"왜 안 되지"가 "고쳐줘"로…AI 시대 개발자 교육의 딜레마

AI가 코드를 대신 작성해 주는 시대, 개발자 지망생들에게 '완성도 높은 결과물'은 더 이상 성장의 증거가 되지 못하고 있다. 코딩 에이전트(Coding Agent·사용자의 요청을 이해하고 스스로 코드를 작성·수정하는 AI 도구)가 도입되면서, 결과물은 완벽해졌지만 그 과정에서 학습자가 무엇을 이해했는지는 알 수 없게 된 것이다.

카카오의 지역 인재 양성 프로그램인 '카카오테크 캠퍼스'는 올해 이 새로운 교육적 고민에 직면했다. 비수도권 대학생들을 대상으로 현업 역량을 키워주는 이 프로그램은 고용노동부의 '미래내일 일 경험 사업'의 일환으로 운영된다. 카카오는 올해 커리큘럼을 'AI 서비스 개발 과정'으로 개편하며 코딩 에이전트 활용을 전면 지원했다. 기존에는 프론트엔드와 백엔드 두 개 트랙으로 운영했으나, 올해는 별도 트랙 구분 없이 한 명의 학생이 하나의 서비스가 완성되는 전 과정을 경험하는 엔드투엔드(End-to-End·전 과정을 통합적으로 수행하는 방식) 설계를 채택했다.

개편된 과정은 기초 학습, 카카오 AI 서비스 클론 코딩, 팀 단위 AI 서비스 제작의 3단계로 구성된다. 특히 클론 코딩 단계에서는 6주 동안 사용자의 요청을 스스로 판단해 수행하는 '일정 비서 에이전트'를 직접 만든다. 커리큘럼은 1주차 LLM(Large Language Model·거대 언어 모델)에 일정 툴을 붙이는 툴콜(Tool Call)을 시작으로, 2주차에는 자연어 요청을 구조화된 데이터로 변환해 SQLite에 연결한다. 4주차에는 참고 자료를 검색하는 RAG(Retrieval-Augmented Generation·외부 데이터를 참조해 답변의 정확도를 높이는 기술), 5주차에는 MCP(Model Context Protocol·AI 모델과 외부 도구 간의 연결 규격)를 통한 외부 데이터 연결, 6주차에는 슈퍼바이저와 서브 에이전트로 구성된 멀티에이전트 구조 구현까지 다룬다.

"막힐 틈이 없다"…결과물은 남고 이해는 사라지는 '메타인지적 게으름'

카카오 기술 인재 양성 팀의 마한빈 담당자는 코딩 에이전트 도입 이후 변화된 교육 현장의 풍경을 '질문의 변화'로 설명한다. 과거에는 코드가 작동하지 않을 때 "왜 안 되지?"라고 물으며 원인을 찾았다면, 이제는 AI에게 "고쳐줘"라고 요청하며 문제를 해결한다. 질문의 대상이 '원리'에서 '수정'으로 옮겨간 것이다. 마한빈 담당자는 "안 되는 건 그럴 수 있는데 이유도 모르는데 잘 되는 건 정말 무서운 일 중 하나였다"며, 코딩 에이전트의 등장으로 "안 됐을 때의 '왜'는 '고쳐줘'로, 잘 됐을 때의 '왜'는 '그래야지'로 바뀌었다"고 분석했다.

실제로 올해 카카오테크 캠퍼스의 코드 리뷰(Code Review·작성한 코드를 검토하며 품질을 높이는 과정) 현장에서는 이례적인 장면이 포착됐다. 학생이 과제를 제출하면 질문이나 수정 요청 없이 즉시 승인(Approve)되는 경우가 빈번해진 것이다. 학생이 과제를 PR(Pull Request·코드 변경 사항을 검토 요청하는 절차)로 올리면 멘토가 리뷰하고 학생이 질문을 남기며 대화를 주고받는 것이 핵심 학습 활동이었으나, 코드가 요구사항을 완벽히 충족하자 대화 없이 승인되는 사례가 늘어난 것이다.

한 학생은 코드 리뷰 요청(PR) 본문에 "지금 내 코드가 이해되지 않는다"라고 적기도 했다. 구현 과정에서 문제가 생길 틈이 없었기 때문이다. 마한빈 담당자는 이를 2025년 연구에서 언급된 '메타인지적 게으름(Metacognitive Laziness·자신의 사고 과정을 스스로 점검하지 않고 AI 등 외부 도구에 의존하는 현상)'에 비유했다. 결과물은 남지만, 정작 학습자는 무엇을 알고 무엇을 모르는지 확인하지 못하는 상태에 빠진 것이다. 이는 생각을 점검하는 과정(계획, 점검, 평가)마저 AI에게 넘어가면서 발생하는 현상이다.

"왜 굳이 툴을 쓸까?"…대화를 되살리는 '학습을 위한 질문'

카카오테크 캠퍼스 운영진은 이 문제를 해결하기 위해 멘토들에게 새로운 리뷰 가이드를 전달했다. 기존의 리뷰가 코드의 품질과 오류를 잡아내는 데 집중했다면, 새로운 가이드는 '이해를 만드는 대화'에 초점을 맞췄다. 멘토가 학생에게 역으로 질문을 던져, AI가 대신해 준 과정 속에서 학생이 스스로 생각할 지점을 만들어주는 방식이다. 운영진은 이를 통해 '이해를 만들고 대화를 되살리는 것'을 목표로 삼았다.

이러한 시도는 실제 학습 효과로 이어졌다. LLM에 일정 관리 도구를 연결하는 과제에서, 한 멘토는 코드의 동작 여부 대신 "왜 굳이 우리는 툴을 호출(Tool Call)해야 하는가?"라는 원론적인 질문을 던졌다. 이에 학생은 단순히 기술적 구현을 넘어, LLM이 스스로 판단하지 못하는 상황(Hallucination·환각 현상)과 통제력 부족을 해결하기 위해 도구가 필요하다는 점을 자신의 언어로 설명해냈다. 학생은 회고를 통해 "코드를 짜는 것보다 멘토의 질문에 답을 생각하는 과정에서 공부가 더 많이 되었다"고 기록했다. AI에게 도구를 만들어달라고 시킬 수 있는 상태에서, 왜 그 도구가 필요한지 설명할 수 있는 상태로 진화한 것이다.

기술적 구현을 넘어 '서비스 설계'로…멘토만이 할 수 있는 영역

질문은 학생의 시야를 기술적 구현에서 서비스의 맥락으로 확장시키기도 했다. 참고 자료를 검색하는 RAG 과제를 수행하던 중, 멘토는 한 학생에게 "이 기능을 진짜 서비스로 출시한다면 어떻게 하겠느냐"고 물었다. 멘토는 100점짜리 과제라 할지라도 기술적 문제가 정책으로 풀릴 수 있다는 점을 시사하며 질문을 던졌다.

단순히 코드가 돌아가는 것에 만족하던 학생은 이 질문을 받고 고민에 빠졌다. 학생은 "200개의 메모를 모두 보여주는 대신, 날짜 컬럼을 추가해 20개만 먼저 보여주고 사용자에게 알려주는 방식이 좋겠다"고 답했다. 기술적 완성도를 넘어 사용자의 경험(UX)을 고려한 설계로 사고가 확장된 순간이다. 멘토는 기술 문제가 정책으로 풀릴 수 있다고 정리하며 이를 승인했다.

클론 코딩 6주 과정이 끝난 후 기록을 확인한 결과, 총 251개의 PR 중 80%에 달하는 208개의 PR에서 질문이 오갔다. 마한빈 담당자는 "서비스 맥락을 모르는 코딩 에이전트는 해줄 수 없는, 오직 멘토만이 할 수 있는 질문"이라며, AI 시대의 교육은 결과물의 완성도가 아니라 '질문을 통해 이해를 되살리는 과정'에 있어야 함을 강조했다.