코딩도 과제도 AI가 다 하는 시대, 컴공에서는 무엇을 배워야 할까?

서울대학교에서는 어떻게 바라봤을까

"컴공에 갈 이유는 있다!"

서울대 컴퓨터공학부 AI연구원장 이재욱 교수 인터뷰를 봤네요.

저는 다시 그 때로 돌아갈 수는 없어요. 저야 필드에 있지만 새롭게 준비하는 많은 분들이 있을거라 혹여 참고해보시라고 같이 정리해봅니다.

1. 이제 시간은 writing이 아니라 reading에 쓰인다

먼저 본인의 연구 방식이 먼저 바뀌었다고 하네요.

논문을 쓰든 코드를 짜든 슬라이드를 만들든 예전에는 '쓰는'데 에너지를 쏟았는데, 지금은 읽고 비평하는데 대부분의 시간을 쓴다고요.

아이디어를 만들어내는 일 자체가 쉬워졌기 때문에, 비판적 읽기의 비중이 훨씬 커졌다는 이야기!

↓

2. 코드 작성의 자동화는 100%에 가까워질 수 있다

다만 "무엇을 구현할 것인가, 무엇을 이루려 하는가.." 이걸 정의하는 일은 사람의 영역으로 남을 거라고 보는 입장.

AI와 일하는 건 팀을 관리하는 매니저와 비슷한데, 엔지니어링 경험 없이 좋은 engineering manager가 되기는 어렵다는 비유.

위임조차도 코딩을 알아야 제대로 할 수 있으니까요.

↓

3. 바이브 코딩의 진짜 한계는 '나머지 5%'

광진구청 공무원이 복잡한 규정을 비교해주는 챗봇을 직접 만든 사례처럼, 프로토타입 수준에서는 실제로 유용합니다.

문제는 95% 정확히 동작하는 소프트웨어는 사실상 동작하지 않는 것과 같다는 점입니다. 99%도 마찬가지고요.

10억 명이 쓰는 서비스라면 1%는 1,000만 명이 잘못된 결과를 받는다는 뜻.

금융이나 보안이라면 99%는 대단히 느슨한 기준!

↓

4. Capability overhang

모델의 발전 속도가 사용자의 역량 발전 속도보다 훨씬 빠름.

그래서 파워 유저와 평균 유저 사이의 생산성 격차가 벌어지고, 시간이 갈수록 더 벌어지고 있습니다.

잘 쓰는 사람의 조건은 두 가지입니다.

AI로 할 수 있는 작업의 카테고리를 정확히 아는 것, 못 하는 일의 한계를 아는 것.

↓

5. 학생이 '택배기사'가 되는 문제

교과서 기반 과제는 AI가 100% 정확도로 풀어버립니다.

교수가 문제를 내고 AI가 답을 내면, 학생은 그 사이에서 전달만 하는 택배기사 역할이 됩니다. 이 과정에서 학습은 일어나지 않습니다.

학습은 문제를 정의하는 과정 또는 실제로 푸는 과정, 둘 중 하나에서 일어납니다.

계산기가 있다고 산수를 안 가르치지 않는 것처럼, 결과를 해석하고 평가하기 위한 knowledge threshold를 넘기는 기본 개념 교육은 여전히 필요하다는 입장..

↓

6. 그럼에도 컴공에 가야 하는 이유

컴퓨터공학의 본질은 코딩이 아니라, 다양한 문제를 계산 가능한 형태로 바꿔서 푸는 사고법.

• Algorithmic thinking: 복잡한 문제를 단순한 단계로 분해하기

• Data-driven thinking: 데이터 분포를 분석하고 인사이트를 끌어내기

↓

7. 일자리는 어떻게 될까

Jevons paradox.. 코딩이 쉬워지면 총량이 늘어 파이가 커진다

완전 자동화론 사이 어디쯤일 거라고 봅니다.

ATM이 도입될 때도 은행원이 다 사라진다고 했지만, 실제로는 상담/전략/투자 영역으로 이동하며 새로운 직군이 생겼습니다.

다만 entry-level 개발자의 진입이 어려워진 건 부정할 수 없는 현실이고, 사회가 함께 풀어야 할 숙제..

↓

8. "지금 20살이라면 26학번으로 다시 가겠습니까?"

간다! 지금이 모두에게 공평한 상황이기 때문.

경력자든 신입이든 이 기술은 똑같이 새롭죠.

좋은 아이디어만 있으면 누구든 혁신을 이끌 수 있고, 그 여지가 그 어느 때보다 넓다는 겁니다.

↓

9. 앞으로 더 중요해질 역량: taste

문제를 정의하는 능력, 그리고 무엇이 좋은 해법인지 분별하는 능력입니다.

이 분별력은 많이 만들어보고 많이 버려보는 경험에서 나옵니다.

"이건 좋은 해법이 아니었구나"를 인정하고 버리는 과정에서 taste가 생긴다고요.

커리큘럼도 AI-native 방향으로, 모든 과목이 AI 도구 사용을 전제하고 직접 릴리스해보는 경험과 critique 훈련의 비중을 늘리는 쪽으로 재설계되어야 한다고 봅니다.

↓

10. 기획자-개발자 하이브리드

최근 국내외 AI 경진대회 우승자들을 보면 특정 도메인에 대한 이해가 강한 경우가 많다고 합니다.

어떤 문제를 풀지 정하는 일이 곧 가치 창출이 되는 시대!

↓

11. 비전공자라면

지금 가지고 있는 아주 작고 현실적인 프로젝트부터 AI로 풀어보세요.

여러번 반복하다 보면 AI가 잘하는 것과 못하는 것에 대한 직관이 생긴다고요.

'The Great Equalizer'
모두에게 새롭기 때문에 모두가 같은 출발선에 선다는 뜻.

컴퓨터공학은 코딩을 가르치는 학과가 아니라 복잡한 문제를 추상화해 풀 수 있는 형태로 바꾸는 사고의 틀을 가르치는 학과이고,

그래서 앞으로 오히려 더 중요해질 수 있습니다..!