버클리 CS 강의실의 경고음 — AI를 쓸수록 학점이 떨어진다?

무슨 일이냐면요

미국 명문 UC 버클리의 컴퓨터과학(CS) 수업에서 좀 불편한 통계가 나왔어요. 학생들의 AI 사용이 늘면서 동시에 낙제(F 학점) 비율이 눈에 띄게 올라가고, 기본적인 수학 실력은 오히려 떨어지고 있다는 거예요. "AI 쓰면 더 잘하게 되는 거 아니야?"라고 생각하기 쉬운데, 현장 교수들이 체감하는 건 정반대라는 거죠.

이게 왜 지금 중요하냐면요, ChatGPT 같은 AI 코딩 도구가 보편화된 지 이제 몇 년 됐고, 그 시기에 대학에 들어온 학생들이 처음으로 한 사이클을 돌고 있는 시점이거든요. 즉 'AI와 함께 처음부터 공부한 세대'의 첫 성적표가 나오기 시작한 거예요.

핵심은 '과정의 생략'

교수들이 지적하는 핵심을 풀어보면 이래요. 프로그래밍이나 수학 공부는 사실 '헤매는 과정' 자체가 학습이에요. 코드가 왜 안 돌아가는지 30분 끙끙대며 디버깅하고, 수식을 손으로 풀다가 막혀서 다시 개념으로 돌아가고 — 이 답답한 시간 동안 뇌에 회로가 깔리는 거거든요.

그런데 AI한테 물어보면 이 과정을 몽땅 건너뛰어요. 답이 1초 만에 나오니까요. 문제는 시험장이나 실제 면접, 실무에서 막상 혼자 생각해야 할 때 그 '근육'이 안 길러져 있다는 거예요. 답을 베껴서 과제는 통과했는데, 정작 그 답이 왜 맞는지를 모르니 시험에서 무너지는 거죠. 'AI 의존(over-reliance)'이라고 부르는 현상인데, 특히 수학적 사고력처럼 차근차근 쌓아야 하는 능력에서 타격이 크대요.

비유하자면 이래요. 헬스장에 갔는데 기구를 로봇이 대신 들어주면, 운동 기록은 좋아 보여도 내 근육은 1도 안 자라잖아요. AI를 학습 과정에 그렇게 쓰면 딱 그 꼴이 나는 거예요.

업계 맥락에서 보면

이건 버클리만의 얘기가 아니에요. 전 세계 교육 현장이 똑같은 고민에 빠져 있어요. 한쪽에선 "어차피 실무에서 AI 쓸 텐데 학교에서도 적극 활용을 가르쳐야 한다"는 입장이고, 다른 쪽에선 "기초가 없는 상태에서 AI에 기대면 결국 AI가 뱉은 게 맞는지 틀린지조차 판단 못 하는 개발자가 된다"는 입장이에요.

흥미로운 건 시니어 개발자들도 비슷한 얘기를 한다는 점이에요. AI 코딩 도구는 이미 기초가 탄탄한 사람이 쓸 때 생산성이 폭발하는데, 기초가 없는 사람이 쓰면 '그럴듯하지만 틀린 코드'를 거르지 못하고 그대로 쌓아버린다는 거죠. 즉 AI는 실력의 '증폭기'지 '대체재'가 아니라는 거예요. 잘하는 사람은 더 잘하게, 기초 없는 사람은 더 위태롭게 만드는 양극화가 학교에서부터 시작되고 있는 셈이에요.

한국 개발자에게

부트캠프, 대학, 독학 다 마찬가지예요. 특히 주니어나 입문자라면 한 번쯤 자기 사용 습관을 점검해볼 만해요. '막혔을 때 바로 AI한테 답을 받는지', 아니면 '먼저 스스로 생각해보고 그다음 AI로 검증하거나 힌트만 받는지' — 이 차이가 1~2년 뒤 실력 격차를 크게 벌릴 거예요.

실무에서 권하고 싶은 방식은 이거예요. 새 개념을 배울 땐 AI한테 답을 통째로 받지 말고 "내가 이렇게 이해했는데 맞아? 틀린 부분 짚어줘" 식으로 쓰는 거예요. AI를 답안지가 아니라 '깐깐한 과외 선생'으로 쓰는 거죠. 그리고 가끔은 AI를 아예 끄고 혼자 문제를 풀어보는 시간을 일부러 만드는 것도 좋아요. 그게 시험장 같은 '혼자만의 순간'에 대비하는 훈련이거든요.