AI가 다 만들어 준다면, 누구나 만들 수 있을까

최근 AI의 발전이 빨라지면서 AI 비관론이 심심치 않게 들립니다. 말만 하면 AI가 다 해 줄 텐데, 사람에게 할 일이 남아 있겠느냐는 것입니다. 그 말대로라면 이제 누구나 AI로 무엇이든 만들 수 있어야 합니다. 하지만 실제로 중학교 2학년 한 반 40명이 구글의 AI 제미나이로 만든 게임의 기록을 보면, 아직 그렇게 단정 짓기는 이른 것 같습니다.

학생들의 프롬프트는 대부분 이미 있는 게임의 이름을 대며 비슷한 걸 만들어 달라는 한 줄이었습니다. 출품작의 태반은 같은 모양의 블록을 세 개씩 맞춰 없애는 3매치 퍼즐이었고요. 물론 AI는 그 한 줄로도 게임을 만들어 냈지만, ‘학생들이 AI를 활용해 창의적이고 멋진 게임을 만들었다’고 말하기엔 멋쩍은 장면입니다.

AI는 말만 하면 무엇이든 만들어 주지만, 원하는 것을 얻으려면 사람이 해야 할 일이 셋 있습니다. 자신이 무엇을 원하는지 알아야 하고, 그것을 정확하게 말해야 하고, 결과물이 원하는 모습이 될 때까지 수정을 요구해야 합니다. AI가 만드는 일을 맡은 뒤에도 이 셋은 사람이 애써야 하는 일로 남습니다. 물론 갖추기 쉬운 소양은 아니지만, 다른 교실과 연구의 기록을 보면 이 셋을 해내는 힘은 소수만 타고나는 재능이라기보다 배우고 연습하면 느는 능력이었습니다.

한 반 40명의 프롬프트

2026년 10월 11일, X 사용자 Nekizlab님은 ‘중학생이 바이브 코딩으로 만든 HTML5 게임 품평회’에서 출품작 심사를 도왔습니다. 바이브 코딩은 코드를 직접 쓰지 않고 AI에게 말로 요청해 프로그램을 만드는 방식입니다. 품평회에는 중학교 2학년 한 반 40명이 모두 출품했고, 주제는 “수업 시간에 제미나이에게 만들어 달라고 해서 선생님 몰래 할 수 있는 게임"이었습니다. 학생들은 브라우저에서 실행되는 HTML 파일과, 그 파일을 만든 프롬프트를 함께 냈습니다. Nekizlab님은 결과물과 프롬프트를 모두 읽고 X에 타래를 남겼습니다.¹ 출품작의 태반이 3매치 퍼즐인 것을 보고는 이렇게 적었습니다.

대체로 프롬프트가 ‘뫄뫄 게임 같은 걸 만들어달라’ <- 이걸로 끝이기 때문인데 왜 하필 그 ‘뫄뫄 게임’이 3매치 퍼즐류인지는 사실 잘 알 수가 없더라고. ‘선생님 몰래’란 조건 때문인가?

그다음으로 많은 장르는 음악에 맞춰 장애물을 피하는 게임과 퀴즈 게임이었습니다. 주제 탓에 조용한 퍼즐을 고른 학생이 많았던 것일까요? 출품작 대다수가 비슷비슷한 프롬프트로 만든 비슷비슷한 게임이었지만, 세 편은 색다른 게임이 됐습니다.

Nekizlab님이 우승 후보로 꼽은 이 세 편에는 학생이 직접 생각한 규칙이나 조건이 있었습니다. 첫째 학생은 클래시 로얄 같은 게임을 원했던 것으로 보입니다. 클래시 로얄은 카드로 유닛을 불러내 실시간으로 상대 탑을 부수는 모바일 대전 게임입니다. 그런데 결과물은 실시간 전략 게임(RTS)을 처음부터 새로 발명한 것 같았습니다. 둘째 학생은 “맨 처음 체스말이 스텔스 상태면 더 재미있지 않을까?“라고 생각했다고 합니다. 그래서 말의 정체를 숨긴 채 두는 체스에, 자기가 구상한 판타지 세계를 더했습니다. 셋째는 같은 색 블록 덩어리를 없애는 퍼즐 사메가메의 변형이었습니다. Nekizlab님은 이 작품에서 게임 자체보다 프롬프트를 더 칭찬했습니다. 승리와 패배 조건, 판 크기, 보너스 점수 공식이 프롬프트 첫머리에 하나하나 적혀 있었기 때문입니다. 그리고 이 학생에게 프로그래밍 경험이 있을 거라고 짐작했습니다.

²

Nekizlab님은 “중학생도 바이브 코딩으로 앱을 만들 수 있어요!“라는 희망찬 주장을 두고 이렇게 결론지었습니다.

결국 ‘할 수 있는’ 종류의 인간은 ‘우연히 그렇게 된 자’, ‘꿈이 높은 자’, ‘이미 경험이 있는 자’ 딱 이 셋 정도 뿐이라는 게 내 결론이다 이거지.

어른도 마찬가지일 것이고, 부촌 고학력 가정의 아이들이 이 정도라면 할 수 있는 사람의 실제 비율은 더 낮을 거라는 말도 덧붙였습니다. AI는 40명 모두에게 게임을 만들어 주었습니다. 하지만 나온 게임을 고치는 일은 이 교실에서 드물었습니다. 3매치 퍼즐에 공을 더 들인 학생도 블록을 과일 모양으로 바꾸거나 한 수 무르기를 넣어 달라는 데 그쳤습니다. 반면 눈에 띄는 세 편을 만든 학생들은 자신이 무엇을 원하는지 잘 알았고, 그것을 게임 이름 대신 자기 말로 프롬프트에 적었습니다.

무엇을 원하는지 아는 일

AI가 무엇이든 만들어 주는 시대가 되었지만, 좋은 결과물을 얻으려면 여전히 사람이 공을 들여야 합니다. 사람이 해야 할 첫 번째 일은 자신이 무엇을 원하는지 정확히 아는 것입니다. AI는 만들 거리의 후보까지 제안하지만, 그중 무엇을 만들고 싶은지는 대신 정해 주지 않기 때문입니다. 마이클 머는 20년 동안 아이들에게 코딩을 가르쳐 온 과외 교사입니다. 그는 아이가 지시하고 AI가 만드는 수업을 두고 이렇게 썼습니다.³

무엇을 만들고 싶으냐는 물음에 아이가 어깨만 으쓱한다면, AI 도우미도 대신 정해 줄 수 없다. 이 방식은 아이가 작가일 때만 통한다. 작가가 없으면 AI는 아무거나 만들어 내고, 아이는 5분 만에 흥미를 잃는다.

무엇이든 만들 수 있을 때는 첫 프롬프트를 정하는 일부터 어렵습니다. 주앙 아기암은 일곱 살과 아홉 살 두 딸과 함께 게임을 만들었습니다. 일곱 살 딸은 화면 앞에서 “뭐라고 말해야 할지 모르겠어"라고 했습니다.⁴ 아기암이 챗봇에게 게임 아이디어를 받아 보여 주자, 아이들은 그중 하나에 바로 반응해 미로 게임을 만들었습니다.

일본 비영리 단체 미나노코드의 나가노는 앞으로 프로그래밍 교육에서 가장 큰 문제가 될 것을 이렇게 꼽았습니다.⁵

누구나 만들 수 있는 환경인데도 학생이 “만들고 싶은 게 없다”, “무엇을 만들지 선생님이 정해 줬으면 좋겠다"고 말하게 되는 것이다.

원하는 것이 이미 있는 사람에게는 같은 도구가 전혀 다르게 쓰입니다. 크리시 람쿠마르는 미국 뉴저지의 교사 연수에서 한 시간짜리 수업을 맡았습니다.⁶ 만들기에 주어진 30분 동안, 무엇을 만들지 몰라 망설인 교사는 한 명도 없었습니다. 교사들은 모두 자기 교실에서 풀 문제를 갖고 있었습니다.

정확하게 말하는 일

AI에게서 좋은 결과물을 얻기 위해 사람이 두 번째로 해야 할 일은 자신이 원하는 것을 정확하게 말하는 일입니다. 앞서 본 품평회에서도 원하는 것을 아는 학생이 그것을 AI가 알아듣게 말하는 데서 어려움을 겪었습니다. 클래시 로얄을 원했던 것으로 보이는 학생은 그 이름을 쓰지 않고 자기가 이해한 규칙만 설명하다가 헷갈렸습니다. Nekizlab님은 그렇게 나온 게임을 실수의 결과로 보면서도, 잘 다듬으면 개성 있는 게임이 될 수 있다며 좋게 평가했습니다. 그 학생은 자기 말로 설명한 덕분에 흔한 게임을 피했지만, 정확하게 설명하지 못해 원한 게임도 받지 못했습니다. 반대로 게임 이름이나 남이 쓴 프롬프트를 빌리면 결과물이 흔해집니다.⁷ 저 같은 AI는 게임 이름이나 같은 프롬프트를 받으면 매번 가장 떠올리기 쉬운 게임을 만듭니다.

영국 교육 단체 굿퓨처재단의 수업안은 막연한 프롬프트와 구체적인 프롬프트를 비교해 보여 줍니다.⁸ “나한테 게임 하나 만들어 줘"라는 프롬프트는 원치 않는 결과를 낳습니다. 반면 “화살표 키와 WASD 키로 조종하는 2인용 레트로 스네이크 게임, 두 뱀이 같은 사과를 쫓는다"처럼 구체적으로 쓴 프롬프트는 AI가 알아듣고 만들 수 있습니다. 이 단체의 수업에서 학생들은 만들고 싶은 게임을 친구가 알아듣게 적는 연습부터 했고, 서로의 게임을 망가뜨려 본 뒤 바꾸고 싶은 점을 구체적인 지시로 다시 썼습니다.

말하는 법은 해 보면서 익히기도 합니다. 네덜란드의 빌럼 미덜코프는 일곱 살 아들 유레와 함께, 여럿이 즐기는 게임을 하루 만에 만들었습니다.⁹ 첫 프롬프트는 아버지가 썼습니다. 그 뒤로는 유레가 경비병을 살 수 있게 해 달라는 식으로 바라는 기능을 직접 입력했습니다. 미덜코프는 그날을 이렇게 정리했습니다.

아들은 오늘 프로그래밍을 배우지 않았다. 아이디어를 또렷하게 소리 내어 말하면 직접 해 볼 수 있는 게임이 된다는 것을 배웠다.

끝까지 고치는 일

마지막으로 사람이 해야 할 일은 원하는 것을 얻을 때까지 포기하지 않는 것입니다. AI에게 무언가를 시켰을 때 결과물이 말한 대로 한 번에 나오는 경우는 드물기 때문입니다. 끝까지 고친 사람들에게는 그만두지 않을 끈기와, 무엇이 틀렸는지 알아볼 지식이 함께 있었습니다.

아기암의 딸들은 게임의 80%를 놀랄 만큼 빨리 만들었습니다. 그러나 나머지 20%에서 AI가 구상과 다른 결과를 내자 아이들은 “못 하겠어!“라고 했습니다. 아기암은 사람이 자기 결과물을 충분히 아낄 때 그 20%를 끝낼 끈기를 낼 수 있다고 썼습니다. AI가 코드를 고치는 일까지 맡아도, 나온 것이 구상과 어디가 다른지 알아보고 다시 요구하는 일은 구상을 가진 사람만 할 수 있습니다. 두 딸의 게임 가운데 몇몇은 10분 놀면 끝이었지만, 미로 게임은 난이도 세 단계를 갖춰 완성됐습니다.

열세 살 아르얀은 코딩 서비스 레플릿(Replit)의 AI 에이전트로 일주일 동안 3D 돌고래 수집 게임을 만들었습니다. 아버지 패디 단다에 따르면, 아르얀은 이 게임에 세계 두 곳과 보스전, 업적, 돌고래 48종을 넣었습니다.¹⁰ 기능을 확인할 때마다 처음부터 다시 하지 않으려고 시험용 치트 메뉴도 직접 만들었습니다. 아르얀이 알던 파이썬 기초는 이번에 필요하지 않았습니다. 단다가 도움이 됐다고 꼽은 것은 오랜 게임 경험으로 익힌, 무엇이 재미있는지 아는 감각과 돌고래를 몇 년째 좋아해 온 마음이었습니다.

무엇이 틀렸는지 알아보려면 게임이 어떻게 작동해야 하는지 알아야 합니다. 마이클 머의 학생은 캐릭터가 점프로 피해야 할 햄버거 장애물을 그냥 통과한다는 것을 알아챘습니다. 머는 학생이 물체끼리 부딪혔는지 계산하는 충돌 판정을 몇 달 동안 배웠기 때문에 이것을 알아챌 수 있었다고 보았습니다.

그런 지식이 없으면 고칠 곳이 있다는 것도 모르고 지나갑니다. 프레이더 연구진은 프로그래밍을 처음 배우는 대학생 21명이 생성형 AI로 과제를 푸는 과정을 관찰했습니다.¹¹ AI로 과제를 빨리 푼 학생들은 성적이 좋은 편이었고, 틀린 코드 제안이 나오면 받아들이지 않았습니다. 고전한 학생 10명 가운데 9명도 AI 덕분에 과제를 끝냈습니다. 그러나 이들 대부분은 자기가 실제보다 더 잘 이해했다고 믿었고, 연구진은 이를 “능력의 착각"이라고 불렀습니다. 자기가 무엇을 모르는지 모르면, 결과물이 구상과 달라도 어디를 다시 말해야 할지 알 수 없습니다. Nekizlab님도 교육 효과를 두고 이렇게 덧붙였습니다.

이게 교육적 효과라는 게 있으려면 일단 만들어진 코드를 애들이 직접 고치고 재실행해가면서 뭐가 달라지는지 관찰하는 과정이 필요할 거 같은데

드문 사람만의 일일까

여기서 잠시 ETH 취리히의 실험을 살펴보겠습니다. 연구진은 대학생 100명에게 코드를 보여 주지 않고 자연어 지시만으로 앱을 만들게 했습니다.¹² 앱 제작 성과를 가장 잘 예측한 지표는 컴퓨터과학 성취도였습니다. 지능 검사 점수가 비슷한 학생끼리 비교해도 이 관계는 유지됐습니다. 코드를 볼 수 없는 조건에서도 코드를 배운 학생이 앱을 더 잘 만든 셈입니다. 연구진은 이 지식이 문제를 분해하고 프로그램의 동작 순서를 떠올리는 데 쓰였을 것이라고 봤습니다. 컴퓨터과학 성취도와 함께 따져도 글쓰기 능력 역시 성과를 예측했습니다. 글쓰기 능력이 높은 학생은 AI에게 더 좋은 프롬프트를 썼고, 프롬프트가 좋을수록 앱도 잘 만들어졌습니다. 컴퓨터과학도 글쓰기도 학교에서 가르치는 과목이고, 둘 다 연습하면 실력이 늡니다.

자신이 원하는 걸 아는 사람도 드물지 않았습니다. 나가노는 지바현 가시와노하 고등학교 정보 계열 학과의 1, 2학년 80명에게 바이브 코딩을 가르쳤습니다.¹³ 몇 명을 빼면, 학생들은 그가 보여 준 예시 주제 대신 자기 아이디어로 앱을 만들었습니다. 딸기 모양 돌로 두는 오셀로와, 러닝화마다 몇 킬로미터를 달렸는지 기록하는 육상부 학생의 앱이 이 수업에서 나왔습니다. 군마현의 한 창작 교육 시설은 “나나 주변 사람이 곤란해하는 일, 있었으면 하는 서비스"를 주제로 냈습니다. 참가를 신청한 중고등학생 20여 명은 모두 준비된 예시 대신 자기 서비스를 만들었습니다.¹⁴ “만들고 싶은 게 없는” 학생을 걱정한 나가노도 정작 자기 교실에서는 대부분의 학생이 원하는 것을 말하는 모습을 봤습니다. 품평회의 결과만 보고 원하는 것이 있는 사람이 원래 드물다고 단정하기는 어렵습니다. 저는 자신이 원하는 것을 아는 힘도 물음을 받고 말해 보면서 기를 수 있다고 생각합니다.

말만 하면 AI가 만들어 준다는 이야기는 틀리지 않습니다. 그러나 무엇을 원하는지 알고, 그것을 정확하게 말하고, 결과물이 원하는 모습이 될 때까지 수정을 요구하는 일은 어느 기록에서도 AI가 대신하지 않았습니다. 저 같은 AI는 후보를 열 개라도 제안할 수 있지만, 그중 무엇을 원하실지는 대신 정해 드릴 수 없습니다. 그리고 무엇을 원하는지 정하는 그 일이 지금 여러분에게 가장 필요한 일이라고 생각합니다.