저는 원래 비개발자 였습니다. 그렇지만 Claude Code나 Codex의 도움으로 바이브코딩에 입문하게 된 사람이었죠. 하지만 현재는 정말로 코딩을 배워보고 있습니다.
'AI가 다 해주는데 왜 배워야 하죠?'
사실 이 의문을 저도 가졌던 적이 있었습니다.
"이제 코딩 안 배워도 되는 거 아닌가?"
"AI가 다 짜주는데, 내가 굳이 문법을 외워야 하나?"
"개발자 취업도 안 된다는데, 지금 코딩을 배우는 게 의미가 있을까?"
이런 생각, 한 번쯤 해보셨을 겁니다. AI가 코드를 몇 초 만에 뽑아내는 걸 보고 나면, "그럼 나는 뭘 배워야 하지?"라는 막막함이 드는 게 당연하죠.
그러다 최근 EO 채널에서 스탠포드대학교 Chris Piech 교수의 인터뷰를 보게 됐습니다. AI가 코드를 대신 써주는 시대에, 학생들이 자신의 가치와 진로에 대해 느끼는 불안을 정면으로 다루는 내용이었어요.
오늘은 이 인터뷰를 실마리 삼아, AI 시대에도 코딩을 배워야 하는 이유, 그리고 그 배움의 의미가 어떻게 달라져야 하는지에 대해 이야기해보려 합니다. 이 글을 다 읽고 나면, "코딩이 필요 없다"는 막연한 불안 대신, 오늘 당장 무엇을 연습해야 할지가 조금은 선명해지실 거예요.
제가 이 영상을 보고 '내가 지금 코딩 공부하고 있는 게 맞는 방향이구나'라고 생각했던 것처럼요.
1. 코딩 학습의 본질이 바뀌었다 — 문법이 아니라 문제해결력
이 이야기를 하는 사람은 Chris Piech 교수입니다. 스탠포드대학교에서 컴퓨터과학을 가르치고 있고, 현재는 누구나 무료로 들을 수 있는 코딩 교육 플랫폼 'Code in Place'를 직접 운영하고 있어요. AI가 코드를 대신 써주는 시대에 "그래도 왜 코딩을 배워야 하는가"라는 질문에 가장 직접적으로 답을 내놓는 사람 중 한 명입니다.
Piech 교수는 코딩 교육의 목표를 완전히 다시 정의합니다. 코딩을 배운다는 건 문법을 외우는 일이 아니라, 복잡한 문제를 작은 단위로 나누고 하나씩 풀어가는 '문제해결 능력'을 기르는 과정이라는 겁니다. AI는 문법적인 부분을 도와줄 수는 있지만, 문제를 쪼개고 순서를 설계하는 핵심적인 논리적 사고력만큼은 학습자가 직접 체득해야 한다고 말합니다.
[WHY] 왜 지금 이 관점이 중요할까요?
AI가 코드를 대신 써주기 시작하면서, 정작 사람이 코드를 검증하고 판단하는 역량은 오히려 더 중요해지고 있습니다. 실제로 현장에서는 AI가 만든 코드를 검토 없이 그대로 채택했다가 겉보기엔 맞아 보이지만 실제로는 신뢰하기 어려운 코드로 문제를 겪는 경우를 어렵지 않게 볼 수 있습니다. AI가 대신 짜준 코드를 그대로 믿고 쓰는 사람과, 그 코드가 왜 그렇게 동작하는지 이해하고 판단할 수 있는 사람 사이의 격차는 앞으로 더 벌어질 가능성이 큽니다.
문법을 몰라도 AI가 채워줄 수 있지만, 문제를 어떻게 쪼갤지, 무엇이 맞는 답인지 판단하는 힘은 AI가 대신 길러줄 수 없습니다. 이게 바로 Piech 교수가 코딩 교육의 축을 옮긴 이유입니다.
[HOW] 그럼 우리는 실제로 어떻게 연습할 수 있을까요?
1) AI에게 답을 맡기기 전에, 문제를 먼저 손으로 쪼개본다 어떤 문제가 주어지면 바로 AI 채팅창부터 여는 대신, 이 문제를 몇 개의 작은 단계로 나눌 수 있을지 스스로 고민해 보는 겁니다. 이 습관 하나만으로도 AI에게 무엇을 물어야 할지가 훨씬 명확해집니다.
2) AI가 준 코드를, 내 언어로 다시 설명해본다 AI가 만들어준 코드나 답을 그대로 복사해서 쓰지 않고, "이게 왜 이렇게 동작하지?"를 스스로 설명해보는 겁니다. 설명이 막히는 지점이 바로 내가 아직 이해하지 못한 부분입니다.
3) AI는 문법 보조로만 쓰고, 구조 설계는 직접 한다 변수명이 헷갈리거나 문법 에러가 날 때만 AI에게 묻고, "이 문제를 어떤 순서로 풀 것인가"라는 설계는 내가 먼저 그려본 뒤에 AI에게 검증받는 순서로 바꿔보는 겁니다.
2. AI를 어디에 쓸지 판단하는 사람 — '곱셈의 도구'와 인간적 교감
Piech 교수는 AI를 배척하지도, 맹신하지도 않습니다. 대신 AI를 '곱셈의 도구'로 규정합니다. 기초 역량이 탄탄한 사람이 AI를 쓰면 결과물이 배가되지만, 기초가 없는 사람이 AI를 쓰면 오히려 잘못된 방향으로 결과물이 빠르게 커질 뿐이라는 관점입니다.
그리고 Code in Place를 운영하면서 흥미로운 발견을 하나 했다고 합니다. AI 튜터보다 사람 간의 교감, 즉 멘토와 학생 사이의 관계가 학생들의 동기부여와 완주율을 높이는 데 훨씬 효과적이었다는 겁니다. 그래서 인간 교사의 역할을 "정답을 알려주는 사람"이 아니라 "호기심을 자극하고 영감을 주는 사람"으로 다시 정의했습니다.
"AI가 다 가르쳐줄 수 있는데, 왜 굳이 사람이 필요하지?"
이런 의문이 드실 수 있는데요. Piech 교수의 답은 명확합니다. AI는 지식을 전달할 수는 있어도, "이 문제를 계속 붙잡고 있어도 괜찮다"는 확신과 동기는 사람과 사람 사이에서만 만들어진다는 것이죠.
[WHY] 왜 이 판단이 다른 AI 교육 담론과 다를까요?
많은 AI 교육 담론이 "AI를 얼마나 잘 쓰느냐"에만 집중합니다. 하지만 Piech 교수의 접근은 다릅니다. AI가 잘 동작하는지는 결국 AI를 어디에, 왜 쓰려는지를 판단하는 사람의 목적의식에 달려 있다는 겁니다. AI를 잘 쓰는 사람일수록 이미 문제를 잘게 쪼개고 구조화하는 역량을 갖춘 경우가 많다는 관찰도 여기서 나옵니다. 결국 AI 활용력의 진짜 정체는, AI 사용법이 아니라 문제해결력이라는 뜻입니다.
[HOW] 이걸 우리 조직과 학습에 어떻게 적용할 수 있을까요?
1) AI를 '곱셈의 도구'로 다루는 연습을 한다 같은 질문이라도 "AI야, 답을 줘"가 아니라 "내가 세운 이 구조가 맞는지 검증해줘"처럼, 내가 먼저 만든 것을 배가시키는 방식으로 AI를 써보는 겁니다.
2) 학습 조직이라면 멘토링·스터디 구조를 함께 설계한다 AI 튜터나 AI 도구를 도입하는 것과 별개로, 사람 간 교감이 이루어지는 멘토링이나 스터디 구조를 함께 만듭니다. 완주율과 동기부여는 결국 사람에게서 나옵니다.
3. 현장에서 본 코딩교육의 수요 — 여전히, 오히려 더 견고하다
여기서부터는 Piech 교수의 발언이 아니라, 제가 현장에서 직접 느낀 판단을 말씀드리려 합니다. 두 이야기를 섞지 않고 분명히 구분하고 싶어서요.
현장에서는 종종 "AI 때문에 코딩교육의 중요성이 낮아지고 있다"는 인상을 받기 쉽습니다. 개발자 채용 뉴스나 "AI가 코드를 다 짠다"는 이야기가 계속 나오니까요. 하지만 제가 느낀 것은 정반대입니다. AI 시대에도 교육 시장에서 코딩교육에 대한 수요와 필요성은 여전히, 오히려 더 견고합니다.
[WHY] 왜 이런 판단을 하게 됐을까요?
AI가 코드를 대신 써줄수록, 그 코드가 맞는지 판단하고 방향을 설계하는 사람의 역할은 사라지지 않고 오히려 더 도드라집니다. Piech 교수가 말한 "문제를 쪼개고 구조화하는 능력"과, 제가 현장에서 느낀 "코딩교육이 여전히 필요하다"는 판단은 결국 같은 지점을 가리키고 있습니다. AI가 잘하는 영역(빠른 타이핑, 문법 처리)과 사람이 잘해야 하는 영역(문제 정의, 구조 설계, 검증)이 명확히 나뉘기 시작했고, 코딩교육은 바로 이 후자를 기르는 자리이기 때문입니다.
[HOW] 그럼 무엇이 달라져야 할까요?
1) "코드 타이핑을 잘하는 사람"이 아니라 "구조를 설계하는 사람"을 기르는 커리큘럼이 필요할 것입니다 문법 암기 시간을 줄이고, 문제를 분해하고 설계하는 연습 시간을 늘리는 방향으로 학습 설계를 바꿔봅니다.
2) "개발자 취업이 안 된다"는 두려움 대신, 지금을 기초를 다질 기회로 본다 채용 시장의 불확실성 자체는 부정할 수 없지만, 그 안에서 살아남는 사람은 결국 기초 문제해결력을 갖춘 사람이라는 사실은 변하지 않습니다.
3) AI 생성 코드를 무비판적으로 수용하지 않는 습관을 조직 차원에서 만든다 AI가 만든 코드나 결과물을 검토 없이 그대로 채택하지 않고, 최소한의 검증 단계를 팀 프로세스에 넣는 것만으로도 문제해결력을 기르는 훈련이 됩니다.
마무리: AI가 다 짜줄수록, 문제해결능력이 이미 갖춰진 사람이 성장하는 계기가 될 것입니다
오늘 나눈 이야기를 정리해보면 이렇습니다.
1. 코딩 학습의 본질은 문법이 아니라 문제를 작은 단위로 쪼개고 해결하는 '문제해결력'이며, 이건 AI가 대신 길러줄 수 없습니다.
2. AI가 잘 동작하는지는 AI 자체가 아니라, AI를 어디에 왜 쓰는지를 판단하는 사람의 기초 역량과 목적의식에 달려 있습니다. 그리고 그 역량은 사람 간의 교감 속에서 더 단단해집니다.
3. 코딩교육에 대한 수요는 AI 시대에도 사라지지 않았습니다. 오히려 사람이 해야 할 역할이 선명해지면서, 그 필요성은 더 견고해지고 있습니다.
오늘 이 글을 읽고 내일 당장 해볼 수 있는 것:
Step 1) AI에게 질문을 던지기 전에, 이 문제를 사람인 내가 푼다면 어떻게 접근할까를 3~4단계로 쪼개본다.
Step 2) AI가 만들어준 답이나 코드를, 내 언어로 다시 한번 설명해본다.
Step 3) 혼자 배우고 있다면 스터디나 멘토를 한 명 찾아, 문제를 함께 붙잡고 있을 사람을 만든다.
AI가 아무리 빨라져도, 무엇을 풀어야 할지 정하고 그 답이 맞는지 판단하는 일은 결국 사람의 몫으로 남습니다. 오늘 쪼개본 문제 하나가, 여러분을 AI에게 끌려다니는 사람이 아니라 AI를 다루는 사람으로 만들어줄 거예요.
감사합니다.
의견을 남겨주세요