웹 개발 교육의 죽음

AI 때문에 인류 전반의 사고력이 퇴화할까 진심으로 두려워지기 시작함. 자신이 무엇을 하는지 이해하거나 결과물에 신경 쓸 필요 없이 기계에 맡기면 된다는 태도가 퍼지는 듯함. 기계조차 제대로 이해하거나 신경 쓰지 않더라도, 필요한 형식적 요건만 충족하면 그만인 셈임.
HN을 비롯한 온라인 공간에서 깊이 있는 기술 토론을 즐겨 왔지만, 최근 몇 달 사이 그런 토론과 전문가들이 무료로 공개하던 양질의 자료가 거의 사라진 느낌임. 자주 찾는 공간의 90%가 AI 이야기이거나 AI가 대체로 서투르게 쓴 글이고, 흥미롭게 시작한 토론도 부정적이고 우울하게 끝나기 일쑤라 나도 참여가 줄어듦. 지금 나 역시 그 악순환을 이어 가고 있다는 역설은 알고 있음.
AI가 인류 전체에 이익을 가져온다는 기대를 믿을 수 있다면 덜 걱정하겠지만, 그렇지 못함. LLM 시대는 평범하고 반복적인 일을 빠르게 처리하는 도구를 혁신적인 일에 투입해 수준 미달의 결과를 낸 시대로 남을까 두려움. 의사결정자들이 이를 깨달았을 때는 이미 되돌리기 어려운 피해가 생겼을 수도 있음.

이 현상이 석유, 환경 관리, 사회적 지원 등 일상 전반에도 적용된다는 사실을 깨달으면 더 우울해짐. 단기적인 피드백과 탐욕은, 싸게 엄청난 보상을 얻을 수 있다는 약속만으로도 사람들을 극도로 불안정한 시스템으로 몰아감.

우리 대신 생각하는 것은 기계가 아니라 거대 기업 두세 곳임. AI 에이전트는 그 기업들이 원하는 대로 설정하고 통제하는 존재이며, 우리는 소수 기업에 지능을 외주화하고 있음.

더 어두운 측면은 사고를 AI에 맡기는 순간 소수 인물이 통제하는 존재에 사고를 맡긴다는 사실임. Altman과 Musk 등은 사회가 무엇을 사실로 받아들일지 결정하는 기본 권위자의 자리를 노리고 있음.

AI가 세계 자본주의 질서를 소련 말기의 쇠퇴와 붕괴로 이끄는 장치가 될 수도 있다고 봄. 러시아에서 그랬듯 소수 지배층에는 엄청난 기회가 될 수 있음.
소련의 생산·서비스 관료들이 계획만 형식적으로 달성하면 일의 가치를 신경 쓰지 않았듯, 제조·물류 노동자들은 AI를 쓰는 지식노동자와 관리자의 지시를 받고, 그 관리자들은 다시 AI를 쓰는 상급 관리자와 투자자에게 평가받는 구조로 향할 수 있음. 이 전체가 실제 현실과 단절될 위험이 있음.
붕괴 뒤에는 누군가 설비와 토지 등 가치 있는 자산을 헐값에 사들일 것임. 다음 체제의 씨앗은 중국에서 나올 듯하지만, 소수의 지대 추구 세력이 자산을 편법으로 장악하고 별다른 도전 없이 버티는 푸틴식 과두정과 상당히 닮을 수도 있음.

가장 두려운 것은 끝없이 거대해지는 기업임. 거대한 기계의 교체 가능한 부품이고, 노력이 눈에 띄지도 보상받지도 못한다면 왜 정성을 쏟겠는가? 일자리는 주변 사람이나 세상과 연결되는 통로가 되지 못하고, 대기업도 구성원을 갈수록 덜 챙김.
AI가 이를 심화하지만, 그 이전부터 세상에는 참여할 여지와 가능성이 넘치는 공간이 줄어들고 있음. 기술 업계도 성숙하고 산업화되면서 새로움과 창의성을 잃어감.
거대 기업은 흥미로운 신생 기업을 계속 집어삼킴. 수십 년째 중개자로 끼어들어 서비스를 개악하는 초거대 부유 기업들의 획일적인 생태계는 참여하고 싶은 활기찬 장이 아니라 견뎌야 하는 피로가 됨.

교육 기술 기업의 창업자 겸 CEO로서 생성형 AI 때문에 B2C 매출이 크게 감소했지만, 원문 저자들처럼 불만스럽지는 않음. AI가 학생들에게 더 나은 교육 모델을 제공한다면 변화에 적응해야 하는 쪽은 우리임.
예전 머신러닝 과제는 API를 빠르게 떠올리는 능력을 기르려고 길고 반복적인 작업을 요구하곤 했음. 이제 학생들은 그런 저부가가치 반복 작업 대신 분야 이해, 평가 방법과 모델 비교, 상충관계 판단, 결과 보고에 집중할 수 있음. 1950년대 학생들이 로그표를 외우던 시절을 그리워하지 않는 것과 같음.
새로운 환경에 맞춰 모든 과제를 다시 만드는 중이며, 결과는 지켜봐야 함.

간단한 명령과 문법을 끈기 있게 익히지 못하는 학생이 전문용어로 가득한 개념을 끝까지 배울 거라고 정말 믿는가? 여기서 말하는 것은 실제 학습이며, AI 사용이 학습을 해친다는 결과는 반복해서 나왔음.

멘토의 가치는 계속 남을 것임. AI 이전에도 학생들은 정보에 접근할 수 있었고, 핵심 난제는 늘 그 정보를 적절한 형태로 조직하고 전달하는 일이었음.

교육 기업의 책임자가 실제 학습 과정을 낮게 평가한다니 안타까움. 저부가가치라고 부른 과정이야말로 고차원 개념을 이해하고 숙달하는 토대임. 매일 저수준 메모리 할당을 고민하지는 않지만, 그 지식은 상위 수준의 업무와 전체 아키텍처를 다룰 때 큰 도움이 됨.
지금도 C++에서 배열을 만드는 방법을 찾아보는 것은 단순히 기억력 때문이 아니라 API와 매개변수를 다시 살피며 새롭게 이해하기 위해서임. 생성자에서 초기 용량을 지정할 수 있다는 사실은 오래전부터 알았지만, 그 가치를 제대로 이해한 것은 몇 년 뒤 사내 컨테이너 패키지를 다루면서였음.
이런 작은 배움이 괜찮은 엔지니어를 훌륭한 엔지니어로 만들어 줌. 지식 자체보다 지식을 얻기 위해 형성한 작업 태도가 더 핵심임.

교육자이자 저자로서 Molly의 고통을 이해함. Anthropic은 책 불법 복제와 관련해 내게 6만 달러를 지급해야 하며, 강의와 책 매출도 크게 줄었음. 책에 담긴 지식 상당수는 AI 에이전트에서 발견하기 더 어려운 듯함. 가령 XGBoost 모델의 SHAP 값을 분석해 로지스틱 회귀 같은 선형 모델의 특성 공학에 반영하는 기법이 있음. 납품 속도 때문에 이런 고급 기법이 사라질까 걱정됨.
한편 클라우드 AI와 로컬 모델을 모두 사용하며, 지난 1년간 쓴 코드가 이전 경력 전체보다 많을지도 모름. 주말에는 내 Strava 구간을 바탕으로 텔레마크 스키 게임을 만들었고, 강의에서도 화이트보드 그림에 그치던 예제를 학생용 노트북의 상호작용형 예제로 구현할 수 있게 됨.
고객에게 AI 강의도 했지만, 모든 것이 결국 Rust나 어셈블리처럼 저수준으로 내려가는 흐름 속에서 이런 역량이 얼마나 오래 유효할지는 모르겠음. 그래도 머신러닝과 데이터 분석에는 사람이 계속 관여해야 한다고 봄.

지금 AI의 이점을 누리는 사람들은 대체로 ChatGPT 이전에 문서와 글을 읽고, 시행착오를 겪고, 알 수 없는 버그와 씨름하며 기초 역량을 쌓은 사람들임. LLM과 코딩 도구가 모든 답을 즉시 내놓는 듯한 환경에서는 그 역량을 어떻게 쌓게 될까?

Anthropic이 책을 학습에 사용했다는 사실은 어떻게 확인했고 입증할 방법이 있는가? 배상액은 어떻게 계산했으며, 왜 Anthropic만 해당하는가? OpenAI도 같은 일을 하지 않았는가?

Boot.dev 창업자임. 2026년 교육 업계는 정말 어려운 시기를 보내고 있음. 우리 매출은 2025년보다 두 자릿수 초반 비율로 늘었지만, 2025년에 전년 대비 거의 두 배로 성장한 것에 비하면 완만한 수준임.
성장한 우리가 오히려 예외에 가깝다고 느낌. 사람이 만든 고품질 콘텐츠에 더욱 집중하고, 상호작용과 애니메이션처럼 단순한 텍스트로는 얻을 수 없는 경험을 만드는 데 힘쓴 덕분이라고 봄. 장기적인 결과는 지켜봐야 함.

상호작용과 애니메이션이야말로 개념을 어느 정도 아는 사람이 직관을 키울 시각화를 AI에 요청하는 영역 아닌가? 나도 그렇게 하며, 보여주기식에 그칠 때도 있지만 막연한 생각을 직접 조절할 수 있는 시각화로 바꾸면서 정말 새로운 아이디어를 얻기도 함.

학생들이 보충 프로그래밍 학습 자료를 물으면 boot.dev를 꾸준히 추천함. 생성형 AI 거품이 전통적인 교육기관뿐 아니라 이 서비스까지 폐업으로 몰아가지 않기를 바람.

웹 아키텍처 수업을 몇 개 가르치는데, 여전히 좋은 시스템을 제대로 만드는 법 자체를 배우고 싶어 하는 수요가 있음. 업계는 AI 시대에 좋은 시스템을 만든다는 것이 무엇인지 다시 정립해야 함. 바이브 코딩으로 작동하는 앱을 만드는 것과 생계나 투자금, 팀의 미래를 맡기는 것은 다른 일임.
교육의 과제는 코드를 직접 작성하는 데 의존하지 않고 견고한 시스템을 판단하는 능력을 어떻게 가르칠지 찾는 것임. 나는 특정 기술에 종속되지 않는 조합 가능한 체계를 만들고 있지만, 솔직히 우리 모두 함께 답을 찾아가는 중임.
시스템을 만드는 사람을 교육할 필요는 계속 남을 것임. 다만 프로그래밍 언어나 기술 스택만 배우는 것으로는 부족할 가능성이 큼.

나는 생계와 팀의 미래를 맡길 수 있음. 약 9개월 전부터 코드를 직접 보지 않으며, LLM으로 코드를 검토하는 방법을 익히는 편이 더 쉽고 빠르며 낫다고 느낌.
투자자들은 AI가 코드를 생성했는지 신경 쓰지 않고, 이제는 대체로 당연하게 여김. 최근 만난 벤처 투자자들도 투자 제안을 LLM으로 심사함. 지금 개발자를 채용한다면 코드를 손수 작성하기보다 여러 코딩 에이전트를 동시에 운용할 수 있기를 기대하겠음.

시도해 봤지만 탭을 닫고 나니 어떤 코드가 작성됐는지 전혀 모르겠더라. 머리에 남기려면 직접 코드 작성으로 돌아가야 했음. 학습에는 마찰이 필요하고, LLM은 그 마찰을 없앰..

단순히 코드를 작성하는 사람을 양산하던 시대에서, 대중이 진정한 소프트웨어 공학을 수행하는 시대로 넘어가는 출발점임.

강의로는 잘 배우지 못하고 문서와 직접 해보기를 선호해 온 입장에서, 이용 감소가 전적으로 LLM 때문인지 궁금함. 개발자들이 동영상 상당수가 불필요하게 늘어져 있었다는 사실을 깨달은 영향도 있지 않을까?

YouTube에서 “하지만 먼저 과거로 돌아가 봐야 합니다”라는 말을 들으면 광고를 더 넣기 위한 분량 늘리기가 시작된 셈임.

원문에 나온 Axel Rauschmayer의 2ality는 TS와 JS 명세를 매우 자세하고 철저하게 다루는 블로그라 오히려 취향에 맞을 것임. Josh W Comeau도 마찬가지임. https://2ality.com/ https://www.joshwcomeau.com/
이런 블로그들이 사라지는 것이 안타깝고, 지금 권한을 쥔 이들을 보면 그 대가로 얻은 것이 과연 가치 있었는지 모르겠음.

튜토리얼에서 큰 도움을 얻은 뒤 문서로 돌아가 직접 구현하곤 했음. 우리 사이트들이 봇의 집중적인 접근을 받는 모습을 보면, 실제로는 LLM의 영향이 얼마나 큰 것인지 궁금함.

지역 대학에서 대형 디젤 장비 정비를 배우는데, 내게는 교사의 효용이 매우 작게 느껴짐. 전자 교과서와 강의 자료를 Claude에 넣고 Discord 봇을 만들어 퀴즈 생성, 진도 추적, 결과에 따른 학습 안내서 작성을 맡김.
지금까지 만난 어떤 교사보다 낫다고 느낌. 새벽 3시에도 특정 부분을 설명해 달라고 하면 즉시 답하고, 슬라이드를 읽고 보충 설명과 질의응답을 하는 수업을 완전히 개인화해 제공함.
출석 의무 외에 교사가 왜 필요한지 모르겠으며, 이런 변화 속에서 교직이 살아남을지 회의적임. 내년에는 집에서 자기 속도로 듣는 과정이 생기기를 바람.

학습 성과를 독립적으로 검증해 봤는가? AI가 빠르게 발전하니 Claude가 반년 전 못 하던 일을 이제 할 수 있다는 가능성은 열어 둠. 다만 지금까지 AI로 배운 사람들은 자신감은 높아도, 전통적인 문제 풀이로 숙련도를 보여 달라고 하면 입증하지 못하는 경우가 있었음.

개인적인 만족을 위해 배우는 것인가, 아니면 생계를 위한 기술을 얻으려는 것인가? 내가 보기에는 교사뿐 아니라 모두가 쓸모없어지는 방향이라 묻는 것임.

핵심은 부실한 교사나 교육과정임. LLM이 더 잘하는 일은 맡기고, 교사는 LLM이 못 하는 일에 집중해야 함. 슬라이드를 읽기만 하는 수업은 원래부터 문제였음.
강사는 연료 분사 펌프를 분해하거나 공기가 찬 분사 레일에서 공기를 빼는 실습을 시켜야 함. 책으로 읽을 수는 있지만 직접 해보기 전에는 제대로 할 줄 안다고 보기 어려움.

요지에 꼭 반대하는 것은 아니지만, 이미 서구 사회를 괴롭히는 외로움과 고립은 모두 집에서 공부하면 더 심해질 것임. 학교는 지식뿐 아니라 사회성, 인내, 겸손, 학습법, 타인과의 상호작용을 배우는 곳이기도 함.
유능한 에이전트 운용자를 생산하는 데 최적화하려면 효율적인 방식일 수 있음. 하지만 자본주의와 개인주의가 가져온 편리함 속에서, 불확실한 우주를 잠시 함께 살아가는 인간이라는 사실을 잊은 것은 아닌지 생각하게 됨. 죽을 때까지 AI를 부리며 일만 하는 것이 삶에 대한 좋은 답 같지는 않음.

나도 아이를 낳기 전에는 그렇게 생각했음. 아이들은 대체로 배우고 싶어 하지만, 교사가 가르치는 것이 지금 배울 최선의 내용이라고는 생각하지 않는 경우가 많음. 학생의 자만심은 AI를 포함한 어떤 기술도 해결하지 못하며, 대개 해결하려는 시도조차 하지 않음.
이는 성인에게도 적용됨. 교사는 배움에 필요한 겸손을 기르도록 돕는 역할을 계속해야 함. 스스로 지식을 흡수할 겸손과 열의가 충분한 경우는 드물기에, 사회에는 여전히 교사가 필수적임.

블로그와 무료 온라인 책의 트래픽이 감당할 수 있는 비용을 넘어섰다니 안타까움. 웹 기술에 정통한 사람이 이렇게 취약한 구성을 쓴다는 것이 의외임. Cloudflare Pages나, CDN을 피하고 싶다면 4달러짜리 VPS로도 이 블로그가 현실적으로 받을 트래픽은 처리할 수 있을 것임.

비용이 많이 드는 것과 시스템이 취약한 것은 별개의 문제임.

화가 나는 이유는 이해하지만, 실제로는 챗봇이 강의나 튜토리얼보다 배우기 쉽고 편함. 지금 새로운 라이브러리에 관해 궁금한 것이 생기면 Google에서 튜토리얼을 찾기보다 ChatGPT에 바로 물어보겠음.

그것은 무엇을 질문해야 할지 안다는 전제임. 접근성이나 보안의 존재 자체를 모르면 어떻게 배울 수 있는가? 게다가 대부분은 AI로 배우기보다 AI가 대신 해주기를 바람.

영향은 두 갈래라고 봄. 업무 상당 부분을 LLM으로 대체할 수 있고 실제로 대체되고 있으니, 이 일을 배우려는 사람 자체도 줄어듦.

봇에게 배우는 것인가, 아니면 봇에게 일을 시키는 것인가?

인간이 영원히 지금과 같을 수는 없다는 점도 받아들여야 함. 기술을 뇌와 몸에 직접 주입할 수 있다면 어떻게 하겠는가? 학습 없이도 능력을 얻고 더 복잡한 문제를 해결하는 미래임. 공상과학처럼 들리지만, 인류가 우주로 확장하려면 DNA 수정이나 신체와 컴퓨터·로봇 기술의 결합이 필요할 것이라고 봄. LLM과 AI는 더 복잡하고 뛰어난 능력으로 향하는 다음 단계임.
외국어를 모국어처럼 구사하는 능력을 즉시 얻을 수 있는데도, 오래 걸리고 완벽한 숙달도 보장되지 않는 전통적인 학습을 택하겠는가? 더 빠르고 강한 몸, 높은 지구력, 수중 호흡 능력도 인류가 꿈꿔 온 것들임.
우리는 삶을 더 편하게 만들면서 우주라는 더 큰 규모로 생각해야 함. 아직 바다와 육지도 다 알지 못하지만, 모든 분야에서 인간의 능력이 향상된다면 무엇을 할 수 있을지 상상해 볼 만함. AI를 인간과 통합하기는 어렵겠지만 해법을 찾기를 바람. 나도 여러 능력을 더 쉽게 얻고 싶으며, 모델의 출력을 읽고 검증하는 수준을 넘어 그 능력이 뇌와 몸 안에 들어오는 미래를 기대함.