Preparing Students for AI-Driven Agile Development: A Project-Based AI Engineering Curriculum

이 논문은 생성형 AI 와 에이전트 도구가 애자일 소프트웨어 개발을 재편하고 있는 시대에, 애자일 실무와 AI 역량을 통합한 프로젝트 기반 AI 엔지니어링 커리큘럼을 제안하고 그 효과와 시사점을 논의합니다.

핵심

🍕 1. 문제점: "이론만 배우고 실제는 못 하는" 교육

지금까지 많은 대학은 **① '애자일 (Agile, 민첩한 개발 방식)'**과 **② '인공지능 (AI)'**을 따로따로 가르쳤습니다.

• 비유: 마치 요리 학교에서 "요리법 (애자일)"은 책으로 배우고, "최신 전자레인지 (AI)"는 따로 이론만 배우는 것과 같습니다. 학생들은 이론은 알지만, 실제 전자레인지를 쓰면서 요리를 하거나, 그 기계가 고장 났을 때 어떻게 대처해야 하는지는 모릅니다.
• 결과: 학생들은 졸업 후 실제 직장에서 AI 가 팀원처럼 일하는 환경에 적응하지 못하고 당황하게 됩니다.

🏗️ 2. 해결책: "실제 공사장에서 함께 일하는" 교육

이 논문은 **"AI 와 애자일을 섞어서, 실제 프로젝트를 하며 배워라"**라고 제안합니다.

• 핵심 아이디어: 학생들은 2 학년 때부터 4~6 명 팀을 이루어, 실제 게임 같은 소프트웨어를 7 개 (2 주씩) 스프린트 (작은 프로젝트 주기) 로 만듭니다.
• AI 의 역할: 여기서 AI 는 단순히 답을 주는 기계가 아니라, 팀의 '초고속 보조 공구' 역할을 합니다.
  • 요구사항을 정리할 때,
  • 코드 작성할 때,
  • 테스트를 만들 때,
  • 문서화할 때...
  • AI 가 모든 과정에 섞여 있습니다. 하지만 중요한 건, **"최종 책임은 인간 (학생) 이 진다"**는 것입니다. AI 가 쓴 코드가 맞는지, 윤리적인지, 안전한지는 학생이 직접 검증해야 합니다.

🎮 3. 구체적인 사례: "보드게임 만들기 프로젝트"

클라우스탈 공대 학생들은 실제로 브라우저 기반 멀티플레이어 보드게임을 만들었습니다.

• 진행 방식:
  • 팀 구성: 개발자 (학생), 제품 책임자 (TA), 감독 (교수).
  • 과정: 2 주마다 작은 목표를 정하고 (스프린트), AI 를 이용해 코드를 짜고, 중간에 발표하고, 다시 수정합니다.
  • AI 활용: 교수가 "이 코드는 왜 이렇게 썼지?"라고 물으면, 학생은 AI 를 이용해 설명을 구하거나 코드를 수정해 봅니다.
• 중요한 규칙 (구두 시험):
  • AI 가 코드를 다 써줬다고 해서 점수를 주는 게 아닙니다.
  • 비유: "AI 가 대신 쓴 레시피로 요리를 했다면, 그 요리를 직접 해보면서 '왜 이 재료를 넣었는지' 설명할 수 있어야 한다"는 것입니다.
  • 학생들은 20 분간 구두 시험을 통해, AI 가 쓴 코드를 이해하고 설명할 수 있는지 증명해야 합니다. 그래야 AI 에 의존하지 않고 실력을 키울 수 있습니다.

📈 4. 결과: "실력이 쑥쑥!"

이 새로운 방식을 적용한 후 놀라운 변화가 일어났습니다.

• 데이터: 2021 년에는 학생들이 졸업까지 필요한 학점을 25%나 못 채웠지만, 이 방식을 도입한 2024 년 cohort(입학 cohort) 는 부족한 학점이 3% 로 줄었습니다.
• 의미: 학생들이 AI 도구를 제대로 활용하면서, 실제 프로젝트 수행 능력이 크게 향상된 것입니다.

💡 5. 교훈: "AI 를 친구로, 하지만 경계선도 분명히"

이 프로젝트에서 얻은 중요한 교훈 세 가지입니다.

1. 유연함 (Agility): AI 기술은 너무 빨리 변합니다. 교수님들도 프로젝트 중간에 새로운 AI 도구 (예: Copilot) 를 가르쳐야 할 정도로 빠르게 적응해야 합니다.
2. 검증 (Assessment): AI 가 다 해줄 것 같아도, 학생 스스로가 기본기를 갖췄는지 구두로 확인하는 것이 필수입니다.
3. 인격화 (Personification): 학생들은 점점 AI 를 '팀의 또 다른 멤버'처럼 여기며 대화합니다. 이는 AI 를 도구로만 보지 않고, 팀워크의 일부로 받아들이는 긍정적인 변화입니다.

🚀 요약

이 논문은 **"AI 시대의 엔지니어는 AI 를 부리는 마술사가 아니라, AI 와 함께 일하며 책임을 지는 팀장"**이 되어야 한다고 말합니다.
이를 위해 대학은 이론 강의 대신, AI 를 도구로 쓰면서 실패하고 수정하는 '실전 프로젝트'를 통해 학생들을 훈련시켜야 합니다. 그 결과, 학생들은 AI 시대에 필요한 진짜 능력을 갖추게 되었습니다.

기술 요약

1. 문제 정의 (Problem)

• 교육과 산업의 괴리: 생성형 AI(GenAI) 와 에이전트 도구 (Agentic tools) 가 애자일 소프트웨어 개발 방식을 급격히 재편하고 있음에도 불구하고, 많은 공학 교육 과정은 여전히 애자일 방법론과 AI 역량을 분리하여 가르치거나, 단순한 강의 (Lecture) 중심의 지식 전달에 머무르고 있습니다.
• 실무 경험 부재: 학생들은 AI 가 팀 역학, 역할, 협업 패턴, 품질 보증에 미치는 영향을 실제 프로젝트 맥락에서 경험하지 못합니다.
• 비효율적인 학습: 이론적 개념과 용어는 습득할 수 있으나, AI 가 생성한 아티팩트의 품질, 책임성, 신뢰성 문제를 해결하고 인간 판단이 필요한 영역을 식별하는 실질적인 능력을 기르기 어렵습니다.

2. 방법론 (Methodology)

저자들은 클라우스탈 공과대학교 (TU Clausthal) 에서 프로젝트 기반 AI 엔지니어링 커리큘럼을 설계하고 실행했습니다.

• 커리큘럼 구조:
  • 공통 핵심 과정: 프로그래밍, 수학, AI/데이터 역량, 애자일 개발 관행을 공유하여 학제간 협업을 가능하게 함.
  • 전공 심화 트랙: AI 소프트웨어/기계/재료 공학 등 분야별 전문성과 AI 도구 활용을 결합 ("AI 를 엔지니어링 도구로 사용").
  • 프로젝트 중심 비중: 전체 학업 부하의 약 1/3 을 실제 문제 해결을 위한 프로젝트 형태로 운영.
• 케이스 스터디 실행 (2 학기 학부생 대상):
  • 목표: Python, Java, Git, UML, Scrum 기초 지식을 AI 지원 팀 개발 역량으로 전환.
  • 프로젝트 내용: 브라우저 기반 멀티플레이어 보드게임 개발 (7 개의 2 주 스프린트 수행).
  • 팀 구성: 4~6 명의 개발자, Product Owner(조교), Supervisor(교수). 학생들은 개발자 역할에서 점차 Product Owner(사용자 스토리 작성 등) 역할을 수행.
  • AI 통합 방식:
    • AI 도구를 요구사항 명확화, 백로그 정제, 아키텍처 추론, 코딩 지원, 테스트, 문서화 등 애자일 엔지니어링의 모든 일상 업무에 내재화.
    • "Schools(강의 - 실습 통합 단위)"를 통해 기술 (React, TypeScript 등) 과 아키텍처를 가르치되, AI 보조 기능을 별도 주제가 아닌 핵심 요소로 포함.
  • 평가 및 검증:
    • 구두 시험 (Oral Verification): AI 가 생성한 코드에 대한 의존도를 방지하고 기초 개념 이해를 확인하기 위해 20 분 개별 구두 시험 실시.
    • 생존 문서 (Living Documentation): 요구사항, 아키텍처, 프로세스를 기록하는 프레젠테이션 유지.
    • 최종 평가: 프로젝트 리포지토리, 생존 문서, 동료 평가 (Peer Rating) 를 종합.

3. 주요 기여 (Key Contributions)

1. AI 지원 애자일 엔지니어링 교육 프로그램 개념: 구조, 학습 성과, 8 가지 원칙 (디지털 전환 형성, 인간-AI 협업, 반성적 애자일 등) 을 포함한 커리큘럼 설계.
2. 실제 적용 사례 및 통합 모델: AI 도구를 애자일 학생 프로젝트 (역할, 이벤트, 산출물, 평가) 에 어떻게 통합하는지에 대한 구체적인 사례 연구.
3. 혼합 방법론 평가 및 교훈: 정량적 및 정성적 평가를 통한 초기 결과 도출 및 AI 시대 교육자를 위한 권장 사항 제시.

4. 결과 (Results)

• 정량적 성과:
  • 2022 년 학번 (WS 2022) 부터 커리큘럼이 적용된 결과, 학생들의 학업 성취도가 크게 향상됨.
  • 부족한 ECTS(학점) 비율 감소: 2021 년 학번 (25% 부족) 에서 2024 년 학번 (3% 부족) 으로 감소. 이는 커리큘럼의 효과성을 시사합니다.
• 정성적 관찰 (Key Lessons):
  1. 애자일 교육의 적응 필요성: 생산 준비가 된 AI 도구 (Copilot 등) 의 급속한 등장으로 인해, 진행 중인 프로젝트 중에도 새로운 툴과 프레임워크를 통합하는 유연한 교육 방식이 필수적입니다.
  2. 구두 검증의 중요성: AI 코드 생성에 맹목적으로 의존하지 않고 기초 개념을 이해하도록 하기 위해 개별 구두 시험이 결정적으로 중요합니다.
  3. 인격화 (Personification) 현상: 학생들이 AI 챗봇을 팀의 추가 구성원 (예: "ChatGPT 는 팀원이다") 으로 인식하는 경향이 증가하고 있습니다. 이는 팀 역학에 새로운 영향을 미칩니다.

5. 의의 및 의의 (Significance)

• 교육 패러다임 전환: 단순한 "AI 강의"나 "이론적 스크럼"을 넘어, 실제 프로젝트 맥락에서 애자일과 AI 를 통합적으로 실천하는 학습 환경을 제공합니다.
• 인간 중심의 AI 리터러시: AI 가 엔지니어링 산출물에 기여할 때, 인간이 책임져야 할 영역 (수용 기준, 위험 및 윤리 트레이드오프, 책임 소재) 을 명확히 구분하고 훈련시킵니다.
• 미래 직무 대비: 빠르게 진화하는 AI 도구 환경에서도 적응할 수 있는 실무 능력을 갖춘 엔지니어를 양성하는 모델을 제시하며, 향후 평가 모델의 적응과 AI 팀원 간의 장기적 상호작용 연구의 기초를 마련합니다.

이 논문은 AI 시대의 소프트웨어 엔지니어링 교육이 이론과 실무를 분리하지 않고, 사회 - 기술적 (Socio-technical) 능력으로서의 통합적 접근이 필수적임을 강력히 주장합니다.