최근 연구에 따르면 인공지능(AI) 코딩 도구가 초보 개발자의 전문성 성장 경로를 약화시킬 수 있다는 우려가 제기되고 있습니다. 숙련된 개발자에게는 AI가 생산성을 높이는 강력한 도구이지만, 초보자가 AI에 과도하게 의존할 경우 문제 해결에 필요한 깊이 있는 사고와 시행착오를 경험하지 못하게 되어 장기적인 역량 개발에 걸림돌이 될 수 있다는 지적입니다.
유펜(UPenn)과 앤트로픽(Anthropic)의 연구 결과는 이러한 우려를 뒷받침합니다. 유펜 연구에서는 일반 AI를 사용한 학생들의 시험 성적이 교과서만 사용한 학생들보다 17% 낮게 나타났습니다. 반면, GPT 튜터(Tutor)처럼 학생이 스스로 문제를 풀도록 유도하는 AI는 연습 성과를 127% 높여, AI의 사용 방식에 따라 학습 효과가 크게 달라짐을 보여주었습니다. 앤트로픽 연구는 AI 코딩 도구를 통한 가장 생산적인 학습이 코드를 거의 생성하지 않을 때 일어날 수 있다고 강조하며, 의도적인 능력 개발, 인지적 노력, 그리고 '고통스럽게 막히는 경험'이 숙련 형성의 핵심임을 지적합니다. AI에 크게 의존한 초보자들은 중요한 계획 단계를 생략하고 실제 이해 대신 '실력에 대한 착각'을 얻는 경향을 보였습니다. 이는 마치 학생이 멘토인 대규모 언어모델(LLM)을 올바르게 이끌어야 하는 '역전된 학습' 구조에서, 초보자가 필요한 질문과 검증 기준을 몰라 모델의 오류에 계속 의존할 수 있음을 의미합니다.
이러한 현상은 소프트웨어 개발의 '전문성 공급망' 붕괴 가능성으로 이어질 수 있습니다. AI가 코드 작성, 디버깅, 시스템 설계까지 모두 맡을 수 있다는 전제 아래 프로그래밍 지식이 더는 중요하지 않고 자연어만으로 개발할 수 있다는 전망이 나오지만, 소프트웨어 개발은 논리, 수학, 문제 해결, 비판적 사고, 계획, 소통, 창의성이 복합적으로 작용하는 작업입니다. 단순히 패턴 탐지만으로는 해결할 수 없는 영역이 많습니다. 만약 차세대 개발자들이 깊은 이해 없이 코드 생성에만 의존하게 된다면, 미래에는 AI가 만들어낸 복잡한 코드와 시스템의 문제를 해결할 전문가가 부족해질 수 있습니다. 따라서 AI를 단순한 코드 생성기가 아닌 대화형 문서, 동적 튜토리얼, 소크라테스식 연습 도구로 활용하여 인지적 마찰을 유지하고, 공식 문서, 동료, 직접 실험을 통해 결과를 검증하는 '마찰 우선(Friction First)' 학습법이 중요해지고 있습니다. 이는 개발자가 '손끝의 감각(Fingerspitzengefühl)'을 형성하는 데 필수적인 과정입니다.