# AI 코딩 시대, 성장이 멈추는 개발자의 뇌에서 일어나는 일

> Clean Markdown view of GeekNews topic #28653. Use the original source for factual precision when an external source URL is present.

## Metadata

- GeekNews HTML: [https://news.hada.io/topic?id=28653](https://news.hada.io/topic?id=28653)
- GeekNews Markdown: [https://news.hada.io/topic/28653.md](https://news.hada.io/topic/28653.md)
- Type: news
- Author: [bboydart91](https://news.hada.io/@bboydart91)
- Published: 2026-04-18T16:08:47+09:00
- Updated: 2026-04-18T16:08:47+09:00
- Original source: [evan-moon.github.io](https://evan-moon.github.io/2026/04/18/developers-who-stopped-growing-in-ai-era/)
- Points: 10
- Comments: 4

## Topic Body

#### TL;DR;  
  - AI를 잘 쓰는 핵심 역량은 출력물의 품질을 판단하고 교정하는 능력이며, 이 능력은 AI에 의존할수록 오히려 약화됨  
  - Bjork의 "바람직한 어려움" 이론에 따르면, 쉽게 처리한 정보는 장기 기억에 남지 않음  
  - Roediger & Karpicke(2006) 연구에서 인출 연습 그룹의 일주일 후 기억 보존율이 반복 읽기 그룹보다 약 50% 높았음  
  - AI가 코드를 대신 작성하면 본질적 인지 부하(germane load) 까지 제거되어 스키마 형성 기회 자체가 사라짐  
  - 숙련된 개발자일수록 신경 효율성으로 인해 AI 출력을 읽는 것만으로는 뇌에 걸리는 부하가 거의 없음  
  - AI 이전에도 성장이 멈추는 경로는 존재했지만, AI는 그 경로의 마찰을 극적으로 제거함  
  
  ---  
#### 상세 요약  
  
##### AI를 잘 쓰려면 코드를 알아야 하는 역설  
  
  - "이걸 만들어줘"라고 말할 수 있는 사람은 많지만, AI 결과물을 보고 "이 구조는 변경에 취약하다", "이 인터페이스는 두 가지 책임을  
  가지고 있다"고 구체적으로 교정할 수 있는 사람은 훨씬 적음  
  - 이 능력은 수많은 실패와 디버깅과 리팩토링 경험에서 형성된 직감에 가까움  
  - AI 사용법 학습과 코드 패턴 학습은 양자택일 관계가 아니라, 후자가 전자의 토대인 관계임  
  - "AI를 가장 잘 활용할 수 있는 개발자는 AI 없이도 코드를 판단할 수 있는 개발자"  
  
##### 뇌는 편하면 기억하지 않는다  
  
  - Bjork의 "바람직한 어려움": 학습 과정에 적절한 난이도와 저항이 존재할 때 단기 수행은 느려지지만 장기 기억 보존과 전이는 향상됨  
  - Roediger & Karpicke(2006): 반복 읽기 vs 인출 연습 실험  
    - 5분 후 테스트: 반복 읽기 그룹 성적이 더 높음  
    - 일주일 후 재테스트: 인출 연습 그룹의 기억 보존율이 약 50% 더 높음  
  - 능동적 인출 그룹은 해마–전두엽 피질 연결성이 강화되고 감각운동 네트워크 활성도 증가  
  - 수동 학습 상태의 뇌는 해마–방추상회 연결만 활성화 — "정보를 보고 있을 뿐 처리하지 않는 것"에 가까움  
  - 생성 효과 (Slamecka & Graf, 1978): "뜨거운-차___" 처럼 직접 완성한 그룹이 완성된 쌍을 읽은 그룹보다 기억 보존율이 유의미하게 높음  
  - 유창성의 착각: 정보를 쉽게 처리할 수 있다는 느낌이 잘 기억할 것이라는 착각으로 이어짐  
  
##### 코딩 실력은 절차 기억이다  
  
  - 코딩 실력의 상당 부분은 절차 기억 — 자전거 타기처럼 한번 체화되면 의식하지 않아도 자동 실행됨  
  - Anderson의 적응적 사고 통제(ACT) 모델: 절차 기억 형성 3단계  
    - 인지 단계: 모든 것을 의식적으로 한 단계씩 실행, 작업 기억 대부분 소모  
    - 연합 단계: 개별 절차들이 통합되어 하나의 흐름으로 실행 가능  
    - 자동화 단계: 작업 기억 거의 차지하지 않고 자동 실행 — 남은 여유를 설계 판단에 활용 가능  
  - 단계 전환은 반복적인 직접 수행을 통해서만 진행됨  
  - 청킹 (Chase & Simon 체스 연구): 전문가와 초보자의 차이는 작업 기억 슬롯 수가 아니라, 하나의 청크에 담을 수 있는 정보의 양  
    - 체스 고수는 말의 개별 위치가 아닌 "시실리안 디펜스의 전형적인 중반 배치" 같은 의미 있는 패턴을 하나의 청크로 인식  
    - 무작위 배치 실험에서 고수와 초보자 차이가 사라짐으로써 입증됨  
  
##### AI는 이 과정을 방해한다  
  
  - AI에게 구현을 맡기면 본질적 인지 부하(germane load) 까지 AI가 대신 처리 — 스키마 구축 기회 자체가 사라짐  
  - 절차 기억 관점: 인지 단계에서 끙끙대는 시간이 줄어 연합 단계 전환이 지연되고 자동화 단계 도달이 어려워짐  
  - AI 출력 코드를 읽는 것은 생성 효과 실험의 "완성된 단어 쌍을 읽는 것"에 해당 — 이해한 것 같지만 깊이 각인되지 않음  
  - 숙련된 개발자일수록 신경 효율성으로 코드를 더 적은 자원으로 처리 → AI 출력 읽기는 생각보다 뇌에 부하를 거의 걸지 않음  
  - 직접 코드를 짤 때는 예측–피드백 루프로 시냅스가 수정되지만, 완성된 AI 코드 읽기는 예측 과정이 생략된 사후 해석에 불과함  
  - 주니어에게 특히 심각: 인지 단계에 있는 패턴이 많은 상태에서 AI가 그 단계를 건너뛰게 하면 절차 기억 형성 없이 경력만 쌓임  
  
##### 뇌에 부하를 거는 방법  
  
  - AI에게 맡기기 전에 먼저 자신의 설계안 작성: 생성 효과를 의도적으로 활용 — AI 출력과 비교·평가하는 과정에서 뇌의 의미 처리와 실행  
  제어 영역이 동시 활성화  
  - 진지한 코드 리뷰: "왜 이 구조인가", "6개월 뒤에 수정한다면 어디가 문제가 될까"를 의식적으로 묻는 것 — 귀찮음 자체가 바람직한  
  어려움  
  - 직접 코드를 짜보는 시간 확보: 절차 기억 형성에 대체 불가능 — 막혔을 때는 전체 답이 아닌 최소한의 힌트만 AI에게 요청  
  - 생산과 학습의 최적 전략은 다름: AI는 생산 도구로는 탁월하지만, 학습 도구로는 한계가 있음  
  - 결국 뇌에 남은 것들이 코드 리뷰의 질, 설계 판단의 정확도, 역설적으로 AI 활용 능력을 결정함

## Comments



### Comment 55770

- Author: dongho42
- Created: 2026-04-18T19:39:13+09:00
- Points: 2

“If you're nothing without the suit, then you shouldn't have it.” - Tony Stark

### Comment 55768

- Author: tsboard
- Created: 2026-04-18T19:30:24+09:00
- Points: 1

최소한 AI에게 지시할 때 짧게 몇마디 던지지 말고 구체적으로 최대한 나의 생각과 논리 전개를 풀어서 얘기하고, 그 후에 작업을 진행하기 전에 더 확인해 볼것이 있다면 반드시 물어보고 진행하도록 하는 게 도움이 되는 것 같습니다.

### Comment 55757

- Author: awbrg789
- Created: 2026-04-18T17:42:58+09:00
- Points: 1

의도적으로라도 귀찮음을 겪는 과정을 가져야겠군요

### Comment 55756

- Author: runedia
- Created: 2026-04-18T16:36:49+09:00
- Points: 1

디지털 치매라는 단어가 떠오르는 글이네요