스탠퍼드가 'LLM 직접 만들기' 수업에 AI 코딩 가이드라인을 건 이유

요즘 코드를 짤 때 AI에게 안 물어보는 사람을 찾기가 더 어렵습니다. 그런데 정작 그 AI의 핵심인 거대 언어 모델(LLM)을 “밑바닥부터 직접 만들어보라"는 대학 수업이 있습니다. 스탠퍼드의 CS336입니다. 더 흥미로운 건 이 수업이 학생들에게 AI 코딩 도구를 어떻게 써야 하는지 별도의 가이드라인을 내걸었다는 점인데요. AI로 AI를 배우는 시대, 교육이 마주한 딜레마가 여기에 압축되어 있습니다.

CS336이 특이한 수업인 이유

스탠퍼드 CS336의 정식 이름은 “Language Modeling from Scratch"입니다. 말 그대로 LLM을 처음부터 끝까지 직접 구현해보는 수업인데요. 토크나이저를 짜고, 트랜스포머 구조를 손으로 올리고, 학습 루프를 돌리고, 데이터를 정제하는 전 과정을 학생이 직접 경험합니다.

대부분의 AI 수업이 “이미 만들어진 모델을 어떻게 쓸까"에 집중하는 것과 정반대입니다. CS336은 블랙박스를 열어보는 것이 목표입니다. 모델 내부가 어떻게 돌아가는지를 코드 한 줄 한 줄로 이해시키겠다는 거죠.

비슷한 결의 콘텐츠가 인기를 끄는 것도 이런 흐름과 무관하지 않습니다. 유튜브에서 “Build a Small Language Model From Scratch” 같은 영상이 13만 회 넘는 조회수를 기록한 것을 보면, 다 만들어진 API를 쓰는 데서 한 발 더 들어가고 싶어 하는 수요가 분명히 있습니다.

그런데 왜 AI 코딩 도구에 선을 긋나

여기서 모순처럼 보이는 지점이 등장합니다. AI를 만드는 법을 가르치는 수업이, 정작 AI 코딩 도구 사용에는 조건을 답니다. 요즘은 클로드 코드(Claude Code) 같은 도구에 CLAUDE.md 같은 가이드 파일을 두고, 프로젝트마다 “AI가 무엇을 해도 되고 무엇을 하면 안 되는지"를 명문화하는 것이 일종의 표준이 됐는데요. 수업도 같은 방식으로 규칙을 세웁니다.

이유는 단순합니다. AI에게 “트랜스포머 구현해줘"라고 하면 5분 만에 동작하는 코드가 나옵니다. 문제는 그 5분 동안 학생이 배우는 게 거의 없다는 겁니다. CS336이 노리는 학습 효과, 즉 직접 짜면서 막히고 디버깅하는 경험이 통째로 증발하는 거죠.

그래서 가이드라인의 핵심은 “AI를 쓰지 마라"가 아닙니다. “핵심 학습 구간에서는 손으로 하고, 보조적인 부분에서만 AI를 활용하라"에 가깝습니다. 개념을 이해하는 과정과 단순 반복 작업을 구분하라는 겁니다.

AI로 AI를 배우는 시대의 진짜 딜레마

이건 단순히 한 수업의 규칙 문제가 아닙니다. 교육 전체가 마주한 질문입니다. AI가 과제를 대신 풀어줄 수 있을 때, 무엇을 여전히 손으로 익혀야 하는가.

답은 결국 근육 기억과 검증 능력으로 모입니다. AI가 내놓은 트랜스포머 코드가 맞는지 틀린지 판단하려면, 먼저 트랜스포머를 스스로 이해하고 있어야 합니다. 이해 없이 AI 결과물을 받아쓰기만 하면, 코드는 돌아가도 정작 본인은 아무것도 검증할 수 없습니다.

실제로 스탠퍼드 CS230의 최근 학기 ‘AI 커리어 조언’ 강의가 42만 회 넘게 재생된 것도 비슷한 불안의 반영입니다. AI가 다 해주는 시대에 “그럼 나는 무엇을 갖춰야 하나"라는 질문이 그만큼 절박하다는 뜻이죠. CS336의 가이드라인은 이 질문에 대한 한 가지 실용적 답입니다. 기초는 손으로, 응용은 도구로.

우리에게 주는 시사점

CS336의 접근은 대학 밖에도 그대로 적용됩니다. AI 코딩 도구를 쓰는 모든 개발자가 같은 고민을 안고 있으니까요. 도구가 똑똑해질수록, 정작 사용자가 그 결과를 판단할 기준선을 갖고 있느냐가 더 중요해집니다.

흥미로운 건 이 균형을 잡는 방식이 점점 명문화되고 있다는 점입니다. 회사 코드베이스의 CLAUDE.md든 학교 수업의 가이드라인이든, “AI에게 맡길 영역과 사람이 쥐고 있어야 할 영역"을 글로 적어두는 흐름이 자리 잡고 있습니다. 암묵적 합의로는 부족하다는 걸 다들 느끼는 거죠.

다만 짚어둘 점은, 이번 주제는 최근 한 달 사이 커뮤니티에서 활발히 논의된 따끈한 이슈라기보다 꾸준히 이어지는 교육계의 고민에 가깝다는 것입니다. 그래서 특정 사건보다는 흐름으로 읽는 편이 맞습니다.

결국 질문은 하나로 좁혀집니다. 당신은 AI에게 무엇을 맡기고, 무엇을 끝까지 직접 쥐고 있나요. 그 경계선을 스스로 그어본 적 있는지, 한 번쯤 자신의 작업 방식을 돌아볼 때입니다.