생성형 AI 시대, 소프트웨어 역량 평가의 교육-산업계 간극을 좁히는 길은 무엇인가?

1. 연구의 목적

(1) 생성형 AI(GenAI)의 등장으로 소프트웨어 개발 방식이 근본적으로 변화함. 이로 인해 초급 소프트웨어 엔지니어에게 요구되는 핵심 역량과 이를 평가하는 방식에 대한 근본적인 질문이 제기됨. 교육 현장과 산업계 모두 GenAI의 새로운 현실에 맞춰 평가 전략을 어떻게 조정했는지 파악하고, 고등 교육 기관이 강조하는 역량과 산업계가 신입 채용에서 우선시하는 역량 간의 잠재적 불일치 여부를 확인하는 것이 중요함. 기존 연구는 주로 교육 또는 산업 관점을 개별적으로만 다루거나 특정 지역에 국한되어 있었음.

(2) 이 연구는 컴퓨터 과학 및 소프트웨어 공학 교육자, 그리고 산업계 채용 전문가들이 GenAI에 대응하여 평가 및 사정 관행을 어떻게 변화시켰는지 조사함. 고등 교육에서 강조하는 역량과 초급 소프트웨어 엔지니어 채용에서 중요시하는 역량 간의 일치 및 불일치 정도를 분석함.

2. 연구의 방법

(1) 이 연구는 두 가지 정량적 설문조사를 활용한 비교 분석 방식을 채택함. 교육자를 대상으로 한 설문과 채용 전문가를 대상으로 한 설문을 각각 설계하고 배포함. 설문은 GenAI의 교육 및 산업 내 영향, 평가 관행 변화, 필수 소프트웨어 역량 및 졸업생 준비도에 대한 인식을 중심으로 구성됨. 익명성을 보장하고, 편의 및 스노우볼 샘플링을 통해 참가자를 모집함.

(2) 주요 분석 대상은 17개국 56명의 교육자와 10개국 24명의 채용 전문가임. 교육자는 학부 컴퓨터 과학 및 관련 프로그램을 담당하며 지난 2년 내 학부 과정을 교육한 경험이 있는 자로 선정됨. 채용 전문가는 소프트웨어 엔지니어링 후보자 채용 또는 평가에 관여하는 자로 선정됨. 양측 설문 모두 12가지 동일한 소프트웨어 공학 역량 목록을 포함하여 직접적인 인식 비교를 가능하게 함.

3. 주요 발견

이 연구는 GenAI 시대에 교육과 산업계가 평가 전략을 어떻게 재편하는지, 그리고 어떤 간극이 존재하는지를 명확히 보여줌.

(1) 교육 현장의 GenAI 활용 및 정책: 콘텐츠 생성에 집중하고 학문적 진실성 강조

• 대부분의 교육자(79%)는 수업 준비에 GenAI 도구를 활용함. 특히 챗GPT가 사용량과 선호도 면에서 압도적임. 이 활용은 주로 코드 생성, 샘플 솔루션 제작 등 콘텐츠 생성 작업에 집중됨. 반면, 학생 피드백 제공이나 채점과 같은 학생 대면 작업에서의 활용도는 현저히 낮음.
• 교육자들은 GenAI 시대에 자신의 역할이 변화하고 있음을 인식함. AI 리터러시 교육(25%) 및 퍼실리테이터/멘토 역할(9.1%)이 중요해짐. “더 이상 학생들에게 코딩 방법을 가르치는 것이 아니라, 코드 읽는 방법, 추적 방법, 디버깅 방법을 가르치는 것”이라는 관점의 전환이 관찰됨.
• 모든 교육자가 GenAI 사용에 대한 명시적 지침을 제공함. 이 중 71%는 공식적인 정책을 문서화함. 이 정책들은 주로 허용/금지 사항, 학문적 진실성, 오용 시 결과에 초점을 둠. 그러나 인용 또는 공개 의무를 명시한 경우는 55%에 불과하며, 구체적인 인용 형식을 제시한 교육자는 단 9%에 그침. GenAI 생성물에 대한 책임과 이해를 학생에게 요구하는 정책(48%)이 흔함.

(2) 산업 현장의 GenAI 활용 및 정책: 보편적 사용과 거버넌스 중시

• 산업계 전문가들 사이에서 GenAI 도구의 개인적 업무 활용은 거의 보편적임. 응답자의 83%가 ‘자주 또는 항상’ GenAI를 업무에 사용함. 조직 차원에서도 71%가 GenAI를 ‘널리’ 또는 ‘표준 관행’으로 활용하고 있다고 보고함.
• 조직의 GenAI 정책은 50%가 명확하고 공식적임. 이 정책들은 GenAI를 ‘사용할 것인가 말 것인가’보다는 ‘어떻게 사용할 것인가(거버넌스)’에 초점을 둠. 정책의 93%가 거버넌스 주제를 다루며, 이는 GenAI 사용을 장려하거나 금지하는 명령적 지침(67%)보다 높은 비중을 차지함. 특히 개발자의 AI 생성물에 대한 책임(33%), 개인정보 보호, 보안, 지적 재산권 통제(33%)를 명시하는 경우가 많음.

(3) 평가 방식 변화의 공통점: GenAI 무력화 전략으로의 전환

• 교육 현장: 78%의 교육자가 GenAI에 대응하여 평가 방식을 수정함(39%는 실질적으로, 39%는 약간). 구두 시험/인터뷰(84% 증가), 강의실 내/감독 하 평가(66% 증가) 등 GenAI가 작업의 상당 부분을 대신하기 어려운 형태로 전환함. 성찰 또는 정당화 기반 평가 요소도 65% 증가함.
• 산업 현장: 채용 전문가의 58%가 채용 평가 기준을 변경함. 실시간 관찰 기반 평가 (예: 페어 프로그래밍 중 후보자의 AI 도구 사용 방식 관찰)와 고차원적 사고 역량 (비판적 사고, 시스템 설계 능력)에 대한 강조가 늘어남. AI 자체에 대한 이해를 묻는 경우도 나타남.
• GenAI 코드 수용 및 탐지: 교육자의 71%는 학생이 GenAI 생성 코드를 완전히 이해할 경우 수용할 의향이 있음. 그러나 30%만이 GenAI 생성 코드를 안정적으로 탐지할 수 있다고 자신함. 산업계 역시 27%만이 AI 지원 작업과 후보자의 실제 역량을 명확히 구분하는 데 ‘매우 또는 극도로’ 자신감을 보임. 양측 모두 AI 생성물에 대한 평가자의 식별 능력에 한계를 가짐.

(4) 역량 중요도 인식: 상위 역량에 대한 일치와 특정 기초 역량에 대한 간극

• 양측이 공통으로 중요하다고 인식하는 최상위 역량은 다음과 같음.
  • AI 생성물 비판적 평가 (Critical evaluation of AI-generated output)
  • GenAI 도구의 책임감 있고 효과적인 사용 (Responsible and effective use of GenAI tools)
  • 독립적으로 학습하고 적응하는 능력 (Ability to learn and adapt independently)
• 중요도 인식의 간극은 주로 핵심 소프트웨어 공학 역량에서 나타남. 산업계는 시스템 수준 설계, 코드 이해, 코드 개발을 교육자보다 더 중요하다고 평가함. 문서화는 양측 모두 중요도가 낮다고 인식하는 경향을 보임. 이는 중요 역량에 대한 인식의 절대적 불일치라기보다는, 특정 역량의 상대적 중요도 평가에서 미묘한 차이가 있음을 보여줌.

(5) 졸업생 역량 준비도 간극: 교육자와 산업계의 현격한 불일치

• 산업계의 큰 우려: 채용 전문가들은 교육자보다 12개 역량 중 10개에서 졸업생의 준비도 간극이 더 크다고 보고함. 특히 코드 리뷰, 문제 분해, 디버깅, 코드 이해, 시스템 수준 설계, 코드 개발과 같은 기초적인 비-GenAI 특정 역량에서 간극이 두드러짐.
• 가장 큰 불일치: 코드 리뷰 역량에서 교육자 중 23%만이 졸업생이 미흡하다고 본 반면, 산업계 전문가는 67%가 미흡하다고 평가하여 44%p의 큰 차이를 보임. 디버깅, 문제 분해, 코드 이해에서도 40%p를 넘는 큰 격차가 관찰됨.
• 공통으로 낮게 평가된 역량: 양측 모두 GenAI 도구의 책임감 있고 효과적인 사용 및 문서화 역량에 대한 졸업생의 준비도가 낮다고 평가함. 이는 중요하다고 여기는 GenAI 관련 핵심 역량이 실제 졸업생들에게는 제대로 갖춰지지 못했음을 시사함.

4. 결론 및 시사점

(1) 이 연구는 교육 현장과 산업계 모두 GenAI의 등장에 대응하여 평가 전략을 GenAI 무력화 방식으로 유사하게 재편하고 있음을 입증함. 중요한 역량에 대한 인식은 놀랍도록 일치함을 확인함. 그러나 졸업생의 역량 준비도에 대해서는 산업계가 교육계보다 훨씬 더 큰 격차를 인지함. 이 격차는 GenAI 관련 역량뿐 아니라 기존의 핵심 소프트웨어 공학 기초 역량에서도 발생함. 결국, GenAI 시대의 교육-산업계 간극은 ‘무엇을 목표로 할 것인가’에 대한 불일치가 아니라, ‘목표 달성을 위한 효과적인 교육 및 평가 방법 부재‘의 문제임을 명확히 보여줌.

(2) 교육 현장에 주는 시사점

• AI 생성물 비판적 평가 및 책임감 있는 사용 교육의 명시적 도입이 필요함. 이 두 역량은 양측 모두 최우선으로 중요하다고 여기나, 졸업생들의 준비도가 가장 미흡한 부분으로 지적됨. 단순히 GenAI 도구의 사용법을 넘어, 결과물의 신뢰성 판단, 윤리적 활용, 그리고 자신의 작업물에 대한 책임감을 함양하는 교육을 설계해야 함.
• 산업계가 큰 간극을 보고하는 기초 역량(코드 리뷰, 디버깅, 문제 분해 등)의 강화를 위한 교육 과정 재구성이 시급함. 특히 AI 생성 코드에 대한 읽기, 검토, 디버깅 관점에서 기존의 코드 개발 교육을 재조명해야 함. AI가 생성한 코드를 이해하고, 오류를 찾아 수정하며, 더 효율적인 코드로 개선하는 능력이 핵심 역량으로 부상함.
• 강의실 정책을 산업계의 거버넌스 관점과 연계해야 함. 교육 현장의 GenAI 정책이 학문적 진실성에 머무르는 반면, 산업계는 승인 도구, 데이터 보안, 지적 재산권, 개인 정보 보호 등 거버넌스 측면에 초점을 둠. 이 간극을 줄여 학생들이 졸업 후 실제 업무 환경에서 GenAI를 책임감 있게 활용할 수 있도록 실제적인 지침을 제공하는 것이 중요함.

(3) AI 설계 및 산업계에 주는 시사점

• 졸업생들의 GenAI 활용 경험은 풍부하나, 이는 주로 자기 주도적 학습의 결과임을 인지해야 함. 비판적 평가나 책임감 있는 사용 역량은 충분히 발달되지 않았을 가능성이 높음. 따라서 신입 온보딩 프로그램에 AI 생성물 검증 및 윤리적 사용에 대한 체계적인 교육을 포함해야 함.
• 채용 과정에서의 GenAI 사용 정책을 공식화해야 함. 현재 채용 전문가들 사이에서도 GenAI 사용 허용 여부에 대한 의견이 분분하며, 평가 기준 또한 비공식적으로 변화하는 경향이 있음. 후보자가 GenAI를 어떻게 활용할 수 있는지, 그리고 그 활용이 평가에 어떻게 반영될 것인지에 대한 명확한 지침을 마련하여 공정성과 일관성을 확보해야 함.

5. 리뷰어의 ADD(+) One: 생각 더하기

(1) 이 논문에서 가장 주목할 지점은 GenAI가 교육과 산업에 미치는 영향을 단순히 개별적으로 조명하는 것을 넘어, 양측의 평가 전략, 중요하게 여기는 역량, 그리고 졸업생 준비도에 대한 인식을 교차 비교했다는 점임. 특히 ‘중요한 역량에는 동의하지만, 그 역량을 갖춘 졸업생이 부족하다’는 명확한 간극을 발견한 것이 핵심임. 이는 교육과 산업이 무엇을 가르치고 평가할 것인가에 대한 근본적인 합의는 이루었지만, 어떻게 효과적으로 가르치고 평가할 것인가에서는 아직 큰 도전을 겪고 있음을 보여줌. 단지 GenAI 도구 사용 여부를 넘어선 역량의 본질적 변화를 짚어냈다는 점에서 주목할 만함. 예를 들어, 코딩 능력이 아니라 AI가 만든 코드를 비판적으로 검토하고 디버깅하는 능력이 더 중요해진다는 점을 명확히 함.

(2) 이 간극은 단순히 소프트웨어 공학 교육에 국한되지 않음. AI가 보편화되는 모든 전문직 교육에 적용될 수 있는 보편적 문제임을 시사함. 법률, 의료, 디자인 등 AI가 업무의 상당 부분을 자동화하는 분야에서 ‘신입 전문가에게 요구되는 핵심 역량’과 ‘이를 교육하고 평가하는 방식’ 사이에 유사한 간극이 발생할 가능성이 높음. 교육 철학적 관점에서 이는 ‘인간 고유의 역량’과 ‘AI 협업 역량’의 재정의를 요구함. AI가 쉬운 부분을 대체할수록, 인간은 문제의 본질을 파고들고, AI 결과물을 비판적으로 검토하며, 복잡한 맥락에서 의사결정하고, 독립적으로 학습하며 적응하는 고차원적 인지 능력에 집중해야 함. 이는 교육이 지향해야 할 장기적인 방향성을 명확히 제시함. AI 도구의 적극적 사용을 ‘금지’하는 것이 아니라, ‘어떻게 잘 활용하고 한계를 극복할 것인가’를 가르쳐야 한다는 근본적인 전환을 의미함.

(3) 이 연구를 발전시킬 구체적 아이디어는 다음과 같음.

• 협력적 평가 디자인 연구를 제안함. 교육자와 산업계 전문가가 함께 참여하는 워크숍을 통해 ‘GenAI 시대의 실질적 역량 평가 루브릭’을 공동 개발해야 함. 이를 바탕으로 실제 교육 과정에 적용 가능한 하이브리드형 평가 모델 (예: AI 지원 환경에서의 문제 해결 능력 + AI 미지원 환경에서의 기본기 확인 병행)을 설계하고, 그 효과를 검증해야 함.
• 메타인지-AI 활용 교육 모듈을 개발해야 함. 학생들이 GenAI를 사용하는 과정에서 자신의 사고 과정과 AI의 기여를 명확히 구분하고 성찰하게 하는 교육 모듈이 필요함. ‘AI 프롬프트 작성 → AI 결과물 분석/교정 → 최종 산출물에 대한 자신의 기여도 및 AI 기여도 명시’와 같은 명확한 절차를 포함시키고, 여기에 메타인지적 성찰 질문을 통합하여 자기조절학습을 유도해야 함. 이 과정에서 AI 생성물 비판적 평가 역량을 자연스럽게 강화함.
• 산업계-교육계 교환 프로그램을 정례화해야 함. 교육자들이 산업 현장에서 GenAI가 실제 어떻게 활용되는지 직접 경험하고, 산업계 전문가들이 대학 강의에 참여하여 현실적인 역량 기대치를 공유하는 단기 교환 프로그램을 강화해야 함. 이를 통해 양측의 인식 격차를 해소하고, 교육 과정과 평가 방식을 지속적으로 현행화함.

6. 추가 탐구 질문

(1) 교육 현장에서 GenAI 무력화 평가 방식을 도입하는 과정에서 교사의 평가 설계 부담과 채점 시간 증가는 얼마나 심화되는가? 이를 경감하기 위한 실질적인 지원 방안, 예를 들어 자동화된 메타인지 평가 도구나 표준화된 구두 평가 가이드라인 등은 무엇인가?

(2) 산업계가 기초 역량(코드 리뷰, 디버깅 등)에서 큰 간극을 느끼는 현상이 GenAI의 발전 속도에 따라 시간이 지남에 따라 완화될 것인가, 아니면 오히려 더 심화될 것인가? AI 도구가 점차 고도화되어 이러한 기초 역량마저 완벽하게 대체하게 된다면, 산업계의 인력 요구는 또 어떻게 변화할 것인가?

(3) GenAI 보조 학습 환경에서 학습자의 내재적 동기와 자기 주도성을 어떻게 효과적으로 유지하고 발전시킬 수 있을까? AI가 제공하는 즉각적인 해결책에 대한 의존성이 높아질 때, 학습자가 문제 해결의 본질적 재미와 성취감을 잃지 않도록 교육 설계는 어떤 방향으로 나아가야 하는가?

출처

• Mahmoud, M., Shahid, N., Sohail, I., Sharma, G., Salam, H., & Nadi, S. (2026). Four Years of GenAI: How Educators and Industry Adapted Their Assessment Strategies. Proceedings of the International Conference on Cooperative and Human Aspects of Software Engineering (CHASE). arXiv preprint arXiv:2607.24246. https://arxiv.org/abs/2607.24246