고 해서 연구자가 피펫팅의 원리를 몰라도 될까요? 아닙니다. 자동 피펫은 반복적인 분주 작업을 대신해줄 뿐입니다. 어떤 시약을 얼마나, 어떤 순서로, 어떤 조건에서 넣을지 — 이 실험 설계는 여전히 연구자의 몫입니다.
AI 코딩 도구도 마찬가지입니다:
| AI가 잘하는 것 | 연구자가 해야 하는 것 | |
|---|---|---|
| 역할 | 코드를 생성하고 에러를 수정 | 무엇을 만들지 설계하고 결과를 검증 |
| 비유 | 자동 피펫 | 실험 설계자 |
| 한계 | 맥락 없이 물으면 엉뚱한 코드 | 맥락을 주면 정확한 코드를 얻음 |
핵심은 — AI에게 좋은 지시를 내리려면, 코딩의 기본 개념을 알아야 한다는 것입니다.
기초 없이 AI를 쓰면 생기는 일
연구실에서 실제로 벌어지는 상황입니다:
상황 1: 에러를 이해하지 못한다
AI가 준 코드를 실행했더니 에러가 납니다. 에러 메시지를 AI에게 다시 붙여넣으면 수정 코드가 나옵니다. 또 에러. 또 붙여넣기. 어느 순간 코드가 처음과 완전히 달라져 있는데, 뭐가 바뀌었는지도 모릅니다.
TypeError: Cannot read property of undefined가 "정의되지 않은 변수의 속성을 읽으려 했다"는 뜻임을 아는 사람은, AI에게 정확한 질문을 할 수 있습니다. 모르는 사람은 같은 에러 앞에서 무한 루프에 빠집니다.
상황 2: AI의 코드가 맞는지 검증할 수 없다
AI가 준 분석 코드를 돌렸더니 결과가 나왔습니다. 하지만 그 결과가 맞는지 틀린지 판단할 수 없습니다. for문이 배열의 마지막 요소를 빠뜨리는 off-by-one 에러가 있어도, 결과만 보면 "대충 맞는 것 같은데?"로 넘어갑니다.
논문에 AI가 분석한 데이터를 그대로 싣는 건, 검증 없이 실험 결과를 보고서에 적는 것과 같습니다.
상황 3: 프롬프트를 정확하게 못 쓴다
"파이썬으로 데이터 분석해줘"라고 하면 AI는 범용적인 코드를 줍니다. "pandas로 CSV를 읽어서 OD 컬럼 기준으로 0.5 미만인 행만 필터링하고, 시료별 평균을 groupby로 계산해줘"라고 하면 정확한 코드가 나옵니다.
두 번째 프롬프트를 쓸 수 있으려면 — pandas, CSV, 필터링, groupby라는 개념을 알아야 합니다. AI를 잘 쓰는 것 자체가 코딩 지식을 요구합니다.
코딩 기초가 주는 3가지 힘
1. AI의 출력을 검증하는 눈
변수, 함수, 반복문, 조건문의 기본을 이해하면, AI가 생성한 코드를 읽고 "이 부분이 잘못되었다"고 판단할 수 있습니다. 완벽하게 코드를 짤 필요는 없지만, 읽고 이해하는 능력은 필수입니다.
2. 정확한 프롬프트를 쓰는 어휘
코딩 용어를 알면 AI에게 정확하게 요청할 수 있습니다. "비동기로 API 호출해서 JSON 파싱한 다음 배열에 map 돌려줘"라고 말할 수 있는 사람과, "데이터 좀 가져와줘"라고 말하는 사람의 결과물은 다릅니다.
3. AI 없이도 할 수 있다는 자신감
인터넷이 끊겨도, API가 다운되어도, 기본적인 스크립트는 직접 쓸 수 있습니다. CSV 파일 읽고, 조건으로 필터링하고, 결과를 저장하는 — 이 정도는 AI 없이도 할 수 있어야 합니다. 그리고 이 정도를 할 수 있으면, AI를 10배 더 효과적으로 쓸 수 있습니다.
연구자에게 코딩이란
전공 개발자가 되라는 말이 아닙니다.
| 목표 | 필요한 수준 |
|---|---|
| AI에게 정확한 지시를 내리기 | 변수, 함수, 조건문, 반복문 이해 |
| 분석 스크립트 읽고 수정하기 | 위 + 파일 입출력, 라이브러리 사용법 |
| 동료가 만든 파이프라인 이해하기 | 위 + 모듈, 에러 처리, API 호출 |
| 직접 자동화 도구 만들기 | 위 + 프레임워크, 데이터베이스 |
어디까지 배울지는 본인이 결정합니다. 하지만 첫 번째 줄 — "변수, 함수, 조건문, 반복문 이해" — 은 2026년 연구자의 기본 소양입니다. 논문을 읽을 줄 아는 것처럼, 코드를 읽을 줄 아는 것이 연구의 일부가 된 시대입니다.
코딩 기초를 배운 후에 AI를 만나면
순서가 중요합니다.
AI 먼저 → 기초 나중: "AI가 뭘 하는지 모르겠고, 에러가 나면 막힌다"
기초 먼저 → AI 나중: "내가 뭘 원하는지 알고, AI가 그것을 빠르게 만들어준다"
DevBench는 후자를 위한 과정입니다. 변수가 뭔지, 함수가 뭔지, 서버가 뭔지 이해한 다음 — AI에게 "Express로 시료 관리 API 만들어줘, 라우팅은 RESTful로, 미들웨어로 로깅 추가해줘"라고 말할 수 있는 사람이 되는 것. 그것이 AI 시대의 진짜 코딩 능력입니다.