AI가 일을 대신하면 내 실력도 늘까? 코딩 실험과 학습 연구가 말하는 것

핵심 요약. AI를 이용해 결과를 더 빨리 만드는 것과 그 일을 스스로 이해하고 다음에도 판단할 수 있게 되는 것은 같은 성과가 아니다. 2026년의 한 코딩 실험에서 AI 도움을 받은 집단은 과제를 약간 빨리 끝냈지만 직후 이해도 점수는 더 낮았다. 그렇다고 AI가 언제나 학습을 방해한다는 뜻은 아니다. 다른 실험에서는 잘 설계한 AI 튜터가 학습을 도왔다. 중요한 것은 AI를 썼는가보다 어떻게 썼는가라는 질문이다.

연구 1 — 52명 코딩 실험: 빠른 완성과 이해도의 차이

Anthropic의 Judy Hanwen Shen과 Alex Tamkin이 2026년 1월 29일 공개한 무작위 비교 실험은 주로 경력이 짧은 개발자 52명이 낯선 Python 라이브러리인 Trio를 배우는 상황을 다뤘다. 한 집단은 AI 도우미를 이용했고 다른 집단은 도움 없이 과제를 수행했다. 이어 코드 읽기·디버깅·개념 이해를 평가하는 퀴즈를 치렀다. Anthropic 연구 설명

보고된 평균 퀴즈 점수는 AI 사용 집단 50%, 비사용 집단 67%였다. 약 17%포인트 차이이며 해당 실험에서는 통계적으로 유의했다. 과제 시간은 AI 집단이 평균 약 2분 짧았지만 통계적으로 유의미한 시간 차이는 아니었다. 이를 ‘AI는 개발자 생산성을 올리지 않는다’거나 ‘AI를 쓰면 누구나 실력이 17% 떨어진다’로 일반화해서는 안 된다.

같은 AI 집단 안에서도 학습 방식은 다양했다. AI에게 답을 전적으로 맡긴 참가자와, AI에게 개념 설명을 물으며 스스로 이해하려고 한 참가자의 성적 패턴은 달랐다. 하지만 연구진은 이러한 사용 방식별 관찰이 인과관계를 증명하지는 않는다고 명확히 밝혔다. 또한 소규모 단기 실험이므로 장기 숙련도와 코딩 이외 업무로의 일반화에는 한계가 있다.

연구 2 — 지식근로자 319명의 자기보고는 무엇을 보여주나

Microsoft Research 연구팀이 CHI 2025에서 발표한 논문은 지식근로자 319명에게서 AI 활용 사례 936건을 수집했다. 업무별 자기 확신과 AI에 대한 신뢰가 비판적 사고를 언제, 얼마나 했다고 보고하는지와 관련된다는 결과였다. AI에 대한 자신감이 높을수록 비판적 사고를 덜 보고했고, 자신의 업무 능력에 대한 자신감이 높을수록 더 많이 보고했다. Microsoft Research 논문 원문 정보

여기서 특히 중요한 제한은 설문에 기반한 자기보고 연구라는 점이다. 이 결과만으로 AI가 실제 사고 능력을 감소시켰다는 인과관계가 입증된 것은 아니다. 다만 AI 활용이 정보 탐색보다 답변 검증·통합·작업 관리 쪽으로 사고 활동을 옮길 수 있다는 관찰은 의미가 있다.

반례 — 잘 설계된 AI 튜터는 학습을 도울 수 있다

2025년 Scientific Reports에 발표된 Greg Kestin 등 연구진의 무작위 대조 실험은 연구 기반 설계의 AI 튜터를 대학 물리 수업의 능동적 학습 방식과 비교했다. 이 연구에서는 AI 튜터를 이용한 학생들이 더 짧은 시간에 더 많이 배웠다고 보고했다. Scientific Reports 원문·DOI

이 논문은 ‘AI가 답을 대신 내준 상황’과 ‘AI가 학습을 돕도록 설계된 상황’을 같게 볼 수 없다는 반례다. 학교 수업·전문 개발자 업무·일상 업무는 과업과 평가 방법이 다르므로, 서로 다른 실험의 성과 수치를 직접 비교해 승자를 정해서는 안 된다.

테크모라의 해석 — 성과 지표를 둘로 나눠야 한다

AI 도입을 평가할 때 ① 지금 결과를 얼마나 잘 만들었는가와 ② 다음에 비슷한 문제가 생겼을 때 사람이 무엇을 이해하고 판단할 수 있는가를 별도 지표로 볼 필요가 있다. 현재 업무를 자동화하는 데는 속도·정확도가 중요하지만, 생소한 문제를 배우는 단계에는 질문·설명·반론·재현 능력도 중요하다.

예를 들어 AI가 웹사이트 코드를 완성해도 관리자가 오류 발생 시 어떤 설정을 확인해야 할지 전혀 모른다면, 제작 속도만으로 운영 역량이 개선됐다고 평가하기 어렵다. 반대로 AI가 원리를 설명하고 사용자가 수정 이유를 다시 말할 수 있다면 ‘AI로 만드는 경험’이 배움으로 이어질 가능성이 있다. 이것은 위 논문들을 바탕으로 한 해석이지 별도의 실증 결과가 아니다.

AI 활용 후 학습이 남는지 확인하는 작은 관찰 실험

작업 전: AI 없이 스스로 답해볼 핵심 질문 두 개를 적는다.
작업 중: AI에게 정답만 요청하지 말고 왜 이 방법을 택했는지, 다른 해법과 실패 조건을 설명하게 한다.
작업 직후: AI 화면을 닫고 핵심 원리와 검증 절차를 자기 말로 기록한다.
며칠 뒤: 비슷하지만 조금 다른 예시를 AI 도움 없이 풀어보고, 설명 가능한 범위를 비교한다.

이 실험은 독자에게 제안하는 관찰 방법이며, 테크모라가 실제 참여자를 모집해 수행했거나 학습 효과를 수치로 확인했다는 뜻이 아니다. 관찰 결과가 개인차·과제 난이도·반복 학습 효과의 영향을 받는다는 한계도 있다.

우리가 더 연구해야 할 질문

AI가 잘하는 일이 늘어날수록 인간이 모든 세부 기술을 직접 익혀야 한다고 주장할 수는 없다. 그러나 무엇을 이해해야 결과를 검증하고 위험한 결정을 멈출 수 있는가는 여전히 중요한 질문이다. 또한 AI를 ‘대신하는 도구’와 ‘가르치는 도구’로 쓰는 경계는 상황에 따라 달라질 것이다.

오늘의 잠정 결론은 단순하다. 작업 완료와 학습 완료를 같은 것으로 취급하지 말자. AI와 함께 일하는 방식의 선택이 사람의 장기적 판단 능력에 어떤 영향을 미치는지, 더 큰 표본과 장기 관찰이 필요하다.

원문 연구·관련 글

검증일: 2026년 11월 4일. Anthropic·Microsoft 연구진의 1차 설명과 원문 서지정보, Scientific Reports 연구 초록을 확인했다. 세 연구는 서로 다른 환경과 방법을 사용하므로 단일한 인과결론으로 합치지 않았다.