Berkeley CS10 낙제율 35% — AI로 코드는 짤 줄 알게 됐는데 「내 실력」이 의심되는 분께

핵심 요약 (TL;DR)

UC Berkeley 입문 CS 과목 CS10의 봄학기 낙제율이 35.3%로 평년 10% 미만 대비 3.5배 폭증했고, CS61A도 10.6%로 동반 상승했습니다. Dan Garcia 교수는 주된 동인을 "학생들의 Claude·ChatGPT·Gemini 의존"으로 공식 진단했고, take-home exam 부정행위로 잡힌 학생만 30명에 달합니다. 바이브코딩으로 코드는 짤 줄 알게 됐는데 "내가 진짜 코딩할 줄 아는가?"라는 질문에 막히는 분이라면 이 데이터가 학습 회로 점검의 출발점입니다.

Berkeley에서 봄학기에 무슨 일이 있었나요?

CS10은 Beauty and Joy of Computing이라는 입문 과목입니다. 비전공자도 듣는 가벼운 입문이라는 뜻이죠. 그런데 봄학기 낙제율이 35.3%를 찍었습니다. 평년에는 10%도 안 됐던 과목입니다. 3.5배 폭증.

CS61A도 함께 무너졌습니다. 10.6%. 두 과목 학기 평균이 C+(2.3 GPA)로 떨어졌고, CS10에서만 take-home exam 부정행위로 30명 가까운 학생이 적발됐습니다.

Daily Californian과 인터뷰한 Dan Garcia 교수의 진단은 짧고 분명합니다. 낙제율 폭증의 "primary driver"는 "vast increase in academic dishonesty due to students' usage of large language models, such as Claude, ChatGPT and Google Gemini." Gireeja Ranade 부교수도 같은 진단을 보탰습니다. 부정행위만이 아니라 학생들이 "수학 기초가 약해진" 게 누적 원인이고, AI에 다 맡기는 사이 자기 머리로 수식을 풀어내는 능력 자체가 빠지고 있다는 겁니다.

"코드는 짜는데 실력이 자라는 느낌이 없다"는 감각

루피의 시각으로 보자면, 이게 첫 정량 데이터입니다. 그동안 바이브코딩 진영에서 "AI 쓰면 진짜 실력 안 자라는 거 아닌가"라는 의심은 늘 있었지만, 늘 감각의 영역이었거든요. Berkeley는 그걸 숫자로 박았습니다. 입문 단계에서 AI 의존이 누적되면 실력은 공동화됩니다. 동시에 부정행위로 흘러갈 가능성도 함께 커집니다.

이게 한국 바이브코더에게 던지는 신호는 두 가지입니다.

하나, "코드 산출물"과 "본인 실력"을 분리해서 볼 줄 알아야 합니다. AI가 짜준 코드가 잘 돌아가도, 본인이 그 로직을 화이트보드 앞에서 처음부터 다시 그려낼 수 있는지가 진짜 실력이거든요.

둘, "차별화 자산"이 바뀝니다. 시장에 AI로 코드 짜는 사람이 넘쳐나는 시점이니까, 직접 디버깅과 설계, 수학 회로를 가진 사람의 가치가 오히려 올라갑니다. 학습 단계에 있는 분이라면 이 시점에 "느린 길"을 선택하는 게 장기 자산이 됩니다.

학습 보조 vs 학습 대체 — 3단계 점검표

이걸 본인 학습에 적용하는 방법은 의외로 단순합니다.

1단계: 먼저 본인이 종이/화이트보드로 풀어본다. AI에 코드 던지기 전에, 문제를 입력·출력·예외 케이스로 분해해서 직접 의사 코드로 적습니다. 막히는 지점이 본인이 실제로 모르는 지점입니다.

2단계: 모르는 지점만 AI에 묻는다. "코드 짜줘"가 아니라 "이 알고리즘의 시간 복잡도가 왜 O(n log n)이 되는지 설명해줘". 답변을 받으면 화이트보드로 돌아가서 본인이 다시 설명할 수 있는지 검증합니다.

3단계: 일주일 뒤 AI 없이 다시 풀어본다. 진짜 학습이 됐다면 다시 풀 수 있어야 합니다. 못 푼다면 그 챕터는 학습이 된 게 아니라 코드를 받아 적은 거예요.

원본 기사: https://www.dailycal.org/news/campus/academics/failing-grades-soar-as-professors-see-greater-ai-usage-dwindling-math-skills-in-uc-berkeley/article_16fad0bf-02cb-4b8c-8d88-888ffd9f8608.html (HN 707점 토론: https://news.ycombinator.com/item?id=48392004)

FAQ

Q. Berkeley는 너무 극단적인 사례 아닌가요?
표본이 크고 평년 데이터가 명확하다는 점에서 오히려 보수적인 데이터입니다. 입문 과목에서 35%가 떨어진 변화는 우연 변동으로 설명되지 않습니다. 한국 대학에서도 같은 패턴이 안 보인다고 단정하기 어려운 시점입니다.

Q. 그러면 AI 쓰지 말라는 얘기인가요?
정반대입니다. Garcia 교수와 Ranade 교수가 강조한 건 "AI 시대에는 학생들에게 더 많이 가르쳐야 한다, 덜 가르치는 게 아니라"입니다. 도구로서 AI는 강하게 쓰되, "내 머리가 풀어낼 수 있는 영역"과 "AI에 위임하는 영역"의 경계를 본인이 명확히 알고 있어야 한다는 뜻이거든요.

Q. 이미 졸업한 주니어 개발자라면요?
학습 회로 점검은 학생만의 숙제가 아닙니다. 본인이 자주 쓰는 기술 스택에서 "AI 없이 처음부터 짤 수 있는 모듈"이 얼마나 있는지 한번 정리해보세요. 그게 본인의 실제 시장 가치고, 외화를 받을 때의 협상력입니다.

낙제율 35%라는 숫자가 무서운 건 그 자체가 아니라, 그 학생들이 본인이 무엇을 모르는지 모른 채로 학기를 끝냈다는 사실입니다. 같은 함정에 본인이 들어가 있지는 않은지, 오늘 한 챕터만 골라서 AI 없이 다시 풀어보시면 그게 가장 정확한 거울입니다.