컴퓨터공학과 소프트웨어 전공의 학위논문에는 독특한 비대칭이 있습니다. 코드는 이미 돌아가고 실험 결과도 나와 있는데, 논문이 한 줄도 안 써지는 상태가 몇 주씩 이어집니다. 문제를 푸는 능력과 그것을 학술 문서로 만드는 능력이 전혀 다른 근육이기 때문입니다.
그래서 이 전공만큼 AI 도구의 효용이 큰 곳도 없습니다. 동시에 이 전공만큼 AI 사용이 위험해지기 쉬운 곳도 없습니다. 다른 전공은 AI를 글쓰기에만 쓰지만, 전산 계열은 코드에도 쓰기 때문입니다. 코드에 AI가 들어간 순간부터 “이 논문의 기여는 누구의 것인가”라는 질문이 발생합니다.
이 글은 전산 계열 학위논문의 흐름을 따라가면서 어디까지가 도구 사용이고 어디부터가 기여 문제인지를 구분하고, 재현성을 지키면서 작성 속도를 올리는 방법을 정리합니다. 논문 AI의 일반 원리는 2026 논문 AI 실전 가이드에 정리되어 있으니 그 위에 이 글의 전공 지침을 얹으십시오.
이 전공에서 AI가 특별히 위험해지는 지점
세 가지가 겹칩니다.
- 기여의 경계가 흐려진다 — 논문이 주장하는 핵심 알고리즘을 AI가 제안했다면, 그 논문의 신규성 주장은 성립하기 어렵습니다.
- 재현성이 조용히 깨진다 — AI가 만들어 준 스크립트를 그대로 쓰면 난수 시드와 버전 고정이 빠진 채 실험이 돌아가고, 나중에 같은 수치가 다시 나오지 않습니다.
- 없는 문헌이 섞인다 — 관련 연구 정리를 통째로 맡기면 실재하지 않는 논문 제목과 학회명이 자연스럽게 들어갑니다. 전산 분야는 약어 학회명이 많아 특히 그럴듯하게 지어냅니다.
세 가지 모두 “AI를 쓰지 않기”가 아니라 “쓰되 경계를 문서로 남기기”로 해결됩니다. 아래 순서가 그 방법입니다.
1단계 — 연구 문제를 성능이 아니라 주장으로 세운다
가장 흔한 실패는 논문 전체가 “제안 기법이 베이스라인보다 좋다”라는 한 문장으로 요약되는 경우입니다. 심사에서 “그래서 무엇을 알게 되었는가”라고 물으면 답할 것이 없습니다. 성능 수치는 근거이지 주장이 아닙니다.
주장은 다음 형태 중 하나여야 합니다.
- 조건의 규명 — 어떤 특성의 데이터에서 기존 방법이 실패하며, 왜 그런가
- 기제의 설명 — 제안 요소 중 어느 부분이 실제로 향상을 만들어 내는가
- 비용과 성능의 관계 — 같은 성능을 얼마나 적은 자원으로 낼 수 있는가
- 일반화 범위 — 이 결과가 어떤 도메인까지 유지되는가
AI에게는 여기서 반론을 시키는 것이 가장 유용합니다. “다음 주장에 대해 심사위원이 제기할 반론 다섯 개와 각각을 방어하려면 어떤 실험이 필요한지 제시하라”고 요청하면, 필요한 추가 실험 목록이 나옵니다. 이 목록이 곧 절제연구 설계가 됩니다.
2단계 — 관련 연구는 자료를 먼저 넣고 정리시킨다
관련 연구 장은 AI로 시간을 가장 크게 줄일 수 있으면서 동시에 가장 자주 사고가 나는 구간입니다. 원칙은 하나입니다. 문헌을 찾는 일은 사람이, 정리하는 일은 AI가.
실무 순서는 이렇습니다. 먼저 학술 데이터베이스에서 논문을 직접 찾아 초록을 모읍니다. 그다음 초록 묶음을 붙여 넣고 “이 연구들을 접근 방식에 따라 세 갈래로 분류하고, 각 갈래의 공통 가정과 그 가정이 깨지는 조건을 제시하라”고 요청합니다. 마지막으로 그 분류를 바탕으로 본인이 서술합니다.
절대 하지 말아야 할 것은 “이 분야의 주요 논문 열 편을 알려 달라”는 요청입니다. 저자명과 학회명이 그럴듯하게 조합된 목록이 나오고, 그중 일부는 존재하지 않습니다. 전산 분야 인용은 번호 방식을 쓰는 경우가 많아 본문에서는 오류가 눈에 띄지 않고 참고문헌 목록에서야 드러납니다. 표기 규칙은 공학 논문 IEEE 인용 스타일 완전 정리를 따르십시오.
전산 계열에는 판본 문제가 하나 더 있습니다. 같은 연구가 사전공개본과 학회 게재본으로 두 판본 존재하고, 두 판본의 수치와 실험 구성이 다른 경우가 흔합니다. 인용할 때는 실제로 읽고 대조한 판본을 밝혀야 하며, 사전공개본만 보고 학회 게재본인 것처럼 인용하면 정확성 문제가 생깁니다. 성능 수치를 표에 옮길 때는 반드시 인용한 판본의 표에서 직접 확인하십시오. AI에게 “이 논문의 보고 성능”을 물어 옮기는 것은 가장 위험한 사용법입니다.
3단계 — 코드에 AI를 쓸 때의 선
코드를 세 층으로 나누어 관리하십시오. 이 구분이 있으면 “어디까지 직접 하셨습니까”라는 질문에 즉시 답할 수 있습니다.
- 기여 코드 — 논문이 신규성으로 주장하는 부분. 여기에는 AI가 설계 수준으로 개입하면 안 됩니다. 문법 오류 수정이나 리팩터링 수준은 무방합니다.
- 인용 코드 — 오픈소스나 선행연구 저장소에서 가져온 부분. 라이선스를 확인하고 참고문헌에 정식으로 인용합니다.
- 보조 코드 — 데이터 로더, 시각화 스크립트, 테스트, 실험 자동화. AI 보조 사용에 실질적 문제가 없는 영역입니다.
커밋 메시지나 파일 상단 주석에 각 층을 표시해 두면, 나중에 논문에 사용 범위를 진술할 때 그대로 옮기면 됩니다. 코드와 데이터셋을 참고문헌에 어떤 형식으로 올리는지는 데이터셋·소프트웨어·분석 코드 인용법에 APA와 KCI 기준으로 정리되어 있습니다.
재현성을 지키는 네 가지 기록
재현성은 심사 통과 여부를 넘어 수정 요구를 받았을 때 살아남는 능력입니다. 심사에서 조건을 바꿔 다시 돌려 보라는 요구는 흔하고, 그때 원래 결과를 재현하지 못하면 논문 전체가 무너집니다. 다음 네 가지를 실험 시작 전에 기록하십시오.
- 실행 환경 — 운영체제, 언어 버전, 주요 라이브러리 버전, 하드웨어 사양. 컨테이너 정의 파일을 저장소에 함께 두면 가장 확실합니다.
- 난수 시드 — 고정 여부와 실제 값. 고정하지 않았다면 반복 횟수와 평균·표준편차를 보고해야 합니다.
- 하이퍼파라미터 — 최종 값뿐 아니라 탐색 범위와 선택 기준. “경험적으로 정했다”는 서술은 지적을 부릅니다.
- 데이터셋 — 판본, 전처리 절차, 학습·검증·평가 분할 방식과 분할 시드.
이 기록을 체계적으로 남기는 문서 형식이 연구데이터 관리계획서입니다. 항목별로 무엇을 써야 하는지는 연구데이터 관리계획서(DMP) 작성 튜토리얼에 예시 문장과 함께 정리되어 있습니다. 실험 이미지와 수치의 진실성 기준은 이공계 논문 이미지·데이터 진실성 완전 가이드에서 확인하십시오.
4단계 — 성능 표를 문장으로 옮긴다
이 구간이 AI 효용이 가장 큰 지점입니다. 규칙이 명확하고 창의성이 필요 없기 때문입니다. 다만 숫자 판정은 본인이 끝낸 뒤 문단화만 맡기는 원칙은 그대로 지켜야 합니다. AI가 표에서 최고값을 잘못 짚는 사고가 실제로 발생합니다.
표 하나당 다음 네 문장을 씁니다.
- 이 표가 어떤 조건에서 무엇을 비교한 결과인지 알리는 도입 문장
- 제안 기법과 최강 베이스라인의 차이를 절대값과 상대값으로 함께 제시하는 문장
- 반복 실행의 변동성을 밝히는 문장(표준편차 또는 신뢰구간)
- 예외적으로 향상이 없거나 역전된 조건을 짚는 문장
네 번째 문장을 반드시 쓰십시오. 모든 조건에서 우월하다고만 서술한 표는 심사위원이 가장 먼저 의심하는 표입니다. 불리한 조건을 스스로 짚고 그 이유를 설명하면 신뢰도가 올라갑니다.
5단계 — 절제연구와 한계를 붙인다
제안 기법이 여러 요소로 구성되어 있다면 절제연구는 선택이 아니라 필수입니다. 요소를 하나씩 제거하며 성능 변화를 보이지 않으면, “정말 그 요소 때문에 좋아진 것인가”라는 질문에 답할 수 없습니다.
절제연구 결과를 서술할 때는 기여도의 순위를 명시하십시오. “세 요소를 제거했을 때 성능이 각각 감소했다”가 아니라 “가장 큰 감소를 만든 것은 A이며, 이는 제안 기법의 향상이 주로 A에서 비롯됨을 시사한다”처럼 씁니다. 이 한 문장이 논의 장 전체의 축이 됩니다.
한계 서술도 전공 특성에 맞춰야 합니다. 자원 제약으로 대규모 설정에서 검증하지 못했다면 그 사실과 함께, 어느 규모까지 검증되었고 어디부터 미검증인지를 숫자로 명시하십시오. 막연한 사과보다 경계선을 그은 서술이 훨씬 강합니다.
실험이 아직 안 끝났을 때의 병렬 작업
전산 계열에서 특히 아까운 시간이 학습이 도는 동안입니다. 며칠씩 걸리는 실험을 걸어 두고 결과만 기다리다가, 실험이 끝난 뒤에야 문서를 시작하는 경우가 많습니다. 그러면 마감 직전에 모든 글쓰기가 몰립니다.
실험 결과가 없어도 완성할 수 있는 구간은 다음과 같습니다. 서론의 문제 정의와 기여 목록, 관련 연구 장 전체, 제안 방법 장의 알고리즘 서술과 수식, 실험 설정 절(데이터셋·베이스라인·평가지표·환경), 그리고 결과 장의 표 틀과 도입 문장입니다. 이것만 해도 논문의 절반을 훌쩍 넘습니다.
실험 설정 절을 실험 전에 쓰는 데는 부수적인 이득도 있습니다. 쓰다 보면 기록하지 않은 설정이 드러나기 때문입니다. 학습을 걸어 놓기 전에 이 절을 먼저 써 두면, 재현성 네 요소가 자연스럽게 확보됩니다.
문서 작성 환경과 영문 투고
전산 계열은 조판 환경 자체가 시간을 잡아먹는 경우가 많습니다. 학위논문은 학교 양식이 한글이나 워드로 지정된 경우가 많은 반면, 학회 투고는 조판 언어를 요구하는 경우가 흔합니다. 어느 쪽을 주 작업 환경으로 삼을지는 초반에 정해야 하며, 선택 기준은 공학 논문 LaTeX 편집기 비교에서 확인할 수 있습니다.
영문 투고까지 간다면 생성형 AI 정책을 반드시 확인하십시오. 다수의 학술지가 문법 교정과 표현 다듬기는 허용하되, 내용 생성은 밝히도록 요구하고, AI를 저자로 올리는 것은 금지합니다. 요구되는 진술 형식은 저널마다 다르므로 투고 규정을 직접 읽어야 합니다.
Tesify로 코드에서 논문으로 넘어가기
Tesify는 실험은 끝났는데 문서가 시작되지 않는 구간을 좁히도록 만들어진 AI 논문 작성 도구입니다. 관련 연구의 갈래 정리, 판정이 끝난 성능 결과의 서술 문단화, 인용한 문헌과 코드 저장소의 참고문헌 자동 정리를 한 화면에서 처리하고, 완성한 원고를 그 자리에서 독창성 자가 점검으로 넘길 수 있습니다.
제출 전 전공 특화 체크리스트
- 논문의 주장이 성능 수치가 아니라 규명·설명·비용·범위 중 하나로 서술되었는가
- 관련 연구에 인용한 문헌을 모두 원문으로 확인했는가
- 인용한 판본과 실제로 읽은 판본이 일치하는가
- 저장소가 기여·인용·보조 세 층으로 구분되어 있는가
- 실행 환경, 난수 시드, 하이퍼파라미터, 데이터 분할이 모두 기록되었는가
- 성능 표마다 변동성과 불리한 조건을 함께 서술했는가
- 절제연구에서 기여도 순위를 명시했는가
- 미검증 규모의 경계를 숫자로 밝혔는가
- AI 활용 범위를 학과 지침에 맞게 진술했는가
마지막으로 유사도 점검을 거르지 마십시오. 전산 계열 논문은 알고리즘 설명과 데이터셋 소개 문단이 선행연구와 표현이 겹치기 쉬워, 정확히 인용했더라도 유사도가 높게 잡히는 구간이 생깁니다. Tesify 표절 검사기로 독창성 자가 점검을 돌려 인용 표기가 누락된 곳이 없는지 확인하면 됩니다.
자주 묻는 질문
코딩 보조 AI로 작성한 코드를 논문에 써도 되나요?
대부분의 학과에서 도구로서의 사용 자체는 허용됩니다. 문제는 기여 범위를 밝히지 않는 것입니다. 논문이 신규성으로 주장하는 핵심 알고리즘을 AI가 설계했다면 기여 주장에 문제가 생깁니다. 보일러플레이트와 시각화, 테스트 코드 수준의 보조는 사용 사실을 밝히면 됩니다.
재현성을 위해 논문에 무엇을 반드시 적어야 하나요?
실행 환경, 난수 시드 고정 여부와 값, 하이퍼파라미터 전체 목록과 탐색 범위, 데이터셋의 판본과 분할 방식입니다. 이 네 가지가 빠지면 결과를 재현할 수 없고 심사에서 반드시 지적됩니다.
성능이 베이스라인보다 조금밖에 좋아지지 않았는데 논문이 되나요?
됩니다. 학위논문의 기여는 수치 자체가 아니라 주장의 근거입니다. 반복 실행의 평균과 표준편차를 제시하고, 어떤 조건에서 향상이 나타나고 사라지는지를 절제연구로 보이면 오히려 신뢰도가 높은 논문이 됩니다.
오픈소스 코드를 가져다 쓰면 어떻게 표기하나요?
라이선스를 확인하고 저장소와 판본을 참고문헌에 정식으로 인용해야 합니다. 소프트웨어와 코드도 인용 형식이 규정되어 있습니다. 저장소에도 원 출처를 남기고 수정한 부분을 커밋 단위로 구분해 두면 기여 범위가 명확해집니다.
영문으로 투고할 논문의 초안을 AI로 써도 되나요?
학술지와 학회마다 정책이 다릅니다. 다수가 문법 교정은 허용하고 내용 생성은 밝히도록 요구하며, AI를 저자로 올리는 것은 금지합니다. 투고 전 해당 저널의 정책을 확인하고 요구되는 형식으로 진술하세요.
정리
전산 계열 논문에서 AI는 기여 코드에는 손대지 않고, 문서와 보조 코드에만 손대는 도구로 써야 합니다. 저장소를 세 층으로 나누고, 재현성 네 요소를 실험 전에 기록하고, 성능 판정은 직접 하고, 그 위에서 관련 연구 정리와 결과 문단화를 맡기십시오. 이 경계를 지키면 코드에서 논문으로 넘어가는 몇 주가 며칠로 줄어듭니다.
오늘 밤 시작한다면 저장소에 세 층 표시부터 달아 보세요. 그 표시가 그대로 연구방법 장의 한 절이 됩니다. 이어서 Tesify에서 논문 초안 만들기에 실험 결과 요지를 넣으면 결과 장의 뼈대가 잡힙니다.