보고서 초안부터 복잡한 코드까지 AI가 몇 초 만에 뚝딱 뽑아내는 세상입니다. 그러다 보니 무언가를 새로 배우려다가도 '어차피 AI가 더 잘할 텐데 지금 배워서 뭐 하나' 하는 생각에 손이 멈칫하곤 하죠.
온라인 커뮤니티 레딧에도 똑같은 질문이 올라왔습니다. "2026년에 코딩을 배우는 게 의미가 있나요?"
사실 코딩만의 이야기가 아닙니다. AI가 계산도 잘해 내고 글도 매끄럽게 써 내려가는데 확률이나 글쓰기를 배워야 할까 싶은 의문이 꼬리를 뭅니다.
사람들의 마음을 흔드는 이 질문 앞에서 스탠퍼드대 컴퓨터공학과 크리스 피치 교수가 입을 열었습니다.
스탠퍼드에서 컴퓨터공학 개론 대형 수업과 AI에 필요한 수학 개론을 가르치는 그는 온라인 프로그래밍 강좌 코드 인 플레이스(Code in Place)도 6년째 이끌고 있습니다. 학생 약 1만 7천 명과 교사 1천 명 이상이 함께하는, 단일 수업으로는 세상에서 교사 수가 가장 많은 프로그램입니다.
온라인 수업에서 프로그래밍을 하고 있는 상황을 한번 상상해 보세요. 열심히 코드를 짜고 있는데 화면 한쪽에 이런 팝업창이 뜨죠.
"지금 선생님이 접속해 있어요. 10분 정도 이야기 나누시겠어요?"
바로 옆에 무엇이든 답해 주는 AI가 있는데도 왜 굳이 선생님이 직접 말을 걸어오는 걸까요.
[아티클 내비게이션]
- AI에게 일을 맡길수록 스치는 불안과 배움의 이유
- 과제 하나에 40시간을 더 쏟은 대학생, '배움'을 파고들다
- 선생님과의 10분 대화가 AI 튜터와 다른 이유
- 자율주행차 예측과 AI에게 생각을 넘길 때 놓치는 것
- AI가 코드를 짜 주는 시대에 진짜 길러야 할 힘
- 계산기가 있어도 아이들이 여전히 곱셈을 배우는 이유
AI에게 일을 맡길수록 스치는 불안과 배움의 이유
요즘은 예전보다 배움의 의욕을 잃는 사람이 부쩍 많이 보입니다.
사람들은 '내가 2026년에 AI로 기여할 수 있는 건 뭘까?'를 고민합니다. 막 대학에 들어간 학생이 마주한 현실은 한층 더 막막합니다. 4년제 과정을 시작하면서 AI가 4년 더 발전해 있을 2030년에 어떤 직업이 남아 있을지부터 걱정해야 하니까요. 피치 교수는 학생들이 마주한 이 큰 불확실성이 자연스럽게 동기부여 문제로 이어진다고 봅니다.
불안은 책상 앞에서도 이어집니다. AI에게 일을 맡기다 보면 문득 찜찜한 의문이 스칩니다. 내가 지금 AI한테서 실제로 무언가를 얻고 있는 걸까, 아니면 내가 성장할 기회를 내줘 버린 걸까. 에세이를 AI에게 계속 맡기다 보면 어느 순간부터는 혼자 힘으로 에세이 한 편 쓰지 못하게 되는 건 아닐까.
코딩도 마찬가지입니다. AI가 코드의 너무 많은 부분을 대신 짜 준다면 프로그램의 아키텍처 핵심을 더 이상 스스로 짜지 못하게 될 수도 있죠.
AI 성능이 점점 더 발전하는 이 시대에 누구나 한 번쯤 이런 기분을 느껴 봤을 겁니다. 그런데 피치 교수는 이 상황에서 "배움을 멈춰도 된다"고 답하는 것만큼은 틀렸다고 딱 잘라 말합니다.
"다음 세대의 지성을 포기하지 말자고요. 논증을 체계적으로 구성하는 법도 배우시고요. 확률적 추론의 깊이도 배우세요. 그리고 네, 프로그래밍하는 법도 배워야 합니다."
AI는 사람의 능력을 몇 배로 키워 줄 수 있습니다. 하지만 피치 교수는 앞으로도 이런 영역에서 똑똑한 사람이 되는 일이 여전히 중요할 거라고 생각합니다. AI를 쓰는 건 재미있는 일이니 여기저기 마음껏 써 보되, 가끔은 멈춰 서서 내가 AI와 함께 성장하고 있는지 돌아봐야 합니다.
과제 하나에 40시간을 더 쏟은 대학생, '배움'을 파고들다
피치 교수가 스탠퍼드 학부생이던 시절에 선택 과목 학점을 채우려고 프로그래밍 수업에 들어갔을 때의 일입니다. 수업에서 선생님이 이런 도전 과제를 던졌죠. "지난 2주간 배운 프로그래밍 지식으로 가장 멋진 걸 만들어 보세요."
당시 피치 교수는 코딩을 제대로 할 줄 몰랐는데도 그 과제에 푹 빠져들었습니다. 정규 수업 시간 외에 그 도전 과제 하나에 무려 40시간을 추가로 쏟아부었습니다. 그만큼 만드는 일이 재미있고 신났던 겁니다.
원래도 배우는 걸 좋아하고 흥미로운 문제를 반기던 호기심 많은 학생이었습니다. 처음부터 교수가 되려던 건 아니었지만 자신이 그렇게 몰입해 배우는 과정을 겪으면서 '사람들은 어떻게 배우는 걸까'를 무척 궁금해하게 됐습니다. 그 호기심이 그를 교수의 길로 이끌었습니다.
세월이 흘러 코로나19가 터졌습니다. 스탠퍼드의 대표적인 코딩 입문 수업을 막 시작하려던 참에 모든 수업이 온라인으로 바뀐다는 소식이 들려왔습니다.
피치 교수는 수업을 온라인으로 옮기는 김에 세상에 도움이 될 만한 일도 함께 해보자고 마음먹었습니다. 물론 강의 영상만 인터넷에 올릴 수도 있었고 사람들도 거기서 무언가 얻어 갈 수는 있었을 겁니다. 하지만 그것만으로는 스탠퍼드 학생이 수업에서 얻는 경험에 한참 못 미친다는 사실을 잘 알고 있었습니다.
스탠퍼드 컴퓨터공학 개론 수업에는 특별한 비결이 있거든요. 바로 '섹션 리더'입니다. 학생보다 나이가 조금 더 많고 커리어에서 조금 더 앞서 있는 사람이 시간을 내어 성장을 도와주는 제도죠.
피치 교수는 이 방식을 온라인에 그대로 옮겨 교사 한 명이 학생 열 명씩 소그룹을 맡는 코드 인 플레이스를 열었습니다. 프로그래밍 언어 파이썬으로 화면 속 작은 로봇 '캐럴'에게 방향을 바꿔 움직이도록 명령을 내리는 법부터 배우는 강좌입니다. 커서나 클로드 코드 같은 도구가 나오기 전부터 시작해 벌써 6년째 이어지고 있고, 그사이 등록자 수는 거의 두 배로 늘었습니다.
선생님과의 10분 대화가 AI 튜터와 다른 이유
사실 우리는 이미 쓸 만한 AI 튜터를 곁에 두고 있지만, 그렇다고 해서 교육 현장이 기대만큼 크게 바뀌지는 않았습니다.
지난 6년 동안 여섯 차례에 걸쳐 진행된 코드 인 플레이스에서는 참가자들에게 AI를 서로 다른 비중으로 쓰게 해 보는 실험을 여러 번 거듭했습니다. 그 과정에서 학습에 실제로 도움이 되는 섬세한 AI 활용법도 찾아냈지만, 동시에 분명한 한계도 확인했습니다. 학생에게 그저 챗봇만 쥐여 주고 알아서 배워 보라고 하면 사람들은 의욕을 잃고 중간에 포기해 버립니다. 배우는 과정에서 타이밍이 맞지 않을 때 AI를 건네면 오히려 배움의 의욕을 꺾어 놓습니다.
반대로 코딩 실습 화면에 뜬 팝업창에서 선생님과 10분 동안 대화를 나누겠다는 버튼을 누르면 강좌를 끝까지 마칠 확률이 10%p 올라갑니다.
흔히 사람은 정확한 답을 알려 주고 AI는 틀린 말을 해서 이런 차이가 생겼을 거라 짐작하기 쉽습니다. 하지만 실제 대화 기록을 들여다보니 입문 수준의 프로그래밍 수업에서는 AI가 정확한 답을 내놓았고 환각 현상도 없었습니다. 오히려 선생님이 늘 맞는 말만 한 것도 아니었습니다.
진짜 차이는 사람이 건네는 동기부여에 있었습니다.
스스로 머리를 써서 생각하려면 에너지가 더 들기 때문에 AI에게 모든 생각을 떠넘기지 않도록 붙잡아 줄 무언가가 필요합니다. 교육에서 가장 값진 것은 언제나 동기부여였고, 학생의 마음을 움직이는 가장 좋은 방법은 그 학생이 똑똑해지기를 진심으로 바란다는 마음을 전해 주는 일입니다.
피치 교수 역시 AI 시대에도 학생들이 똑똑해지는 길을 포기하지 않겠다고 약속합니다. 먼저 기초를 탄탄히 다지고 난 뒤에 AI로 코딩하는 법을 배우는 편이 훨씬 더 효과가 좋다며, 기초 과정을 마치면 그때 AI 활용법을 가르쳐 주겠다고 학생들을 다독이죠.
게다가 지금의 챗봇들은 묻는 말에는 대답을 잘해 주지만 사람에게 호기심까지 불러일으키지는 못합니다. 챗GPT가 먼저 다가와 깜짝 놀랄 만한 것을 보여 주겠다며 사람의 마음을 끌어당기지는 않으니까요.
선생님은 다릅니다. 학생이 질문을 들고 연구실로 찾아오면 피치 교수는 때로 학생이 물어보러 온 주제와 상관없는 이야기를 꺼냅니다. 확률에 관해 정말 멋진 것을 보여 주겠다며 흥미로운 문제를 하나 건네는 식입니다. 학생은 그 안에서 자신을 아껴 주는 마음과 영감을 느끼게 됩니다. 그렇게 호기심 스위치를 켤 수만 있다면 학생은 그날 하루 종일 방금 본 그 멋진 문제만 생각하게 되겠죠.
교사는 학생이 지금 어디쯤 와 있고 어디로 가려는지 알기에 꼭 맞는 예시와 도전 과제를 골라 줄 수 있습니다. AI 튜터의 역할을 단순히 설명을 명쾌하게 해 주는 기능으로만 바라본다면 교육에서 훨씬 더 중요한 본질을 놓칠 수도 있습니다.
자율주행차 예측과 AI에게 생각을 넘길 때 놓치는 것
5년이나 10년 뒤에 어떤 직업이 유망할지 맞혀 보라고 하면 사람들의 예측은 대개 빗나갑니다. 피치 교수가 박사 과정을 밟던 2011년에서 2012년 무렵에 자율주행차 기술이 초기의 굵직한 이정표를 세우고 있었습니다. 만약 그때 자율주행차가 도로를 달리는 모습을 직접 봤다면 택시 기사나 트럭 운전사라는 직업은 앞으로 어떻게 될지 궁금했을 겁니다.
하지만 실제 세상은 그 예상과 다르게 흘러갔습니다. 당시의 우려와 달리 트럭 운전사 일자리는 지금까지도 계속 늘어나고 있습니다. 사람들이 미래를 내다보며 너무 쉽게 보고 넘어간 대목은 무엇이었을까요.
가령 트럭에 값비싼 화물을 실었다면 그 화물을 책임질 사람이 필요하고, 고속도로 위에서는 언제나 예상치 못한 일이 벌어집니다. 운전의 99%는 늘 비슷하게 흘러가더라도 나머지 1%의 드문 돌발 상황이 생기기 마련인데, AI가 그 예외적인 순간까지 완벽하게 다루기는 아주 어렵습니다.
물론 트럭 운전사들에게 앞으로 어떤 미래가 펼쳐질지는 피치 교수도 알지 못하고, 언젠가 전환점이 찾아올 수도 있겠죠. 그 역시 언젠가는 완전한 자율주행차가 나와 모든 자동차를 AI 시스템이 운전하는 세상에서 살게 될 거라고 생각합니다. 다만 돌이켜 보면 우리는 그날이 다가오는 속도를 크게 과대평가했습니다.
AI와 깊이 일해 본 사람이라면 코딩에서도 비슷한 경험을 해 봤을 겁니다. 생각할 거리를 AI에게 너무 많이 넘기다 보면 정작 스스로 문제를 풀어내는 일에서 점점 멀어지는 기분이 들곤 하고, 어느 시점부터는 정말 중요한 부분을 더 이상 스스로 해내지 못하게 될 수도 있습니다.
피치 교수도 평소 AI로 코딩을 많이 하지만 프로그래밍 원리와 프로그램 전체 구조인 아키텍처를 깊이 이해하고 있다는 점이 다릅니다. 만약 전체 구조를 잘 모른다면 AI가 잘못된 결정을 내리기 시작해도 첫 시제품 단계에서는 알아채지 못할 수 있습니다. 그러다 5주쯤 지나 그가 만든 결과물을 학생들이 실제로 쓰기 시작하면 이상한 버그들이 튀어나올 수 있고, 구조를 모르면 그때 학생들을 도와줄 수가 없게 됩니다.
AI가 코드를 짜 주는 시대에 진짜 길러야 할 힘
그렇다면 지금 코딩을 배울 때는 어디에 힘을 쏟아야 할까요.
프로그래밍 공부는 크게 두 가지로 나뉩니다. 하나는 컴퓨터에 지시를 내리는 문법을 익히는 일이고, 다른 하나는 커다란 문제를 작은 조각으로 쪼개어 데이터와 알고리즘을 어떻게 맞물리게 할지 궁리하는 문제 해결입니다. 앞으로 AI는 문법 영역에서 점점 더 뛰어나질 테고, 아마 문제를 어떻게 해결할지 아는 능력이 더 중요해지겠죠. 그러니 배우는 동안에는 문제를 쪼개고 풀어내는 데 집중해야 합니다.
더구나 코딩은 문제 해결을 연습하기에 아주 특별한 분야입니다. 살면서 내리는 수많은 결정은 그 결과가 한참 뒤에야 돌아오기 때문에 무엇이 잘못됐는지 살피며 연습할 기회가 좀처럼 없습니다. 반면 코딩은 내가 짠 논리가 틀리면 결과물이 작동하지 않으니 그 결과를 바로 눈으로 확인하면서 빠르게 다시 시도해 볼 수 있습니다.
결국 훌륭한 엔지니어로 성장하는 길은 실제로 무언가를 만드는 데 얼마나 많은 시간을 쏟았는가에 달려 있습니다. 내 손으로 직접 부딪치며 만들어 보는 일과 클로드 코드가 만들게 하는 일은 엄연히 다르니까요.
그래서 AI를 쓰더라도 그저 맡겨 두는 데서 그치지 않는 편이 좋습니다. 피치 교수가 만약 지금 젊은 세대라면 클로드 코드로 시제품을 여러 개 빠르게 만들어 본 뒤, 그때마다 AI에게 그 결과물을 만들기까지 거친 핵심 과정을 전부 가르쳐 달라고 되물어 볼 겁니다. 그렇게 만들고 되묻기를 거듭하며 경험을 많이 쌓다 보면 어떤 개념이 가장 중요한지 스스로 알아낼 수 있기 때문입니다.
물론 지금은 기술이 빠르게 변하는 혼란스러운 시기이지만, 진입 장벽이 낮아진 덕분에 새로운 기회도 함께 열렸습니다. 이제는 고등학교 3학년 학생이라도 친구와 단둘이서 탄탄한 코드베이스를 갖추고 흥미로운 문제를 푸는 멋진 스타트업을 차릴 수도 있습니다.
그럴수록 어떤 문제를 풀어야 가치가 있는지 알아보는 눈 자체가 중요한 기술이 됩니다. 사용자가 진짜 원하는 것이 무엇인지 살피고 고객이 겪는 문제를 해결해 줄 핵심 기능을 짚어내는 안목 말이죠. 컴퓨터가 해낼 수 있는 일과 사람이 실제로 필요로 하는 일 사이를 이어 주는 것이야말로 수준 높은 기술입니다.
피치 교수도 만약 자신이 주니어 엔지니어라면 시니어 엔지니어가 될 때까지 기다리지 않고 지금부터 이 능력을 키우기 시작할 겁니다.
계산기가 있어도 아이들이 여전히 곱셈을 배우는 이유
우리 아이들이나 조카들이 지금의 우리보다 더 똑똑한 사람으로 자라날 거라는 가정에서 출발해 보면 어떨까요. 어떤 과목이든 맨 아래에는 기초 개념이 깔려 있고 그 위에 복잡한 내용이 층층이 쌓입니다. 다음 세대가 우리보다 더 똑똑해지도록 이끌어 주려면 바탕이 되는 기초를 건너뛸 수 없습니다.
곱셈을 대신 해 주는 계산기가 나온 지는 아주 오래됐지만 아이들은 여전히 학교에서 곱셈을 배웁니다. 계산법을 기계적으로 외워 13 곱하기 7에 재빨리 답하는 능력보다 곱셈이라는 개념이 무엇인지 이해하는 일이 훨씬 더 중요하기 때문입니다. 기초를 건너뛸 수는 없지만 무엇에 집중할지는 좀 더 영리하게 고를 수 있습니다.
정작 AI 시대에 가장 크게 방황하며 의욕을 잃는 건 앞날을 너무 깊이 고민하는 사람들일 때가 있습니다. 반대로 AI로 문제를 풀고 놀라운 것들을 배우며 멋진 일을 해내던 한 학생은 달랐습니다. 피치 교수가 요즘 무슨 생각을 하느냐고 물었더니, 그 학생은 AI의 미래를 두고 딱히 생각하지 않는데 오히려 그 점이 자신이 잘 해낼 수 있게 해 준다고 답했습니다.
시도 때도 없이 하루에 열 번씩은 AI에 대해 생각하곤 하던 피치 교수는 그 대답을 듣고 잠시 생각에 잠겼습니다. 먼 미래를 두고 머리를 싸매는 대신 단순하게 호기심을 품고 배우겠다는 태도였기 때문입니다. 그 모습을 본 날 이후로 피치 교수도 앞서 말한 그 전제, 즉 다음 세대가 우리보다 더 똑똑해질 것이고 다음 세대를 결코 포기하지 않는다는 전제로 하루를 시작합니다. 다음 세대를 왜 챙겨야 하는지 더는 의문을 품지 않고 그걸 당연한 진리로 받아들이기로 한 것이죠.
AI는 사람이 최선의 모습을 보일 때 그 힘을 갑절로 불려 주는 도구입니다. 환자를 아끼는 의사나 학생을 아끼는 교사가 AI를 만나면 훨씬 더 많은 일을 해낼 수 있죠. 늘 젊은 사람들을 만나며 그들이 비판적으로 사고하고 성장하는 모습을 지켜보는 일은 피치 교수에게 영감과 낙관을 줍니다.
다섯 살이 채 안 된 두 아이의 아버지이기도 한 그는 아이들이 살아갈 세상이 정말 멋질 거라고 믿고, 우리 역시 그 세상에 적응해 나갈 거라고 봅니다.
2026년에도 코딩을 배울 의미가 있는지 묻던 첫 질문으로 다시 돌아가 볼까요. 앞으로 최고의 엔지니어는 모든 코드를 다 아는 사람이 아니라, 사람들이 현실에서 겪는 문제를 앱이나 데이터 과학, 연구의 세계와 연결할 줄 아는 사람일지도 모릅니다. 사람들이 실제로 쓰고 사랑할 만한 무언가를 직접 만들며 부딪치다 보면 코딩과 문제 해결 모두에서 뛰어난 사람이 될 기회가 열릴 겁니다.
"그냥 당연하게 받아들이세요. 여러분은 어제보다 오늘 더 똑똑해질 거예요. 하루를 그렇게 시작해 보세요."
📌 크리스 피치가 직접 들려주는 더 자세한 이야기는 EO 영상으로도 만나보세요.
| 편집: 김지윤 | 글: 서용삼