Hi, you know I'm Chris Peach. I'm a professor here at Stanford University. I teach some large intro to computer science classes, some intro to math for AI.

Code in place, if people don't know, it's an online class where you can learn to program. And the special thing about code in place is that it's the class in the world with the most teachers and there's about 17,000 students and more than a thousand teachers.

We've been doing code in place for 6 years. So we did code in place before cursor and cloud code and code in place after.

A few observations. one, our enrollment basically doubled. Oh my gosh, all these people want to learn how to code. You can expand the question.

You could say, should I learn to program? You can also say, should I learn probability? Like, AI can code, but AI can also do probability.

Should I learn to write? AI can write. I think the wrong answer would be no. No, no. We're not giving up on the next generation being smart. Yes, you should learn how to formalize an argument.

Yes, you should learn the depth of probabistic reasoning. And yes, you should learn how to program. If AI is able to do those things, your abilities may be magnified, but I imagine in the future it will still be important to be smart in those spaces.

I'm seeing more people with a motivational crisis than I have in the past. And that makes sense. There's more uncertainty in the world. You know, you can think about what can I contribute with AI of 2026, but I think students are faced with a much harder problem of thinking about, well, if I'm starting a 4-year program, I have to think about what jobs are going to exist in 2030 when AI is 4 years more advanced and and that's a lot of uncertainty for students and I empathize with this quite a lot.

I think naturally that leads to some motivational problems. When am I actually getting something out of AI and when have I given away too much of the growth?

I suppose if I start outsourcing, at what point will I no longer be able to do that? Like that really critical piece. I think all students have felt like this. Like if you have AI write too many of your essays, at what point are you no longer able to write an essay?

If you have AI write too much of your code, at what point can you no longer do that valuable piece of the architecture?

So I suppose that's the part where like I think it's fun to use AI. I think people should be playing around with it, but you should be self-aware and you should be self-aware of like are you also growing alongside the AI and you should care so much about your own personal growth.

I was born in Nairobi, Kenya. When I was 12, I moved to Koalaur, Malaysia and ended up coming to the US for university. I was just a curious human.

I wasn't set on being a professor from day one. I just like learning and I liked interesting problems. When I came to Stanford, I I'd done a little bit of coding, but I I really didn't know how to program, but like I had to fill an elective.

So, I just had to take a class and I was like, "Okay, I'll do the the programming class." And my teacher did the most wonderful thing. They said, "At this point, I'm going to have a challenge.

everyone in class, go make the most wonderful things with what you've learned in the first two weeks of programming.

And I found myself able to put like 40 hours of extra work beyond my normal schooling into this challenge because I was so excited. Uh, and then eventually I discovered uh that I was so curious about how people learned and I decided Professor was the right thing for me.

So, Carol speaks this thing called Python uh which we're going to be using as our programming language throughout the course.

So Carol is our lovable robot and Carol lives in a world. We think of the world as kind of having a north, west, south, and east and having compass directions.

Come on, Carol. Turn left and then turn left and then turn left. Okay, turn right. It's the class in the world with the most teachers. There's one teacher for every 10 students and there's about 17,000 students and more than a thousand teachers.

So what problem was I trying to solve? Let's go back in time. It's early days in the pandemic. I'm about to teach Stanford's flagship intro to coding class and I'm been told that everything's going to be online.

And in this moment, we're thinking the world is suffering.

While we're putting the class online, is there something that we can also do to help the world? We can just put our videos online.

And we thought people might get a little bit out of it, but we know that it would be a lot less than what our Stanford students get because our Stanford students get the special sauce of Stanford education.

And the special sauce of Stanford education for introcs is you get a section leader. You get somebody who's just a little bit older than you, a little bit further along in their career who's going to take time to help you grow.

One of the common misconceptions just thinking that AI tutors will solve everything. We basically have AI tutors already, but that isn't moving the needle in the way people expected.

So over the last six years, so we've now done this six times, we've tried a lot of different experiments where we gave people different dosage of AI and we have learned something very surprising.

If we give people AI in just like here's a chatbot, use it to learn, predictably people will drop out.

People get demotivated. It is demotivating to have AI thrown at you at the wrong moment of your learning.

We have found very nuanced ways where we can use AI that actually helps people learn. But if you contrast that with humans, so if I throw AI at you, you're probably going to become a little bit demotivated statistically.

But what happens if I throw a human at you? Imagine you're just programming in code in place. You might get a popup and it says, "Hey, there's a teacher online and they'd like to spend 10 minutes with you.

Do you want to talk to them?" If you hit yes, your probability of completing the course goes up 10 percentage points. So you must be thinking, "Oh, the humans must be saying the right things and the AI must be saying the wrong things." We've looked at these conversations.

The AI was correct. It wasn't hallucinating. not for intro programming and the the humans weren't always correct, but the human touch is special.

It's motivating and I think we all need motivation right now. Everyone needs something to convince them, I'm not going to make Claude do all the thinking for me.

Like to actually do the thinking yourself takes extra energy. Crown jewel of education has always been motivation. And it's a lot more motivating for me to say, I care about you being a smart person. I'm not giving up on you being a smart person this time of AI.

Um, let's work on your foundations and then when you're done with your foundations, I'll teach you how to code with AI.

That works so much better. When I look at chat bots, I think they do a good job of answering my question.

But one challenge I would pose to anybody thinking about how to make these work better for education is how do you get it to inspire? Sometimes I will inspire my students in a deep way.

And it could be like you come into my office and be like, "Hey, do you want to see something really cool about probability?" and I just show them something really neat and they weren't even thinking about that wasn't the question they came in with. But then they they feel that like love and like that that inspiration and as I said if I can flip the switch of getting the student so curious that they can't help but learn like the rest of the day all they can think about is the problem that I just posed to them or that cool thing I showed to them.

If that curiosity gets ignited uh then I feel like they'll get there. And when I look at current chat bots they are not igniting curiosity that much.

It's it's not like you never show up to chat. It's like, "Hey, do you want to just see something that is going to make your mind explode that will like you know pull you in?

" Now, as a teacher, I can do that because I have some context on my students. I know largely where they are and largely where they're trying to go.

So, I can be very delicate in the choice of the inspiring example or the inspiring challenge to pose to my students. If you just think an AI tutor will solve the clarity problem, you might miss it.

the bigger piece of the puzzle. And I feel like if we leverage this, we can have a nicer world.

I'm seeing more people with a motivational crisis than I have in the past. And that makes sense. There's more uncertainty in the world. You know, you can think about what can I contribute with AI of 2026, but I think students are faced with a much harder problem of thinking about, well, if I'm starting a 4-year program, I have to think about what jobs are going to exist in 2030 when AI is 4 years more advanced.

And and that's a lot of uncertainty for students, and I empathize with this quite a lot.

In 5 to 10 years, many things will change. The future has always been unpredictable. It's always been the case that if you ask people to project what jobs will be the right jobs 5 to 10 years people always get it wrong.

So when I was young I'm old man now but when I was young and as in my PhD is around the time that one of my now colleagues was making some of the first major milestones in self-driving cars and this is back in like 2011 2012.

And at that moment, you would see this car drive and you think, "Oh my god, what does it mean to be a taxi driver or what does it mean to be a truck driver?

" But in fact, what happened is the truck driver profession has been growing at a very healthy rate. Um, now I don't know what the future holds for truck drivers.

Maybe one day we'll come to an inflection point. But there was a lot of reasons that people underestimated. They underestimate like, well, if you have valuable cargo, you need a person who's responsible or the longtail sort of experiences. There's always something different happening on highway.

99% of the experiences can be the same, but like that 1% of things that are different. It's so hard to have a AI master all of them.

I think one day eventually we'll have fully self-driving cars and we'll live in a world where all our cars are driven by an AI system. But what I was surprised about was how grossly we overestimate how quickly we get there.

I think everyone who's worked deeply with AI has had this experience of by outsourcing a lot of thinking to AI, I am getting more separated from problem solving myself.

A good example right now is I program with AI a lot but I happen to know a lot about programming and architecture and if I don't know a lot about programming architecture AI will start to make some poor decisions which I might not experience the first time I make a prototype but like five weeks down the line when students are actually using my thing they might start to hit weird bugs and if I don't understand the architecture I can't help them.

I suppose if I start outsourcing, at what point will I no longer be able to do that?

Like that really critical piece. Uh I think all students have felt like this. Like if you have AI write too many of your essays, at what point are you no longer able to write an essay?

Uh if you have AI write too much of your code, at what point can you no longer do that valuable piece of the architecture?

Um so I suppose that's the part where like I think it's fun to use AI. I think people should be playing around with it, but you should be self-aware and you should be self-aware of like are you also growing alongside the AI and you should care so much about your own personal growth.

When you're learning how to program largely you can separate it into two pieces.

One piece is you're learning the syntax of how do we tell computers to do things and the other thing you're learning is basically problem solving like how do you take big problems and break them down into small pieces.

um how do you set it up so that data can speak to algorithms? How do you think about algorithms? So, I'm only going to say AI is going to get really really good at just the syntax.

It's less important in the future that you've memorized every command. It's probably more important that you know how to problem solve.

So, while you're learning to program, really focus on that problem solving ability. There's one thing about coding that's special.

You get immediate falsifiable feedback. Like if your logic is wrong, your thing doesn't work and you get to see that and you get to iterate quickly.

Whereas if you apply problem solving to life, you could make a poor decision, but the feedback cycle is so slow that you don't get to practice getting better and better at making decisions.

So there's a couple things about coding that makes it particularly good at teaching how to problem solve.

The the question, how do you become like a really high contributor engineer? You might not find my answer that surprising, but it's like it's time on task.

It's like how much time are you spending actually creating things? And I'm going to separate you creating versus you giving it to Claude Code.

Now, by the way, you know what I would do if I was a young person? I would make a lot of prototypes with cloud code and I'd say, "Cloud code, teach me all the most important things that you did in order to create this." And I would iterate that way and I get lots of experience so I can try and figure out what are the most important concepts.

I'll give your young engineers a particular challenge.

As I said, it's a confusing time, but there's an opportunity that didn't exist before.

One of the things that's happened is barriers to entries have been cut. You could be a 12th grader, so an 18-year-old with a friend. You might be able to make a highquality startup.

The two of you could make a pretty impressive codebase that solves an interesting problem. There is a real art form to knowing what is a valuable problem to solve.

Uh, and I think more and more junior engineers get to engage with that art form. like what is worth actually making, what do users want, what's the feature that will help them make progress in whatever their problems are.

So that ability to interface between what are computers able to do and what do humans actually need has always been a critical high order skill and I think if I were a junior engineer I would start working on that skill now.

I wouldn't wait till I was a senior engineer. If you start with the premise that my children will become smart people and your children will become smart people.

If you don't have children then maybe your nephews and nieces will become smart people. You start from the premise that the next generation will be filled with people who are smarter than we are.

Then you're like, okay, how do we get them to that point? And then you look at any subject, probability, computer science, and when you look at any subject, there's often foundational concepts and then you'll have layers of complexity built on top of it.

If you expect them to become smarter than you are, it's really hard to skip the foundations.

And one way of thinking about that is we've had calculators to do multiplication for a long time. Kids still need to learn multiplication. Now, there's a subtle difference.

The concept of multiplication is so critical, but actually knowing how to do the wrote, you know, if I ask you like what's 13* 7?

Go quick. That's not as important as just knowing what is multiplication. But you can't skip the foundations, but you can maybe uh be more artful about what you focus on.

I kind of take it as an axiom that I'm not giving up on the next generation. Honestly, the people I've seen get most lost and most demotivated in this motiv AI are sometimes the ones who are overthinking it.

I had a student, he was just doing such wonderful things.

He was using AI, he was solving problems, he was learning amazing things. I asked, "Hey, wonderful student like what are you thinking about?" And he says, "I actually don't think about it.

I don't really think about the future of AI and that allows me to thrive." And that gave me pause. I think about AI all the time. I feel like I think about AI 10 times a day and then the simplicity of like no I'm just going to be curious and learn since that day I start my day with the axiom.

I don't ask why I care about the next generation be smarter. I take it as a truth. I want this and I will work towards it. It's a tool and it will multiply humans.

So when humans are at our best, we can use this tool to multiply us. Like the doctor who really cares about their patient now has a tool that they can do more faster, more accurately. The teacher who really cares about their students, who is passionate about them learning, they can go further with their students and they can do more.

Also, I get to see young people all the time.

And I would say that gives me inspiration. Seeing their self-awareness, how critical they're thinking, seeing them blossoming, it gives you optimism. If I was a young person right now, the most valuable thing is that you have the self-awareness.

You should also have the goal that I will become smarter. Chris is not giving up on you, you should not give up on yourself either.

I have two kids under five. And you know what? They're going to live in an awesome world. Like, we're going to adapt. We're going to figure things out.

They're going to still have curiosities. They're going to still grow their minds. And we're going to keep every day working towards that.

The top engineer might not be the person who knows all the code. Maybe the top engineer is the person who can relate the real world human problems into the world of apps into the world of data science and into the world of research.

So go make stuff, make stuff that people use, make stuff that people love. And in that process of iteration, you have an opportunity to become excellent at coding and excellent at problem solving.

Just take axioms. You will become smarter than you were yesterday. Start your day like that.

스탠포드대 컴공과 교수:  AI가 코딩하는 시대, 왜 배워야할까ㅣ크리스피치

'기업가정신'과 '기회'를 이야기합니다 


EO Korea

AI가 코딩과 글쓰기를 대신할 수 있는 시대일지라도 논리적 사고와 확률적 추론 같은 기초 역량을 쌓는 것은 개인의 능력을 증폭시키기 위해 여전히 필수적입니다.

학습 과정에서 AI에 지나치게 의존하면 스스로 문제를 해결하고 아키텍처를 설계할 수 있는 핵심적인 성장의 기회를 잃게 될 위험이 있습니다.

진정한 학습은 단순한 지식 습득이 아닌 호기심을 자극하는 인간 교사와의 상호작용을 통해 동기 부여가 이루어질 때 완성됩니다.

AI가 글쓰기, 확률 계산, 코딩까지 수행할 수 있는 시대가 되었음에도 불구하고, 여전히 프로그래밍과 논리 체계를 배우는 것은 필수적입니다. AI는 인간의 능력을 증폭시키는 도구일 뿐, **인간 스스로가 지적인 능력을 갖추고 성장의 고통을 겪는 과정**은 미래 사회에서도 여전히 중요한 가치를 지닙니다.

많은 학생들이 AI의 발전으로 인해 미래 직업에 대한 불확실성을 느끼며 동기 부여의 위기를 겪고 있습니다. 특히 AI에게 과도하게 의존하여 '아웃소싱'을 하기 시작할 때, **어느 시점부터 스스로의 문제 해결 능력이 퇴화할 것인가**에 대한 성찰이 필요합니다. 자신의 개인적인 성장과 AI를 어떻게 균형 있게 활용할지 자각하는 것이 핵심입니다.

크리스 피치 교수는 자신의 학창 시절, 2주간의 프로그래밍 기초 수업 후 스스로 과제를 확장하며 40시간 동안 몰입했던 경험을 통해 학습의 본질을 깨달았습니다. 교육의 핵심은 단순히 정답을 알려주는 것이 아니라, **학생들의 호기심 스위치를 켜서 스스로 더 깊은 문제에 매달리게 만드는 영감**에 있습니다.

실험 결과, AI 튜터만 제공했을 때는 학습 동기가 저하되는 경향이 있었으나, 사람 교사가 개입하여 상호작용할 때 수료율이 상승했습니다. 이는 AI가 정확한 답을 제시하더라도 **인간 간의 특별한 상호작용과 '너의 성장을 진심으로 바란다'는 정서적 지지**가 학습 지속성에 결정적인 역할을 하기 때문입니다.

AI 기술의 빠른 발전 속도 속에서 인간의 직업적 미래를 지나치게 비관할 필요는 없습니다. 과거 자율주행 기술의 등장이 트럭 운전사라는 직업을 즉각적으로 대체할 것이라 우려했으나 실제로는 그렇지 않았듯, **현실 세계의 복잡성과 인간적 예외 상황을 다루는 영역**은 여전히 대체하기 매우 어렵기 때문입니다.

프로그래밍 교육에서 문법을 외우는 것보다 중요한 것은 **큰 문제를 작게 나누고 논리적으로 해결하는 능력**입니다. AI를 활용해 빠르게 프로토타입을 만들되, 단순히 AI에게 결과물을 맡기는 것이 아니라 그 과정에서 수행된 중요한 작업과 아키텍처적 개념을 스스로 파악하는 것이 진정한 실력 향상으로 이어집니다.

주니어 엔지니어들이 지금 당장 집중해야 할 능력은 **'기술적 구현물과 인간의 현실적인 필요를 연결하는 예술적 감각'**입니다. 진입 장벽이 낮아진 지금, 무엇이 가치 있는 문제인지를 파악하고 사람들이 진정으로 사랑하는 서비스를 만드는 경험이야말로 미래에 가장 가치 있는 역량이 될 것입니다.

교육의 기초를 건너뛰어서는 안 되지만, 무엇에 집중할지는 현명하게 선택해야 합니다. 계산기가 존재해도 수학적 개념을 배워야 하는 것과 마찬가지입니다. AI 시대의 최고의 엔지니어는 모든 코드를 암기한 사람이 아니라, **인간의 문제를 기술적 해결책으로 연결할 줄 아는 사람**입니다. 오늘보다 더 똑똑해지겠다는 목표를 가지고 자신을 포기하지 마십시오.

안녕하세요, 저는 스탠포드 대학교 교수 크리스 피치입니다. 저는 컴퓨터 과학 입문 수업과 AI를 위한 수학 입문 수업을 가르치고 있습니다.

코드 인 플레이스(Code in Place)를 모르시는 분들을 위해 설명하자면, 이는 프로그래밍을 배울 수 있는 온라인 수업입니다. 코드 인 플레이스의 특별한 점은 세계에서 가장 많은 교사가 참여하는 수업이라는 점인데, 약 17,000명의 학생과 1,000명이 넘는 교사가 함께하고 있습니다.

저희는 6년째 코드 인 플레이스를 진행해 왔습니다. 커서(Cursor)나 클라우드 코드(Cloud Code)가 나오기 전부터, 그리고 그 이후에도 계속해 온 것이죠.

몇 가지 관찰한 점이 있습니다. 첫째, 등록 인원이 기본적으로 두 배가 되었습니다. 정말 놀랍게도 이렇게 많은 사람이 코딩을 배우고 싶어 합니다. 질문을 확장해 볼 수도 있습니다.

프로그래밍을 배워야 할까요? 혹은 확률을 배워야 할까요? AI가 코딩도 할 수 있지만, 확률 계산도 할 수 있으니까요.

글쓰기는 배워야 할까요? AI도 글을 쓸 수 있습니다. 저는 배우지 않는다는 것이 잘못된 답이라고 생각합니다. 아닙니다, 아니에요. 다음 세대가 똑똑해지는 것을 포기하게 둘 수는 없습니다. 네, 여러분은 논리를 체계화하는 법을 배워야 합니다.

네, 확률적 추론의 깊이를 배워야 하고, 프로그래밍도 배워야 합니다. AI가 그런 것들을 할 수 있다면 여러분의 능력은 증폭될 수 있겠지만, 미래에도 여전히 그 분야에서 똑똑한 능력을 갖추는 것은 중요할 것이라 생각합니다.

과거보다 동기 부여의 위기를 겪는 사람들을 더 많이 봅니다. 그건 당연한 일입니다. 세상에 불확실성이 더 커졌으니까요. 2026년의 AI로 무엇을 기여할 수 있을지 생각할 수도 있겠지만, 학생들은 훨씬 더 어려운 문제에 직면해 있습니다. 4년제 프로그램을 시작하면서 AI가 4년 더 발전했을 2030년에는 어떤 직업이 존재할지 고민해야 하니까요. 그건 학생들에게 엄청난 불확실성이고, 저는 그 점을 매우 깊이 공감합니다.

자연스럽게 그것이 동기 부여 문제로 이어진다고 봅니다. 언제 내가 AI로부터 진정으로 무언가를 얻고 있고, 언제 내가 너무 많은 성장의 기회를 포기하고 있는 것일까요?

만약 제가 외주를 맡기기 시작한다면, 어느 시점부터는 제가 직접 할 수 없게 될까요? 정말 중요한 부분 말입니다. 모든 학생이 이런 기분을 느껴봤을 것 같아요. 만약 AI가 에세이를 너무 많이 대신 써준다면, 어느 순간부터는 스스로 에세이를 쓸 수 없게 되는 걸까요?

AI가 코드를 너무 많이 대신 짜준다면, 어느 순간부터는 아키텍처의 핵심적인 부분을 직접 설계할 수 없게 되는 걸까요?

그래서 제가 생각하기에 AI를 사용하는 것은 재미있는 일입니다. 사람들은 당연히 AI를 가지고 놀아봐야 하지만, 스스로를 되돌아봐야 합니다. AI와 함께 성장하고 있는지, 그리고 자신의 개인적인 성장을 얼마나 중요하게 생각하는지 말이죠.

저는 케냐 나이로비에서 태어났습니다. 12살 때 말레이시아 쿠알라룸푸르로 이사했고, 대학을 위해 미국으로 오게 되었죠. 저는 그저 호기심 많은 사람이었습니다.

처음부터 교수가 되려고 했던 건 아니에요. 저는 그저 배우는 것을 좋아했고 흥미로운 문제들을 좋아했습니다. 스탠퍼드에 왔을 때 코딩을 조금 해본 적은 있었지만, 프로그래밍을 제대로 알지는 못했어요. 그저 선택 과목을 하나 채워야 했을 뿐이었죠.

그래서 그냥 수업 하나를 들어야겠다 싶어서 '좋아, 프로그래밍 수업을 듣자'라고 생각했죠. 그때 교수님께서 정말 멋진 일을 하셨어요. '이제 여러분에게 도전 과제를 하나 주겠다'라고 말씀하셨죠.

수업을 듣는 모두에게 프로그래밍을 배우기 시작한 첫 2주 동안 배운 지식을 활용해 가장 멋진 것을 만들어보라고 하셨습니다.

저는 너무 신이 난 나머지 정규 수업 외에 40시간이나 추가로 공부하며 이 과제에 매달렸습니다. 그러다 결국 사람들이 어떻게 배우는지에 대해 깊은 호기심을 느끼게 되었고, 교수가 되는 것이 저에게 맞는 길이라는 결론을 내렸죠.

그래서 캐럴은 파이썬이라는 언어를 사용하는데, 이 언어는 우리 강의 전반에 걸쳐 사용하게 될 프로그래밍 언어입니다.

캐럴은 우리의 사랑스러운 로봇이며, 캐럴은 하나의 세계 속에서 살아갑니다. 우리는 그 세계가 북쪽, 서쪽, 남쪽, 동쪽의 방위가 있는 곳이라고 생각하죠.

자, 캐럴. 왼쪽으로 돌아, 또 왼쪽으로, 그리고 또 왼쪽으로. 좋아, 오른쪽으로 돌아. 이 수업은 전 세계에서 가장 많은 선생님이 있는 수업입니다. 학생 10명당 한 명의 선생님이 배정되어 있고, 약 17,000명의 학생과 1,000명이 넘는 선생님이 함께하고 있습니다.

제가 풀려고 했던 문제는 무엇이었을까요? 시간을 되돌려 팬데믹 초기 상황으로 돌아가 보죠. 스탠포드 대학교의 대표적인 코딩 입문 수업을 가르치기 직전이었는데, 모든 수업이 온라인으로 진행될 것이라는 통보를 받았습니다.

그 순간 우리는 전 세계가 고통받고 있다는 생각을 했습니다.

수업을 온라인으로 전환하면서, 동시에 세상에 도움이 될 만한 일은 없을까 고민했습니다. 단순히 강의 영상을 온라인에 올리는 것만으로는 부족할 테니까요.

사람들이 어느 정도 도움은 얻겠지만, 스탠포드 학생들이 누리는 특별한 교육의 정수를 경험하기에는 부족할 것이라고 생각했습니다.

스탠포드 코딩 입문 수업의 핵심은 바로 '섹션 리더'가 있다는 점입니다. 여러분보다 조금 더 경험이 있고 학업에서 앞서 있는 사람이 시간을 내어 여러분의 성장을 도와주는 것이죠.

AI 튜터가 모든 것을 해결해 줄 것이라는 흔한 오해가 있습니다. 우리는 이미 기본적으로 AI 튜터를 활용하고 있지만, 기대만큼 교육 현장에서 큰 변화를 일으키지는 못하고 있습니다.

지난 6년 동안 총 6번의 수업을 진행하면서 다양한 실험을 해보았습니다. 사람들에게 각기 다른 수준의 AI 지원을 제공해 본 결과, 매우 놀라운 사실을 발견했습니다.

사람들에게 단순히 '이게 챗봇이니 이걸로 학습해 보세요'라고 하면, 예상대로 사람들은 중도 포기하곤 합니다.

사람들은 의욕을 잃습니다. 학습의 적절하지 않은 타이밍에 AI가 개입하는 것은 오히려 학습 동기를 떨어뜨립니다.

우리는 AI를 활용해 학습을 돕는 매우 미묘하고 세심한 방법들을 찾아냈습니다. 하지만 인간과 비교해 보면, 통계적으로 AI만 제공했을 때는 학습 의욕이 저하되는 경향이 있습니다.

반면 사람이 개입하면 어떤 일이 벌어질까요? '코드 인 플레이스(Code in Place)' 수업 중에 코딩을 하고 있다고 상상해 보세요. 갑자기 팝업이 뜨면서 '지금 온라인에 선생님이 계신데, 10분 동안 대화해 보시겠어요?'라고 묻는다면 어떨까요?

대화하기를 선택하면 과정을 수료할 확률이 10%포인트 상승합니다. 여러분은 '아, 사람이 정답을 말해주고 AI는 잘못된 말을 해서 그런 거겠지'라고 생각하실지도 모릅니다. 하지만 우리는 그 대화 내용들을 분석해 보았습니다.

AI는 정확했고 환각 현상도 없었습니다. 입문 프로그래밍 수준에서는 더욱 그렇습니다. 사람이 항상 옳은 답을 준 것도 아니었지만, 사람 간의 상호작용은 특별한 힘을 가지고 있습니다.

동기 부여가 되기도 하고, 지금 우리 모두에게는 동기 부여가 필요하다고 생각합니다. 사람들은 누군가에게 설득당할 무언가가 필요해요. 클로드에게 모든 생각을 대신하게 하지는 않겠다는 그런 마음가짐 말이죠.

스스로 생각하는 것은 더 많은 에너지를 필요로 합니다. 교육의 핵심은 언제나 동기 부여였습니다. 학생들에게 '나는 네가 똑똑한 사람이 되길 진심으로 바란다'고 말하는 것이 훨씬 더 큰 동기 부여가 됩니다. AI 시대라고 해서 여러분이 똑똑해지는 것을 포기하지 않겠습니다.

음, 기초부터 차근차근 다져봅시다. 기초가 완성되면, 그다음에는 AI를 활용해서 코딩하는 법을 가르쳐 줄게요.

그 방식이 훨씬 효과적입니다. 챗봇들을 보면 제 질문에 답을 잘 해준다는 생각은 듭니다.

하지만 교육 현장에서 어떻게 하면 더 나은 결과를 낼 수 있을지 고민하는 분들에게 던지고 싶은 질문은, '어떻게 AI가 학생들에게 영감을 주게 할 것인가'입니다. 저는 가끔 학생들에게 깊은 영감을 주기도 합니다.

학생이 제 연구실로 찾아왔을 때, '이봐, 확률에 대해 정말 흥미로운 걸 보여줄까?'라며 아주 멋진 것을 보여주면, 학생은 원래 질문하려던 것조차 잊어버리곤 합니다. 그 순간 학생들은 사랑과 영감을 느낍니다. 제가 학생들의 호기심이라는 스위치를 켜서, 하루 종일 제가 던진 문제나 보여준 멋진 개념에 대해 생각하게 만들 수 있다면 그게 바로 학습으로 이어지는 것이죠.

그렇게 호기심이 불타오르면, 학생들은 스스로 목표에 도달할 것입니다. 그런데 현재의 챗봇들은 그런 호기심을 충분히 자극하지 못하고 있습니다.

챗봇은 절대 먼저 다가와서 '너의 생각을 완전히 뒤흔들 만한 재미있는 걸 보여줄까? 너를 확 끌어당길 만한 무언가를 말이야'라고 먼저 제안하지 않으니까요.

교사인 저는 학생들에 대한 맥락을 알고 있기에 그런 일을 할 수 있습니다. 그들이 현재 어느 수준에 있고, 어디를 향해 가려 하는지 잘 알고 있으니까요.

그래서 저는 학생들에게 어떤 영감을 줄 만한 예시나 도전을 제시할지 매우 세심하게 선택할 수 있습니다. 만약 AI 튜터가 단순히 명확한 설명만 해주면 된다고 생각한다면, 핵심을 놓치는 것일지도 모릅니다.

퍼즐의 더 큰 조각이죠. 이를 잘 활용한다면 우리는 더 나은 세상을 만들 수 있다고 생각합니다.

예전보다 동기부여의 위기를 겪는 사람들이 더 많이 보입니다. 당연한 일이죠. 세상은 더욱 불확실해졌으니까요. 2026년의 AI로 무엇을 기여할 수 있을지 생각할 수도 있겠지만, 학생들은 훨씬 더 어려운 문제에 직면해 있다고 생각합니다. 4년제 프로그램을 시작하면서 AI가 4년 더 발전했을 2030년에는 어떤 직업이 존재할지 고민해야 하니까요.

학생들에게는 엄청난 불확실성이고, 저는 그 부분에 깊이 공감합니다.

5년에서 10년 뒤에는 많은 것이 변할 겁니다. 미래는 항상 예측할 수 없었죠. 5년이나 10년 뒤에 어떤 직업이 유망할지 예측해달라고 하면 사람들은 항상 틀리곤 했습니다.

하지만 흥미로운 일화가 하나 있습니다.

제가 젊었을 때, 지금은 늙었지만요. 제 박사 과정 시절에 지금 제 동료 중 한 명이 자율주행 자동차 분야에서 처음으로 중요한 이정표를 세우고 있었는데, 그게 2011년이나 2012년 무렵이었어요.

그 당시 그 차가 주행하는 것을 보면 이런 생각이 들었죠. '세상에, 이제 택시 운전사나 트럭 운전사는 어떻게 되는 거지?'

그런데 사실 트럭 운전사라는 직업은 그 이후로도 매우 건강한 성장세를 보였습니다. 음, 물론 미래에 트럭 운전사들에게 어떤 일이 벌어질지는 저도 모릅니다.

언젠가는 변곡점에 도달할지도 모르죠. 하지만 사람들이 과소평가했던 데에는 많은 이유가 있었습니다. 예를 들어, 가치 있는 화물을 운송할 때는 책임질 사람이 필요하거나, 도로에서 발생하는 예외적이고 복잡한 상황 같은 것들을 과소평가한 것이죠. 고속도로에서는 항상 예상치 못한 일들이 벌어지니까요.

경험의 99%는 동일할 수 있지만, 나머지 1%의 다른 상황들을 AI가 완벽하게 마스터하기란 정말 어렵습니다.

언젠가 결국 완전 자율주행 자동차가 상용화되고 모든 차가 AI 시스템으로 움직이는 세상이 올 거라고 생각합니다. 하지만 제가 놀랐던 것은 우리가 그 시기가 얼마나 빨리 올지를 너무 과대평가했다는 점입니다.

AI를 깊이 다뤄본 사람이라면 누구나 경험했을 텐데, 사고의 많은 부분을 AI에 의존하게 되면서 정작 저 자신은 문제 해결 능력에서 점점 멀어지고 있다는 느낌을 받습니다.

좋은 예가 지금 당장 있는데, 저는 AI로 코딩을 많이 하지만 프로그래밍과 아키텍처에 대해 많이 알고 있습니다. 만약 제가 프로그래밍 아키텍처에 대해 잘 모른다면 AI는 좋지 않은 결정을 내리기 시작할 텐데, 처음 프로토타입을 만들 때는 괜찮을지 몰라도 5주 정도 지나서 학생들이 제 것을 실제로 사용할 때 이상한 버그를 겪을 수 있고, 제가 아키텍처를 이해하지 못하면 그들을 도울 수 없을 겁니다.

만약 제가 아웃소싱을 시작한다면, 어느 시점에 더 이상 직접 할 수 없게 될까요?

정말 중요한 부분에 대해서 말이죠. 제 생각에 모든 학생이 이런 기분을 느껴봤을 것 같습니다. 만약 AI가 에세이를 너무 많이 쓰게 한다면, 어느 시점에 당신은 더 이상 에세이를 스스로 쓸 수 없게 될까요?

만약 AI가 코드를 너무 많이 쓰게 한다면, 어느 시점에 당신은 아키텍처의 그 가치 있는 부분을 더 이상 다룰 수 없게 될까요?

그래서 저는 AI를 사용하는 것이 재밌다고 생각합니다. 사람들이 그것을 가지고 놀아야 한다고 생각하지만, 스스로 자각해야 합니다. AI와 함께 성장하고 있는지, 그리고 자신의 개인적인 성장에 얼마나 신경 쓰고 있는지 스스로 자각해야 합니다.

프로그래밍을 배울 때는 크게 두 가지 부분으로 나눌 수 있습니다.

한 가지는 컴퓨터에게 일을 시키는 방법을 배우는 문법적인 부분이고, 다른 한 가지는 큰 문제를 작게 나누는 문제 해결 능력입니다.

데이터가 알고리즘과 어떻게 소통하게 할 것인지, 알고리즘에 대해 어떻게 생각할 것인지 말이죠. 그래서 저는 AI가 문법적인 부분에는 정말 아주 능숙해질 것이라고 말하고 싶습니다.

미래에는 모든 명령어를 외우는 것은 덜 중요해질 것입니다. 아마도 어떻게 문제를 해결할 줄 아는지가 더 중요할 것입니다.

그러니 프로그래밍을 배우는 동안에는 문제 해결 능력에 집중하세요. 코딩에는 특별한 점이 하나 있습니다.

즉각적이고 반증 가능한 피드백을 받을 수 있다는 점입니다. 논리가 틀리면 프로그램이 작동하지 않는 것을 바로 확인할 수 있고 빠르게 수정할 수 있죠.

반면 인생에 문제 해결 방식을 적용할 때는 잘못된 결정을 내릴 수 있지만, 피드백 주기가 너무 느려서 결정을 더 잘 내리도록 연습할 기회가 부족합니다.

그래서 코딩에는 문제 해결 방법을 가르치는 데 특히 좋은 몇 가지 요소가 있습니다.

질문은, 어떻게 하면 정말 뛰어난 엔지니어가 될 수 있을까 하는 것이죠. 제 대답이 놀랍지는 않겠지만, 결국은 시간을 얼마나 투입하느냐의 문제입니다.

실제로 무언가를 만드는 데 얼마나 많은 시간을 보내느냐는 것이죠. 제가 말하는 '만드는 것'과 '클로드 코드(Claude Code)에게 시키는 것'은 구분해야 합니다.

그런데, 제가 만약 젊은 시절로 돌아간다면 어떻게 할지 아세요? 저는 클로드 코드로 많은 프로토타입을 만들어볼 겁니다. 그리고 '클로드 코드, 이걸 만들기 위해 네가 수행한 가장 중요한 작업들을 내게 알려줘'라고 할 거예요. 그렇게 반복하면서 많은 경험을 쌓고, 가장 중요한 개념이 무엇인지 파악하려고 노력할 겁니다.

젊은 엔지니어들에게 특별한 도전 과제를 하나 주고 싶네요.

앞서 말했듯이, 지금은 혼란스러운 시기이지만 이전에는 없던 기회가 생겨난 때이기도 합니다.

진입 장벽이 낮아진 것이 그중 하나죠. 고등학생, 혹은 18살인 친구와 함께 고품질의 스타트업을 만들 수 있게 되었습니다.

두 사람이 모여 흥미로운 문제를 해결하는 아주 인상적인 코드베이스를 만들 수도 있겠죠. 무엇이 가치 있는 문제인지 아는 것에는 정말 예술적인 감각이 필요합니다.

더 많은 주니어 엔지니어들이 그 예술적인 영역에 관여하게 될 것이라 생각합니다. 무엇을 만드는 것이 가치가 있는지, 사용자가 무엇을 원하는지, 그들의 문제를 해결하는 데 어떤 기능이 도움이 될지 말이죠.

따라서 컴퓨터가 무엇을 할 수 있는지와 인간이 실제로 무엇을 필요로 하는지를 연결하는 능력은 항상 중요한 고차원적 역량이었으며, 제가 만약 주니어 엔지니어라면 지금 당장 그 역량을 기르는 데 집중할 겁니다.

시니어 엔지니어가 될 때까지 기다리지 않을 거예요. 만약 당신의 자녀가 똑똑한 사람이 될 것이라는 전제에서 시작한다면 말이죠.

만약 자녀가 없다면 조카들이 똑똑한 사람이 될 것이라고 가정해 보세요. 다음 세대는 우리보다 더 똑똑한 사람들로 가득 찰 것이라는 전제에서 시작하는 겁니다.

그렇다면 우리는 그들을 어떻게 그런 수준으로 이끌 것인가를 고민하게 되죠. 확률이나 컴퓨터 과학 같은 어떤 주제를 보더라도, 그 안에는 기초적인 개념이 있고 그 위에 복잡한 계층들이 쌓여 있습니다.

그들이 우리보다 더 똑똑해지기를 바란다면, 기초를 건너뛰는 것은 매우 어려운 일입니다.

이를 생각하는 한 가지 방법은 우리가 곱셈을 하기 위해 오랫동안 계산기를 사용해 왔다는 것입니다. 아이들은 여전히 곱셈을 배워야 하죠. 그런데 여기에는 미묘한 차이가 있습니다.

곱셈이라는 개념은 매우 중요하지만, 사실 기계적으로 계산하는 방법, 예를 들어 제가 여러분께 13 곱하기 7이 뭐냐고 물었을 때,

빨리 대답하는 것은 곱셈이 무엇인지 아는 것만큼 중요하지 않습니다. 기초를 건너뛸 수는 없지만, 무엇에 집중할지에 대해 더 현명하게 접근할 수는 있을 겁니다.

저는 다음 세대를 포기하지 않는다는 것을 하나의 원칙으로 삼고 있습니다. 솔직히 말해서, 제가 본 사람들 중 이 AI 시대에 가장 길을 잃고 의욕을 잃은 사람들은 가끔 너무 깊게 고민하는 이들입니다.

제 학생 중 한 명은 정말 멋진 일들을 해내고 있었습니다.

그는 AI를 활용해 문제를 해결하고 놀라운 것들을 배우고 있었죠. 그래서 제가 "정말 훌륭한 학생인데, 너는 어떻게 생각하니?"라고 물었더니, 그는 "저는 사실 그 부분에 대해 깊게 생각하지 않아요."라고 답했습니다.

그는 "저는 AI의 미래에 대해 깊게 고민하지 않고, 덕분에 잘 해나가고 있어요."라고 했는데, 그 말에 저는 잠시 멈칫했습니다. 저는 항상 AI에 대해 생각하거든요. 하루에 열 번은 AI를 생각하는 것 같은데, 그냥 호기심을 가지고 배우겠다는 그 단순함에 놀랐습니다. 그날 이후로 저는 원칙을 가지고 하루를 시작합니다.

저는 왜 다음 세대가 더 똑똑해져야 하는지 묻지 않습니다. 그것을 진리로 받아들이죠. 저는 그것을 원하고, 그것을 향해 노력할 것입니다. AI는 도구이며, 인간을 증폭시킬 것입니다.

인간이 최고의 역량을 발휘할 때, 우리는 이 도구를 활용해 우리 자신을 증폭시킬 수 있습니다. 환자를 진심으로 아끼는 의사가 이제는 더 빠르고 정확하게 진료할 수 있는 도구를 가진 것처럼 말이죠. 학생들을 진심으로 아끼고 그들이 배우는 것에 열정적인 교사라면, 이 도구를 통해 학생들과 함께 더 멀리 나아가고 더 많은 일을 해낼 수 있을 것입니다.

스탠포드대 컴공과 교수: AI가 코딩하는 시대, 왜 배워야할까ㅣ크리스피치

스크립트