목차
▪️ 서울대 공대서 수강생 절반 AI 과제 제출 적발… 0점·D- 무더기 처분
▪️ 논문 표절부터 가이드라인 배포까지, 왜 부정행위가 반복되는가?
▪️ 기준 불명확 항의한 학생회 vs 전원 자백 반박한 교수의 팽팽한 공방
▪️ 탐지 도구 없는 단순 금지 공지가 교실에서 실효성을 잃는 이유는 무엇인가?
▪️ '쓰지 말라'는 통제 넘어 AI 시대 평가 시스템을 어떻게 재설계할 것인가?
▪️ FAQ (자주 묻는 질문)
▪️ [전문 용어 사전]
서울대 공대 컴퓨터공학부 전공 수업에서 수강생들이 생성형 AI로 작성한 코딩 과제를 제출했다가 적발되어 '0점' 및 'D-' 학점 처분을 받은 상황을 직관적으로 풍자한 일러스트
서울대학교 공과대학 컴퓨터공학부 1학기 전공 수업에서 전체 수강생 62명 중 절반이 넘는 36명이 생성형 AI를 활용해 코딩 과제를 작성·제출한 사실이 조사 결과 밝혀졌다.
학교 및 담당 교수는 자진 신고자에게 해당 과제 0점, 미신고 적발자에게 D- 학점 부여라는 엄정한 성적 불이익 처분을 확정했다. 서울대학교가 지난 2026년 3월 학내 'AI 활용 원칙 가이드라인'을 제정해 공식 배포했음에도 불구하고, 최첨단 기술의 중심인 공대 전공 수업에서 수강생 58.1%가 참여한 대규모 부정행위가 적발되면서 대학가 성적 평가 체계의 실효성을 둘러싼 거대한 논란이 불붙었다.
이번 사태는 단순한 학생 개인의 학술 윤리 일탈을 넘어, 생성형 AI 대중화 시대에 구시대적 결과물 제출형 과제에 의존해 온 대학 평가 시스템의 구조적 무력함을 노출시킨 경고로 평가받는다.
논문 표절부터 가이드라인 배포까지, 왜 부정행위가 반복되는가?
서울대학교의 AI 관련 윤리 논란은 이번이 처음이 아니다. 지난 2022년 최고 권위 인공지능 학술대회에 제출한 논문의 표절 사실이 인정돼 파문을 일으킨 데 이어, 2025년에도 교양과목 중간·기말시험에서 학생들의 AI 무단 사용 정황이 잇따라 적발되었다.
이에 학교 측은 2026년 3월 "AI 활용 결과물에 대한 최종 책임은 학생 본인에게 있다"는 내용을 골자로 한 가이드라인을 공식 배포하며 자율적 규범 준수를 독려했다. 그러나 지침 제정 불과 몇 달 만에 컴퓨터공학부 핵심 전공 수업에서 수강생 절반 이상이 AI로 생성한 코드를 제출하는 사태가 재발했다.
이는 자율 준수 중심의 단순 가이드라인 명시나 선언적 윤리 교육만으로는 현장 강의실의 과제 제출 통제에 명확한 한계가 있음을 보여준다.
기준 불명확 항의한 학생회 vs 전원 자백 반박한 교수의 팽팽한 공방
징계 처분 이후 서울대 공대 학내에서는 부정행위 판별 기준과 자정 노력을 둘러싸고 교단과 학생회 간의 치열한 입장 대립이 이어지고 있다.
공대 학생회 측은 교수가 AI 사용 여부를 감지하고 판정한 구체적 기준이 투명하게 공개되지 않았다며 성적 불이익 처분에 대한 공식 항의문을 전달했다. 이에 담당 교수는 수강생 공지를 통해 처분 대상자 36명 모두 면담 과정에서 본인의 AI 코드 활용을 직접 인정한 건이라며, 당사자의 자발적 시인보다 명확한 판별 근거가 어디 있느냐고 강하게 반박했다.
나아가 교수는 컴퓨터공학부 수업 전반에 퍼진 AI 부정행위 관행에 대해 학생회가 어떠한 자정 노력도 기울이지 않았음을 지적하며 학내 윤리 의식 부재를 경고했다.
2026년 7월 30일 확인된 서울대 공대 컴퓨터공학부 전공 수업 AI 부정행위 처리 경과 및 쟁점 요약한 표
탐지 도구 없는 단순 금지 공지가 교실에서 실효성을 잃는 이유는 무엇인가?
이번 사태는 기술적 이해도가 가장 높은 컴퓨터공학 전공생들조차 AI의 완성도 높은 코드 자동 생성 기능 앞에서는 도덕적 자율 통제력을 쉽게 상실함을 직관적으로 증명한다. 프로그래밍 코드는 정형화된 문법과 표준 라이브러리를 사용하므로, AI가 작성한 코드와 인간이 만든 알고리즘의 문체적 차이를 100% 가려낼 수 있는 검증 도구가 부재하다.
이러한 상황에서 단순한 'AI 사용 금지' 공지는 사후 적발의 어려움에 기대는 도덕적 해이를 막지 못한다. 나아가 검증 체계가 미비한 상태에서 징계 기준만 강화될 경우, 직접 코딩한 정직한 학생이 상대적 불이익을 받고 꼼수로 탐지를 피한 학생이 고득점을 받는 역차별 구조가 고착화되어 대학 평가 전체의 신뢰도를 붕괴시킬 위험이 크다.
'쓰지 말라'는 통제 넘어 AI 시대 평가 시스템을 어떻게 재설계할 것인가?
결국 대학 교육이 직면한 과제는 AI의 물리적 차단이나 사후 적발이라는 적대적 통제 방식을 넘어서는 평가 패러다임의 전면적 전환이다.
과제의 최종 결과물만을 제출받아 평가하는 전통적 방식은 생성형 AI가 인간의 연산 능력을 압도하는 환경에서 더 이상 학업 성취도를 측정하는 유효한 척도가 될 수 없다. 따라서 대학은 과제별로 AI의 정당한 조력 범위를 명확히 규정하는 한편, 코딩 과정에 대한 구체적 구술 면접, 실시간 오프라인 실기 평가, 코드 디버깅 설명 등 과정 중심 평가 체계를 조속히 도입해야 한다.
서울대 공대 AI 부정행위 사태가 던지는 궁극적 경고는 AI를 금지할 것인가의 문제가 아니라, AI 대중화 시대에 적합한 과제 설계와 성적 평가 시스템의 재구성을 얼마나 속도감 있게 실현하느냐에 대학 교육의 미래가 걸려 있다는 점이다.
FAQ
Q : 코딩 및 프로그래밍 과제에서 생성형 AI 활용 적발이 일반 텍스트 과제보다 까다로운 이유는 무엇인가?
A : 프로그래밍 코드는 정형화된 문법과 표준 알고리즘을 사용하므로 AI가 생성한 코드와 개발자가 직접 작성한 코드 간의 문체적 차이가 명확히 드러나지 않는다. 기존 표절 검사 도구로도 AI 특유의 코드 알고리즘 패턴을 완벽히 판별하기 어렵기 때문에 면담이나 구술 검증 과정이 필수적으로 요구된다.
Q : 대학 수업 과제 수행 시 생성형 AI의 '정당한 참고'와 '부정행위'를 가르는 일반적 기준선은 무엇인가?
A : 문헌 조사나 개념 이해, 단순 코드 오류 수정(디버깅) 조력은 정당한 학습 참고로 인정되는 경우가 많다. 반면 문제 해결의 핵심 알고리즘이나 과제의 최종 제출물 전체를 AI로 자동 생성해 본인의 지적 노력 없이 제출하는 행위는 부정행위로 규정된다.
Q : 과거 서울대에서 발생했던 AI 관련 연구 윤리 논란과 이번 학부 과제 부정행위 사건의 차이점은 무엇인가?
A : 2022년 발생했던 사건은 대학원 연구진이 국제 학술대회 제출 논문에서 타 연구자의 기고문을 무단 복제한 학술 연구 윤리 위반 사건이었다. 반면 이번 사건은 학부 전공 수업 과제 제출 과정에서 생성형 AI를 활용한 부정행위로, 연구 윤리를 넘어 대학 학사 관리 및 성적 평가 시스템 전반의 문제로 확장되었다는 차이가 있다.
Q : AI 활용 과제 제출로 학사 불이익 처분을 받은 경우 학칙상 재심 청구나 구제 절차가 가능한가?
A : 대부분의 대학 학칙상 성적 부여 및 부정행위 처분에 이의가 있는 학생은 정해진 이의 신청 기간 내에 담당 교수 및 학과에 재심을 청구할 수 있다. 다만 성적 처분 과정에서 본인이 AI 활용 사실을 서면이나 면담으로 직접 시인한 경우에는 처분 번복이나 구제가 현실적으로 매우 어렵다.
Q : 해외 주요 대학에서는 생성형 AI 과제 부정제출을 방지하기 위해 어떤 검증 시스템을 도입하고 있는가?
A : 해외 주요 대학들은 단순 적발 도구에 의존하기보다 과제 설계 자체를 개편하고 있다. AI 활용 여부를 명시하도록 하는 소스 공개 의무화, 오프라인 구술 시험(Viva Voce), 과제 작성 이력 및 디버깅 과정을 기록 제출하게 하는 과정 중심 평가를 적극 채택하는 추세다.
[전문 용어 사전]
▪️ AI 리터러시: 인공지능 기술의 작동 원리와 한계를 이해하고, 이를 윤리적·주체적으로 활용할 수 있는 종합적 역량.
▪️ AI 활용 가이드라인: 대학 및 교육 기관에서 교수자와 학습자가 생성형 AI를 사용할 때 준수해야 할 정당한 활용 범위와 윤리 규칙을 명시한 지침.
▪️ 과정 중심 평가: 최종 제출물의 결과만을 평가하지 않고, 과제 수행 과정에서의 사고 흐름, 오프라인 검증, 구술 면접 등을 종합적으로 반영하는 평가 방식.
){kind=small}
){kind=small}
){kind=small}
){kind=small}
