번역 AI: 하이프 대비 영향력 비교
2022년 말 챗GPT의 출시는 즉각적으로 생성형 AI에 대한 하이프(Hype: 기술에 대한 과장된 기대)를 촉발했습니다. AI가 모든 일자리를 없애버릴 것이라고 성급하게 선언하는 사람도 많았습니다. 그러나 번역계에서 AI는 생산성을 향상시키고 새로운 기회를 열고 있습니다.
최근 웨비나에서 TransPerfect AI.NOW 총괄 Diego Bartolome과 Machine Translation Implementation Manager, Ty Trainer는 소위 ‘번역 AI’라는 기존 기술 위에 생성형 AI를 쌓은 형태의 번역 업무 방식을 심도 있게 다뤘습니다. 워크플로우 유스 케이스 AI 구현 업무를 시작하는 방법과 새로 부상하고 있는 기회 등에 대해 논의했습니다.
번역 AI: 새로운 현실
TransPerfect는 30여 년간 기계 번역(machine translation, MT) 업무를 수행했습니다. 현재는 생성형 AI(구체적으로, 대규모 언어 모델(large language models, LLMs))을 통합하여 업무 처리량을 늘리고 있습니다. 번역 AI는 이렇게 AI를 통합한 번역 및 현지화 방식을 이해하는 기본틀입니다. AI를 별개의 연결되지 않은 기술로 보는 것이 아니라, 생산성을 극대화하는 한편 품질을 보장하고 비용 절감을 확대하는 일종의 협업 기술로 보고 있습니다.
AI 하이프가 기업에 미친 영향
구축 압박 증가: 기업들은 경영진으로부터 AI 솔루션을 구축하라는 압박을 받고 있습니다. 그러나 그 방법을 모르거나, 운영 측면에서의 의미를 모를 수 있습니다. 기업 내 여러 사업부의 다양한 유스 케이스와 요건을 감안하여 천천히 심사숙고하여 진행하는 것이 이상적입니다.
‘언어 문제’에 대한 IT 솔루션: 번역은 마케팅 소관에서 IT 부서 소관으로 전환되었습니다. 기업들은 인간 번역이 비싸다고 생각하여 생성형 AI를 가장 효율적인 솔루션으로 보고 있습니다. 그러나 많은 경우 솔루션 구축 전에 이러한 콘텐츠와 현지화 프로세스에 관여하는 전문가들에게 자문을 구하지 않습니다. 효과를 보려면 기업들은 ‘사람’들과 함께 변화를 주도할 필요가 있습니다. ‘기술’만으로는 모든 문제를 해결할 수 없기 때문입니다.
콘텐츠 및 현지화 목표 재설정: 번역업계가 갈수록 기술화되면서 역할의 양상이 변하고 기존 프로세스가 도전을 받고 있으며, 심지어 새로운 직업까지 생겨나고 있습니다. 기술을 이해하고 어떻게 하면 기술을 워크플로우에 가장 잘 반영할 수 있는지 파악할 필요가 있습니다.
AI 성숙도 모델
AI 구축 그 자체를 목적으로 삼고 싶은 유혹에 빠질 수 있지만 이런 방식은 옳지 않습니다.
단지 AI기술이 존재하기 때문에 AI를 사용하지 마세요. AI는 실제 비즈니스 문제 해결을 위해 구축해야 합니다. 많은 기업들이 AI 구축 초기 단계에 있는데, 다음 단계로 나아가려면 실험을 통하는 방식이 최선입니다. TransPerfect는 고객사와 함께 AI 구축 과정에서 실험을 진행했고, 파일럿과 최소기능제품(minimally viable products, MVPs)을 만들었습니다. MVP란 고객사가 생성형 AI 또는 AI가 사업에 도움이 되는 시기를 파악할 수 있게 하는 최초 버전 제품이나 서비스를 의미합니다. 효과가 있으면 확장하고, 없으면 다른 방식으로 전환합니다.
하이프에서 현실로: 생성형 AI가 가장 유용하게 적용되는 분야
TransPerfect는 LLM이 기존 번역 워크플로우와 조합하여 어떻게 프로세스를 개선시키는지 살펴보고 있습니다. 생성형 AI를 번역 특화 워크플로우에 쌓는(또는 보다 유의미하게 통합하는) 방법을 찾고 있습니다. 생성형 AI를 기업에서 사용중인 기존 AI 번역 기술(예: 신경망 기계번역(neural machine translation, NMT))과 함께 사용할 수 있습니다.
기계 번역은 성숙도 높은 AI 적용 분야입니다. 기계번역은 지난 15~20년간 생산성이 절정에 달했지만, LLM은 이에 비해 다소 미성숙한 기술입니다. NMT가 번역용으로 설계된 반면, LLM의 활용 가능성은 열려 있습니다. TransPerfect는 번역 품질의 측면에서 NMT가 생성형 AI를 능가하는 유스 케이스를 거의 다 찾아냈습니다. 각자의 장점을 살펴 두 기술을 모두 활용하고 있습니다.
다음 세 분야에서 특히 성과가 높을 것으로 예상됩니다.
- 포스트에디팅 업무 속도 증가
- 번역사 효율 극대화
- 번역의 자연스러움 증대
원본 콘텐츠를 받은 후 AI로 최적화하는데, 이 과정은 완전 자동화 단계입니다. 그 다음 번역 AI(NMT + LLM)를 사용하여 번역하고 포스트에디팅을 실시하며, 휴먼인더루프(human-in-the-loop, 인간참여형 학습구조)를 선택적으로 수행합니다.
떠오르는 기회
Synthesis AI(합성 AI)는 콘텐츠에서 인사이트를 끌어낼 때 사용됩니다. 앞으로는 Synthesis AI를 통합하여 다국어 콘텐츠를 생성할 수 있을 것으로 예상합니다. 콘텐츠를 생산한 다음 다국어로 번역하는 것이 아니라, 다국어로 생산하게 될 것입니다. 결국 번역사 대신 인 랭기지 감수자를 활용하게 될 것입니다.
우선 위험도 낮은 콘텐츠부터 이런 방식으로 생성될 것입니다. 예를 들어, Synthesis AI에 프로토타입, 특징 몇 가지, 이미지를 넣어 여러 소매업체에 대한 다국어 제품 설명을 생성할 수 있습니다.
번역 필요성 평가
인간 번역사만 활용할 경우 비용이 너무 높아져서 기계 번역이 필요합니까? 여러 지역에서 다수의 고객들에게 신속하게 답변할 수 있는 실시간 번역이 필요합니까? 인간 번역 프로세스의 효율성을 높이고 싶습니까?
번역이 필요한 문서 샘플을 살펴보십시오. 번역이 필요한 분량과 언어는 무엇인가요? 품질 요건은 어떻습니까? 참고할 만한 과거 번역 자료가 있습니까? TransPerfect는 고객사가 갖고 있는 자료를 활용하여 대략적인 생산성 수준과 예상 MT 품질을 산출해 드립니다.
기업이 AI를 통합하는 최선의 방식은 작게 시작하는 것입니다. 인간 번역만 수행하던 조직이 완전 자동화 워크플로우로 바로 건너뛸 수는 없습니다.
또 기억할 점은 AI 모델 학습과 ROI 입증 양면에 있어 중요한 것은 데이터라는 사실입니다. 기업들은 확실한 ROI 보고서가 필요합니다. 신뢰할 수 있는 방식으로 데이터를 사용하여 영향도를 측정하는 것이 중요합니다. 마지막으로, 통합은 하루 아침에 이루어지는 일이 아닙니다. 만들고, 배우고, 반복하는 과정이 필요합니다.