• 맑음동두천 20.1℃
  • 맑음강릉 19.3℃
  • 맑음서울 21.1℃
  • 맑음대전 19.8℃
  • 맑음대구 22.1℃
  • 맑음울산 22.0℃
  • 맑음광주 19.9℃
  • 맑음부산 22.0℃
  • 맑음고창 19.4℃
  • 맑음제주 21.7℃
  • 맑음강화 19.7℃
  • 맑음보은 19.6℃
  • 맑음금산 20.0℃
  • 맑음강진군 20.3℃
  • 맑음경주시 21.9℃
  • 맑음거제 18.4℃
기상청 제공

[가까운 AI] AI! 전공별로 이렇게 쓴다: 전공별 대학생의 AI 활용법

생성형 AI의 확산은 대학생의 학습부터 과제는 물론, 취업 준비 방식까지 바꾸고 있다. 단순한 질의응답을 넘어 공학·인문·예술 등 전공별 특화 AI 도구가 등장하며 학습과 창작의 경계가 넓어졌다. 이번 호에서는 분야별로 바로 활용할 수 있는 대표 AI 도구와 그 속에서 더 중요해지는 ‘사람의 역할’을 함께 살펴보고자 한다.

 

[인문 분야]

▶ Claude, Perplexity 등을 활용한 글쓰기

논문 요약, 자료 정리, 퇴고 등 글쓰기 과정에서도 AI는 든든한 조력자가 된다. Claude는 긴 글도 맥락을 살려 요약‧다듬기를 하고, 연구 윤리나 관점의 균형도 잘 반영해 리포트 초안이나 토론문 작성에 유용하다. 또한 Perplexity AI는 실시간 검색과 신뢰 가능한 출처 제공이 강점이다. 학술 자료나 최신 연구 동향을 빠르게 파악하고, 출처 링크까지 함께 제공해 참고문헌 관리에도 도움이 된다. 이 밖에도 Gemini 스토리북 기능을 활용하면 긴 글을 시각적으로 구조화해 발표나 에세이 설계가 쉬워진다.

 

인문학적 글쓰기는 ‘AI가 도와주는 분석’ 위에 ‘사람이 만들어내는 의미’가 쌓일 때 완성된다. AI가 쓴 문장을 그대로 제출하는 건 금물이다. AI가 제시하는 요약과 문장은 출발점일 뿐, 글의 의미와 방향은 사람의 해석과 판단으로 완성된다.

 

[공학 분야]

▶ GitHub Copilot 등으로 코드 작성하기

공학 전공 학생에게 AI는 이미 필수 도구다. GitHub Copilot은 코드를 자동 완성하고 오류를 잡아주며, ChatGPT나 Claude는 복잡한 알고리즘을 자연어로 설명해준다. IBM의 watsonx Code Assistant는 대규모 코드에서 버그나 보안 문제를 찾아내고 해결 방향을 제시한다.

 

AI가 반복적인 코드를 대신 짜주는 동안, 사람은 문제 정의와 창의적인 해결에 집중할 수 있다. 덕분에 개발자는 단순히 코드를 입력하는 사람에서 벗어나 ‘무엇을 만들 것인가’를 고민하는 설계자로 변하고 있다.

 

[예술 분야]

▶ Midjourney 등으로 콘텐츠 생성하기

예술 분야에서도 AI의 창의적 활용이 두드러진다. 이미지 생성형 AI인 Midjourney는 텍스트 명령어만으로 일러스트나 사진 같은 이미지를 생성한다. 또한 Perso AI Studio는 사용자의 텍스트 입력만으로 고품질의 AI 버추얼 휴먼 영상을 만들 수 있으며, 다국어 음성 합성 기능을 통해 프레젠테이션, 홍보 영상 제작에도 활용 가능하다. Suno AI는 사용자가 입력한 가사나 분위기를 기반으로 음악을 자동 작곡해 영상이나 공연 콘텐츠에 바로 쓸 수 있다.

 

AI는 ‘창작을 대신하는 기술’이 아니라, 자신의 아이디어를 빠르게 구체화하는 창작 파트너로 자리 잡고 있다. 하지만 AI가 형식을 제공하더라도 무엇을 표현하고자 하는지 결정하는 것은 창작자 자신임을 분명히 해야 한다.

 

● AI와 인간의 협력

AI의 발전은 인간의 일자리를 빼앗는 것이 아니라, 인간의 능력을 확장하는 방향으로 진화하고 있다. 중요한 건 어떤 도구를 쓰느냐가 아니라, 얼마나 주체적으로 활용하느냐다. AI가 반복적·구조화된 일을 처리하면, 사람은 문제 정의·해석·윤리적 판단·창의성 같은 기계가 대신할 수 없는 영역을 담당한다.

 

앞으로 대학생에게 필요한 건 AI를 다루는 능력보다 AI와 협력하는 태도다. AI가 효율을 높이고, 사람이 의미를 더할 때 대학생의 배움과 창작은 더 깊고 풍부해진다.





[가까운AI] 의용공학, AI와 사람 사이를 잇다 몇 년 전만 해도 의용공학과 학생이 바이오데이터를 분석하려면 프로그래밍 언어부터 익혀야 했다. ECG나 EEG 데이터를 불러오고 분석하는 프로그램을 직접 작성하다 보면 사소한 오류 하나를 찾는데 꽤 많은 시간을 보내기도 했다. 요즘은 풍경이 많이 달라졌다. AI에게 코드의 오류를 물어보기도 하고, 분석 방법을 함께 고민하기도 한다. 이해하기 어려운 논문을 읽거나 새로운 의료기기의 아이디어를 구체화할 때도 AI를 자연스럽게 활용한다. 의용공학은 원래부터 새로운 기술을 빠르게 받아들이는 분야다. 의학과 공학의 경계에서 출발한 학문인 만큼 인공지능과 만나는 것도 어쩌면 자연스러운 일이다. 다만 최근의 변화는 조금 특별하다. AI가 단 순히 하나의 새로운 기술로 추가되는 것이 아니라 공부하고 연구하는 방법 자체를 바꾸고 있기 때문이다. ● 의용공학 수업에 들어온 AI 의용공학에서 다루는 데이터는 매우 다양하다. EMG와 EOG 같은 생체신호가 있고, 엑스레이나 CT와 같은 의료영상도 있다. 최근에는 스마트워치나 웨어러블 센서를 통해 일상생활에서 얻는 데이터도 중요한 연구 대상이 되고 있다. 이런 데이터에서 사람의 눈으로 발견하기 어려운 특징을 찾는 일은 AI가 특히