“컴송합니다”가 현실이 된 이유… 컴퓨터공학 취업난과 AI학과 쏠림 현상, 지금 대학가에서 벌어지는 일

AI 확산으로 신입 개발자 채용이 줄며 컴퓨터공학과 취업률이 급락하고 있습니다. ‘컴송합니다’라는 신조어가 등장한 배경과 AI학과 인기가 급상승한 이유, 대학 전공 변화의 현실을 자세히 정리했습니다.

1. “컴송합니다”라는 말이 나온 진짜 이유

요즘 취업 준비생들 사이에서 ‘컴송합니다’라는 표현이 자연스럽게 쓰이고 있습니다.
컴퓨터공학과와 ‘죄송합니다’를 합친 이 신조어는 단순한 농담이 아니라, 취업 시장에서 느끼는 좌절감을 그대로 반영한 말입니다.

과거에는 컴퓨터공학을 전공하면 비교적 안정적인 취업이 가능하다는 인식이 강했습니다. 하지만 생성형 AI와 자동화 기술이 빠르게 확산되면서, 기업들은 신입 개발자가 맡던 단순 코딩·유지보수 업무를 AI로 대체하기 시작했습니다. 그 결과 신입 채용 규모 자체가 줄어들고, 컴퓨터공학 전공자들의 취업 문턱은 눈에 띄게 높아졌습니다.

사진출처 : 매일경제

2. 명문대 컴퓨터공학과도 피하지 못한 취업률 하락

이러한 변화는 일부 대학의 문제가 아닙니다.
국내 최상위권 대학의 컴퓨터공학 관련 학과들에서도 취업률 하락이 뚜렷하게 나타나고 있습니다.

이는 학생들의 역량 부족 때문이라기보다, 산업 전반에서 요구하는 인재상이 달라졌기 때문입니다. 기업들은 이제 단순히 코드를 잘 짜는 개발자보다, AI를 이해하고 데이터와 알고리즘을 활용해 문제를 해결할 수 있는 인재를 선호하고 있습니다.

기존 컴퓨터공학 교육이 탄탄한 기초를 제공하는 것은 사실이지만, AI 중심으로 재편되는 채용 시장을 즉각적으로 따라가기에는 구조적인 한계가 생기고 있는 상황입니다.

3. 입시 경쟁률이 보여주는 학생들의 솔직한 선택

입시 경쟁률 변화는 학생들의 인식을 가장 솔직하게 보여줍니다.
전통적으로 인기가 높았던 컴퓨터공학과의 경쟁률은 하락한 반면, 인공지능·AI·데이터 관련 전공의 경쟁률은 빠르게 상승하고 있습니다.

이제 수험생들은 “이과에서 좋은 학과”가 아니라, “졸업 후 어떤 기술로 취업할 수 있는가”를 기준으로 전공을 선택하고 있습니다. AI가 다양한 산업에서 핵심 기술로 자리 잡으면서, 학생들의 선택 역시 미래 산업 중심으로 이동하고 있는 것입니다.

4. 컴퓨터공학 졸업생들이 다시 AI를 공부하는 현실

이미 컴퓨터공학을 졸업한 학생들 역시 변화에 적응하기 위해 AI 공부에 나서고 있습니다.
민간 AI 강의, 온라인 교육, 부트캠프를 통해 뒤늦게 인공지능을 배우는 사례가 늘고 있습니다.

하지만 단기간 교육만으로는 AI 모델의 구조, 수학적 기반, 데이터 설계까지 깊이 있게 이해하기 어렵다는 한계도 분명합니다. 이로 인해 많은 졸업생들이 “AI 전문가라고 부르기에는 부족하다”는 고민을 안고 있으며, 학부 시절부터 체계적인 AI 교육을 받지 못한 점을 아쉬워하고 있습니다.

5. AI 관련 학과 지원자 급증이 의미하는 것

AI 관련 학과 지원자가 급증한 배경에는 분명한 이유가 있습니다.
제조, 금융, 의료, 콘텐츠, 로봇, 자율주행 등 거의 모든 산업에서 AI가 핵심 기술로 활용되고 있기 때문입니다.

AI는 더 이상 특정 분야의 선택 기술이 아니라, 모든 산업에서 기본적으로 이해해야 할 필수 도구가 되고 있습니다. 이런 흐름 속에서 AI 전공을 선택하는 것은 단순한 유행이 아니라, 미래 경쟁력을 고려한 현실적인 판단이라고 볼 수 있습니다.

6. 대학들의 AI 전공 신설, 기대와 우려

대학들도 이러한 흐름에 맞춰 AI 대학원과 AI 학과 신설에 속도를 내고 있습니다.
하지만 준비가 충분하지 않은 상태에서 이름만 AI로 바꾼 전공이 늘어날 경우, 교육의 질 저하로 이어질 수 있다는 우려도 함께 제기되고 있습니다.

교수 인력과 연구 인프라가 한정된 상황에서 AI 학과가 무분별하게 늘어나면, 깊이 있는 교육보다는 겉핥기식 교육에 그칠 가능성도 있습니다.

7. 중요한 것은 ‘AI라는 간판’이 아니라 교육의 내실

AI 교육에서 가장 중요한 것은 학과 이름이 아닙니다.
이론과 실습, 그리고 실제 산업 문제를 함께 다룰 수 있는 교육 구조가 갖춰져야 진정한 경쟁력이 생깁니다.

컴퓨터공학적 기초 위에 수학과 데이터, 그리고 실제 문제 해결 경험이 결합될 때 AI 교육의 실효성이 높아집니다. 단순히 AI라는 이름만 붙인 전공으로는 학생들의 미래를 보장하기 어렵습니다.

8. 컴퓨터공학 vs AI가 아닌, 진화의 문제

이제 선택의 문제는 “컴퓨터공학이냐 AI냐”가 아닙니다.
AI 시대에 맞게 컴퓨터공학이 어떻게 진화하고, AI 교육이 얼마나 현실과 연결되느냐가 핵심입니다.

AI가 반복적인 업무를 대신할수록, 사람에게 요구되는 능력은 문제 정의와 설계, 판단과 책임으로 이동하고 있습니다. 이러한 역량을 키워주는 교육만이 앞으로도 살아남을 수 있을 것입니다.