바이브 코딩의 등장
요즘 자주 듣는 질문이 있어요.
"AI가 코드를 써주는 시대에, 코딩을 굳이 배워야 할까요?"
ChatGPT에 "할 일 관리 앱 만들어줘"라고 한 줄 입력하면 몇 분 만에 실제로 작동하는 결과물이 나옵니다. 컴퓨터과학자 안드레이 카파시(Andrej Karpathy)가 이름 붙인 바이브 코딩(vibe coding) — 자연어로 시켜서 코딩하는 작업 방식이 빠르게 자리 잡고 있어요.
이런 흐름을 보면 자연스럽게 의문이 따라붙어요.
“그래서 코딩은 이제 안 배워도 되나?”
“어차피 AI가 다 해주는 거 아닌가?”
사라지는 건 "코드 입력"이지, "코딩"이 아닙니다.
오히려 AI가 발전할수록, AI를 사용하는 사람의 사고력이 더 중요해져요.
계산기가 나왔다고 수학이 없어졌을까?
사실 비슷한 질문은 처음이 아닙니다. 계산기가 처음 보급되던 시절에도 똑같은 말이 있었어요.
"계산은 기계가 다 해주는데, 수학 굳이 배워야 하나?"
지금 보면 답은 분명하죠. 계산기가 등장한 뒤로 수학은 사라지기는커녕 더 넓은 영역으로 확장될 수 있었어요. 통계, 데이터 분석, AI까지 — 결국 수학적 사고를 할 줄 아는 사람이 도구를 가장 잘 활용할 수 있었습니다.
다른 예시들도 생각해볼까요? 카메라가 나왔을 때를 생각해 봅시다. 그림을 그리는 화가들은 다 없어졌을까요? ‘똑같이’ 그리는 화가들의 수는 적어졌더라도, 여전히 그림 그리는 사람은 필요했습니다.
번역기가 있으니 외국어 안 배워도 될까요? AI의 발전으로 일상적으로는 배우지 않아도 문제가 없습니다. 그런데 뉘앙스, 문맥, 문화를 이해하는 사람은 여전히 필요해요.
AI와 코딩의 관계도 똑같아요. AI는 굉장히 강력한 도구예요. 계산기가 있더라도 식을 세우고, 결과를 활용하고, 판단하는 수학적 사고는 사람의 몫이었어요. AI와 코딩도 마찬가지입니다. 무엇을 시킬지, 결과가 적절한지, 무엇을 발전시킬지 판단하려면 결국 사고력이 필요해요.
코딩 교육과 함께하는 AI 시대 핵심 역량 3가지
1️⃣ 문제 정의 · 해결 능력 — 문제를 인식하고 해결해나가는 힘
AI에 "스마트폰 앱 만들어줘"라고 시키면 결과가 나오긴 합니다. 하지만 "사용자가 이름을 입력하면 목록에 추가되고, 완료 버튼을 누르면 회색으로 표시되게 해줘"처럼 명확한 명령을 입력했을 때, 원하는 결과물을 더 빠르고 정확하게 만들 수 있어요.
두 명령의 차이는 결국 문제를 얼마나 잘게 쪼개서 정의할 수 있느냐에서 나옵니다. 무엇을 만들 건지, 누구를 위한 건지, 어떤 입력과 출력이 있어야 하는지, 예외 상황은 어떻게 처리할지 — 이 질문에 끝까지 답할 수 있는 사람이 AI를 잘 다뤄요.
코딩을 배운다는 건 이 질문을 자연스럽게 떠올리는 습관을 들이는 과정이에요. 컴퓨터는 막연한 지시를 알아듣지 못하니까요. "회원가입 기능을 만든다"라는 한 문장도 코드로 옮기려면 이메일 형식이 맞는지, 비밀번호 길이는 몇 자 이상인지, 중복 가입은 어떻게 막을지를 하나씩 결정해야 합니다. 이 결정이 쌓이면서 길러지는 게 곧 문제 정의 능력이에요.
AI가 아무리 발전해도 무엇을 만들지 결정하는 사람은 사람입니다. 코딩은 그 결정을 빈틈없이 내릴 수 있도록 사고를 훈련시키는 가장 직접적인 도구예요.
2️⃣ 컴퓨팅 사고력 — "어떻게 풀지" 구조로 옮기는 힘
문제를 정의했다면, 다음은 그 문제를 컴퓨터가 알아듣는 구조로 옮길 차례예요. 큰 문제를 작은 단계로 쪼개고, 조건과 반복을 정리하고, 데이터가 어떻게 흐를지 그려내는 사고. 이걸 컴퓨팅 사고력(Computational Thinking)이라고 부릅니다.
예를 들어 출석 관리 프로그램을 만든다고 해볼게요. 겉으로는 이름 입력하고 출석 체크하면 끝 같지만, 실제로는 결정할 게 한가득이에요.
- 같은 이름의 학생이 있으면 어떻게 구분할까?
- 지각과 결석은 어떻게 나눌까?
- 잘못 입력된 기록은 수정 가능해야 할까?
- 새로고침해도 데이터가 남아 있어야 할까?
머릿속으로만 그릴 땐 이런 질문이 잘 안 떠올라요. "대충 그렇게 되겠지" 하고 넘어가게 되거든요. 그런데 코드로 옮기는 순간 모호함이 사라집니다. 컴퓨터는 비워둔 자리를 그냥 두고 가지 못해요. 빠진 조건이 있으면 오류가 나거나, 더 무섭게는 엉뚱한 결과가 조용히 쌓입니다. 모호함이 강제로 드러나는 환경에서 사고를 다듬게 되는 셈이에요.
이 과정을 반복하다 보면 다른 일을 처리할 때도 자연스럽게 흐름을 그리게 돼요. 입력이 무엇이고, 어떤 경우의 수가 있고, 각 경우에 어떻게 갈라지는지를 머릿속에서 미리 시뮬레이션하게 됩니다. 코딩 문법은 시간이 지나면 잊혀도, 이 사고 습관은 남아요. 오히려 AI와 함께할수록 더 자주 쓰게 됩니다. 잘 시키려면 흐름이 머릿속에 있어야 하니까요.
3️⃣ 검증·판단력 — AI 결과를 평가하고 개선하는 힘
AI가 만든 코드가 항상 정확한 건 아니에요. 더 곤란한 건 그럴듯해 보인다는 점이에요. 여러 변수가 있는 실제 서비스에선 더욱 이 문제가 크게 드러날 수 있어요.
이걸 알아보려면 코드가 어떻게 돌아가는지 읽어낼 줄 알아야 합니다. 그래야 AI가 인식 · 해결하지 못하는 문제가 생겼을 때, 스스로 해결할 수 있어요. 그렇지 못하면 AI가 만든 결과물에 끌려다니게 돼요. 또, 그렇게 만들어진 결과물을 평가하는 것도 사람의 몫이에요. 결과물이 잘 만들어졌는지, 어떤 부분에 개선이 더 필요할지 생각하고 판단하는 능력이 필요해요.
코딩으로 프로그램을 만들고 나면, 오류가 나기도 하고, 개선해야 할 점들이 보이기도 합니다. 그렇게 자신의 코드를 점검하고, 오류를 해결하고, 발전시켜 나가는 과정에서 자연스럽게 검증하고 판단하는 경험이 쌓이게 돼요.
“이것도 다 AI에게 시키면 되지 않아?” 싶은 생각이 드실 수 있습니다. 하지만 아무리 AI가 발전해도 결국 최종적으로 사고하고 판단하는 것은 사람입니다. 이때 필요한 것이 문제를 탐색하고 해결하고 판단할 수 있는 힘이에요.
코딩 교육의 미래는?
세 가지 능력을 중심에 두면, 코딩 수업이 어디로 가야 할지도 자연스럽게 보여요.
☑️ 암기 → 사고 훈련
어떤 문법을 외웠는가보다, 사고하는 과정 자체가 중요해집니다.
☑️ 결과물 → 과정과 설명
"완성했다"보다 "왜 이렇게 만들었는지 설명할 수 있다"가 진짜 학습이에요.
☑️ 혼자 → AI와 함께
문법, 이론 등 코딩의 진입 장벽이 낮아진 만큼, 입문자도 훨씬 빠르게 "만들어 보는 경험"을 가질 수 있어요. 그 경험을 깊이 있는 학습으로 이어주는 게 AI 시대 코딩 교육의 새 역할이에요.
아케오가 코딩 교육에서 보는 것
아케오에서도 이 흐름 위에서 두 가지를 중심에 두고 있어요.
아케오 AI 튜터는 학생에게 정답 코드를 그대로 건네지 않습니다. 막힌 지점에 맞춰 단계별 힌트를 주고, 학생이 다음 줄을 스스로 찾아 나가도록 돕는 방식이에요. 학생이 학습 동기를 잃지 않고, 효율적으로 사고력을 확장시켜 나갈 수 있습니다.
아케오 LMS는 결과물뿐 아니라 학생이 어디서 막혔고 어떤 개념을 어려워했는지를 함께 기록해요. 교사는 학생들의 학습 과정을 한눈에 보면서 수업을 설계할 수 있어요.
AI가 코드를 써주는 시대에 학생에게 필요한 건 더 빠른 정답이 아니라 더 깊은 이해입니다. 빠른 정답은 AI가 해결할 수 있지만 사고력은 스스로 길러야 해요.
AI 시대의 코딩 수업을 고민하고 계시다면
아케오 AI 튜터와 LMS는 학생이 스스로 이해하며 문제를 해결하도록 돕습니다.
질문 자체가 바뀌어야 할 때예요
"AI가 코드를 써주는데 코딩을 배워야 할까?"라는 질문보다, 진짜 물어야 할 것은 다음과 같습니다.
AI가 코드를 쓰는 시대에, 우리는 코딩을 어떻게 배워야 할까요?
답은 분명해요. 코드를 외우는 교육이 아니라, 문제를 정의하고, 구조를 그리고, 결과를 판단하는 힘을 기르는 방향이에요. 꼭 개발자가 되지 않더라도, AI의 기반 중 하나라고 할 수 있는 코딩은 필수 역량 중 하나가 될 거예요.
Share article