LLM Wiki

AI 코딩 시대, 더이상 성장하지 않는 개발자들

5 min read

AI 코딩 시대, 더이상 성장하지 않는 개발자들

AI를 많이 쓸수록 AI를 잘 쓰기 어려워진다. — evan-moon (evan-moon.dev)

핵심 주장

AI를 많이 사용할수록 AI의 출력물 품질을 판단하는 역량이 약화된다. 이는 “좋은 코드란 무엇인가”에 대한 직관에서 나오며, 이 직감은 수많은 실패·디버깅·리팩토링 경험에서만 형성된다.

한 문장으로 요약하면:

AI를 가장 잘 활용할 수 있는 개발자는, AI 없이도 코드를 판단할 수 있는 개발자다.

뇌과학적 근거

바람직한 어려움 (Desirable Difficulties)

UCLA의 로버트 비요크(Robert Bjork): 적절한 난이도와 저항이 있을 때 장기 기억 보존과 전이가 향상된다.

인출 연습 효과

로디거 & 카르피크 (2006) 연구:

  • 반복 읽기 그룹: 5분 후 테스트 우위 → 1주 후 기억 보존율 50% 낮음
  • 인출 연습 그룹: 5분 후 열세 → 1주 후 기억 보존율 50% 더 높음

뇌 활성도 차이:

  • 인출 연습 그룹: 해마 ↔ 전두엽 피질 연결 강화 (맥락과 함께 기록)
  • 수동 읽기 그룹: 해마 ↔ 방추상회 연결만 활성화 (정보를 “보고 있을 뿐”)

생성 효과 (Generation Effect)

슬라메카 & 그래프 (1978): 완성된 정보를 수동적으로 읽는 것보다 빈칸을 채우는 작은 노력이 기억 보존율을 유의미하게 높인다.

유창성의 착각 (Fluency Illusion)

쉽게 처리할 수 있다는 느낌 ≠ 잘 기억한다는 결과.

절차 기억 (Procedural Memory)

코딩 판단력의 상당 부분은 절차 기억에 저장된다:

  • 문제を見ると 자연스럽게 떠오르는 해결 패턴
  • “여기 뭔가 이상한데”라는 직감
  • 리팩토링 지점 포착

앤더슨(Anderson)의 적응적 사고 통제 모델 — 절차 기억 형성 3단계:

  1. 인지 단계: 의식적으로 한 단계씩 수행
  2. 연상 단계: 패턴 인식으로 속도 향상
  3. 자동화 단계: 의식적 노력 없이 자동 실행

AI 의존이 성장 정체로 이어지는 메커니즘

AI가 코드 작성의 고통을 대신해주면서:

  1. “코드를 판단하는 근육”이 약화 — 절차 기억이 1단계에 머무름
  2. 경력은 쌓이지만 판단력은 정체 — 3년차와 10년차 판단력 차이가 없음
  3. AI 출력물 품질 판단 불가 — 구조 변경 취약성, 책임 분리 문제 등을 지적하지 못함

해결 방향

“어려우면 다 좋다”가 아니라 **“바람직한 어려움”**이 핵심:

  • 현재 가진 능력으로 도달 가능한 범위 안의 도전
  • 너무 쉬우면 부하 부족 → 기억에 남지 않음
  • 너무 어려우면 처리 불가 → 좌절만 남음

적절한 난이도의 과제를 스스로의 힘으로 해결하는 경험이 가장 효과적인 학습.

관련 개념

출처

그래프 뷰

백링크