Mapping the Emerging Curriculum for AI-Assisted Software Engineering via Syllabus Analysis

소프트웨어 엔지니어링의 세계를 거대하고 북적이는 건설 현장이라고 상상해 보십시오. 수십 년 동안 설계도는 손으로 그려졌고, 숙련된 석공들이 망치와 정을 사용하여 벽돌을 하나하나 쌓아 올렸습니다. 하지만 최근 이 현장에 새로운 종류의 조수가 도착했습니다. 바로 벽돌을 잡고, 시멘트를 섞고, 심지어 다음 벽을 어디에 세울지 제안까지 할 수 있는 매우 빠르고 수다스러운 로봇 조수입니다. 이것이 바로 생성형 AI입니다. 이것은 단순히 화려한 계산기가 아닙니다. 코드를 작성하고, 버그를 수정하며, 시스템을 설계할 수 있는 도구로서, 전문가들이 매일 일하는 방식을 바꾸고 있습니다.

이제 다음 세대의 숙련된 건축가들을 양성하는 학교들을 떠올려 보십시오. 그들은 까다로운 퍼즐에 직면해 있습니다. 학생들의 가장 친한 친구가 업무의 절반을 대신 해줄 수 있는 로봇인데, 어떻게 그들에게 마천루를 짓는 법을 가르칠 것인가 하는 문제입니다. 만약 학생들이 로봇을 사용하는 법만 배운다면, 로봇이 고장 났을 때 집을 짓는 법을 잊어버릴지도 모릅니다. 반대로 로봇을 무시한다면, 그들은 현실 세계에서 뒤처지게 될 것입니다. 이 논문은 바로 이 퍼즐을 해결하려고 노력하는 대학들의 커리큘럼(수업 계획서와 과제 목록)을 깊이 파고듭니다. 이 논문은 학교들이 학생들에게 그저 로봇과 대화하는 법을 가르치고 있는지, 아니면 전통적인 건설 규칙을 여전히 숙지하면서도 로봇의 '주인'이 되는 법을 가르치고 있는지를 묻습니다.

---

위대한 실라버스 탐정 놀이

연구진들은 탐정 놀이를 하기로 했습니다. 그들은 교수들에게 무엇을 하고 있다고 '생각'하는지 묻는 데 그치지 않고, 직접 근거지로 찾아갔습니다. 그들은 공공 인터넷을 샅샅이 뒤져 "AI 지원 소프트웨어 엔지니어링(AI-Assisted Software Engineering)"에 관한 미국의 실제 대학 강의 23개를 찾아냈습니다. 이 강의들은 단순히 AI를 스치듯 언급하는 수업이 아니었습니다. 학생들이 실제 소프트웨어 프로젝트를 통해 실제 성적을 받기 위해 AI 도구를 반드시 사용해야 하는 상급 과정 수업들이었습니다.

연구진은 이 실라버스들을 보물 지도처럼 다루었습니다. 그들은 세 가지 핵심 요소를 살펴보았습니다:

1. 목표: 학생들이 무엇을 배우기로 되어 있는가?
2. 숙제: 어떻게 평가받는가?
3. 도구: 어떤 구체적인 로봇 조수를 사용할 수 있는가(혹은 사용해야 하는가)?

수업에서 실제로 가르치는 것들

연구진은 이 새로운 강의들이 단순히 로봇이 코드를 쓰게 만들기 위해 완벽한 마법의 주문(프롬프트)을 입력하는 법을 배우는 것이 아님을 발견했습니다. 그것은 마치 건설 노동자에게 벽이 똑바로 서 있는지 확인하는 법은 전혀 가르치지 않은 채, 로봇에게 "벽을 쌓아줘"라고 요청하는 법만 가르치는 것과 같습니다.

대신, 가장 흔한 수업 계획은 **인간-AI 협업(Human-AI Collaboration)**에 초점을 맞춥니다. 이것은 인간이 리드하고 로봇이 따르는 춤과 같습니다. 단, 인간은 스텝을 완벽하게 알고 있어야 합니다. 주요 학습 목표는 다음과 같습니다:

• 컨텍스트 관리하기: 단순히 "작동하게 해줘"라고 소리치는 대신, 로봇이 일을 잘 수행할 수 있도록 충분한 정보를 제공하는 법을 가르칩니다.
• 구축 및 평가하기: 학생들은 단순히 코드를 생성하는 것이 아니라, AI와 함께 소프트웨어를 구축하고, 그 후 AI의 작업이 안전하고 정확하며 신뢰할 수 있는지 확인하는 품질 검사관 역할을 수행합니다.
• "블랙박스" 문제: 일부 강의에서는 학생들이 단순히 AI를 사용하는 것을 넘어, 자신만의 AI 도구를 만드는 법까지 가르쳤습니다.

연구진은 일부 수업이 윤리(좋은 로봇 사용자로서의 태도)와 디자인(사람들이 실제로 좋아하는 것을 만드는 법)을 다루기도 했지만, 주된 초점은 기술적인 소프트웨어 구축 및 검증 행위에 집중되어 있다고 언급했습니다.

숙제: 더 이상 종이 위에 "풀이 과정"을 적지 않는다

가장 흥적으로 흥미로운 발견 중 하나는 이 수업들이 학생들을 어떻게 채점하는가였습니다. 과거에는 교사가 학생이 처음부터 코드를 쓸 수 있는지 확인하기 위해 시험을 치렀을 것입니다. 하지만 AI와 함께라면, 그것은 요리사에게 가스레인지 없이 요리를 해보라고 요구하는 것과 같습니다.

논문에 따르면 이러한 과정들은 전통적인 고위험 시험(학생들이 혼자 방에 앉아 치르는 시험)을 대부분 폐지했습니다. 대신, 프로젝트와 협업에 크게 의존하고 있습니다.

• 대형 프로젝트: 대부분의 과정은 성적의 큰 비중을 차지하는 거대한 최종 프로젝트(캡스톤)에 의존합니다.
• AI 필수 요건: 거의 모든 수업에서 학생들은 과제를 완료하기 위해 AI 도구를 반드시 사용해야 했습니다. 이는 선택 사항이 아니라 업무의 일부였습니다.
• "과정" 체크: AI가 힘든 일을 대신할 수 있기 때문에, 교사들은 그 과정을 채점합니다. 그들은 학생이 AI와 어떻게 대화하는지, AI의 실수를 어떻게 수정하는지, 그리고 자신의 코드를 어떻게 설명하는지를 봅니다. 이는 "정답을 맞혔는가?"보다는 "그곳에 어떻게 도달했는지, 그리고 왜 그것이 안전한지 나에게 보여줄 수 있는가?"에 더 가깝습니다.

놀랍게도, "감독(proctored)" 시험(교사가 학생이 규칙을 따르는지 지켜보는 시험)을 사용하는 수업은 매우 적었습니다. 연구진은 이것이 학교들이 학생들을 혼자서 해내도록 속이려 하기보다, AI를 파트너로 삼아 실제 업무를 수행하는 것이 가장 좋은 학습 방법이라는 믿음에 베팅하고 있음을 시사한다고 말합니다.

로봇 도구 상자: 다양한 옵션의 롱테일

구체적인 도구와 관련하여, 연구진은 약간의 혼선이 있음을 발견했습니다. 23개 과정 중 단 9개만이 사용한 특정 AI 도구를 공개적으로 명시했습니다. 명시된 도구 중 몇몇 이름이 반복적으로 등장했는데, 바로 Claude Code, Cursor, 그리고 GitHub Copilot이었습니다.

하지만 이 목록은 "롱테일(long tail)" 형태를 띠고 있었습니다. 즉, 몇몇 도구가 인기가 있었지만, 단 하나의 압도적인 승자는 없었다는 뜻입니다. 어떤 수업은 한 가지 도구를 사용했고, 어떤 수업은 다른 도구를 사용했으며, 또 어떤 수업은 아주 다양한 도구들을 사용했습니다. 연구진은 기술이 너무 빠르게 변하고 있기 때문에 학교들이 어떤 도구가 작업에 가장 적합한 "망치"인지 여전히 파악하는 중이기 때문이라고 설명했습니다. 또한 많은 과정이 도구를 명시하지 않았는데, 이는 특정 브랜드에 국한되지 않고 어떤 도구에도 적응하는 법을 가르치고 싶어 하기 때문인 것으로 보입니다.

큰 그림: 진행 중인 작업

논문은 우리가 이 새로운 커리큘럼의 초기 단계에 있다고 결론짓습니다. 아직 단 하나의 "완벽한" AI 지원 엔지니어링 교육 방식은 존재하지 않습니다. 그것은 마치 교사들이 실험을 이어가고 있는 거대한 디자인 공간과 같습니다.

어떤 과정은 AI가 어떻게 작동하는지에 대한 기초에 집중하는 반면, 어떤 과정은 곧바로 복잡한 프로젝트로 뛰어듭니다. 어떤 곳은 윤리를 걱정하고, 어떤 곳은 속도에 집착합니다. 연구진은 가장 성공적인 수업들은 AI를 작업자를 대체하는 마법 지팡이가 아니라, 건설 현장의 강력한 파트너로 취급하는 수업들이라고 제안합니다. 그들은 학생들이 로봇을 지휘하고, 그 작업을 검토하며, 최종 건물이 높고 안전하게 서 있도록 보장할 수 있는 설계자가 되도록 가르치고 있습니다.

요컨대, 소프트웨어 엔지니어링 교육의 미래는 로봇을 금지하거나 로봇이 주도권을 잡게 두는 것이 아닙니다. 그것은 차세대 건축가들이 설계도를 들고, 올바른 지시를 내리며, 작업을 재차 확인하여, 로봇이 벽을 쌓을 때 그 벽이 오랫동안 견딜 수 있도록 만드는 법을 가르치는 데 있습니다.