The Friction Is A Feature, Not A Bug: Teaching and Mentoring in the Age of AI

개요

LLM 및 AI 코딩 어시스턴트의 등장으로 인해 엔지니어링 기술 습득 방식에 급격한 변화가 일어나고 있으며, 이러한 변화는 전통적인 학습 및 멘토링 방식에 대한 심도 있는 질문을 던진다.

주요 내용

* 학습에서의 '인지적 마찰'의 중요성: 학습 과정에서 겪는 어려움, 즉 '마찰'은 깊이 있는 이해와 성장에 필수적이며, 이러한 마찰이 제거되면 지식은 쉽게 사라진다.
* AI 코딩 어시스턴트의 한계: LLM은 질문에 대해 즉각적인 해결책을 제공하는 경향이 있어, 개발자의 비판적 사고와 문제 해결 능력 함양을 저해한다. 이는 AI를 맹신하는 개발자들의 개념적 숙련도와 디버깅 능력 저하로 이어진다는 연구 결과가 있다.
* 주니어 개발자의 딜레마: AI의 편리함과 진정한 기술 습득 사이에서 주니어 개발자들은 '피상적 학습'에 빠질 위험에 직면해 있으며, 이는 불안감과 사기 증후군을 유발할 수 있다.
* 수동적인 마찰 주입의 필요성: 학습자는 AI의 즉각적인 답변을 넘어, 의도적으로 학습 과정을 어렵게 만들어 지식의 깊이를 더해야 한다.
* 맥락의 중요성: 복잡한 문제 해결 과정에서 검색 엔진, 문서, 커뮤니티 스레드 등을 탐색하며 얻는 '혼란스러운 정보의 웹'은 진정한 엔지니어링 맥락을 형성하는 데 기여한다.
* 'Chavrusa' 모델의 함의: 탈무드 학습 방식인 'Chavrusa' (함께 공부하는 동반자)는 상호 간의 논리적 비판과 도전을 통해 깊이 있는 학습을 가능하게 하며, 이는 소프트웨어 엔지니어링에서의 페어 프로그래밍과 유사한 맥락을 가진다.
* AI의 공감 능력 부재: AI는 학습자의 감정 상태를 파악하거나, 챌린징한 멘토와 지지적인 안전망 사이의 균형을 맞추는 인간적인 공감 능력이 부족하다.
* 산업적 Catch-22: AI 사용을 금지하는 것은 비전문적인 행위가 될 수 있으나, AI 없이 성장한 경험이 없는 개발자들이 어떻게 'BS meter' (허황된 주장을 간파하는 능력)를 갖추게 될 것인가에 대한 문제가 제기된다.

시사점

AI 시대에 엔지니어링 교육 및 멘토링은 단순히 코드를 작성하는 방법을 넘어, 개발자가 복잡한 문제를 해결하고 지속적으로 성장할 수 있도록 돕는 '인지적 마찰'의 가치를 재조명하고, 인간적인 상호작용과 깊이 있는 학습 경험을 보존하는 방안을 모색해야 한다.