AI 개발 도구 확산이 교육에 던진 과제

AI 코딩 에이전트가 연구와 개발의 기본 도구로 자리 잡고 있습니다. Microsoft는 Azure Repos에 Copilot 자동 코드 리뷰를 공개했고, OpenAI 내부에서도 코딩 에이전트 활용이 크게 늘어난 것으로 전해졌습니다. 이제 교육의 핵심은 AI 사용 여부가 아니라 결과를 검증하고 비용과 권리를 관리하는 능력입니다.

자동 코드 리뷰가 개발 교육에 들어옵니다

Microsoft는 Azure DevOps 고객이 Azure Repos의 Pull Request(풀 리퀘스트, 코드 변경 검토 요청)에 GitHub Copilot 코드 리뷰를 적용할 수 있도록 공개 범위를 넓혔습니다. 조직·프로젝트·저장소별 설정과 경로별 Custom Instructions(사용자 지정 지침)를 지원하며, 브랜치 정책을 통해 리뷰를 자동 실행할 수도 있습니다.

그러나 AI의 의견은 어디까지나 참고 자료입니다. Copilot은 댓글만 남기며 변경을 승인하거나 병합을 차단하지 않습니다. 새 커밋이 추가돼도 자동으로 다시 검토하지 않고, 댓글에 달린 답변을 읽어 후속 대화를 이어가지도 않습니다. 저장소 크기와 변경 파일 수에도 제한이 있습니다.

소프트웨어 교육에서 이 차이는 중요합니다. 학생이 AI 리뷰를 통과했다는 사실을 코드의 정확성이나 안전성이 입증됐다는 뜻으로 받아들이면 안 됩니다. 교수자도 AI가 찾아낸 문제의 개수보다 학생이 지적 사항을 재현하고 수정 근거를 설명할 수 있는지를 평가해야 합니다.

비용도 실습 설계의 일부입니다

이 기능은 리뷰마다 사용한 Token(토큰, 모델이 처리하는 텍스트 단위)을 AI 크레딧으로 환산해 비용을 청구합니다. 비용 정보는 리뷰가 끝난 뒤 최대 48시간이 지나야 나타나며, 예산 설정은 알림만 보낼 뿐 실행을 중단하지 않습니다. 조직당 동시 리뷰 수도 제한됩니다.

따라서 수업이나 동아리에서 자동 리뷰를 도입할 때는 소수 저장소에서 먼저 시험하고, 리뷰 강도와 호출 조건을 정해야 합니다. 무제한 자동화를 허용하기보다 어떤 변경에 AI 검토가 필요한지 학생이 판단하게 하는 편이 비용 감각과 개발 역량을 함께 기르는 데 유리합니다.

코딩 에이전트는 연구 방식도 바꿉니다

OpenAI의 연구 현장을 다룬 글은 2026년 들어 Agentic Engineering(에이전트형 엔지니어링, AI가 도구를 사용해 여러 단계의 작업을 수행하는 개발 방식)이 빠르게 확산했다고 전합니다. 이는 연구자가 직접 작성하는 코드가 사라진다는 의미보다, 실험 준비와 분석을 AI에 나누어 맡기고 더 많은 가설을 시험하는 방식이 늘어난다는 신호에 가깝습니다.

교육 현장도 결과물만 제출받는 평가에서 벗어날 필요가 있습니다. 학생이 사용한 지시문, AI가 수행한 작업, 실패한 시도, 사람이 검증한 항목을 함께 기록하면 사고 과정과 도구 활용 능력을 평가할 수 있습니다. 반대로 최종 코드만 보면 학생의 이해와 AI의 기여를 구분하기 어렵습니다.

Rust 운영체제가 보여준 기초 역량의 가치

MesaOS는 Linux나 BSD의 코드를 가져오지 않고 Rust(러스트, 메모리 안전성을 중시하는 시스템 프로그래밍 언어)로 작성한 독립 커널을 일반 소비자용 노트북에서 부팅하는 데 성공했습니다. 명령줄 셸, 텍스트 편집기, 초기 USB 저장장치 지원도 구현됐습니다.

아직 그래픽 가속, Bluetooth(블루투스), 절전 관리, 폭넓은 무선 네트워크 지원이 부족해 일상용 운영체제와는 거리가 있습니다. 그럼에도 이 프로젝트는 AI 시대에도 메모리 관리, 하드웨어 탐색, 네트워크 패킷 처리처럼 컴퓨터과학의 기초가 중요하다는 점을 보여줍니다. AI가 코드를 생성해도 실제 장치에서 발생하는 경계 조건과 호환성 문제는 구조를 이해하는 사람이 검증해야 합니다.

생성형 AI 시대에는 권리 기록도 기술입니다

Anthropic 저작권 소송 합의와 관련해 일부 작가들은 출판사나 에이전시가 지급액에 부당하게 권리를 주장했다고 문제를 제기했습니다. 보도에 따르면 전통 출판 중인 저작물은 작가와 출판사가 지급액을 나누지만, 자가 출판물이거나 특정 기준일 전에 권리가 작가에게 돌아온 경우에는 배분 방식이 달라집니다.

이 사례는 AI 윤리가 모델 학습의 허용 여부만으로 끝나지 않는다는 점을 드러냅니다. 어떤 자료를 누가 소유했고 언제 권리가 이전됐는지 증명할 수 있어야 실제 보상도 정확히 이뤄집니다. 학교에서 생성형 AI를 활용할 때도 출처, 라이선스, 작성자, 수정 이력을 과제 기록에 포함하는 습관이 필요합니다.

학생 활용법

학생은 작은 프로젝트에 AI 코드 리뷰를 적용한 뒤, 각 지적 사항을 직접 재현해 맞는 의견과 잘못된 의견을 구분해 보세요. 과제에는 AI 사용 기록과 비용, 검증 결과, 참고 자료의 라이선스를 함께 남기면 실무에 가까운 포트폴리오를 만들 수 있습니다.