코딩도 과제도 AI가 다 하는 시대, 컴공에서는 무엇을 배워야 할까? | 서울대 이재욱 교수 | 샤로잡다 시즌2 (ENG CC)

핵심 요약

• AI는 코드 작성·초안 구현을 크게 자동화해 갈 가능성이 높지만, 무엇을 만들지 정의하고 결과를 검증·개선하는 일은 여전히 인간의 핵심 역할로 남는다는 관점이다.
• 바이브 코딩은 비전공자도 빠른 프로토타입을 만들게 하지만, 실제 서비스는 예외 처리·보안·신뢰성에서 99% 성공으로도 부족할 수 있다. AI의 가능성과 한계를 모두 아는 사용자의 생산성이 더 높아질 수 있다.
• 컴퓨터공학의 본질은 특정 언어로 코드를 쓰는 기술만이 아니라, 복잡한 문제를 계산 가능한 단계로 추상화하고 데이터·알고리즘으로 해법을 설계하는 사고방식이라고 설명한다.
• AI 시대의 중요한 역량은 구현 경험을 바탕으로 AI를 적절히 위임하는 능력, 문제 정의, 해법을 판별하는 안목, 비평과 반복 실험이다. 교육도 정답형 과제보다 설계·릴리스·평가 경험을 늘리는 방향으로 바뀌어야 한다.

챕터별 요약

1. AI가 바꾸는 개발 업무 (01:27~07:08)

• 코드 작성과 개선의 자동화 비중은 매우 커질 수 있지만, 요구사항을 나누고 구현 목표를 정의하며 에이전트를 관리하려면 실제 엔지니어링 감각이 필요하다. AI는 코드 데이터가 풍부하고 구조가 명확한 소프트웨어 분야에서 특히 빠르게 발전했다.

2. 바이브 코딩의 효용과 한계 (04:19~09:13)

• 바이브 코딩은 현업의 작은 문제를 빠르게 해결하는 데 유용하지만, 프로덕션에서는 작은 오류율도 다수 사용자·금융·보안 환경에서 큰 사고가 될 수 있다. AI를 잘 쓰려면 할 수 있는 범위뿐 아니라 하지 못하는 한계도 알아야 한다.

3. 컴공 교육·개발자 커리어의 변화 (07:08~19:49)

• 기본 개념과 구현 훈련은 결과를 해석·검증하기 위해 계속 필요하며, 교육은 AI 사용을 전제로 문제 정의·설계·비평·프로젝트 릴리스 경험을 강화해야 한다. 초급 개발자 진입은 어려워질 수 있지만, AI로 해결 가능한 문제와 산업의 전체 범위는 커질 수 있다는 전망을 제시한다.

한줄 결론

• AI 시대의 경쟁력은 코드를 많이 타이핑하는 능력보다 현실의 문제를 찾아 정의하고, AI가 만든 해법을 책임 있게 검증·완성하는 능력에 있습니다.