미국 학생들은 정식 프로그래밍 언어를 끝까지 배우기 전에 AI 코딩을 먼저 만나는 일이 늘고 있다. 잘 설계된 수업은 “아이디어를 입력하고 결과를 그대로 받는 법”을 가르치지 않는다. 원하는 것을 말로 설명하고, 작은 앱이나 게임을 만들고, 실행해 보고, 어디가 깨졌는지 찾아 고치는 훈련에 가깝다.
이 차이는 중요하다. 자연어 프롬프트로 소프트웨어를 만드는 방식을 두고 “바이브 코딩”이라는 말이 널리 쓰이지만, 학교가 이를 마법처럼 다룰 수는 없다. 아이들에게 필요한 것은 AI를 쓰는 법과 함께, AI가 만든 결과를 확인하는 습관이다.
미국 정책도 이 방향으로 움직이고 있다. 백악관은 2025년 4월 23일 교육 전반의 AI 리터러시와 활용 능력을 확대하는 행정명령을 냈다. 이 명령은 K-12 AI 교육 자료를 위한 공공-민간 협력, 교사 연수, 학생과 교사를 위한 Presidential Artificial Intelligence Challenge를 추진하도록 했다.
그 결과로 생기는 것은 “바이브 코딩”이라는 하나의 전국 과목이 아니다. AI 리터러시, 컴퓨터과학, 데이터, 윤리, 프로젝트 제작을 섞은 수업과 도구, 캠프, 지역 정책이 빠르게 늘고 있다.
모델 훈련에서 앱 만들기로
Code.org는 이 변화가 얼마나 넓게 퍼졌는지 보여준다. 초등학생용 AI 자료에는 3-5학년 대상 “How AI Makes Decisions”와 “AI for Oceans”가 있다. AI for Oceans에서 학생들은 머신러닝 모델을 훈련시켜 바다 생물과 쓰레기를 구분하게 한다. 더 높은 학년에는 “Coding with AI”, HTML/CSS/JavaScript를 다루는 AI 지원 Web Lab, 중학생용 AI Discoveries, 고등학생용 AI Foundations가 있다.
이 순서는 중요하다. 어린 학생들이 곧바로 전문가용 코딩 에이전트에 던져지는 것이 아니다. 먼저 데이터 선택이 모델 행동을 바꾼다는 사실을 배운다. 더 큰 학생들은 안내된 환경 안에서 AI로 개념을 설명받고, 문제 해결을 돕게 하고, 코드를 생성해 본다.
MIT App Inventor는 같은 접근을 모바일 앱 제작으로 가져간다. AI 커리큘럼에는 이미지 분류기, 음성 계산기, 간단한 ChatGPT 앱, 이미지 생성 앱, StoryGPT, 역사 인물 조언 앱, 시각 보조 접근성 도구 같은 프로젝트가 들어 있다. 블록 기반 환경을 쓰기 때문에 학생은 문법만 붙잡기보다 입력, 출력, 사용자 흐름, 모델이 틀리는 지점을 살필 수 있다.
이 지점에서 어린이용 AI 코딩은 성인 개발자 도구와 달라진다. 목표는 열 살짜리 학생을 코딩 에이전트를 든 스타트업 창업자처럼 만드는 것이 아니다. 학생이 직접 무언가를 만들고, 그 동작을 교사와 친구들이 함께 들여다볼 수 있을 만큼 분명하게 만드는 것이다.
캠프도 AI 제작을 전면에 내세운다
학교 밖에서도 같은 변화가 보인다. Kode With Klossy는 13-18세 여성과 젠더 확장 청소년을 위한 무료 2주 부트캠프를 운영한다. 이 단체의 Artificial Intelligence & Machine Learning 과정은 AI 기초, 편향 논의, 이미지 분류기 설계, Apple Create ML을 활용한 머신러닝 모델 훈련을 포함한다.
5-14세 대상 코딩 프랜차이즈 Code Ninjas도 로보틱스와 코딩 옆에 AI Academy를 내세운다. 공개 자료는 나이에 맞는 AI 프로젝트, 안전하고 창의적인 AI 도구 사용, 상호작용형 과제, 비판적 사고를 강조한다.
이 프로그램들이 모두 같은 수준이라는 뜻은 아니다. 수업의 질은 교사, 반 규모, 사용하는 도구, 지역별 관리에 따라 달라진다. 다만 시장의 기대는 분명하다. 부모와 학생은 이제 AI를 대학에서나 배우는 고급 주제가 아니라 코딩 교육의 일부로 보기 시작했다.
프로그래밍 이해는 여전히 필요하다
이 변화를 “이제 프로그래밍은 필요 없다”는 이야기로 줄이면 오해가 된다. TeachAI와 Computer Science Teachers Association은 오히려 반대에 가까운 주장을 한다. 2025년 안내 자료에서 두 단체는 code sense를 프로그램의 설계, 실행 과정, 구성 요소의 관계를 이해하고 예측하는 능력으로 설명한다. AI가 코드를 빠르게 만들수록 이 능력은 더 중요해진다.
같은 TeachAI 페이지에 따르면 2024년 3월부터 7월까지 컴퓨터과학 교사 364명을 조사한 결과, 85%는 기초 컴퓨터과학 경험에 AI가 포함돼야 한다고 답했다. 88%는 더 많은 자료와 전문성 개발이 필요하다고 답했다.
AAAI와 CSTA가 함께 후원하는 AI4K12는 K-12 AI 교육을 다섯 가지 큰 개념으로 정리한다. 인식, 표현과 추론, 학습, 자연스러운 상호작용, 사회적 영향이다. 이는 프롬프트 작성법보다 훨씬 넓다. 학생이 AI 시스템이 어떻게 감지하고, 분류하고, 판단하고, 대화하고, 사람들에게 영향을 미치는지 이해하도록 요구한다.
그래서 교실에서 유용한 AI 코딩 수업은 “바이브 코딩”이라는 말보다 덜 화려하다. 학생은 이런 질문을 배워야 한다. 모델은 어떤 데이터를 썼나. 생성된 코드는 실제로 무엇을 바꿨나. 잘못 클릭하면 어떻게 되나. 새로고침해도 결과가 유지되나. 다른 사람도 이 결과를 이해할 수 있나.
게임 수업의 핵심은 확인이다
AI 생성 게임은 이 문제를 아주 잘 드러낸다. 아이가 “우주 고양이 점프 게임을 만들어줘”라고 말하면 그럴듯한 첫 화면을 받을 수 있다. 첫 버전이 꽤 재미있어 보일 수도 있다. 하지만 화면이 나온다고 게임이 끝난 것은 아니다.
학생은 캐릭터가 안정적으로 움직이는지, 충돌이 제대로 되는지, 점수가 올바른 이유로 바뀌는지, 레벨에 목표가 있는지, 실패가 분명한지, 두 번 플레이할 이유가 있는지 확인해야 한다. 도구가 이미지, 소리, 이야기 문구를 더한다면 저작권, 연령 적합성, 공유해도 되는 콘텐츠인지도 함께 따져야 한다.
여기서 AI는 지름길이 될 수도 있고, 좋은 학습 도구가 될 수도 있다. 과제가 “게임 하나 만들어줘”에서 끝나면 학생은 소프트웨어를 뽑기 기계처럼 배울 수 있다. 테스트하고, 비교하고, 고치는 과정까지 요구하면 학생은 AI가 만든 결과가 초안이라는 사실을 배운다.
AI 게임 플랫폼에도 이 차이는 직접적인 의미가 있다. 어린이 친화적 제작 도구에는 빠른 생성만으로는 부족하다. 눈에 보이는 테스트, 편집 가능한 규칙, 무엇이 바뀌었는지 알려주는 간단한 설명, 안전한 공유 설정, 교사나 보호자가 작업을 이해할 수 있는 화면이 필요하다.
학교 지침은 아직 고르지 않다
정책과 현장 준비가 모두 끝난 것은 아니다. TeachAI의 학교 도구집은 RAND American Educator Panel의 2025년 데이터를 인용해, 미국 교장 중 18%만이 학교나 학군에서 AI 사용 지침을 제공했다고 답했다고 설명한다. 빈곤도가 높은 학교에서는 이 비율이 13%였고, 더 여유 있는 학교에서는 25%였다.
이 격차는 작지 않다. AI 코딩은 단순한 창작 앱이 아니다. 학생 데이터, 생성 미디어, 저작권 캐릭터, 채팅 인터페이스, 카메라 입력, 공개 공유, 자동 피드백이 얽힐 수 있다. 학교는 학생이 언제 AI를 써도 되는지, 무엇을 밝혀야 하는지, 어떤 데이터를 입력하면 안 되는지, 교사가 AI 도움을 받은 결과물을 어떻게 평가해야 하는지 정해야 한다.
더 나은 프로그램들은 현실적인 중간 지점을 찾고 있다. 어린이 코딩 수업에서 AI를 금지하지도 않고, 생성된 코드를 그대로 믿으라고 말하지도 않는다. AI를 함께 일하는 도구로 가르치되, 그 결과는 사람이 확인해야 한다고 가르친다.
어린이 코딩 도구의 다음 경쟁은 가장 화려한 첫 버전을 누가 만들 수 있느냐가 아닐 가능성이 크다. 학생이 더 빨리 만들면서도, 자신이 만든 것을 테스트하고 고치고 설명할 수 있게 돕는 도구가 살아남을 것이다.
이 한국어 기사는 영어 원문을 번역한 것이며, 번역 과정에서 오류가 있을 수 있습니다. 이 글은 Wonder Bricks AI Agent의 도움을 받아 작성했으며 SunnyLabs가 편집했습니다.