인공지능 시대 컴퓨터공학과 교육 혁신 실행 방안

2026-11-10

— 교과목 개편 · 평가 재설계 · AI 도구 정책 · 학기별 실행 로드맵 —

생성형 AI(코드 어시스턴트)를 전제로 한 컴퓨터공학 학사과정 실행 계획

요약

본 보고서는 앞서 제시한 이공계 교육 혁신 방향을 컴퓨터공학과 학사과정에 한정하여, 곧바로 시행할 수 있는 수준으로 구체화한 실행 계획이다. 컴퓨터공학은 GitHub Copilot, ChatGPT 등 코드 생성 도구가 실무와 학습 모두에 가장 깊이 침투한 분야로, '코드를 작성하는 능력'만으로는 더 이상 역량을 변별할 수 없다. 따라서 교육의 초점을 코드 작성에서 코드 검증 · 설계 · 디버깅 · 통합으로 옮겨야 한다.

핵심 실행 골격 — ① 과목 성격에 따라 AI 활용을 4개 등급(금지/제한/허용/필수)으로 차등 적용, ② 저학년은 기초 역량 보호를 위해 라이브 코딩·구술 평가를 강화, ③ 고학년은 AI 협업 개발과 코드 리뷰·방어를 필수화, ④ 모든 과제에 AI 활용 표기를 의무화, ⑤ 교원 워크숍·조교 교육·인프라를 1년 내 정비하고 2~3개 파일럿 과목으로 검증 후 확산한다.

1. 배경: 컴퓨터공학과의 특수 상황

컴퓨터공학 교육은 다음 세 가지 이유로 다른 학과보다 더 시급한 대응을 요구받는다.

자동화의 최전선 — 코드 어시스턴트는 함수 작성, 알고리즘 구현, 디버깅, 테스트 생성을 상당 수준 대체한다. 입문 과제와 알고리즘 구현 과제는 AI가 수 초 내에 정답을 산출하므로, 기존 방식의 과제·시험은 변별력을 잃었다.
역량 공동화 위험 — 저학년 학습자가 AI에 의존해 초안을 받는 데 익숙해지면, 자료구조·복잡도·메모리 등 기초 전산 사고(computational thinking)를 스스로 형성하지 못한 채 진급할 위험이 크다.
현장의 역설적 요구 — 동시에 산업 현장은 이미 'AI를 활용해 생산성을 높이면서도, 생성된 코드를 리뷰·검증·통합할 수 있는 개발자'를 요구한다. 즉 AI를 배제한 교육도, 무비판적으로 허용한 교육도 현장 적합성이 낮다.

결론적으로 컴퓨터공학과의 과제는 기초 역량은 AI 없이 확실히 다지되, 고학년으로 갈수록 AI 협업·감독 역량을 체계적으로 길러내는 '이원적 설계'다.

2. 컴퓨터공학과 졸업생 역량 목표

졸업 시점에 학생이 갖추어야 할 역량을 다섯 가지로 정의하고, 이후 모든 실행 방안은 이 역량에 연결한다.

역량	정의	주된 학년
기초 전산 사고	자료구조·알고리즘·복잡도를 AI 없이 스스로 설계·분석	1~2학년
코드 검증·리뷰	AI 생성 코드의 정확성·보안·효율·가독성을 진단·개선	2~4학년
시스템 설계	요구사항을 아키텍처로 분해하고 트레이드오프를 판단	3~4학년
AI 협업 개발	코드 어시스턴트를 활용해 생산적으로 개발·통합·테스트	3~4학년
윤리·보안	라이선스·개인정보·보안·표절 규범을 준수·판단	전 학년

3. AI 도구 활용 등급제 (전 과목 공통 프레임)

모든 컴퓨터공학과 교과목은 활동·평가 단위별로 아래 4개 등급 중 하나를 명시한다. 담당 교수는 강의계획서와 각 과제 안내에 적용 등급과 그 이유를 사전에 공지한다.

등급	명칭	허용 범위	주 적용 상황
L0	금지	AI 도구 일체 사용 불가. 폐쇄 환경에서 수행	폐쇄형 시험, 기초 문법·구현 습득 단계
L1	제한 허용	개념 설명·디버깅 힌트만 허용, 코드 직접 생성 금지, 사용 시 표기	저학년 실습, 알고리즘 설계 과제
L2	허용+표기	자유 활용하되 프롬프트·수정 이력·검증 근거 제출	프로젝트, 시스템 실습
L3	필수 활용	AI 활용을 전제로 하고, 검증·리뷰·통합 능력을 평가	캡스톤, 코드 리뷰·반박 과제

이 등급제는 '금지 대 허용'의 소모적 이분법을 대체한다. 저학년은 L0~L1로 기초를 보호하고, 학년이 오를수록 L2~L3로 AI 감독 역량을 훈련한다.

4. 교과목군별 실행 방안 (상세)

4.1 프로그래밍 입문 (1학년) — 기초 보호

적용 등급 L0(시험)~L1(실습)

수업 활동

주 1회 '라이브 코딩' 세션: 학생이 실습실 폐쇄 환경에서 조교 참관 하에 소규모 문제를 직접 구현한다.
'AI 설명 활용' 허용: 개념·오류 메시지를 AI에게 물어 이해하는 것은 권장하되, 코드 자체를 생성받는 것은 금지한다.

평가

실기 시험(50%) — 폐쇄형 온라인 저지 또는 화이트보드 구현. AI·인터넷 차단.
구술 점검(20%) — 제출 코드에 대해 '이 반복문의 종료 조건을 왜 이렇게 두었는가' 등 3~5분 구술로 본인 작성 여부와 이해도를 확인.
과제(30%) — L1. AI 사용 시 사용 범위 표기 필수, 미표기 시 감점.

4.2 자료구조·알고리즘 (2학년) — 설계와 분석 중심

적용 등급 L1(설계·구현)~L0(중간·기말)

수업 활동

'AI 코드 복잡도 분석' 과제: AI에게 특정 문제 풀이를 생성시킨 뒤, 시간·공간 복잡도를 학생이 직접 분석하고 더 나은 대안을 제시한다.
'AI 반박' 과제: AI가 제시한 알고리즘의 반례(edge case)를 학생이 찾아내고 수정한다.

평가

설계 방어 구술(30%) — 학생이 선택한 자료구조·알고리즘의 근거와 트레이드오프를 3~5분간 방어한다.
폐쇄형 시험(40%) — 복잡도 분석·의사코드 작성 중심으로, 도구 없이 개념을 평가.
분석 리포트(30%) — AI 생성 코드 대비 개선 과정을 문서화(프롬프트·수정 이력 포함).

4.3 시스템 과목군: 운영체제·네트워크·데이터베이스 (2~3학년)

적용 등급 L2(프로젝트)

수업 활동

AI를 활용한 실습 프로젝트(예: 스케줄러 구현, 소켓 프로그래밍, 쿼리 최적화)를 수행하되, 버전관리(Git) 커밋 이력으로 개발 과정을 남긴다.
AI 생성 코드의 동시성 버그·보안 취약점·성능 병목을 진단하는 실습을 포함한다.

평가

코드 방어 면접(40%) — 제출 프로젝트의 임의 부분을 지목해 '이 부분은 무엇을 하며 왜 이렇게 구현했는가, 이 코드의 취약점은 무엇인가'를 질문한다.
동작·성능 검증(30%) — 테스트 통과율·성능 지표를 자동 채점.
과정 문서(30%) — AI 활용 내역·검증 로그·의사결정 기록.

4.4 소프트웨어공학·캡스톤 설계 (3~4학년) — AI 협업 필수

적용 등급 L3(필수 활용)

수업 활동

AI를 팀의 '주니어 개발자'로 간주하고, 요구사항 분석→설계→AI 활용 구현→코드 리뷰→테스트→통합의 전 과정을 수행한다.
의무 코드 리뷰: 매 스프린트마다 AI 생성 코드에 대한 팀 내 리뷰 기록(발견한 결함·수정 근거)을 남긴다.

평가

설계·아키텍처 방어(30%) — 시스템 설계와 트레이드오프를 심사위원 앞에서 방어(viva).
코드 리뷰 품질(25%) — AI 생성 코드의 문제를 얼마나 정확히 진단·개선했는가.
동작 완성도(25%) / 협업·기여도(20%) — 실물 데모와 Git 기여도·회고 기록으로 평가.

4.5 이론 과목군: 이산수학·계산이론·형식언어 (2~3학년)

적용 등급 L0(시험)~L1(과제)

실행 요지

AI가 생성한 증명의 논리적 결함·비약을 찾아 반박하는 과제를 도입한다.
핵심 개념은 구술·화이트보드 증명으로 평가해 개념적 이해를 직접 확인한다.

5. 평가 재설계 상세 지침

네 가지 평가 방식을 표준화해 전 과목에 재사용한다. 각 방식의 운영 지침과 배점 가이드는 다음과 같다.

5.1 라이브 코딩 / 폐쇄형 실기

도구·네트워크가 차단된 실습 환경에서 제한 시간 내 문제를 구현한다. 저학년 기초 과목의 본인 실력 확인용으로 사용한다. 온라인 저지 자동채점과 조교 참관을 병행한다.

5.2 코드 방어 구술 (Code Defense Viva)

제출물의 임의 부분을 무작위로 지목해, 동작 원리·설계 근거·잠재적 결함을 3~7분간 구술로 설명하게 한다. 본인 작성·이해 여부를 가장 효과적으로 변별하며, AI 사용 자체는 허용하되 '이해 없는 제출'을 걸러낸다.

5.3 과정 기반 평가

Git 커밋 이력, 프롬프트 로그, 수정 이력, 회고 문서를 함께 제출받아 최종 산출물이 아닌 사고·의사결정 과정을 평가한다.

5.4 AI 협업 리포트

AI를 무엇에·어떻게 사용했고, 생성물의 어떤 부분을 어떻게 검증·수정했는지를 정해진 양식(부록 참조)으로 제출한다. 투명성과 검증 역량을 동시에 평가한다.

5.5 코드 방어 구술 평가 루브릭 (예시)

평가 항목	미흡 (1)	보통 (2)	우수 (3)
동작 원리 설명	코드 흐름을 설명 못함	대체로 설명하나 일부 오류	정확히 설명하고 대안 제시
설계 근거	근거 없음/모방 수준	선택 이유는 설명	트레이드오프까지 논증
결함 인식	취약점 인지 못함	일부 결함 인지	결함·엣지케이스·보안까지 진단
AI 활용 투명성	미표기/불명확	사용 표기함	사용·검증 과정을 명확히 제시

6. 학기별 실행 로드맵

무리한 전면 개편 대신, 준비→파일럿→확산의 3학기 계획으로 추진한다.

시기	주요 과제	책임	산출물/점검
1학기 (준비)	AI 등급제·표기양식 확정, 교원 워크숍 2회, 파일럿 과목 2~3개 선정, 실습실 폐쇄환경(저지) 구축	학과 교육위원회	학과 AI 가이드라인 v1, 파일럿 강의계획서
2학기 (파일럿)	파일럿 과목 운영(입문·알고리즘·캡스톤 각 1), 구술·과정평가 시범, 학생 설문·성적 데이터 수집	파일럿 담당 교수·조교	파일럿 결과 보고서, 루브릭 개정안
3학기 (확산)	전 전공필수 과목에 등급제 적용, 코드 방어 구술 표준화, 성과지표 정례 점검 체계 가동	학과 전체	개정 교육과정, 성과 대시보드

7. 교원 지원 및 인프라

7.1 교원·조교 역량

교원 워크숍(학기당 2회) — 과목별 AI 등급 설정, 구술·과정평가 설계, 표절·표기 판정 실습을 다룬다.
조교(TA) 교육 — 라이브 코딩 감독, 코드 방어 구술 진행, 과정 평가 채점을 표준 절차로 훈련한다.
우수사례 공유 — 과목별 과제·루브릭을 학과 내부 저장소에 축적·공유한다.

7.2 인프라

폐쇄형 실기 환경 — 네트워크·AI 차단 실습실 또는 감독형 온라인 저지(자동채점) 도입.
학과 승인 AI 환경 — 개인정보·미공개 코드 보호를 위해 로그·데이터가 통제되는 승인된 AI 도구·계정 정책을 마련한다.
버전관리 통합 — 모든 프로젝트 과목에서 Git 사용을 표준화해 개발 과정을 추적 가능하게 한다.

8. 예상 리스크와 대응

리스크	대응 방안
구술·과정평가로 인한 교원·조교 업무 부담 증가	조교 인력 배정, 무작위 표본 구술(전수 아님), 평가 자동화 도구 병행
저학년의 AI 과의존으로 기초 역량 저하	저학년 L0~L1 고정, 라이브 코딩·폐쇄 시험 비중 확대
AI 사용 표기의 형식화·허위 기재	코드 방어 구술로 교차 검증, 미표기·허위 시 학칙상 제재 명문화
교원 간 기준 편차	학과 공통 등급제·표준 루브릭 배포, 워크숍으로 정합성 확보

9. 성과 지표

아래 지표를 학기 단위로 점검해 방안을 개선한다.

영역	지표(예시)	목표 방향
기초 역량	폐쇄형 실기·구술 평가 통과율(저학년)	유지·향상
검증 역량	코드 방어 구술 '결함 인식' 항목 평균 점수	향상
교과 적용	AI 등급제·표기양식 적용 전공과목 비율	100% 지향
평가 전환	구술·과정 기반 평가 도입 과목 비율	확대
교원 참여	AI 워크숍 이수 교원 비율	확대
윤리	AI 활용 표기 준수율 / 표절 적발 대비 소명 처리율	정착

맺음말

컴퓨터공학과에게 생성형 AI는 위협인 동시에, 교육의 본령을 되묻는 계기다. 코드를 '짜는' 일을 도구가 대신할수록, 코드가 옳은지 판단하고 · 시스템을 설계하며 · 책임지고 통합하는 인간 개발자의 역량은 더 귀해진다. 본 보고서의 등급제·평가 재설계·학기별 로드맵은 그 역량을 기르기 위한 구체적 실행안이며, 파일럿을 통한 검증과 데이터 기반 개선을 전제로 학과 현실에 맞게 조정·발전시켜야 한다.

부록. AI 활용 표기 양식 (제출용 예시)

모든 L1 이상 과제 제출 시 아래 양식을 첨부한다.

항목	기재 내용
사용한 AI 도구	예: ChatGPT / GitHub Copilot 등 (버전 포함)
사용 목적·범위	예: 정렬 함수 초안 생성, 에러 원인 질의 등
주요 프롬프트	핵심 프롬프트 1~3개 요약
검증·수정 내역	생성물에서 발견한 문제와 직접 수정·검증한 부분
본인 기여 비중(자기평가)	예: 설계 100% 본인 / 구현 60% 본인·40% AI 보조 후 검증