인공지능(AI)은 사람들이 프로그래밍을 배우는 방식을 변화시켰습니다.

이제 초보자도 AI 비서에게 오류 설명 요청, 함수 생성, SQL 쿼리 작성, 웹페이지 구축, 심지어 전체 애플리케이션 제작까지 부탁할 수 있습니다. 한때 문서 검색에 몇 시간이 필요했던 작업이 때로는 잘 작성된 프롬프트 몇 개로 줄어들기도 합니다.

이러한 편리함은 강력하지만, 중요한 질문을 던집니다:

개발자들이 실제로 프로그래밍을 배우고 있는 것일까요, 아니면 단지 AI에게 코드를 요청하는 방법을 배우는 것일까요?

AI는 훌륭한 프로그래밍 튜터가 될 수 있지만, 이해를 대체하기 위해서가 아니라 강화하기 위해 사용될 때만 그렇습니다. GitHub 자체도 AI가 생성한 코드가 정확해 보이지만 실제로는 부정확하거나 부적절할 수 있다고 경고하며, 이를 자동으로 신뢰하기보다는 검토하고 테스트할 것을 권장합니다. 따라서 가장 좋은 접근 방식은 AI를 피하는 것이 아닙니다.

그것은 기초를 과정의 중심에 두고 AI와 함께 프로그래밍을 배우는 것입니다.

AI 시대에도 여전히 중요한 프로그래밍 기초

프로그래밍 언어와 개발 도구는 계속해서 변화할 것입니다.

Python이 더 인기를 얻을 수도 있고, 새로운 JavaScript 프레임워크가 나타날 것이며, AI 코딩 어시스턴트는 더욱 강력해질 것입니다. 개발 환경은 반복적인 작업을 자동화하는 것을 계속할 것입니다.

하지만 근본적인 프로그래밍 개념들은 기술 전반에 걸쳐 유용하게 남아 있습니다.

다음 항목들을 이해하는 개발자는:

• 변수(Variables)
• 자료형(Data types)
• 함수(Functions)
• 조건문(Conditions)
• 반복문(Loops)
• 자료 구조(Data structures)
• 알고리즘(Algorithms)
• API
• 데이터베이스(Databases)
• 디버깅(Debugging)
• 버전 관리(Version control)
• 소프트웨어 아키텍처(Software architecture)
• 테스트(Testing)

이러한 기술들을 다른 언어와 프레임워크에 전이할 수 있습니다. 코드를 생성하는 방법만 아는 사람은 생성된 해결책이 작동하지 않을 때 어려움을 겪을 수 있습니다.

이것이 AI를 사용하여 코드를 작성하는 것과 AI가 작성한 코드를 이해하는 것 사이의 차이입니다.

AI와 함께 프로그래밍을 배울 때 가장 큰 위험성

가장 큰 문제는 AI가 코드를 생성한다는 사실 자체가 아닙니다.

문제는 초보자들이 코드를 이해하지 못한 채 그대로 받아들일 때 발생합니다.

학생이 AI에게 다음과 같이 질문한다고 상상해 보세요:

"Python으로 로그인 시스템을 만들어 줘."

AI는 여러 파일, 데이터베이스 로직, 인증 함수, 유효성 검사(validation), 오류 처리 등을 생성합니다.

애플리케이션이 작동할 수도 있습니다.

하지만 학생이 인증이 어떻게 작동하는지, 왜 비밀번호를 안전하게 처리해야 하는지, 데이터베이스 쿼리가 무엇을 하는지, 또는 애플리케이션이 잘못된 입력에 어떻게 반응하는지 설명할 수 없다면, 그들은 반드시 프로그래밍을 배운 것이 아닙니다.

그들은 해결책을 얻는 방법을 배웠을 뿐입니다.

이러한 구별은 문제가 바뀔 때 중요해집니다.

AI는 익숙한 요청에 대한 답을 생성할 수 있습니다. 하지만 개발자는 요청이 낯설할 때 어떻게 추론해야 하는지 이해해야 합니다.

AI를 지름길이 아닌 튜터로 활용하기

AI를 통해 프로그래밍을 배우는 가장 좋은 방법 중 하나는 AI에게 부여하는 역할을 바꾸는 것입니다.

"나를 위해 코드를 작성해 줘." 라고 말하는 대신,

"먼저 개념을 설명해주고, 그다음에 작은 예시를 보여줘." 라고 요청해 보세요.

"이 코드를 고쳐줘." 라는 대신,

"이 코드가 왜 실패하는지 파악하는 것을 도와줘. 해결책을 보여주기 전에 힌트를 줘." 라고 시도해 보세요.

"이 프로젝트를 만들어 줘." 라는 대신,

"이 프로젝트를 더 작은 프로그래밍 개념들로 나누고, 하나씩 구현할 수 있도록 도와줘." 라고 요청해 보세요.

이는 학습 과정에 참여하도록 강제합니다.

GitHub 자체 문서에는 Copilot을 튜터처럼 작동하도록 설정하여 기본적인 코딩 개념을 설명하고, 단순히 해결책을 제공하기보다는 학습자가 전체적인 접근 방식을 이해하는 데 초점을 맞추는 학습 워크플로우가 포함되어 있습니다. ([[GitHub Docs][2]])

이것이야말로 초보자에게 훨씬 건강한 AI와의 관계입니다.

프레임워크보다 개념을 먼저 배우기

새로운 개발자들이 흔히 저지르는 실수는 프레임워크로 바로 뛰어드는 것입니다.

초보자는 근본적인 개념들을 이해하지 못한 채 React, Next.js, Django, Laravel 또는 다른 프레임워크로 시작할 수 있습니다.

프레임워크는 유용하지만, 기본 원리(fundamentals)를 대체할 수는 없습니다.

예를 들어, React 애플리케이션을 구축하는 데 AI의 도움을 요청하기 전에 기본적인 JavaScript 개념을 이해하세요.

데이터베이스 기반 애플리케이션을 구축하기 전에 다음을 이해해야 합니다:

• 데이터가 무엇인지
• 테이블이 무엇인지
• 관계(relationships)가 무엇인지
• 쿼리(queries)가 무엇을 하는지
• CRUD가 무엇을 의미하는지
• 검증(validation)이 왜 중요한지

API를 구축하기 전에 다음을 이해해야 합니다:

• 요청(Requests)
• 응답(Responses)
• HTTP 메서드
• 상태 코드(Status codes)
• 인증(Authentication)
• JSON과 같은 데이터 형식

AI는 이러한 모든 개념을 설명하는 데 도움을 줄 수 있습니다.

하지만 프레임워크가 이를 숨기도록 의존하기 전에 근본적인 아이디어를 학습해야 합니다.

설명, 예측, 테스트 방법을 사용하세요

단순한 학습 시스템은 AI가 모든 사고를 대신하는 것을 방지하는 데 도움을 줄 수 있습니다.

세 단계를 사용하세요:

1. 설명(Explain)

AI에게 프로그래밍 개념을 간단한 언어로 설명해 달라고 요청하세요.

예시:

"재귀(recursion)를 이해하지만 재귀를 사용해 본 적이 없는 사람에게 설명하듯이 설명해 주세요."

아이디어에 집중하세요.

즉시 코드를 복사하지 마세요.

2. 예측(Predict)

AI에게 해결책을 요청하기 전에, 무슨 일이 일어날지 예측해 보세요.

프로그램을 디버깅하는 경우, 스스로에게 물어보세요:

• 이 함수는 무엇을 반환해야 하는가?
• 어떤 줄이 먼저 실행되어야 하는가?
• 이 변수는 어떤 값을 포함해야 하는가?
• 입력이 변경되면 무슨 일이 발생하는가?

이는 프로그래밍 추론 능력(programming reasoning)을 개발시킵니다.

3. 테스트(Test)

직접 시도해 보세요. (Write your own attempt.)

실행해 보세요. (Run it.)

결과를 살펴보세요. (Look at the result.)

그 후에만 AI를 사용하여 무엇이 잘못되었는지 식별하는 데 도움을 받으세요.

이 과정은 AI가 학습 루프(learning loop)를 대체하는 것이 아니라, 그 일부가 되게 만듭니다.

답변을 요청하기 전에 힌트를 요청하세요

막히면 즉시 전체 해결책을 요청하지 마세요.

진행 단계(progression)를 시도해 보세요.

레벨 1: 힌트 요청 (Ask for a hint)

"제가 무엇을 확인해야 할지에 대한 힌트를 하나 주세요."

레벨 2: 설명 요청 (Ask for an explanation)

"이 문제를 해결하는 데 제가 이해해야 하는 개념을 설명해 주세요."

레벨 3: 디버깅 가이드라인 요청 (Ask for debugging guidance)

"코드를 다시 작성하지 않으면서 제 추론이 어디서 잘못되고 있는지 지적해 주세요."

레벨 4: 해결책 요청 (Ask for a solution)

스스로 시도해 본 후에야 AI에게 전체적인 접근 방식을 보여달라고 요청해야 합니다.

이 방법은 프로그래밍을 배우면서 겪게 되는 생산적인 어려움(productive struggle)을 유지시켜 줍니다.

목표는 모든 문제를 쉽게 만드는 것이 아닙니다.

목표는 문제 해결 능력을 향상시키는 것입니다.

설명할 수 없는 코드는 복사하지 마세요

AI를 활용한 학습을 극적으로 개선할 수 있는 간단한 규칙이 있습니다:

코드를 설명할 수 없다면, 그 과제를 완료했다고 간주하지 마십시오.

만약 AI가 다음과 같은 내용을 포함하는 함수를 생성했다면:

• 반복문 (loop)
• 조건문 (conditional statement)
• 배열 메서드 (array method)
• 비동기 작업 (asynchronous operation)
• API 요청 (API request)

당신은 각 주요 부분이 무엇을 하는지 설명할 수 있어야 합니다.

스스로에게 물어보세요:

이 코드는 어떤 문제를 해결합니까?

왜 이 접근 방식이 사용되고 있습니까?

입력이 변경되면 어떻게 됩니까?

API가 실패하면 어떻게 됩니까?

이 솔루션의 한계는 무엇입니까?

만약 이러한 질문들에 답할 수 없다면, 멈추고 근본적인 개념들을 학습해야 합니다.

대규모 애플리케이션을 생성하기보다 작은 프로젝트를 만드세요

AI는 대규모 프로젝트를 생성하는 것을 믿을 수 없을 만큼 쉽게 만듭니다.

하지만 이것이 초보자에게는 오히려 해로울 수 있습니다.

만약 AI에게 전체 작업 관리 애플리케이션(task-management application)을 구축해 달라고 요청한다면, 수천 줄의 코드를 받을 수도 있습니다.

인상적으로 보일 수는 있지만,

이해하기 불가능하게 될 수도 있습니다.

대신 작은 프로젝트들을 만드세요.

예를 들어:

프로젝트 1

간단한 계산기(calculator)를 만드세요.

배울 점:

• 변수 (Variables)
• 함수 (Functions)
• 조건문 (Conditions)
• 입력 처리 (Input handling)

프로젝트 2

할 일 목록(to-do list)을 만드세요.

배울 점:

• 배열 (Arrays)
• 객체 (Objects)
• DOM 조작 (DOM manipulation)
• 이벤트 (Events)

프로젝트 3

작은 API를 만드세요.

배울 점:

• HTTP
• 라우트 (Routes)
• 요청 (Requests)
• 응답 (Responses)

프로젝트 4

애플리케이션을 데이터베이스에 연결하세요.

배울 점:

• 데이터 모델링 (Data modeling)
• 쿼리 (Queries)
• CRUD 작업 (CRUD operations)
• 유효성 검사 (Validation)

AI는 모든 단계에서 도움을 줄 수 있지만, 프로젝트는 당신이 이해할 수 있을 만큼 작게 유지되어야 합니다.

문서를 대체하는 것이 아니라 설명하기 위해 AI를 사용하세요

프로그래밍에는 문서를 읽는 과정이 필요합니다.

근본적으로 피할 수 없는 부분입니다.

개발자는 API, 라이브러리, 프레임워크, 설정 파일, 오류 메시지, 기술 사양 등을 정기적으로 이해해야 합니다.

AI는 문서를 더 쉽게 이해하도록 도울 수 있습니다.

AI에게 문서 전체를 대체해달라고 요청하는 대신, 관련 섹션을 제공하고 다음과 같이 질문하세요:

"이 문서를 간단한 용어로 설명해주고 작은 예시를 하나 들어줘."

그런 다음 원래 문서로 돌아가세요.

이렇게 하면 중요한 습관을 형성할 수 있습니다:

AI는 당신이 출처(source)를 이해하도록 돕습니다. 권위는 여전히 출처에 있습니다.

이는 AI가 구식이거나 부정확한 기술 정보를 제공할 수 있기 때문에 특히 중요합니다.

문서를 개인 학습 시스템으로 전환하기

긴 기술 문서는 공부하기 어려울 수 있습니다.

개발자는 같은 페이지를 반복해서 읽는 대신, 중요한 개념들을 질문으로 바꿀 수 있습니다.

예를 들어:

질문:
HTTP 404 상태 코드는 무엇을 의미하나요?

답변:
요청된 리소스를 찾을 수 없었다는 것을 의미합니다.

또는:

질문:
데이터베이스 인덱스의 목적은 무엇인가요?

목표는 수동적인 읽기를 검색 연습(retrieval practice)으로 바꾸는 것입니다.

GoodOff와 같은 도구는 원본 자료를 다양한 학습 형식으로 변환하여 이러한 워크플로우를 지원할 수 있습니다. 개발자는 PDF, 메모, 문서, 슬라이드 또는 기타 자료를 GoodOff로 가져와 플래시카드, 퀴즈, 학습 가이드 및 출처 기반 설명(source-grounded explanations)을 만들 수 있습니다. (GoodOff)[3]

이 도구의 플래시카드 시스템은 능동적 회상(active recall)을 중심으로 설계되었으며 FSRS 간격 반복(spaced repetition)을 사용하여 복습 일정을 잡습니다. (GoodOff)[4]

이는 다음을 학습할 때 특히 유용할 수 있습니다:

• 프로그래밍 문서
• 강의 노트
• 자격증 자료
• 기술 PDF
• API 문서
• 컴퓨터 과학 개념
• 소프트웨어 아키텍처

목표는 더 많은 노트를 만드는 것이 아닙니다.

목표는 배운 것을 검색하고 적용할 기회를 더 많이 만드는 것입니다.

퀴즈를 사용하여 실제로 무엇을 알고 있는지 발견하기

프로그래밍 지식을 과대평가하는 가장 쉬운 방법 중 하나는 개념을 읽으면서 인지하는 것입니다.

당신은 이렇게 생각할 수 있습니다:

"이해했어."

하지만 보고 보지 않고 그것에 대한 질문에 답할 수 있나요?

스스로 테스트해보세요.

함수(function)를 공부한 후, 다음을 물어보세요:

• 함수란 무엇인가요?
• 함수는 왜 유용한가요?
• 매개변수(parameter)란 무엇인가요?
• 반환 값(return value)이란 무엇인가요?
• 함수가 예상치 못한 입력을 받으면 어떻게 되나요?

API를 공부한 후, 다음을 물어보세요:

• API란 무엇인가요?
• 엔드포인트(endpoint)란 무엇인가요?
• HTTP 요청(HTTP request)이란 무엇인가요?
• GET과 POST의 차이점은 무엇인가요?
• 404 응답은 무엇을 의미하나요?

GoodOff는 학습 자료로부터 퀴즈를 생성하고 답변에 대한 설명을 제공하여, 학생이 단순히 다시 읽는 것에 의존하는 대신 지식의 공백(gap)을 파악할 수 있도록 합니다. ([[GoodOff][5]])

이는 개념을 이해하는 것과 그것을 검색해낼 수 있는 것은 다른 기술이기 때문에 특히 기술적인 주제에 유용합니다.

AI를 사용하여 사고 과정 디버깅하기

디버깅(Debugging)은 가장 중요한 프로그래밍 기술 중 하나입니다.

AI가 여기서 매우 유용할 수 있지만, 단순히 오류 메시지를 붙여넣고 응답을 복사하는 것보다 더 좋은 접근 방식이 있습니다.

먼저, 당신이 기대했던 바를 설명하세요.

다음으로, 실제로 무슨 일이 일어났는지 설명하세요.

그 다음, 관련 코드를 보여주세요.

예를 들어:

"저는 이 함수가 세 개의 항목을 반환할 것으로 예상했지만, 빈 배열이 반환됩니다. 제가 기대했던 것, 관찰한 것, 그리고 관련 코드는 다음과 같습니다. 가능한 원인을 파악하는 데 도움을 주세요."

이는 기술적인 문제를 명확하게 전달하는 방법을 가르쳐 줍니다.

그런 다음 AI에게 물어볼 수 있습니다:

• 내가 어떤 가정을 하고 있는가?
• 무엇부터 테스트해야 하는가?
• 어떤 변수를 검사해야 하는가?
• 이 결과를 초래할 수 있는 가능한 원인은 무엇인가?
• 각 가능성을 제거하는 실험은 무엇일까?

이제 AI는 코드 판매 기계(code vending machine)라기보다는 디버깅 파트너가 됩니다.

AI가 생성한 코드는 항상 테스트하기

이것은 AI 지원 프로그래밍에서 가장 강력해야 할 규칙 중 하나여야 합니다.

생성된 코드가 컴파일된다고 해서 자동으로 정확한 것은 아닙니다.

GitHub의 문서에는 AI가 생성한 코드는 부정확할 수 있으며, 신중한 검토와 테스트를 권장한다고 명시되어 있습니다. 또한, 생성된 코드가 보안 문제를 야기하거나 기존 코드베이스의 아키텍처 및 스타일에 맞지 않을 수 있다는 경고도 포함하고 있습니다.

따라서 AI가 코드를 생성한 후에는 다음 과정을 거쳐야 합니다:

1. 읽어봅니다.
2. 논리를 이해합니다.
3. 실행해 봅니다.
4. 정상적인 입력값으로 테스트합니다.
5. 특이한(unusual) 입력값으로 테스트합니다.
6. 실패 케이스를 테스트합니다.
7. 보안적 영향을 확인합니다.
8. 공식 문서와 비교합니다.
9. 마치 다른 개발자가 작성한 것처럼 검토합니다.

이 과정은 단순히 안전을 위한 것만이 아닙니다.

또한 학습의 과정입니다.