AI 코딩 시대, 성장하지 않는 개발자의 뇌에서 일어나는 일

AI를 잘 쓰는 핵심은 출력물의 품질을 판별하고 교정하는 능력이다. 그런데 이 능력은 AI에 의존할수록 약해질 수 있다.

Bjork의 ‘바람직한 어려움’ 관점에서 보면, 쉽게 처리한 정보는 오래 남지 않는다. Roediger & Karpicke(2006) 연구에서도 반복 읽기보다 인출 연습이 일주일 뒤 기억 보존에 더 유리했다. 즉, 편하게 본 코드는 잘 이해한 것처럼 느껴져도 학습으로는 남지 않는다.

코딩 실력의 많은 부분은 절차 기억이다.

• 인지 단계: 모든 것을 의식적으로 처리해 작업 기억을 많이 쓴다
• 연합 단계: 개별 절차가 묶여 흐름이 된다
• 자동화 단계: 거의 무의식적으로 수행되고, 남는 자원을 설계 판단에 쓸 수 있다

이 단계 전환은 직접 해보는 반복이 있어야 가능하다. AI가 구현을 대신하면 본질적 인지 부하까지 줄어들어, 스키마를 형성할 기회 자체가 사라진다.

청킹도 같은 문제를 보여준다. 전문가와 초보자의 차이는 슬롯 수가 아니라, 하나의 덩어리로 의미 있게 묶어 보는 능력이다. 체스 고수가 단순한 말 배열이 아니라 전형적인 전개 패턴을 한 번에 읽듯, 개발자도 반복적인 직접 경험을 통해 패턴을 축적해야 한다.

AI 출력은 종종 생성 효과가 약한 학습으로 끝난다. 직접 완성한 것과, 완성된 결과를 읽는 것은 다르다. 숙련된 개발자일수록 AI 출력만 읽어도 뇌 부담이 크지 않아, 겉보기에는 이해한 것 같아도 깊은 각인이 남지 않는다.

특히 주니어에게는 더 치명적이다. 인지 단계에 있어야 할 패턴을 AI가 건너뛰게 만들면, 절차 기억 형성 없이 경력만 쌓일 수 있다.

그래서 필요한 것은 생산 방식과 학습 방식을 분리하는 일이다.

• AI에 맡기기 전에 자기 설계안을 먼저 써 본다
• 리뷰할 때는 왜 이 구조인지, 6개월 뒤 어디가 취약한지를 묻는다
• 막혔을 때는 전체 답보다 최소한의 힌트만 받는다
• 직접 코드를 짜는 시간을 따로 확보한다

결론적으로, AI 활용 능력 자체도 결국 뇌에 남아 있는 코드 경험에 의해 결정된다. AI는 생산 도구로는 강력하지만, 학습 도구로는 대체재가 아니다.