AI 쓰다가 F 맞은 버클리 CS 학생들 — 한국도 예외가 아니다

AI 잘 쓰면 실력이 는다고들 하잖아요.

근데요.

데이터가 나오기 시작했어요. 그것도 꽤 충격적인 숫자로요.

---

버클리 CS 수업, F 학점이 폭발했다

2026년 봄 학기 기준이에요.

CS 10 수업에서 F를 받은 학생이 35.3%. CS 61A는 10.6%.

작년 같은 시기엔 두 수업 다 F 비율이 10%를 넘지 않았거든요. 그게 갑자기 세 배 이상 튀어오른 거예요.

버클리 EECS 학과 기준으로 하위 학년 수업에서 D와 F를 합쳐 7% 이내가 정상이에요. 근데 이 기준을 완전히 벗어난 거죠.

어? 갑자기 왜요?

UC Berkeley campus students studying

---

교수들이 본 원인 — 아무도 수업에 안 온다

CS 10과 CS 61A를 가르친 Dan Garcia 교수가 직접 말했어요.

"학생들이 LLM에 너무 기대다가, 시험장에서 완전히 준비가 안 된 상태로 들어온다."

AI로 숙제는 해냈는데, 그 내용을 정작 본인이 모르는 거예요.

더 황당한 건 오피스 아워예요. 원래 질문하러 오는 학생들로 꽉 찼던 시간인데, 이번 학기엔 아무도 안 왔다고 해요.

"처음으로 오피스 아워에 혼자 앉아 있었어요. 정말 놀라웠죠."

AI한테 물어보면 되니까요. 교수한테 물어볼 필요가 없어진 거예요. 근데 문제는, AI가 틀린 답도 자신 있게 알려준다는 거잖아요.

---

수학 실력도 같이 무너지고 있다

더 심각한 건 따로 있어요.

공학 최적화 이론 수업인 EECS 127에서 F 비율이 **16.8%**예요. 상위 학년 기준 정상 범위인 5%를 훌쩍 넘었죠.

담당 교수 Gireeja Ranade가 오피스 아워에서 발견했어요. 학생들이 선형대수를 못 한다는 걸요. 이 수업 들으려면 선형대수는 기본인데 말이죠.

더 놀란 건 이거예요. 어떤 학생이 말했거든요. 자기가 들었던 선형대수 수업이 숙제도 시험도 "인터넷 허용, AI 허용"이었다고요.

결국 수업은 통과했지만, 선형대수를 배운 게 아닌 거잖아요.

이게 쌓이는 거예요. 한 학기가 AI로 때워지면, 다음 학기 기초가 흔들려요. 그다음 학기엔 더 흔들리고요.

---

한국도 이미 시작됐다

"버클리 얘기잖아요, 우리는 다르겠지."

그렇지 않아요.

2025년 12월, 교육부가 긴급 가이드라인을 냈어요.

서울의 한 고등학교에서 학생이 AI로 작성한 수행평가 답안을 제출했다가 부정행위로 판단된 사례가 터지고 나서요. 그것도 한 학교만의 일이 아니라서, 교육부와 전국 17개 시도교육청이 함께 "수행평가 시 AI 활용 관리 방안"을 긴급 마련했어요.

실제로 MBC 뉴스에서 고등학생 인터뷰가 나왔는데, 이런 말을 했어요.

"유료 버전이 비싸니까 친구들끼리 돈을 모아서 같이 쓰는 경우도 있고, 수행평가를 위해 AI에 도움을 빌리는 경우가 많은 것 같아요."

수행평가를 AI에 아웃소싱하는 게 이미 학생들 사이에서 일상이 된 거예요.

AI 도구 활용

---

대학도 이미 AI 부정행위 시스템을 가동 중이다

성균관대, 단국대 등 국내 주요 대학들은 이미 "GPT Killer" 같은 AI 생성 텍스트 탐지 서비스를 과제 제출 시스템에 연동했어요. AI 탐지를 아예 시스템으로 운영한다는 게, 그만큼 빈도가 높다는 뜻이잖아요.

교수신문에서 소개된 연구 결과도 있어요. AI가 정답을 떠먹여 주는 그룹은 과제 점수는 높지만, 시험 성적이 오히려 떨어지는 결과가 나왔거든요. 과제는 잘 했는데 시험장에서 무너지는 버클리 패턴이랑 정확히 같아요.

---

근데 여기서 반전이 있어요

F가 늘어난 게 전부 실력 문제만은 아니에요.

버클리 CS 10 수업에서만 30명 가까운 학생이 AI 부정행위로 적발됐거든요. 이 학생들은 학칙 위반으로 F를 받은 거예요.

그러니까 F 폭증에는 두 가지가 섞여 있어요. AI에 기대다가 시험에서 무너진 케이스. 그리고 아예 AI로 과제를 제출했다가 걸린 케이스.

둘 다 결국 AI를 학습 도구가 아니라 대체 수단으로 썼다는 공통점이 있죠.

---

도구로 쓰는 것과 대신 시키는 것의 차이

AI가 설명해줬을 때 "오, 그렇구나" 하고 넘기면 다음 날 까먹어요. 근데 AI 답을 보고 "왜 이렇게 되지?"라고 한 번 더 파고들면 그건 남아요.

막히는 느낌이 있어야 해요. Garcia 교수 말대로 "혼란이 학습의 땀"인 거거든요.

AI가 그 혼란을 없애버리면, 땀도 없어지는 거예요.

이게 버클리 학생들만의 이야기냐 하면, 아니거든요. 현업 개발자들도 마찬가지예요. AI 코드 그냥 복붙하다 보면 어느 순간 왜 이 코드가 작동하는지 설명을 못 해요. 코드 리뷰에서 털리거나, 버그 생겼을 때 디버깅을 못 하거나.

Ranade 교수가 한 말이 계속 머릿속에 남아요.

"AI 시대일수록 더 많이 가르쳐야 하지, 덜 가르쳐서는 안 된다."

AI를 잘 쓰는 사람이 되려면, 결국 AI 없이도 생각할 수 있어야 한다는 거예요. 기초가 있어야 AI 결과물을 검증할 수 있으니까요.

AI는 빠르게 해주는 도구예요. 잘 쓰면 진짜 강력하고요.

근데 생각하는 힘을 대신해주는 건 못 해요. 그건 여전히 본인 몫이에요.