AI가 코드를 빠르게 만들어 줄 때 주니어 개발자는 무엇을 익혀야 할까요? 코드를 직접 입력하는 양만으로 성장을 판단하기는 어렵지만, 결과를 이해하지 못한 채 복사하기만 하면 오류를 발견하거나 나중에 수정하기도 어렵습니다. 팀은 AI 사용을 무조건 제한하기보다 생성된 코드를 설명하고 시험하는 학습 과정을 설계할 필요가 있습니다.
이 글은 AI를 활용하면서도 코드 이해와 디버깅 역량을 기르기 위한 방법을 살펴봅니다. 연구 결과는 특정 참가자와 과제에 대한 관찰이며, 모든 개발자나 현재의 모든 도구에 그대로 적용되는 법칙은 아닙니다.
AI가 코드를 만들면 이해는 어떻게 확인할까요?
예를 들어 주니어 개발자가 AI에게 사용자 입력을 검증하는 함수를 만들어 달라고 요청했다고 가정해 보겠습니다. 함수가 실행된다는 사실만으로 모든 입력을 올바르게 처리한다고 볼 수 없습니다. 개발자가 정상 입력뿐 아니라 빈 값이나 예상하지 못한 형식에서 어떤 일이 일어나는지 설명하고 시험할 수 있어야 합니다.
- 코드의 입력과 출력은 무엇인가요?
- 어떤 조건에서 오류가 발생하나요?
- 실패하는 예제를 만들 수 있나요?
- 프로젝트의 기존 규칙과 충돌하지 않나요?
- 테스트가 확인하지 못하는 경우는 무엇인가요?
이 질문은 AI 사용 여부와 관계없이 코드 리뷰에 유용합니다. AI 코드 리뷰의 경계에서는 실제 검증 범위를 더 자세히 다룹니다.
연구에서는 무엇을 관찰했나요?
Anthropic의 2026년 연구는 주로 주니어인 소프트웨어 개발자 52명을 대상으로, 익숙하지 않은 Python 라이브러리 작업을 AI 도움을 받아 수행한 집단과 직접 코딩한 집단을 비교했습니다. 작업 후 퀴즈 평균은 AI 집단 50%, 직접 코딩 집단 67%로 17%포인트 차이가 났습니다. AI 집단의 작업 완료 시간은 평균적으로 조금 짧았지만, 연구진은 그 차이가 통계적으로 유의하지 않았다고 설명합니다.
연구진은 AI를 쓴 참가자 중에서도 개념을 묻거나 생성된 코드의 설명을 요청하는 등 상호작용 방식에 차이가 있었다고 보고했습니다. 다만 특정 질문 방식만으로 반드시 학습 효과가 높아진다고 단정할 수는 없습니다. 이 연구는 특정 도구·짧은 과제·사후 평가의 결과이므로 모든 주니어 개발자의 장기 성장을 예측하지 않습니다.
또 다른 METR의 2025년 연구에서는 자신이 잘 아는 오픈소스 프로젝트의 과제를 수행한 숙련 개발자 16명을 관찰했습니다. 해당 조건에서 AI 도구 사용이 허용된 작업은 평균 완료 시간이 더 길었습니다. 참가자, 작업과 당시 도구가 제한된 결과이므로 이를 모든 팀의 현재 생산성으로 일반화해서는 안 됩니다.
주니어를 위한 AI 협업 연습
1. 정답 전에 문제를 작게 나눕니다
AI에게 전체 기능을 맡기기 전, 요구사항과 예상되는 입력·출력·실패 조건을 자신의 말로 적어 보세요. 모르는 부분은 AI나 동료에게 질문하되, 제안받은 조건이 실제 요구사항과 맞는지 확인합니다.
2. 코드의 선택 이유를 질문합니다
아래 코드를 바로 고치기보다 먼저 설명해 주세요.
1. 입력과 출력, 주요 분기를 정리해 주세요.
2. 오류가 생길 수 있는 예시 두 가지를 제안해 주세요.
3. 각 예시를 확인할 테스트를 설명하되 결과를 추측하지 마세요.
4. 프로젝트 문서나 코드에서 추가로 확인할 위치를 알려 주세요.
코드: [검토할 코드]
AI의 설명 자체도 틀릴 수 있으므로 실제 코드와 공식 문서, 실행 결과를 대조해야 합니다.
3. 작은 실패를 직접 재현합니다
안전한 개발 환경에서 예상한 예외를 테스트해 보고, AI가 제안한 수정 전후 결과가 어떻게 다른지 비교합니다. AI가 고친 코드도 왜 동작하는지 설명할 수 없다면 추가 질문과 리뷰가 필요합니다.
팀은 어떻게 학습을 지원할 수 있을까요?
일정한 기간마다 주니어가 맡은 변경의 목적과 테스트 결과를 동료에게 설명하고 피드백을 받는 시간을 마련할 수 있습니다. 리뷰에서는 단순히 정답을 지적하기보다 대안과 판단 근거를 함께 살펴보세요. 업무의 영향이 크다면 배포 전 검토와 롤백 방법도 준비해야 합니다.
팀의 상황에 따라 멘토링과 독립 실습의 비율은 달라질 수 있습니다. ‘처음 몇 개월은 AI를 금지해야 한다’ 같은 일률적인 처방보다, 개발자가 실제로 무엇을 설명하고 검증할 수 있는지 확인하며 조정하는 것이 중요합니다. 개인 학습 흐름은 AI로 다시 공부하는 방법도 참고할 수 있습니다.
자주 묻는 질문
주니어는 AI 코딩 도구를 쓰면 안 되나요?
그렇지 않습니다. AI를 설명과 연습에 활용할 수 있지만, 결과를 검증하고 스스로 이해하는 과정이 필요합니다.
연구의 17%포인트 차이는 모든 학습에 적용되나요?
아닙니다. 특정 참가자와 과제의 사후 퀴즈 평균 차이입니다. 다른 과제, 장기 학습과 현재 도구에서 같은 결과가 나온다고 보장하지 않습니다.
AI가 만든 테스트만 실행하면 충분한가요?
아닙니다. 테스트가 요구사항과 중요한 실패 조건을 실제로 다루는지 사람과 동료가 함께 확인해야 합니다.
참고 자료: Anthropic 코딩 역량 연구, METR 숙련 개발자 생산성 연구. 확인일: 2026년 11월 6일.
다음 한 걸음
내 환경에서 막힌 부분은 실행 단계와 함께 질문해 주세요. 바꿔 만든 결과도 함께 나눌 수 있습니다.