진로·전공·5분·2026-09-13 발행

AI 시대 컴퓨터공학과 진학, 진짜 실력 쌓는 법

서울대 연구팀과 해외 연구진의 2026년 실험 결과를 바탕으로 AI 의존이 디버깅 능력에 미치는 영향과 대입 탐구 활동 적용법을 정리했습니다.

출처 · 서울대 연구팀·해외 연구진 2026년 실험 연구

한 문장 답변

AI에 전적으로 의존해 과제를 수행한 집단은 AI 없는 독립 평가에서 정답률이 17%포인트 낮게 나와, 컴퓨터공학과 진학을 준비한다면 AI 없이도 스스로 오류를 찾아 고치는 훈련이 필요합니다.

컴퓨터공학과 준비 전 확인할 3가지

AI 시대에 컴퓨터공학과 진학을 준비하기 전 확인할 지표는 다음 세 가지입니다.

✓AI 의존 집단은 AI 없는 시험에서 정답률이 17%포인트 낮게 나왔습니다.
✓디버깅 영역에서 성적 격차가 가장 크게 벌어졌습니다.
✓하버드대와 IBM도 AI 활용 방식을 재설계하고 있습니다.

생성형 AI 도구가 발전하면서 코딩을 AI가 대신 해주는데 대학에서 전공 공부를 하는 것이 의미가 있을지 걱정하는 목소리도 있지만, 핵심은 단순한 코드 작성이 아니라 문제의 원인을 파악하고 직접 해결하는 실력을 어떻게 키우느냐에 달려 있습니다.

AI에 의존하면 실력이 얼마나 떨어질까요?

서울대 연구팀과 해외 주요 연구진의 2026년 실험 결과는 수동적 AI 활용의 위험성을 보여줍니다. 과제 수행 시 AI에 전적으로 의존한 집단은 AI를 제거한 독립 평가에서 단순 구현과 디버깅 능력이 상대적으로 저하됐습니다.

AI 도움을 받아 과제를 마친 학생들과 직접 코딩한 그룹을 대상으로 AI 없이 시험을 봤더니 정답률에서 약 17%포인트 차이가 났습니다. 오류 원인을 추적하고 수정 방안을 모색하는 반복적 시도가 줄어들면서 지식의 구조화가 제대로 이루어지지 않았기 때문입니다.

디버깅 영역에서 격차가 가장 컸다는 점은 시사하는 바가 큽니다. 코드를 작성하는 능력보다 코드가 작동하지 않을 때 원인을 추적하는 능력이 AI 의존으로 더 빨리 약해진다는 뜻이며, 이는 실제 개발 현장에서 가장 많은 시간을 쓰는 작업이 디버깅이라는 점에서 더 중요하게 다뤄야 할 문제입니다.

하버드와 IBM은 왜 방식을 바꿨을까요?

교육계와 산업 현장도 발 빠르게 움직이고 있습니다. 하버드대의 대표 프로그래밍 강좌인 CS50x는 2026년 학업윤리 가이드라인을 통해 정답을 바로 제공하는 외부 AI 사용을 제한하고, 힌트로 생각을 유도하는 자체 AI 튜터를 도입했습니다.

IBM 역시 2026년 신입 개발자 채용에서 단순 코딩을 넘어 고객의 문제를 직접 파악하고 협업하는 직무로 역할을 재설계했습니다. 결과물을 빠르게 만드는 능력보다 문제를 정의하고 검증하는 역량이 더 중요해진 셈입니다.

두 사례 모두 AI 사용 자체를 막기보다 사용 방식을 재설계했다는 공통점이 있습니다. 정답을 곧바로 주는 도구 대신 스스로 생각하게 만드는 도구로 AI의 역할을 제한한 것으로, 학생 개인이 공부할 때도 같은 원칙을 적용해 볼 수 있습니다.

대입 탐구 활동에는 어떻게 적용해야 할까요?

중고등학생의 교과 탐구 활동이나 생기부를 준비할 때도 이 점을 기억해야 합니다. AI가 써준 보고서나 코드를 그대로 제출하는 것은 수험생 자신의 실력이 되지 않습니다.

AI에게 단순 답을 요구하기보다 개념을 질문하고, 생성된 답변의 오류를 스스로 수정해 본 과정을 기록하는 것이 훨씬 깊이 있는 평가를 받습니다. 오류를 진단하고 조건을 바꿔 재시험해 본 주도적 과정이 담길 때 학생부종합전형에서도 좋은 평가를 받을 수 있습니다.

대학 선택 시 무엇을 봐야 할까요?

컴퓨터공학계열 진학을 목표로 한다면 해당 대학이 실습 중심의 교육과정과 교수진 피드백 체계를 잘 갖췄는지 사전에 점검해야 합니다. 단순히 알고리즘을 암기하는 수업보다 문제 정의부터 수정까지 직접 수행하는 과제가 많은 곳이 유리합니다.

문제 해결의 전 과정을 경험할 수 있는 교육과정이어야 AI 시대에도 대체되지 않는 전문성을 확보할 수 있습니다. 지원 전 대학 홈페이지의 교육과정표와 졸업생 진로 통계를 함께 확인해 두는 것도 도움이 됩니다.

면접이나 학과 설명회에서는 AI 도구를 수업에서 어떻게 다루는지, 과제 제출 시 AI 사용 범위를 어떻게 규정하는지 직접 질문해 보는 것도 좋은 방법입니다. 대학이 AI 활용에 대해 명확한 원칙을 가지고 있는지는 그 학과의 교육 방향을 가늠하는 실질적인 지표가 됩니다.

국어 지도 현장에서는 무엇을 짚어줘야 할까요?

AI가 다 해주니 전공 공부가 의미 없다고 생각하는 학생에게는, AI에 의존할수록 디버깅과 문제 해결 능력은 오히려 떨어졌다는 실험 결과부터 짚어줘야 합니다. 결국 중요한 건 AI를 얼마나 쓰느냐가 아니라 AI 없이도 스스로 오류를 찾아 고칠 수 있는지입니다.

탐구 보고서에서 오류를 스스로 진단하고 고쳐 쓰는 과정을 기록하려면 자신의 논리를 글로 정확히 구성하는 국어 글쓰기 역량이 뒷받침돼야 합니다. OXBOX의 국어 자료는 탐구활동 기록과 자기소개서 작성에 필요한 독해·글쓰기 훈련에 활용할 수 있습니다.

자주 묻는 질문

AI에 의존하면 실력이 얼마나 떨어지나요?

서울대 연구팀과 해외 연구진의 2026년 실험에서 AI 도움을 받아 과제를 마친 학생들과 직접 코딩한 그룹을 AI 없이 시험 봤더니 정답률에서 약 17%포인트 차이가 났습니다. 디버깅 영역에서 격차가 가장 크게 벌어졌습니다.

하버드와 IBM은 왜 AI 활용 방식을 바꿨나요?

하버드대 CS50x는 2026년 학업윤리 가이드라인으로 정답을 바로 제공하는 외부 AI 사용을 제한하고 힌트로 생각을 유도하는 자체 AI 튜터를 도입했습니다. IBM은 신입 개발자 채용에서 단순 코딩을 넘어 문제를 정의하고 검증하는 직무로 역할을 재설계했습니다.

대입 탐구 활동에는 AI를 어떻게 활용해야 하나요?

AI에게 단순 답을 요구하기보다 개념을 질문하고 생성된 답변의 오류를 스스로 수정해 본 과정을 기록해야 합니다. 오류를 진단하고 조건을 바꿔 재시험해 본 주도적 과정이 담길 때 학생부종합전형에서도 좋은 평가를 받을 수 있습니다.

컴퓨터공학계열 대학을 고를 때 무엇을 봐야 하나요?

실습 중심의 교육과정과 교수진 피드백 체계를 잘 갖췄는지 사전에 점검해야 합니다. 단순히 알고리즘을 암기하는 수업보다 문제 정의부터 수정까지 직접 수행하는 과제가 많은 곳이 유리합니다.