AI 도구로 프로그래밍을 계속 배워야 할까?

그렇습니다. 짧은 답변입니다. 더 긴 답변은 더 흥미로운데 무엇이 변했고 무엇이 변하지 않았는지 설명하기 때문입니다.

AI가 실제로 대체한 것

Copilot, Claude, GPT 기반 도구들은 보일러플레이트를 생성하는 데 능합니다: CRUD 엔드포인트, regex 패턴, 단위 테스트 스캐폴딩, 설정 파일, 명확한 스펙을 잘 모르는 언어의 작동 코드로 변환하기. 프로그래밍의 기계적인 부분에서 실제 시간을 절약합니다. Python 스크립트를 작성해서 CSV를 파싱하고 API를 호출하는 데 예전엔 20분이 걸렸으니 이제 2분이 걸립니다.

대체하지 못한 부분은 무엇을 만들지 결정하고, 생성된 코드가 미묘하게 틀렸음을 알아채고, 오전 2시에 프로덕션에서 망가졌을 때 고치는 부분입니다. AI 모델은 당신의 데이터베이스 스키마에 email에 대한 유니크 제약이 있어서 다섯 번째 테스트 케이스에서 IntegrityError를 던질 것임을 알지 못합니다. 당신이 알아야 하거나, 그걸 찾는 방법을 알아야 합니다.

디버깅 테스트

코딩 학습을 건너뛸 수 있는지 확인하는 실용적인 방법입니다: AI가 생성한 코드를 프로젝트에 붙여넣고, 실행해서 실패했을 때 무엇이 일어나는지 보세요. 스택 트레이스를 읽고, undefined is not a function이 왜 일어났는지 이해하고, 5분 안에 고칠 수 있다면 이미 중요한 스킬을 가진 것입니다. 매번 에러를 다시 채팅에 붙여넣고 운에 맡기고 있다면, 시간을 절약하는 게 아니라 없는 판단력을 외주주고 있다는 뜻입니다 — 그게 실제 위험입니다.

대부분의 사소하지 않은 버그는 실행 순서, 스코프, 비동기 타이밍, 또는 라이브러리의 내부가 엣지 케이스에서 어떻게 동작하는지를 이해해야 합니다. AI 도구는 이것들을 추론하는 데 도움이 될 수 있지만, 그들의 설명이 타당한지 평가할 수 있을 때만 가능합니다. 그 평가가 프로그래밍 지식입니다.

실제 레버리지가 있는 곳

AI 코딩 도구에서 가장 많은 이득을 보고 있는 사람들은 초보자가 아니라 경험 많은 개발자들입니다. 시니어 엔지니어는 데이터베이스 마이그레이션 스크립트를 요청하고, 슥 보고, 빠진 인덱스를 찾아내고, 3분 안에 배포할 수 있습니다. 같은 것을 요청하는 초보자는 인덱스가 중요한지 알 수 없고, 빠진 것을 알아채지 못할 것이고, 프로덕션 데이터에서 쿼리가 40초가 걸릴 때 알게 됩니다.

이 패턴은 영역 전체에서 유지됩니다:

• 네트워킹에서, AI가 제시한 방화벽 규칙이 올바르게 범위가 지정되었는지 말할 수 있으려면 서브넷 마스크가 무엇을 하는지 여전히 알아야 합니다.
• 보안 작업에서, AI가 작성한 로그인 폼이 실제로 쿼리를 파라미터화하고 있는지 검증하려면 SQL injection을 이해해야 합니다.
• 시스템 프로그래밍에서, AI가 생성한 Rust나 C++을 신뢰하기 전에 메모리 소유권을 이해해야 합니다