"AI 시대에 뭘, 어디서부터 배워야 하죠?"
AI가 코드를 대신 써 주는 시대에도 판단은 학생의 몫입니다. 무엇을 만들지(명세), 어떻게 짤지(아키텍처), 맞는지(테스트), 안전한지(안전). 온라인 또는 압구정 대면(오프라인), 1:1 개인 또는 1:n 소수 그룹으로 같은 로드맵을 진행합니다.
아이가 얻는 것
AI에게 일을 맡기고 결과가 맞는지 확인하는 힘
시작 지점
유치~고등 어디서든, 진단 후 학생에게 맞춰 시작
안전 장치
읽기 전용이 기본, 외부 작업은 사람 승인
최종 수정: 2026-08-29
국제학교 경로를 먼저 안내합니다. CIT 수업은 압구정 대면 또는 전국·해외 온라인으로 참여할 수 있습니다. 다만 미성년자 계정, 개인 기기·네트워크, 로봇·물리 제작과 안전 활동의 현장 감독은 보호자·학교·현장 담당자가 별도로 준비해야 하며 온라인 수업이 이를 대신하지 않습니다.
모든 학년의 공통 뼈대
다섯 과정은 같은 질문을 더 깊게 다룹니다. "이 문제를 AI와 함께 어떻게 풀까?" 학년이 오를수록 도구와 판단이 깊어지며, 프로젝트는 연구·개발·자동화·분석 네 갈래로 확장됩니다.
연구
모르는 것 밝히기
답 없는 질문을 데이터와 실험으로 밝힙니다. 예: 우리 동네 미세먼지는 언제 나빠질까?
개발
새 서비스 만들기
사람이 실제로 쓰는 도구를 설계해 완성합니다. 예: 동아리 일정 도우미 앱.
자동화
반복 작업 맡기기
반복 작업은 시스템에 맡기고 사람은 결과를 확인합니다. 예: 자료 모으고 분류하기.
분석
데이터에서 답 찾기
기록에서 패턴을 찾아 더 나은 결정을 돕습니다. 예: 경기 기록으로 전략 세우기.
네 갈래 모두 같은 순서로 풉니다
칸을 누르면 그 단계가 나옵니다.
규칙 카드 로봇부터 도구 사용 에이전트까지, 모든 과정이 이 순서를 따릅니다. 학년이 오를수록 각 단계의 기술과 판단이 깊어집니다.
AI가 답을 빨리 내줄수록 어떤 문제를 고르고 어떻게 묻느냐가 결과를 가릅니다. 그래서 루프의 첫 칸인 목표를 따로 훈련합니다. 수업에서 참고하는 방식은 셋입니다.
Harvard Business Review
문제를 다시 짜 봅니다 (리프레이밍)
처음 떠오른 문제가 늘 최선은 아닙니다. 같은 상황을 다른 문제로 바꿔 보는 방법으로, 조사에 답한 경영진의 85%가 자기 조직이 문제 진단에 약하다고 답했습니다. 목적은 진짜 문제를 하나 찾는 것이 아니라 더 나은 문제를 고르는 것입니다.
McKinsey
큰 문제를 쪼갭니다 (분해와 우선순위)
맥킨지는 문제 해결을 일곱 단계로 정리해 공개합니다. 문제를 정의하고 쪼갠 뒤 무엇부터 볼지 정하고 분석해서 결론을 전하는 흐름입니다. 학생은 이 순서로 프로젝트 범위를 스스로 줄입니다.
Stanford d.school
사람이 겪는 불편에서 시작합니다 (공감과 정의)
스탠퍼드 d.school이 널리 알린 다섯 모드 가운데 정의(Define)는 사용자와 필요와 관찰을 묶어 문제를 한 문장으로 만드는 단계입니다. d.school은 이 다섯을 정해진 절차가 아니라 출발점으로 설명합니다.
수업에서는 이렇게 씁니다. 학생이 고른 주제를 이 세 가지로 한 번 더 걸러 "누구의 어떤 문제를 어떻게 낫게 하는가"를 한 문장으로 적고 시작합니다. 그 문장이 마지막에 결과를 판단하는 기준이 됩니다. 문제를 바꾸면 문장을 고치고 고친 이유도 함께 적습니다.
* 위 자료는 수업 설계에 참고한 공개 자료입니다. CIT는 해당 기관·저자와 제휴하거나 인증받은 관계가 아닙니다.
피하는 길 1
문법 암기 파이썬
AI가 코드를 써 주는 시대에 문법 지식만으로는 시스템을 판단할 수 없습니다.
피하는 길 2
검증 없는 바이브 코딩
돌아가는 것처럼 보이는 프로그램과 믿을 수 있는 프로그램은 다릅니다.
나선형 설계 · 8개 핵심 개념
같은 여덟 개념을 학년마다 더 깊게 다시 배웁니다.
첫 설계 질문은 "AI에 어디까지 맡길 것인가?"입니다. 모든 프로젝트를 자율성 사다리 0~6단계로 설계합니다.
사람이 하는 절차
목표, 순서, 필요한 정보, 갈림길을 말과 그림으로 설명한다. 코드 이전의 사고 훈련.
정해진 대로만 움직이는 프로그램 (결정적 프로그램)
순서·조건·반복·함수로 이미 아는 규칙을 구현한다. 같은 입력이면 언제나 같은 결과.
AI에게 한 가지 일만 맡기기 (통제된 모델 호출)
범위를 정해 둔 글·인식·분류 작업 하나에만 AI를 쓴다.
정해진 순서로 잇는 AI 작업 (고정 워크플로)
이미 아는 단계들을 정해진 순서로 연결한다. 입력 → 처리 → 확인 → 출력.
허락된 도구 안에서 스스로 고르는 AI (제한된 에이전트)
승인된 소수의 도구 목록 안에서 시스템이 다음 행동을 고른다.
기억하고 실행하되 사람이 감독 (지속 에이전트)
기억과 쓰기 작업이 생기는 대신 승인·기록·되돌리기 장치를 함께 설계한다.
여러 AI가 함께 일하는 시스템 (멀티 에이전트)
역할 분담, 예상 못 한 집단 행동(창발), 시스템 수준의 위험을 연구한다.
* 학년별 상한은 아래 표에 표시했습니다. 모든 단계는 사람의 승인과 즉시 중지를 기본으로 합니다.
같은 문제 해결 뼈대를 학년별 깊이로 나눈 다섯 과정입니다.
| 과정 | 대상 | 이 단계에서 하는 것 | AI에게 맡기는 범위 |
|---|---|---|---|
| Smart Systems & Human Control | 유치~초2 | 규칙·센서·사람의 통제를 놀이로 익히기 | AI 사용 전 단계 (사다리 0-1) |
| AI Makers | 초3~초5 | 블록 코딩과 데이터로 똑똑한 작품 만들기 | 교사와 함께 조금씩 (사다리 1-3) |
| Python AI Systems Builder | 중등 | 파이썬으로 진짜 쓰는 앱 만들기 | 정보를 읽는 도구까지 (사다리 1-4) |
| AI-Native Software & Agentic Engineering | 고등 | 믿고 쓸 수 있는 AI 시스템 완성 | 사람 감독하에 실행까지 (사다리 1-5) |
| Research Studio | 고1~고3 심화 | 연구 주제를 잡고 깊이 파기 | 연구 목적일 때 최고 단계 (사다리 6) |
* 나이는 배치 기준, 역량은 진급 기준입니다. 진단으로 시작점과 속도를 정합니다.
K-2는 코딩보다 목표·규칙·감지·통제를 먼저 익힙니다. 로봇과 이야기로 "기계는 규칙대로 움직이고 목표와 결정은 사람이 맡는다"는 원리를 배웁니다. 생성형 AI 계정은 사용하지 않습니다.
사람이 하는 일과 기계가 하는 일
배우는 개념
마무리 작품
팀 작품(스마트 교실, 로봇 도우미 등)을 만들고 어떻게 움직이는지 그림과 말로 설명합니다.
쓰는 도구
규칙형 프로그램에서 데이터 기반 작품으로 나아갑니다. 직접 모델을 학습시키며 데이터 품질이 결과를 바꾼다는 사실을 확인합니다.
사다리 1
규칙대로 움직이는 프로그램
이번 과정 · 사다리 2-3
예시로 배우는 프로그램
틀리면 예시를 고쳐 다시 가르칩니다
배우는 개념
마무리 작품
학습 도우미, 게임 캐릭터, 로봇, 데이터 작품 중 하나를 완성해 여러 상황에서 시험합니다.
쓰는 도구
초등 AI 교육 가이드와 이어집니다.
문법 대신 실제로 쓰는 앱으로 파이썬을 배웁니다. AI 없는 앱을 먼저 완성한 뒤 AI 기능을 더합니다.
1단계
AI 없는 앱 먼저
데이터를 저장하고 오류를 처리하고 테스트까지 갖춘, 내가 다 설명할 수 있는 앱을 완성합니다.
2단계
AI를 조심스럽게 붙이기
AI가 정한 형식으로만 답하게 하고(스키마) 실패하면 안전판(폴백)이 작동하게 만들어 시험합니다.
3단계
관심 분야 프로젝트
아이의 관심 분야 데이터로 자기 프로젝트를 완성하고 시연과 설명으로 마무리합니다.
캡스톤 예시
과학전람회 준비 도우미 · 환경 데이터 비서 · 동아리 운영 도우미 · 지능형 NPC 교육용 게임 · 독서·출처 정리 도구 · 스포츠 통계 앱 · 로보틱스 미션 비서 · 학습 계획 시스템
중등 기본 한도
학생이 선택한 문제를 신뢰할 수 있는 AI 시스템으로 완성합니다. 여섯 단계마다 검증 가능한 결과물을 남깁니다.
1 · 문제 정하기
누구의 어떤 문제를 풀지, 무엇은 안 만들지(비목표) 먼저 정합니다.
2 · 뼈대 앱 만들기
AI 없이도 돌아가는 앱을 저장·테스트까지 갖춰 완성합니다.
3 · AI 부품 넣기
정한 형식으로만 답하게 하고(구조화 출력) 실패 시 안전판(폴백)을 답니다.
4 · 도구 쥐여 주기
허락한 도구만, 횟수와 시간을 제한해 쓰게 하고 실행 기록(트레이스)을 남깁니다.
5 · 시험하고 지키기
처음 보는 문제(홀드아웃)까지 반복 시험하고 공격(프롬프트 주입)도 막아 봅니다.
6 · 내보낼지 결정
사용자 테스트와 말로 설명하는 시험(구술 설명·질의응답)을 거쳐 진행·수정·중단을 스스로 결정합니다.
검색(RAG)은 단순한 것부터
문서 정보로 거르기(메타데이터 필터) → 단어 검색(키워드) → 데이터베이스 검색(SQL·전문 검색) → 뜻 기반 검색(임베딩). 요구를 충족하는 가장 단순한 방법을 고릅니다.
마지막 결정이 배포일 필요는 없습니다
증거가 수정이나 중단을 가리키면 그렇게 결론짓는 것이 더 좋은 평가를 받습니다.
핵심 과정 이수자 또는 동등 역량을 갖춘 학생이 연구 질문 하나를 깊이 검증합니다.
여러 AI의 협업과 창발
역할을 나누면 결과가 좋아지는가, 비용과 불안정만 더하는가. 연구자·비평자·편집자 시스템, 경제 시뮬레이션.
고급 평가
개선이 통계적으로 의미 있고 다른 조건에서도 유지되는가. 다른 팀 시스템 벤치마크.
코딩 에이전트와 실행 피드백
에이전트가 코드 수정(패치)을 안전하게 최소 범위로 만들 수 있는가. 통제된 버그 수정 에이전트.
고급 검색·지식 시스템
표 데이터와 글 자료(정형·비정형 근거)를 어떻게 결합하는가. 과학 문헌 도우미.
MCP와 통제된 연동
여러 도구를 표준 방식으로 연결하는 규약(MCP)의 인증과 제한. 읽기 전용 MCP 서비스. API·인증·권한·위협 모델을 이해한 뒤의 주제라 이 단계에 둡니다.
멀티모달·실시간 시스템
카메라·오디오·센서·브라우저 입력이 신뢰성을 어떻게 바꾸는가. 접근성·로보틱스·스포츠 시스템.
런타임·배포 공학
속도(지연)·캐싱·동시 처리·비용이 설계를 어떻게 바꾸는가. 성능 비교 연구.
연구 재현·오픈소스 기여
외부 결과를 재현하고 확장할 수 있는가. 논문 재현 또는 풀 리퀘스트.
STEM 연구 스칼라, AI + Space 포트폴리오 스튜디오와 연결해 연구 주제를 잡을 수 있습니다.
이 과정에서 쌓은 프로젝트는 AI 올림피아드의 포트폴리오 심사에 그대로 낼 수 있습니다. 다만 두 대회는 지원 자격이 서로 달라, 어느 쪽이 가능한지부터 확인하시는 편이 좋습니다.
IOAI 가이드
KOAI·USAAIO 선발 구조와 준비 범위
한국인공지능올림피아드 (KOAI) ↗
한국 국적 중·고생 · 1차 서류 배점의 40%가 AI 활동 포트폴리오
USA AI Olympiad (USAAIO) ↗
미국·캐나다 학교 재학생 · Team USA 선발
머신러닝·딥러닝 가이드
필기 시험 범위의 기초
* 자격·일정·개최 여부는 해마다 바뀝니다. 지원 전 각 대회 공식 공고를 확인해 주세요.
과정의 뼈대는 모든 아이가 같습니다. 달라지는 것은 두 가지입니다. 이미 해 본 만큼 앞부분을 줄여 시작하고 아이가 가려는 방향에 맞는 선택 모듈을 더합니다. 앞에서 줄인 회차는 그 모듈에 쓰고 줄일 것이 없는 아이는 과정을 마친 뒤에 모듈을 더합니다.
선택 모듈은 필수가 아닙니다. 하나도 하지 않아도 과정을 마치는 기준은 같습니다.
| 과정 | 처음 배우는 경우 | 이미 해 본 경우 | 앞에서 비는 회차 |
|---|---|---|---|
| Smart Systems 유치~초2 | 1회차부터 24회를 그대로 진행합니다. | 로봇이나 블록 코딩을 다뤄 봤다면 앞 2회를 1회로 묶습니다. | 1회 |
| AI Makers 초3~초5 | 1회차부터 32회를 그대로 진행합니다. | 블록으로 작품을 만들어 봤다면 앞 2회를, 이미 텍스트로 코딩한다면 앞 4회를 진단으로 대체합니다. | 1~2회 |
| Python AI Systems Builder 중등 | 1회차부터 36회를 그대로 진행합니다. | 블록 경험이 있으면 앞 3회를, 파이썬으로 만들어 본 적이 있으면 기초 12회를 8회로 줄입니다. | 2~4회 |
| AI-Native Software & Agentic Engineering 고등 | 파이썬이 처음이면 중등 과정의 앞 12회를 브리지로 먼저 지납니다. | AI 없이 앱을 완성해 본 적이 있으면 앞 6회를 진단 2회로 대체합니다. | 4회 |
* 무엇을 얼마나 해 봤는지는 상담과 진단에서 확인합니다. 줄여서 시작했다가 막히면 줄인 회차를 다시 넣습니다.
* 유치~초2는 글을 아직 편하게 읽지 못하는 아이를 위해 회차는 그대로 두고 그림 카드와 짝 설명으로 진행하는 방식도 있습니다.
고등에서는 가려는 전공 방향으로, 그 아래 학년에서는 아이가 계속 돌아오는 관심 방향으로 고릅니다. 전공을 미리 정하라는 뜻은 아닙니다.
| 선택 모듈 | 회차 | 이런 방향의 아이가 고릅니다 | 무엇을 만드나요 |
|---|---|---|---|
| Smart Systems · 유치~초2 | |||
| 로봇을 더 움직여 보기 | 2회 | 몸으로 만드는 것을 좋아하는 아이 | 새로운 임무를 하나 더 해내는 로봇 |
| 그림으로 규칙 만들기 | 2회 | 그리기와 이야기를 좋아하는 아이 | 그림 카드로 만든 만약이라면 규칙 |
| 세어 보고 비교하기 | 2회 | 숫자와 모으기를 좋아하는 아이 | 직접 세어서 만든 표와 거기서 찾은 규칙 |
| AI Makers · 초3~초5 | |||
| 데이터로 답하기 | 2회 | 관찰하고 재는 것을 좋아하는 아이 | 직접 모은 표로 질문 하나에 답한 기록 |
| 움직이는 것 만들기 | 2회 | 로봇과 기계를 좋아하는 아이 | 감지한 것에 반응해서 움직이는 장치나 캐릭터 |
| 이야기와 그림으로 만들기 | 2회 | 만들기와 그리기를 좋아하는 아이 | 장면이 바뀌는 이야기 프로그램 |
| 분류기 더 훈련하기 | 2회 | 모으고 나누는 것을 좋아하는 아이 | 예시를 더 모아 다시 학습시킨 분류기 |
| Python AI Systems Builder · 중등 | |||
| 데이터로 답 찾기 | 3회 | 과학·환경 방향 | 질문 하나에 답하고 그 답의 한계까지 적은 분석 |
| 화면과 사용자 | 3회 | 제품·디자인 방향 | 다른 사람이 안내 없이 쓸 수 있는 화면 |
| 알고리즘 기초 심화 | 3회 | 수학·정보 방향, 알고리즘 대회를 함께 준비하는 학생 | 같은 문제를 두 가지 방법으로 풀고 시간을 비교한 기록 |
| 자료 찾기와 출처 확인 | 3회 | 인문·사회 방향 | 답마다 원문 위치를 붙이는, 읽기만 하는 검색 |
| 작은 분류기 만들기 | 3회 | 인식·예술 방향 | 직접 모은 예시로 학습시킨 분류기와 틀린 사례 정리 |
| 움직임 시뮬레이션 | 3회 | 우주·로봇 방향 | 값을 바꿔 가며 돌려 보는 움직임 모형 |
| AI-Native Software & Agentic Engineering · 고등 | |||
| 데이터 실험 심화 | 4회 | 생명과학·환경·의학·심리 방향 | 가설 하나를 공개 데이터로 검증하고 다른 사람이 그대로 다시 돌릴 수 있게 묶은 분석 |
| 웹 제품과 배포 | 4회 | 창업·경영·디자인 방향 | 외부 사용자가 실제로 열어 쓰는 화면과 배포·되돌리기 경로 |
| 알고리즘과 성능 | 4회 | 컴퓨터공학·수학 방향, 알고리즘 대회를 함께 준비하는 학생 | 느린 지점을 재서 찾아내고 자료 담는 방식(자료구조)을 바꿔 고친 전후 기록 |
| 근거 있는 검색 시스템 | 4회 | 법·역사·인문·정책 방향 | 문서 모음에 근거를 두고 답하면서 출처를 함께 내놓는 검색 |
| 시뮬레이션과 민감도 | 4회 | 우주·항공·물리·경제 방향 | 가정을 바꿔 가며 돌리는 모델과, 어떤 가정이 결과를 좌우하는지 보여 주는 표 |
| 인식 모델 학습 | 4회 | 예술·미디어·제조·생명 방향 | 직접 모은 학습 데이터로 훈련한 작은 분류기와 틀린 사례 분석 |
| 권한과 위협 모델 심화 | 4회 | 보안·시스템 방향 | 무엇을 지킬지 정리한 표와 직접 시도해 본 공격 기록, 그리고 줄인 권한 |
* 모듈 안에서 다루는 소재는 아이의 관심 분야에 맞춰 한 번 더 바뀝니다. 방향은 모듈이 정하고 소재는 관심 분야가 정합니다.
* 선택 모듈에도 과정의 안전 규칙이 그대로 적용됩니다. 얼굴·피부·몸을 찍어 분류하지 않고 급우에게 설문을 돌리지 않으며 실제 장비 제어와 실거래는 화면 안 모의 실행으로만 다룹니다.
AI는 같은 질문에도 답이 조금씩 달라집니다. 그래서 결과가 이상할 때 무엇이 잘못됐는지 알려면 비교할 기준이 하나 있어야 합니다. 그 기준은 아이가 직접 만들어 속까지 아는 프로그램입니다. 같은 것을 넣으면 언제나 같은 답이 나오기 때문에(결정적 프로그램) 달라진 부분만 보면 원인이 드러납니다.
1
아이가 설명할 수 있는 프로그램부터
비교 기준이 될 프로그램을 먼저 완성합니다. 중등 첫 프로젝트에는 AI가 들어가지 않고 고등도 두 번째 단계까지는 AI 없이 만듭니다.
2
AI는 그 위에 얹습니다
잘 돌아가는 프로그램 위에 AI를 붙이면서 답이 정해진 형식에 맞는지 걸러 내는 검사(스키마 검증)와 실패했을 때 대신 작동하는 안전판(폴백)을 함께 답니다. AI는 언제든 다른 것으로 바꿔 끼울 수 있게 둡니다.
3
문제가 생기면 원인을 가려냅니다
결과가 이상하면 아이가 짠 부분 때문인지 AI 때문인지 기준 프로그램과 비교해 가려냅니다. 해야 할 일을 전부 AI 지시문(프롬프트)에 몰아넣지 않는 이유입니다.
모든 아이가 같은 힘을 기르고 구체적인 기술은 프로젝트가 필요로 할 때 골라 씁니다. 도구는 수단이지 목표가 아니기 때문입니다.
모든 학생이 기르는 역량
프로젝트가 필요로 할 때만 쓰는 기술
아래 기술은 체크리스트가 아닙니다. 그 프로젝트에 꼭 필요할 때만 골라 배웁니다.
서버 운영 같은 전문 인프라 기술(Kubernetes, GPU 인프라 등)은 표준 과정에 넣지 않고 필요한 학생만 심화 스튜디오에서 연구 주제로 다룹니다.
AI는 같은 질문에도 답이 달라집니다. 한 번의 성공 대신 학년에 맞는 반복 검증으로 신뢰도를 확인합니다.
초등
이야기로 시험
"이럴 때 어떻게 될까?" 몇 가지 상황을 만들어 작품이 약속대로 움직이는지, 멈출 수 있는지 확인합니다.
중등
여러 사례 + 반복
여러 사례로 시험하고 답이 달라질 수 있는 것은 반복해 돌려 봅니다. 실패는 종류별로 기록합니다.
고등
처음 보는 문제까지
연습에 없던 문제(홀드아웃)를 섞어 반복 검증하고 성공률과 실패 유형을 수치로 남깁니다.
AI와 함께 만든 프로젝트에서 "어떤 줄을 학생이 직접 타이핑했나"를 가려내는 것은 어렵고 별 의미도 없습니다. 그 대신 주요 평가마다 학생이 다음 네 가지를 해내는지 봅니다.
1
설명
아키텍처와 중요한 코드를 자기 말로 설명한다.
2
예측
변경을 실행하기 전에 무슨 일이 생길지 예측한다.
3
디버그
일부러 심어 둔 오류를 찾아 고친다.
4
수정
관련 없는 동작을 깨뜨리지 않고 한 부분을 바꾼다.
주요 프로젝트는 구술 설명·질의응답과 증거 묶음(설계·테스트·작업 기록·발표)으로 마무리합니다. AI 사용 범위도 공개합니다. AI가 생각을 대신할지 걱정이 된다면?갈린 것은 AI 사용 여부가 아니라 순서였습니다. MIT 미디어랩 뇌파 연구가 보여준 것과 그 한계까지 정리했습니다.
모든 과정은 온라인·압구정 대면(오프라인), 1:1 개인·1:n 소수 그룹으로 운영할 수 있습니다. 과정마다 정해진 회차가 있고 진단으로 시작점과 속도를 정합니다. 매 수업의 중심은 듣기가 아니라 직접 만들고 고치는 시간입니다.
매 수업 반복하는 순서
검사 → 예측 → 실행 → 추적 → 수정 → 테스트 → 설명
교사의 문법 시연을 줄이고 시스템을 읽고 판단하는 시간을 늘립니다. 앞으로 개발자는 모든 구현을 직접 타이핑하기보다 생성된 코드를 평가하고 지휘하는 데 더 많은 시간을 쓰게 되기 때문입니다.
점수나 순위가 아니라, 커리큘럼의 서로 다른 설계 판단에 영향을 준 다섯 기준입니다.
* 참고 기준이며 제휴·인증을 뜻하지 않습니다.
컴퓨터 공학 지망생 전용이 아닙니다. 사다리·안전 규칙·소유권 평가는 같고 달라지는 것은 학생의 분야에서 가져오는 데이터와 질문입니다. 1:1 개인과 1:n 소수 그룹 모두 진단 결과에 맞춰 데이터와 질문을 조정합니다.
전공별 적용 가이드
생명과학, 경제, 금융, 법, 역사, 우주 등
AI+X 이공계 전공 탐색
계산생물학·물리·화학·기후 데이터 과학
AI + Space 스튜디오
실험 데이터·NASA 시뮬레이션 연구
이 커리큘럼이 기르는 시스템 설계·검증 판단력이 이어지는 진로 예시입니다. 앱 하나를 잘 만드는 데서 멈추지 않고 조직 전체가 함께 쓰는 시스템을 설계하는 분야입니다. 반대로 이 진로에 먼저 마음이 간 학생에게는 이 커리큘럼이 지금 학년에서 밟을 준비 과정이 됩니다.
무엇을 하는 일인가
기술·데이터·사람·업무 절차를 하나로 연결해 큰 조직이 안정적으로 돌아가게 설계합니다. 묻는 질문이 "이 앱을 제대로 만들었나"에서 "조직 전체가 안전하게, 규모가 커져도 쓸 수 있나"로 커집니다.
어디서 배우나
하나의 학부 전공은 아니고 대학마다 이름이 다릅니다. 고등학생이 지원할 수 있는 가까운 학부는 스탠퍼드 경영과학공학(MS&E)과 카네기멜론 정보시스템이고 MIT LGO·SDM은 대학원 과정입니다. 모건스탠리에서는 회사 전체 기술 플랫폼을 만드는 조직의 이름이기도 합니다.
이 커리큘럼과의 연결
무엇을 만들지 정하고(명세) 맞는지 확인하고(테스트) 사고를 막는(안전) 훈련과 시스템 사고가 그대로 이 분야의 준비입니다. 고등 과정은 학생 분야의 시스템 하나를 실제로 완성합니다.
전체 가이드
엔터프라이즈 엔지니어링: 정의 · 학위 경로 · K-12 준비 순서 →
유치~초2부터 시작할 수 있습니다. 이때는 생성형 AI 계정 없이 로봇과 규칙 카드로 목표·감지·통제를 익힙니다. 본격적인 에이전트 설계는 중등부터, 진급은 역량으로 정합니다.
프롬프트는 구현을 빠르게 하지만 명세·설계·검증·안전까지 대신하지는 못합니다. CIT는 AI 결과를 읽고 판단하고 고치는 힘을 기릅니다.
가능합니다. AI 기능보다 학생이 설명할 수 있는 기준 앱을 먼저 만들고 필요한 기초는 그 과정에서 배웁니다.
타이핑한 줄 수보다 설명·예측·디버그·수정 능력을 봅니다. 주요 프로젝트는 구술 설명과 질의응답으로 확인합니다.
아닙니다. 공통 개념은 모두 배우되 기술은 프로젝트에 필요할 때만 고릅니다. 검색도 키워드·SQL처럼 단순한 방법부터 비교합니다.
API 키는 교사가 관리하고 도구는 읽기 전용이 기본입니다. 외부 실행에는 사람의 승인, 모든 실행에는 횟수·시간 제한과 중지·기록을 둡니다.
네. 같은 설계·검증·안전 원칙을 학생의 전공 데이터와 질문에 적용합니다.
CSTA, AI4K12, UNESCO, NIST, MCP의 공개 기준을 참고했습니다. 원문은 본문에서 확인할 수 있습니다.
온라인 또는 압구정 대면(오프라인), 1:1 개인 또는 1:n 소수 그룹으로 참여할 수 있습니다. Smart Systems 24회, AI Makers 32회, Python AI Systems Builder와 고등 과정은 각각 36회이며 진단으로 시작점과 속도를 정합니다.
수상이나 합격을 보장하지 않습니다. 대신 Git 이력·테스트·실패 분석·구술 설명이 학생의 실제 역량을 보여 주는 증거로 남습니다.
