AI 시대 컴퓨터공학과 입시와 학생부 세특 준비 전략

컴퓨터공학과 지원 전 핵심 3가지

• ✓서울대학교 컴퓨터공학부 이재욱 교수는 AI 확산이 컴퓨터공학 전공의 폐지가 아니라 본연의 가치를 재발견하는 계기라고 진단합니다. 바이브 코딩으로 구현이 쉬워졌을 뿐, 실제 시스템 구축에 필요한 엄밀성은 그대로 남아 있습니다.
• ✓이재욱 교수의 분석 기준 정확도 95%나 99%짜리 코드가 배포되면 수백만 명에게 오류가 그대로 전달될 수 있어, 금융이나 보안 영역에서는 결과물 검증 능력이 핵심 변수가 됩니다.
• ✓고교 생활기록부 세부능력 및 특기사항 평가의 중심은 AI 도구로 어떤 문제를 정의했고 결과물에 대한 비평을 어떻게 해냈는지입니다. 조건과 제약을 스스로 설계하고 검증한 과정이 기록을 가릅니다.
• ✓컴퓨터공학의 본질은 특정 프로그래밍 언어를 익히는 데 있지 않고 알고리즘적 사고와 데이터 기반 사고를 통합한 계산적 사고 체계를 세우는 데 있습니다. 기획과 개발을 겸하는 기발자 모델이 산업 현장의 인재상으로 언급됩니다.

AI가 코딩을 대신하는데 컴퓨터공학과는 가도 될까요?

인공지능이 코딩 업무를 대체하면서 컴퓨터공학 전공의 유효성에 대한 수험생과 학부모의 의구심이 커지고 있습니다. 코드 작성의 자동화율이 극대화되는 시점에서 학문적 가치와 진로 전략을 다시 정의할 필요가 생겼습니다.

서울대학교 컴퓨터공학부 이재욱 교수가 제시한 진단에 따르면, AI 기술의 확산은 전공의 폐지가 아니라 컴퓨터공학 본연의 가치를 재발견하는 계기가 되고 있습니다. AI 시대일수록 컴퓨터공학이 다뤄 온 문제가 더 선명해진다는 관점입니다.

전공의 유효성을 판단하려면 AI가 무엇을 대체하고 무엇을 남겼는지 구분해야 합니다. 코드를 작성하는 작업은 자동화되고 있지만, 무엇을 만들지 정의하고 만들어진 결과가 옳은지 판단하는 작업은 사람의 몫으로 남아 있습니다.

컴퓨터공학과 지망생에게 필요한 질문도 달라집니다. 코딩을 얼마나 잘하느냐가 아니라, 문제를 어떻게 정의하고 결과를 어떻게 검증하느냐가 전공 적합성을 설명하는 축이 됩니다. 학생부에 남길 활동을 고를 때도 같은 기준이 적용됩니다. AI 도구를 써서 무엇을 만들었는지보다, 그 도구를 쓰기로 한 이유와 결과를 확인한 방법이 기록의 가치를 결정합니다.

바이브 코딩이 퍼진 지금, 검증 역량은 왜 중요할까요?

자연어로 코드를 생성하는 바이브 코딩이 보급되면서 초기 프로토타입 제작의 진입 장벽은 낮아졌습니다. 단순 구현이 쉬워졌다는 뜻일 뿐, 실제 시스템 구축에 요구되는 엄밀성과는 거리가 있습니다. 초기 시제품과 실제 서비스에 쓰이는 실무 수준의 완성도는 별개의 문제입니다.

이재욱 교수의 분석에 따르면 정확도 95%나 99%짜리 코드가 배포될 경우 수백만 명에게 오류가 그대로 전달될 수 있습니다. 이재욱 교수의 분석 기준 10억 명이 쓰는 서비스라면 1%의 오류도 1천만 명에게 영향을 줍니다. 금융이나 보안 영역에서 결과물 검증 능력이 핵심 변수가 되는 이유입니다.

이재욱 교수의 분석에서 빠른 속도로 95%까지 완성하더라도 남은 오류를 잡지 못하면 사고로 이어진다는 점이 강조됩니다. 코드를 생성하는 데서 멈추지 않고 시스템의 예외 상황을 인지해 완성도를 무결점에 가깝게 끌어올리는 주체적 검증 역량이 필요합니다.

AI가 만들어 낸 결과물이 올바른지 판단하는 주체는 사람입니다. 검증 역량은 프로그래밍 감각에서 나오고, 그 감각은 직접 만들어 보고 실패해 본 경험에서 쌓입니다. 고등학생 수준에서도 같은 훈련이 가능합니다. 작은 프로그램을 만든 뒤 입력값을 바꿔 가며 예외 상황을 찾아보고, 실패한 조건을 기록으로 남기면 검증의 절차를 익힐 수 있습니다.

케이퍼빌리티 오버행은 무엇을 뜻할까요?

AI 모델의 성숙 속도에 비해 사용자 활용 역량의 발전이 더딘 현상을 이재욱 교수는 케이퍼빌리티 오버행이라고 부릅니다. 도구의 한계와 적용 가능 범주를 정교하게 파악하는 사용자와 그렇지 못한 사용자 사이에서 생산성 격차가 벌어지는 양상입니다.

앞으로의 격차는 기술을 아느냐가 아니라 AI 도구의 한계를 알고 얼마나 잘 활용하느냐에서 생깁니다. 같은 도구를 쓰고도 결과가 달라지는 지점이 여기에 있습니다.

산업 현장에서는 도메인 지식을 바탕으로 문제를 도출하는 기획자와 이를 기술로 구현하는 개발자의 역량을 통합한 기발자 모델이 부상하고 있습니다. 현실의 문제를 발견하고 문제 자체를 정의하는 능력이 인재상의 중심으로 이동한 셈입니다.

AI 에이전트를 효율적으로 지휘하고 업무를 위임하려면 직접적인 엔지니어링 경험을 통한 기술적 감각이 먼저 쌓여야 합니다. 시스템을 만들어 본 사람만이 무엇을 맡기고 무엇을 직접 확인해야 하는지 구분할 수 있기 때문입니다. 케이퍼빌리티 오버행이라는 진단은 학생에게도 적용됩니다. AI 도구를 능숙하게 쓰는 것과 그 도구가 어디서 틀리는지를 아는 것은 다른 역량이고, 평가에서 인정받는 쪽은 후자입니다.

컴퓨터공학과 지망생 세특, 무엇을 써야 평가받을까요?

서울대 입시와 교육 현장에서 강조하는 바와 같이, 고교 생활기록부의 세부능력 및 특기사항도 단순 산출물 제시 중심에서 벗어나야 합니다. AI 도구를 활용해 어떤 문제를 정의했고 결과물에 대한 비평을 어떻게 수행했는지가 평가의 중심이 됩니다.

AI 도구로 거창한 프로젝트를 완성했다는 결과 나열은 차별화 요소가 되기 어렵습니다. 대안 가운데 왜 특정 방식을 선택했고 어떤 한계를 보완했는지 기록하는 훈련이 필요합니다.

컴퓨터공학의 본질은 특정 프로그래밍 언어를 익히는 데 있지 않습니다. 알고리즘적 사고와 데이터 기반 사고를 통합한 계산적 사고 체계를 구축하는 것이 핵심이며, 복잡한 문제를 추상화해 논리적으로 풀어내는 훈련이 그 중심에 있습니다.

정형화된 과제 해결 방식에서 벗어나 조건과 제약을 직접 설계하고 다각도로 검증한 탐구 과정이 세특 기록의 차별화 요소로 작용합니다. 산출물 하나를 길게 소개하기보다 정의와 검증의 흔적을 남기는 편이 평가에 유리합니다. 기록의 형태도 달라집니다. 무엇을 만들었다는 문장 대신 어떤 조건에서 어떤 결과가 나왔고 그 결과를 어떻게 판단했는지가 문장의 중심에 오면, 같은 활동도 탐구로 읽힙니다.

수험생은 무엇부터 연습해야 할까요?

달라진 대입 환경에서는 단순 지식 습득이나 AI 활용 실적보다, 문제 도출 과정과 대안 선택의 논리적 근거를 명확히 제시하는 역량이 요구됩니다. 정형화된 정답을 찾는 능력보다 정답이 없는 문제에 자신의 시각으로 접근하는 설계 역량이 핵심입니다.

연습의 출발점은 크기를 줄이는 데 있습니다. 자신의 관심 분야에서 소형 과제를 설정하고 반복적인 설계와 평가를 거치는 방식이 먼저입니다. 작은 일상의 문제라도 AI를 활용해 직접 풀어 보고 그 과정을 다각도로 비판해 보는 경험이 재료가 됩니다.

과제 하나를 넓게 벌이기보다 작은 문제를 정의하고 검증하는 사이클을 반복해 본 기록이 더 설득력을 갖습니다. 사이클마다 무엇을 바꿨고 왜 바꿨는지를 남기면 성장의 궤적이 드러납니다.

새로운 기술 패러다임 안에서 수험생이 차별화된 학업 역량을 증명하려면 체계적인 탐구 로드맵을 수립하는 일이 중요합니다. 학기 단위로 다룰 문제의 범위를 미리 정해 두면 세특이 학년마다 따로 놀지 않습니다. 로드맵의 축은 기술 목록이 아니라 문제의 난도입니다. 처음에는 조건이 분명한 문제로 시작하고, 다음 단계에서는 조건 자체를 스스로 정해야 하는 문제로 옮겨 가는 순서가 계산적 사고를 키우는 데 맞습니다.

수업과 상담에는 어떻게 적용할까요?

AI가 코드를 대신 짜 주는 모습을 보면 전공의 미래를 의심하기 쉽습니다. 서울대학교 컴퓨터공학부 이재욱 교수의 진단은 반대 방향을 가리킵니다. 정답을 잘 푸는 능력보다 풀어야 할 문제를 스스로 정의하는 능력이 더 귀해졌다는 것입니다.

지도하는 입장이라면 세특의 초점을 무슨 프로젝트를 했는가에서 무엇을 왜 그렇게 정의했는가로 옮겨 주면 됩니다. 학생에게 결과물을 제출하게 하는 대신, 문제 정의와 검증 근거를 함께 적어 내게 하면 기록이 단단해집니다.

비평의 기준을 함께 정해 두는 것도 도움이 됩니다. 어떤 조건에서 실패했는지, 대안은 무엇이었는지, 왜 그 대안을 골랐는지를 묻는 세 가지 질문만으로도 산출물 중심의 기록이 과정 중심의 기록으로 바뀝니다. 학생과 학부모에게는 전공의 미래를 걱정하기보다 문제를 정의하는 훈련을 시작하자고 안내하는 편이 실질적입니다.

문제를 정의하고 근거를 언어로 정리하는 훈련은 교과를 가리지 않습니다. OXBOX의 공통국어 개념·지문 학습 자료는 학생이 자기 논리를 문장으로 세우는 연습에 활용하실 수 있습니다.