AI 시대, 코딩을 배우는 이유가 달라졌습니다

이 토픽을 마치면

AI 시대에 코딩 기초가 왜 여전히 필요한지 이해하고, 이 강의를 어떤 마음으로 들어야 하는지 방향을 잡을 수 있습니다.

과거의 코딩 교육

코딩은 오랫동안 컴퓨터공학, 소프트웨어공학의 전유물이었습니다.

C, Java, Python, JavaScript — 수십 개의 언어가 존재하고, 각각의 문법을 익히고, 프레임워크를 배우고, 수천 줄의 코드를 직접 작성하며 디버깅하는 과정을 거쳐야 했습니다. 독학으로 이 모든 것을 습득하기란 거의 불가능에 가까웠습니다. 대학교의 학위 과정을 수년에서 수십 년에 걸쳐 밟고, 실전 프로젝트에서 경험을 축적하고, 팀원들과 머리를 맞대고 고민해야만 하나의 서비스를 만들어낼 수 있었습니다.

그래서 과거의 교육 방식은 당연히 기초부터 차근차근 쌓아 올리는 구조였습니다. 변수가 뭔지 배우고, 조건문을 배우고, 반복문을 배우고, 함수를 배우고, 객체를 배우고 — 이 모든 계단을 밟아야만 다음 단계로 나아갈 수 있었습니다. Harvard 대학교의 CS50은 첫 주부터 2진법과 C언어 포인터를 가르치고, 국내 대표 강의인 생활코딩은 HTML부터 시작해서 12주에 걸쳐 웹 서버를 만드는 과정을 안내합니다. 이 방식은 분명 체계적이지만, 하나의 전제가 있었습니다 — 결국 본인이 모든 코드를 직접 작성해야 한다는 것.

AI가 바꿔놓은 것

그런데 AI가 등장했습니다.

2022년 말 OpenAI의 ChatGPT가 공개되고, 2023년 GitHub Copilot이 본격적으로 보급되면서 코딩의 풍경이 완전히 달라졌습니다. AI는 이제 사람을 뛰어넘는 수준으로 코드를 작성합니다. 문법을 외울 필요 없이 의도를 설명하면 코드가 나오고, 에러를 붙여넣으면 원인을 분석하고, "이 코드를 더 빠르게 만들어줘"라고 하면 최적화까지 해줍니다.

Tesla의 AI 총괄이자 OpenAI 공동창업자인 Andrej Karpathy는 이렇게 말했습니다:

"가장 핫한 새 프로그래밍 언어는 영어입니다." — Andrej Karpathy, 2023년 1월 X(구 Twitter)

우리는 이제 세계 최고 수준의 프로그래머를 옆에 두고 일하는 시대에 살고 있습니다.

이 변화는 "코딩을 배울 필요가 없다"는 뜻이 아닙니다. 오히려 반대입니다 — 배워야 할 것의 종류가 달라졌다는 뜻입니다.

그런데 왜 기초가 필요한가

아주 간단한 코드라면 문제가 되지 않습니다. AI에게 "로그인 페이지 만들어줘"라고 하면 만들어줍니다.

그런데 코드가 수만 줄, 수십만 줄로 늘어나면 이야기가 달라집니다. 파일이 수백 개로 늘어나고, 데이터베이스 테이블이 얽히고, 서버와 프론트엔드가 복잡하게 연결되기 시작하면 — AI도, 사람도 혼자서는 감당이 안 됩니다.

이때 만약 리팩토링이 뭔지 모르고, 코드의 구조를 이해하지 못하고, 정규화나 최적화라는 개념을 모른다면 어떻게 될까요?

AI에게 지시를 내릴 수가 없습니다.

"이 코드 좀 고쳐줘"라고 말할 수는 있지만, "이 컴포넌트를 분리해서 재사용 가능하게 리팩토링해줘"라고 말하려면 리팩토링이 뭔지 알아야 합니다. "DB가 느려"라고 말할 수는 있지만, "이 테이블의 N+1 쿼리 문제를 JOIN으로 해결해줘"라고 말하려면 JOIN이 뭔지, N+1이 뭔지 알아야 합니다.

AI 시대에 사람은 코드의 모든 세부 사항을 외울 필요가 없습니다. AI가 개념 설명부터 코드 작성, 기본 구조 설계, 최적화까지 해줄 수 있습니다. 그러나 용어를 모르고, 컴퓨터공학의 기초를 이해하지 못한다면 사소한 디버깅도 할 수 없고, 심지어 AI가 나아가고자 하는 방향이 맞는지 틀린지조차 판단할 수 없습니다.

실제로 일어나는 일들

이것은 이론적인 이야기가 아닙니다. 지금 현장에서 벌어지고 있는 일입니다.

AI 코드를 검증하지 못해 법정에 선 변호사

2023년 6월, 뉴욕 남부 지방법원에서 변호사 Steven Schwartz가 제재를 받았습니다(Mata v. Avianca, Inc. 사건). ChatGPT에게 법률 조사를 맡긴 뒤, AI가 만들어낸 존재하지 않는 판례 6건을 법원에 그대로 제출한 것입니다. Kevin Castel 판사는 "도구를 사용하는 것은 자유이지만, 그 결과를 검증할 책임은 사용자에게 있다"고 판결했습니다.

코딩에서도 같은 일이 벌어집니다. AI가 작성한 코드가 "작동"하는 것처럼 보여도, 그것이 올바른 로직인지, 엣지 케이스를 처리하는지, 보안에 문제가 없는지를 판단하려면 기초를 아는 사람이 필요합니다.

GitClear 리포트 — AI 코드의 숨겨진 비용

2024년 1월 소프트웨어 분석 회사 GitClear는 1억 5천만 줄의 코드를 분석한 보고서를 발표했습니다. AI 코딩 도구(Copilot 등) 도입 이후 코드 변동률(code churn)이 39% 증가했습니다. 빠르게 작성되었지만 곧 삭제되거나 다시 작성되는 코드가 급격히 늘어난 것입니다.

이유는 명확합니다. AI가 작성한 코드를 코드의 구조를 이해하는 사람이 검토하지 않으면, 빠르게 만들고 빠르게 부수는 악순환이 반복됩니다. 리팩토링, 모듈화, 관심사 분리 같은 개념을 이해하는 리더가 있어야 AI가 만든 코드가 오래 살아남습니다.

비전공 연구자의 데이터 파이프라인

이것은 특정 사건이 아니라, 지금 전 세계 연구실에서 매일 벌어지는 이야기입니다. Python을 거의 모르는 연구자가 AI의 도움으로 데이터 분석 코드를 작성합니다. 1,000건의 테스트 데이터에서는 잘 돌아갑니다. 그런데 실제 100만 건의 데이터를 넣자 서버가 멈춥니다.

원인은 대부분 비슷합니다 — AI가 작성한 이중 for 루프, 즉 O(N²) 시간 복잡도의 코드입니다. 시간 복잡도가 뭔지 아는 사람이었다면 코드를 보는 즉시 "이건 데이터가 커지면 터진다"고 판단하고, AI에게 해시맵 기반의 O(N) 풀이로 바꿔달라고 지시할 수 있었을 것입니다.

우리가 말을 배우듯

우리는 모국어를 배울 때 부모님과 주변 사람들에게 듣고 따라하면서 자연스럽게 말을 배웁니다. 그것만으로도 일상적인 대화는 충분히 가능합니다.

하지만 어느 시점에서 ABCD를 배우고, 글을 써보고, 문법과 문장 구조를 배웁니다. 이 과정 없이는 계약서를 읽을 수 없고, 보고서를 쓸 수 없고, 복잡한 논리를 정확하게 전달할 수 없습니다.

코딩도 마찬가지입니다. AI와 대화하면서 간단한 것은 바로 만들 수 있습니다. 하지만 변수가 뭔지, 함수가 뭔지, 데이터베이스가 어떻게 작동하는지 — 이 기초가 없으면 복잡한 문제 앞에서 AI에게 올바른 지시를 내릴 수 없습니다.

그래서 배우는 방식도 달라졌습니다

과거에는 기초부터 하나씩 공부하고, 코드를 직접 작성해보고, 실행하고, 실패하고, 다시 고치는 과정을 수년에 걸쳐 반복해야 했습니다.

지금은 다릅니다.

기초를 배우고, 바로 각자의 도메인 지식을 바탕으로 코딩의 넓은 바다로 AI와 함께 떠나면 됩니다.

생물학자라면 유전자 데이터 분석으로, 화학자라면 분자 시뮬레이션으로, 경영인이라면 매출 대시보드로, 디자이너라면 인터랙티브 포트폴리오로 — 자신의 전문 분야에서 바로 코딩을 적용할 수 있습니다. 기초가 쌓인 사람은 문제가 생겼을 때 그것이 무엇인지를 스스로 예측할 수 있고, AI가 재귀적으로 검토해도 스스로 찾지 못하는 구조적 문제를 사람이 방향을 잡아줄 수 있습니다.

코딩의 기술적 구현은 AI가 합니다. 그러나 도메인 지식에 기반한 의도, 방향, 기획 — 이것은 사람만이 할 수 있고, 이런 지시를 올바르게 내리면 AI가 얼마든지 구현해줍니다.

이 강의의 목적

솔직하게 말합니다.

이 강의를 다 들어도 스스로 코드를 작성해서 홈페이지 하나를 처음부터 끝까지 만드는 것은 어려울 수 있습니다. 과거라면 그것이 실패를 의미했겠지만, 지금은 아닙니다.

이 기초를 쌓고 AI와 함께 진행한다면, 충분히 가능합니다.

잊어도 됩니다. 기억이 안 나도 됩니다. 하다가 멈추고, AI와 이것저것 만들어보다가, 모르는 게 나오면 다시 돌아와도 됩니다.

단, 적어도 AI가 하는 말을 알아들어야 합니다. AI가 "이 부분을 비동기로 처리하겠습니다"라고 했을 때, 비동기가 뭔지 몰라서 그냥 "네"라고 하면 — 나중에 문제가 생겼을 때 어디서부터 잘못된 건지 찾을 수 없습니다.

AI가 하는 말을 알아듣고, 리더로서 방향을 지시할 수 있는 것. 그것이 이 교육의 목적입니다.