1. 먼저 경쟁률부터 보자: 컴퓨터공학 지원 열기는 정말 식고 있을까

컴퓨터공학은 지난 수년 동안 자연계 상위권 학생들이 가장 선호하는 전공 가운데 하나였다. IT 플랫폼 성장과 개발자 채용 확대, 높은 취업 경쟁력 등이 지원자를 끌어들였다.

그러나 최근 경쟁률을 보면 일부 대학에서는 이전과 다른 움직임이 나타난다.

2024학년도와 2026학년도 최종 경쟁률을 비교하면 네 대학 가운데 세 곳은 하락했고 부산대만 소폭 상승했다.

2. 어디서 가장 많이 내려왔나: 2024→2026 최종 경쟁률 비교

아직 최종값이 아닌 2027학년도 수치를 제외하고 2024학년도와 2026학년도만 비교하면 대학별 차이가 명확하게 드러난다.

숭실대는 약 46.9%, 세종대는 약 40.3% 하락했다.

한국공학대는 약 15.9% 하락했으며, 부산대는 오히려 약 6.1% 상승했다.

따라서 컴퓨터공학 전체를 하나의 시장처럼 보고 “인기가 떨어졌다”거나 “여전히 폭발적이다”라고 말하는 것은 정확하지 않다.

대학별·전형별 움직임이 이미 상당히 달라지고 있다.

3. 숭실대 흐름이 특히 중요한 이유: 모집인원이 동일했다

경쟁률을 비교할 때 반드시 확인해야 하는 것이 모집인원이다.

모집인원이 크게 늘어나면 지원자가 동일하더라도 경쟁률은 낮아질 수 있다. 반대로 모집인원이 줄어들면 지원자가 감소해도 경쟁률이 높게 나타날 수 있다.

부산대는 18명 → 15명 → 20명 → 20명, 세종대는 18명 → 2명 → 9명 → 10명으로 모집 규모가 크게 달라졌다.

한국공학대 역시 12명 → 5명 → 10명 → 10명으로 변했다.

반면 숭실대 컴퓨터학부는 2024~2027학년도 모두 15명으로 동일하다.

4. 2027 현재 3대 1, 절대로 그대로 믿으면 안 된다

2027학년도 현재 공개 경쟁률을 보면 부산대 3.50대 1, 세종대 3.70대 1, 숭실대 3.20대 1, 한국공학대 3.80대 1이다.

특히 경쟁률이 낮게 보이는 학과에는 마지막 날 지원자가 급격하게 몰릴 수 있다.

따라서 실제 지원전략은 현재 경쟁률보다 최근 3개년 최종 경쟁률 + 모집인원 + 합격선 + 충원율 을 중심으로 설계하는 것이 안전하다.

5. 논술은 전혀 다른 시장이다: 낮아져도 여전히 높다

학생부교과 경쟁률이 완화된다고 해서 컴퓨터공학과 자체의 지원 열기가 모두 떨어졌다고 보기는 어렵다.

대표적인 사례가 논술전형이다.

부산대 컴퓨터공학 논술은 18.50대 1에서 12.58대 1, 6.50대 1로 크게 낮아졌다.

반면 숭실대 컴퓨터학부 논술은 46.50대 1 → 54.20대 1 → 36.90대 1로 하락 이후에도 높은 수준이다.

따라서 논술은 내신이 부족한 학생이 쉽게 활용할 수 있는 안전지원 카드가 아니다.

수학 논술 실력이 실제 합격을 결정하는 또 하나의 독립된 경쟁시장으로 봐야 한다.

6. AI가 코딩하는데 왜 컴퓨터공학이 여전히 중요한가

최근 학생과 학부모가 가장 많이 하는 질문 가운데 하나가 있다.

“생성형 AI가 코드를 만들어 주는데 앞으로 개발자가 필요할까?”

이 질문에는 중요한 전제가 빠져 있다.

AI가 빠르게 대체하는 것은 일부 코드 작성 과정이지 컴퓨터 시스템 전체를 이해하고 설계하는 능력이 아니다.

오히려 AI가 코드를 더 쉽게 생성할수록 무엇을 만들어야 하는지 정의하고, 생성된 결과가 정확한지 검증하며, 실제 서비스에서 안전하게 작동하도록 설계하는 역량의 가치는 더 높아진다.

7. AI 시대 컴퓨터공학 인재에게 필요한 6가지 경쟁력

8. 결국 가치가 떨어지는 것은 ‘컴퓨터공학’이 아니라 단순 코딩이다

AI 시대에 가장 큰 영향을 받을 가능성이 높은 영역은 정형화된 요구사항을 받아 반복적으로 코드를 생산하는 업무다.

반면 다음 영역은 오히려 중요성이 높아질 가능성이 크다.

• AI 모델을 실제 서비스에 연결하는 시스템·백엔드·클라우드 기술
• 대규모 데이터를 안정적으로 처리하는 데이터 엔지니어링
• AI 모델의 성능과 비용을 최적화하는 컴퓨터구조와 시스템 기술
• 네트워크·개인정보·서비스를 보호하는 사이버보안
• 로봇·자율주행·스마트팩토리처럼 소프트웨어와 하드웨어를 결합하는 기술
• AI의 오류와 편향을 발견하고 검증하는 소프트웨어 엔지니어링

9. 2027 학생부에서 ‘코딩 많이 했다’는 더 이상 강한 차별점이 아니다

과거에는 프로그래밍을 할 수 있다는 사실 자체가 컴퓨터공학 지원자에게 강한 차별점이 될 수 있었다.

하지만 AI 코딩 도구가 빠르게 보편화되면서 단순히 Python이나 Java를 사용했다는 사실만으로는 학생의 역량을 충분히 설명하기 어렵다.

대학이 더 궁금해할 가능성이 높은 것은 왜 이 문제를 선택했고 어떻게 해결했는가다.

10. 세특에서 중요한 것은 AI 사용이 아니라 ‘검증 과정’이다

생성형 AI를 활용한 프로젝트 자체가 부정적인 것은 아니다.

오히려 AI를 적절하게 활용하면서 결과의 오류를 검증하고 자신의 방식으로 개선하는 과정이 있다면 좋은 탐구가 될 수 있다.

예를 들어 단순히 AI에게 코드를 작성하도록 하는 데서 끝나는 것이 아니라,

• AI가 만든 알고리즘과 직접 설계한 알고리즘의 실행시간을 비교한다.
• AI 코드에서 발생한 오류의 원인을 자료구조 관점에서 분석한다.
• 동일한 문제를 여러 알고리즘으로 해결해 시간복잡도를 비교한다.
• AI 모델의 오답 발생 조건을 찾고 데이터와 입력 구조를 분석한다.
• AI 서비스에서 발생할 수 있는 개인정보·보안 문제를 탐구한다.

이런 방식이라면 단순 AI 사용자가 아니라 AI의 구조와 한계를 이해하는 컴퓨터공학 지원자 로 평가될 수 있다.

11. 컴퓨터공학 지원자는 수학에서 차별화해야 한다

AI 시대가 되면서 오히려 컴퓨터공학에서 수학의 중요성은 커지고 있다.

프로그래밍 언어 자체는 AI가 상당 부분 도와줄 수 있지만 모델과 알고리즘의 원리를 이해하려면 수학적 사고가 필요하기 때문이다.

특히 컴퓨터공학 지원자에게는 다음 영역을 연결해 탐구하는 것이 효과적이다.

• 확률과 통계 → 머신러닝·데이터 분석
• 행렬 → 이미지 처리·신경망
• 함수와 미적분 → 최적화·학습 알고리즘
• 경우의 수 → 알고리즘·조합 최적화
• 그래프 이론 → 네트워크·추천·경로탐색

12. 2027 지원전략은 학생 유형에 따라 달라져야 한다

13. 낮아진 경쟁률만 보고 컴퓨터공학을 ‘틈새학과’로 보면 위험하다

경쟁률이 하락했다고 해서 합격선도 같은 폭으로 내려가는 것은 아니다.

컴퓨터공학은 여전히 수학 경쟁력이 높은 자연계 학생이 많이 지원하는 분야다.

지원자 30%가 줄더라도 실제 합격권에 있는 학생들이 그대로 남는다면 합격선 변화는 제한적일 수 있다.

14. AI학과와 컴퓨터공학과, 어디가 더 유리할까

최근에는 컴퓨터공학과뿐 아니라 인공지능학과, 데이터사이언스학과, 소프트웨어학과 등이 빠르게 늘어나고 있다.

하지만 학과 이름만 보고 미래 경쟁력을 판단하는 것은 위험하다.

컴퓨터공학의 장점은 AI 하나에만 집중하지 않고 알고리즘, 운영체제, 네트워크, 데이터베이스, 컴퓨터구조, 소프트웨어공학까지 기반 기술을 폭넓게 배운다는 데 있다.

AI 기술이 빠르게 바뀔수록 오히려 기초 컴퓨터과학을 이해하는 사람이 새로운 기술에 적응하기 쉬울 수 있다.

따라서 AI에 관심이 있다고 해서 반드시 AI학과만 선택해야 하는 것은 아니다.

15. 2027 컴퓨터공학 지원에서 가장 강력한 조합

앞으로 컴퓨터공학 지원자의 경쟁력은 코딩 하나로 결정되지 않는다.

가장 강한 조합은 다음과 같다.

이 가운데 한 가지 도구만 잘 사용하는 학생보다 여러 요소를 연결해 실제 문제를 해결한 학생의 경쟁력이 더 커질 가능성이 높다.