AI 학과를 고를 때, 이름보다 교육과정에서 찾아야 할 것

학과 이름에 AI가 들어가면 어떤 공부를 하게 될까. 서비스 기획과 데이터 분석, 소프트웨어 개발, 하드웨어 설계는 연결돼 있지만 같은 교육과정은 아니다. 진학을 준비한다면 이름의 인상보다 실제로 배우고 수행하는 일을 구체적으로 살펴야 한다.

교육부는 9월 20일 한국공학교육인증원과 ‘2026 산업계 대학교육 혁신포럼’을 추진한다고 밝혔다. 발표된 계획은 AI를 시작으로 반도체·디스플레이, 미래 모빌리티·로봇 분야를 순차적으로 다루도록 구성됐다. 이 기사는 발표 자료에 담긴 논의 주제를 검토한 것으로, 행사 현장을 취재하거나 논의 결과를 확인한 기사는 아니다.

산업의 요구를 수업으로 바꾸는 문제

첨부 자료에는 AI 서비스의 기획과 진단, 데이터의 수집·전처리, 모델링과 평가, 서비스 운영 등 다양한 과업이 제시돼 있다. 산업의 요구를 대학 교육과 프로젝트에 어떻게 연결할지가 포럼의 주요 관심사다.

다만 산업계의 요구 목록이 곧 모든 대학이 제공하는 수업이나 학생의 취업 성과를 뜻하지는 않는다. 지원하려는 대학의 공식 교육과정과 수업 안내를 별도로 확인해야 한다.

과목의 개수보다 연결 순서를 본다

전공을 비교할 때는 기초 과목, 심화 과목, 프로젝트가 어떻게 이어지는지 적어보는 방법이 있다. 수학과 통계, 프로그래밍 등 기초를 언제 배우고, 이후 어느 과목에서 활용하는지 연결해 보는 것이다. 이 비교법은 편집부의 진학 자료 읽기 제안이다.

관심 있는 응용 과목이 많아 보여도 선수 과목을 이수하기 어려운 구조라면 실제 선택의 폭은 달라질 수 있다. 과목 이름뿐 아니라 개설 학기, 수강 조건, 다른 학과 학생의 참여 가능 여부도 확인 항목에 넣는다.

프로젝트는 무엇을 해보는 경험인가

프로젝트 수업을 살필 때는 작품 사진보다 학생이 맡는 작업을 확인해 보자. 주제를 정하는지, 데이터를 준비하는지, 결과를 평가하고 수정하는지, 팀 안에서 역할이 어떻게 나뉘는지 묻는 방식이다.

기업과 연계된다는 설명이 있다면 참여 대상과 선발 조건도 중요하다. 협약이 있다는 사실과 모든 학생이 동일한 경험을 얻는다는 것은 다르기 때문이다. 공개 자료에 없는 내용은 대학에 문의할 질문으로 남겨두면 된다.

대학별 비교표에는 빈칸도 남겨둔다

관심 있는 대학의 공식 자료를 같은 항목으로 정리하면 홍보 표현과 확인된 정보를 구분하기 쉽다. 기초 과목, 심화 분야, 프로젝트 참여 조건, 타 전공 연계, 실습 환경을 각각 적는 방식이다. 자료에 없는 정보를 다른 대학과 같을 것이라고 추정해 채우지 않는다.

상담 기회가 있다면 ‘취업이 잘되나요’라는 넓은 질문을 더 구체적으로 바꿔볼 수 있다. 학생들이 어떤 프로젝트를 수행하는지, 관심 분야의 수업을 실제로 수강하려면 어떤 준비가 필요한지, 교육과정이 바뀌었을 때 안내를 어디에서 확인하는지 묻는 것이다. 개별 학생의 진로 결과가 보장된다는 답을 기대하기보다 교육 경험을 확인하는 질문이다.

학과 선택 뒤에도 표를 버릴 필요는 없다. 처음 기대했던 학습과 실제 수업을 비교하고 부족한 부분을 선택 과목이나 추가 학습으로 보완하는 데 쓸 수 있다. 전공의 이름은 출발점이지만, 어떤 기초 위에서 어떤 일을 수행할 수 있게 되는지가 교육과정을 읽는 핵심이다.

관심을 좁히되 경로를 닫지는 않는다

AI 관련 공부는 특정 이름의 학과에서만 가능한지, 다른 전공과 연계하거나 부전공 등으로 배울 수 있는지도 살펴볼 수 있다. 실제 가능 여부는 대학별 제도와 모집 안내가 기준이다.

포럼 계획이 보여주는 것은 AI 교육 안에 서로 다른 과업과 역량이 있다는 점이다. 전공 선택에서도 ‘AI가 유망하다’는 한 문장보다 자신이 배우려는 일, 필요한 기초, 실제 수행 기회를 나란히 놓고 비교하는 편이 구체적인 판단에 도움이 된다.