AI 코딩 시대, 성장이 멈추는 개발자의 뇌에서 일어나는 일

bboydart91 · 2026-04-18T16:08:47+09:00

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

(evan-moon.github.io)

8P by bboydart91 3시간전 | ★ favorite | 댓글 2개

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