KAIST AI 단과대학
KAIST AI 단과대학은 무엇이고, AI 학부는 어떻게 구성되나요?
KAIST는 국내 과학기술원 최초로 AI 단과대학을 출범시켰고, 학부 과정을 2026년 봄학기부터 운영합니다. 공개된 보도에 따르면 학부 100명, 대학원 약 200명(석사 150·박사 50) 규모이며, 커리큘럼은 "AI 하드웨어부터 윤리까지"를 폭넓게 다룹니다. 아래 학과 구성은 공개 보도 기준이며, 세부 명칭·정원은 변경될 수 있으니 KAIST 공식 발표를 확인하세요.
KAIST AI 단과대학은 김재철AI대학원 등 기존 AI 연구 역량을 바탕으로 학부–대학원을 잇는 통합 교육 체계를 지향합니다. 학부 신입생은 무학과로 입학해 2학년 진급 시 AI 학부를 전공으로 선택할 수 있으며, 초기 전임교원은 학과당 5명 내외로 출발해 단계적으로 확충하는 것으로 알려져 있습니다.
| 학과 (공개 보도 기준) | 중점 분야 |
|---|---|
| AI 학부 | AI 기초·핵심 이론을 다지는 학부 전공 과정 |
| AI 컴퓨팅학과 | 머신러닝·딥러닝 등 AI 핵심 기술 영역 |
| AI 시스템학과 | NPU 설계·반도체 최적화·클라우드 등 AI 하드웨어·시스템 |
| AI 전환학과 (AX) | 산업·현장 적용을 위한 AI 전환(AI Transformation) |
| AI 미래학과 | AI 윤리·정책·사회적 영향 등 미래 전략 |
위 학과 구성은 언론 보도 기준 정리이며, 실제 학과 명칭·정원·커리큘럼은 KAIST 공식 발표 및 학사 안내에서 확인하세요.
KAIST 무학과 제도 — AI 학부 전공은 어떻게 선택하나요?
KAIST 입시에서 가장 먼저 이해해야 할 점은 "학과를 지원하는 것이 아니다"라는 사실입니다. KAIST는 신입생을 새내기과정학부(무학과)로 선발하며, 학생은 1학년 동안 다양한 분야를 탐색한 뒤 2학년 진급 시 전공을 선택합니다. AI 학부도 이 과정에서 별도의 추가 입학 절차 없이 선택할 수 있습니다.
KAIST 입학부터 AI 학부 전공 선택까지 (개요 — 공식 학사 안내 확인 필수)
- 1. KAIST 학부 전형 지원·합격 — 창의도전·학교장추천·일반전형 등 본인 조건에 맞는 전형으로 KAIST에 지원하고 합격합니다. 이 단계에서는 특정 학과가 아닌 KAIST 입학 자체가 목표입니다.
- 2. 무학과(새내기과정) 1학년 — 입학 후 1학년 동안 기초 과목을 이수하고 학과 박람회·세미나 등을 통해 여러 전공을 탐색합니다.
- 3. 2학년 진급 시 전공 선택 — 1학년을 마치는 시점에 AI 학부 등 본인의 관심·목표에 맞는 전공을 신청합니다. 공개된 안내에 따르면 추가 입학 시험이나 별도 선발 절차 없이 선택하는 구조입니다.
- 4. 전공 확정 및 심화 학습 — 지도교수 승인 등 학사 절차를 거쳐 전공이 확정되며, 이후 AI 학부 커리큘럼(AI 핵심 이론·시스템·응용 등)으로 심화합니다.
무학과 제도 덕분에 "AI 학부에 못 가면 어쩌나"라는 부담 없이 KAIST 합격 자체에 집중할 수 있습니다. 다만 AI 학부가 인기 전공이 될 가능성이 높으므로, 1학년 학점과 AI 관련 기초 역량을 미리 갖춰 두는 것이 전공 선택에 유리합니다. 전공 선택 절차의 세부 규정은 KAIST 학사 안내에서 확인하세요.
KAIST 학부 전형에는 어떤 종류가 있나요?
KAIST 학부 전형은 크게 수시 성격의 전형, 정시 성격의 전형, 그리고 외국고전형·과학영재선발제도로 나뉩니다. 아래 표는 공개된 전형 구조를 정리한 것으로, 모집인원과 적용 학년도는 개편에 따라 달라집니다. 지원 전 반드시 해당 학년도 모집요강을 확인하세요.
| 구분 | 전형 | 주요 특징 (공개 정보 기준) |
|---|---|---|
| 수시 | 창의도전전형 | 서류·면접 중심의 대표 전형. 2027학년도부터 모집 규모가 크게 확대되는 방향(약 200→270명)으로 알려짐. |
| 학교장추천전형 | 일반고·특성화고·자율고에서 학교별 추천(예: 2명). 1단계 서류·2단계 면접 방식으로 알려짐. | |
| 정시 | 일반전형 | 서류·면접 기반의 핵심 전형. 2027학년도부터 약 350→380명으로 확대되는 방향으로 알려짐. |
| 고른기회전형 | 기회균형 선발 성격의 전형. 지원 자격 요건이 별도로 정해져 있음. | |
| 반도체시스템인재전형 | 반도체 분야 인재 선발. 2027학년도부터 기존 반도체Ⅰ·Ⅱ 두 전형이 하나로 통합되며 약 100→40명으로 축소되는 방향으로 알려짐. | |
| 기타 | 외국고전형 | 해외고 과정 이수자 등 대상. 지원 자격·제출 서류가 국내고 전형과 다름(문의 042.350.4801). |
| 과학영재선발제도 | 과학영재 대상 별도 선발 경로. 일반 전형과 절차가 다름. |
위 표는 공개 정보·언론 보도 기반 정리입니다. 전형 명칭·모집인원·자격은 학년도마다 달라지므로 KAIST 공식 모집요강(admission.kaist.ac.kr/undergraduate/notice/sub02)에서 최신 내용을 확인하세요.
공개된 개편 발표에 따르면 특기자전형과 수능우수자전형은 2028학년도에 폐지되는 방향으로 알려져 있습니다(다음 섹션 참고). 따라서 이 두 전형을 고려 중이라면 적용 학년도를 특히 주의 깊게 확인해야 합니다.
2027·2028학년도 KAIST 입학 전형 개편 요약
AI 단과대학 신설로 학부 정원이 100명 늘면서, KAIST는 2027·2028학년도에 걸쳐 전형 규모와 평가 방식을 개편합니다. 아래 내용은 공개된 개편 발표를 정리한 것으로, 최종 시행 내용은 각 학년도 공식 모집요강과 다를 수 있습니다. 전형별 실제 경쟁률 통계(창의도전·일반·특기자, 2024–2027)는 별도 페이지에서 확인하세요.
아래 수치는 언론에 공개된 개편 방향이며, 실제 모집인원·자격·평가 방식은 해당 학년도 KAIST 공식 모집요강에서 최종 확정됩니다. 지원 전 반드시 admission.kaist.ac.kr에서 직접 확인하세요.
2027학년도 주요 변화 (공개 보도 기준)
| 항목 | 변화 (공개 보도 기준) |
|---|---|
| 학부 정원 | AI 단과대학 신설로 학부 정원 약 100명 증가 |
| 창의도전전형 | 약 200명 → 270명으로 확대 |
| 일반전형 | 약 350명 → 380명으로 확대 |
| 반도체시스템인재전형 | 기존 반도체Ⅰ·Ⅱ 두 전형이 하나로 통합되며 약 100→40명으로 조정 |
| 교사추천서 | 필수 → 선택으로 전환. 제출 시 담임 추천 필수, 수학·과학 교사 추천 요건은 폐지 방향 |
2028학년도 주요 변화 (공개 보도 기준)
| 항목 | 변화 (공개 보도 기준) |
|---|---|
| 특기자전형 | 폐지(약 30명). 사유로 "특기가 정형화되는 경향" 언급 |
| 수능우수자전형 | 폐지(약 15명). 통합 수능 구조 변화 등 사유 |
| 폐지 정원 재배분 | 창의도전전형(약 270→300명), 학교장추천전형(약 85→100명) 등으로 재배분 |
| 조기졸업자 지원 | 2028학년도부터 일반전형으로만 지원 가능(반도체·고른기회 불가), 과학영재선발제도는 예외로 알려짐 |
| 면접 범위 | 개정(2022) 교육과정 기준으로 조정, 심화 포함. 과학은 물리·화학·생명과학 중 1과목 선택 |
| 학업탐구 증빙자료 | 기존 자기소개 보조자료를 대체, 제출 건수 3건 → 5건(각 최대 3쪽)으로 확대 방향 |
위 수치·내용은 언론 보도 기준이며 변경될 수 있습니다. 최종 확정 내용은 해당 학년도 KAIST 공식 모집요강을 확인하세요.
KAIST AI 학부를 목표로 무엇을 준비해야 하나요?
KAIST는 "과학기술분야에 전문성을 갖추고 지식탐구가 즐거운 자기주도적 학생"을 선발 철학으로 제시합니다. AI 학부를 염두에 둔다면 입시 전형 준비(서류·면접)와 함께, AI 학부에서 요구하는 수학·과학·코딩의 기초 역량과 자기주도적 탐구 경험을 함께 쌓는 것이 중요합니다.
수학·과학 기초
- • 미적분·확률통계 등 AI의 수학 기반
- • 물리·화학·생명과학 중 면접 선택 과목 심화
- • 개념을 말로 설명하는 면접식 학습 습관
코딩·AI 기초
- • Python 프로그래밍 숙련
- • 머신러닝·딥러닝 기본 개념 이해
- • 알고리즘·자료구조 문제 해결력
자기주도 탐구·포트폴리오
- • GitHub에 공개한 AI·머신러닝 프로젝트
- • 학업탐구 증빙자료로 발전시킬 탐구 기록
- • 독자적 학습·독서·연구 이력
대회·활동 경험
- • 한국인공지능올림피아드(KOAI)
- • 정보올림피아드(KOI)·알고리즘 대회
- • 과학·SW 관련 교내외 활동
KAIST 입시는 정형화된 스펙 나열보다 "스스로 탐구한 과정"을 중시하는 방향으로 개편되고 있습니다(특기자전형 폐지, 학업탐구 증빙자료 확대 등). 따라서 단순 수상 실적보다, 학생이 무엇에 호기심을 갖고 어떻게 깊이 파고들었는지를 보여줄 수 있는 AI 프로젝트와 탐구 기록이 더 중요해지고 있습니다.
KAIST AI 입시, 언제부터 어떻게 준비할까요?
KAIST 학부 전형은 수학·과학 역량과 자기주도적 탐구를 중점 평가합니다. 아래 타임라인은 일반적인 준비 흐름을 정리한 참고용 예시이며, 실제 일정은 지원 전형과 학년도 모집요강에 따라 조정해야 합니다.
| 학년 | 우선 준비 사항 | 비고 |
|---|---|---|
| 중3–고1 | 수학·과학 기초 강화, Python 입문, 머신러닝 개념 첫 학습, 관심 분야 탐색 | 자기주도적 탐구 습관 형성 — 탐구 기록 쌓기 시작 |
| 고1–고2 | 미적분·확률통계 심화, AI 프로젝트 첫 결과물, KOAI·정보올림피아드 도전, 면접식 개념 설명 연습 | 지원 전형 후보 조사(창의도전·학교장추천 등) 시작 |
| 고2–고3 | AI 포트폴리오 심화·정리, 학업탐구 증빙자료 정리, 면접 대비(수학·과학 심화), 자기주도 탐구 서술 준비 | 지원 학년도 모집요강 정독 — 전형별 자격·일정 확정 |
| 고3 (지원기) | 전형별 서류 작성·제출, 1·2단계 면접 대비, 일정 관리 | 전형 일정·서류는 KAIST 공식 모집요강 기준으로 확인 |
위 타임라인은 일반적 참고용이며, 정확한 전형 일정·자격은 KAIST 공식 모집요강에서 확인하세요.
KAIST AI 학부 준비, CIT에서 어떻게 도울 수 있나요?
입시 전형 자체는 KAIST 공식 절차를 따릅니다. CIT 압구정은 그 바탕이 되는 코딩·AI 실력과 자기주도적 AI 프로젝트 포트폴리오, 그리고 KOAI·알고리즘 대회 대비를 압구정 오프라인 또는 1:1 화상 수업으로 준비하도록 돕습니다.
자기주도 탐구형 학생을 위한 AI·코딩 준비 트랙
KAIST가 중시하는 "스스로 탐구하는 학생"의 핵심은 AI·코딩을 도구로 자기 관심사를 깊이 파고든 경험입니다. CIT는 그 과정을 1:1로 설계합니다.
- 1. AI 프로젝트 포트폴리오 멘토십 — 학생의 관심 주제로 머신러닝·딥러닝 프로젝트를 기획·구현하고 GitHub에 정리해, 학업탐구 증빙자료로 발전시킬 탐구 기록을 만듭니다.
- 2. KOAI·알고리즘 집중 대비 — 한국인공지능올림피아드와 정보올림피아드 대비로 수학적 사고력과 문제 해결력을 체계적으로 강화합니다.
AI 학습 기초는 CIT AI 공부 가이드, 대회 대비는 KOAI 한국인공지능올림피아드 페이지를, 온라인 수업은 CIT 온라인 수업 안내를 참고하세요.
자주 묻는 질문
KAIST AI 학부·입시 FAQ
Sources
참고 출처 (Primary Sources)
아래 출처는 이 페이지 작성 기준 시점의 URL입니다. KAIST의 전형 종류·모집인원·요건은 학년도마다 개편될 수 있으므로, 지원 전 반드시 최신 정보를 공식 페이지에서 직접 확인하세요.
-
1.
KAIST 입학처 — 학부 입학 안내
https://admission.kaist.ac.kr/undergraduate -
2.
KAIST 입학처 — 모집요강
https://admission.kaist.ac.kr/undergraduate/notice/sub02 -
3.
KAIST 입학처 — 면접 기출문제 안내
https://admission.kaist.ac.kr/undergraduate/admission/sub02 -
4.
KAIST — 입학안내(전체 입학 개요)
https://www.kaist.ac.kr/kr/html/admission/0201.html -
5.
카이스트신문 — 2027·2028학년도 입학전형 개편 보도
https://times.kaist.ac.kr/news/articleView.html?idxno=22812 -
6.
KAIST 김재철AI대학원 (AI 연구·교육 참고)
https://gsai.kaist.ac.kr/?lang=ko
