Smartling AI 부문 부사장 Olga Beregovaya – 인터뷰 시리즈

Olga Beregovaya는 Smartling의 AI 부문 부사장으로, 번역, 데이터, 품질 및 안전 전반의 AI 전략을 이끌고 있습니다. 1997년부터 자연어 처리 분야에서 일하며 규칙 기반 시스템, 통계 모델, 신경망, 대규모 언어 모델을 두루 경험했습니다. Smartling에 합류하기 전에는 Welocalize에서 AI 혁신 부문 부사장을, PROMT Americas에서 최고경영자를 역임했습니다.

Smartling은 기업용 번역 및 현지화 소프트웨어와 서비스를 제공하며, AI와 기계 번역에 사람의 전문성을 결합합니다. 이 플랫폼은 웹사이트, 애플리케이션, 마케팅, 문서 및 멀티미디어를 위한 다국어 작업 흐름을 지원하며, 20개가 넘는 대규모 언어 모델(LLM)과 기계 번역 엔진을 이용할 수 있습니다. 이번 인터뷰에서 Beregovaya는 다국어 AI 격차, 번역 품질, 모델 선택, 자동화된 현지화에서 사람의 감독이 하는 역할에 관해 이야기합니다.

그동안의 경험은 언어 분야에서 AI가 하는 역할에 대한 생각에 어떤 영향을 주었으며, Smartling에서 AI 전략을 이끌게 된 계기는 무엇인가요?

저는 언어가 어떻게 구성되는지, 어족이 어떻게 작동하는지를 공부했습니다. 그 과정에서 번역은 단어를 하나씩 바꾸는 일이 아니라 구조와 의미를 다루는 일이라는 것을 배웠습니다. AI도 같은 관점에서 바라봅니다.

저는 시스템이 사람이 직접 작성한 규칙에 기반하던 1997년에 자연어 처리 일을 시작했습니다. 이후 통계 모델과 신경망을 거쳐 오늘날의 대규모 언어 모델까지 두루 다뤄 왔습니다. 각 기술은 일부 문제를 해결하는 동시에 다른 문제를 낳았습니다. 어느 한 모델이 정답이라고는 생각하지 않습니다.

Smartling은 웹사이트와 앱부터 법률 문서, 마케팅 콘텐츠, 동영상에 이르기까지 모든 종류의 기업 콘텐츠를 번역하도록 만들어진 회사였기에 합류했습니다. 처음에는 기계 번역 부문 부사장으로 시작했지만, 역할은 곧 번역을 넘어 프롬프트 설계, 데이터, 품질 및 안전까지 확장됐습니다. 그래서 직함도 AI 부문 부사장으로 바뀌었습니다.

그 격차는 실제로 어떤 모습이며, 생성형 AI가 주요 인터페이스로 자리 잡으면서 왜 그 영향이 더 커질 수 있을까요?

예전에는 격차가 단순했습니다. AI 시스템이 해당 언어를 지원하거나, 지원하지 않는 식이었습니다. 이제 그런 문제는 대부분 해결됐지만, 격차의 양상은 달라졌습니다. 이제 중요한 것은 모델의 학습 데이터가 해당 언어와 그 언어를 사용하는 사람들, 그리고 그들의 문화를 얼마나 잘 반영하느냐입니다. 대부분의 모델 학습 데이터는 영어로 되어 있어 영어권의 전제가 함께 담겨 있습니다. 따라서 번역이 기술적으로 정확하더라도 다른 언어에 영어권의 관점을 강요할 수 있습니다.

AI는 사람들이 은행, 의사, 학교 및 그 밖의 필수 서비스를 이용하는 방식으로 자리 잡고 있습니다. AI가 잘 다루는 언어를 쓰면 유리하지만, 제대로 다루지 못하는 언어를 쓰면 불리해집니다.

가장 놀라웠던 점은 무엇이며, 스웨덴어가 힌디어보다 사용자가 훨씬 적은데도 더 나은 결과를 내는 사례는 어떻게 설명할 수 있을까요?

사용자 수는 번역 품질을 나타내는 지표로 생각보다 훨씬 부정확합니다. 사용자가 약 1,000만 명인 스웨덴어는 가장 우수한 결과를 낸 언어에 속했습니다. 사용자가 약 6억 명인 힌디어는 에스토니아어, 태국어와 함께 결과가 가장 좋지 않은 언어에 속했습니다.

언어 구조와 데이터 품질이 훨씬 더 중요합니다. 스웨덴어는 문법이 비교적 단순하고 정제된 학습 데이터도 풍부합니다. 에스토니아어는 의미를 나타내기 위해 단어 어미가 계속 달라지므로 AI가 처리해야 할 복잡성이 커집니다. 힌디어는 사용자 수가 수억 명에 이르지만, 그 규모에서 기대할 수 있는 것보다 고품질의 다양한 학습 데이터가 훨씬 적습니다.

또 하나 놀라웠던 점은 연구소마다 발전 속도가 같지 않았다는 것입니다. 처음에는 성능이 낮았던 언어가 모델 세대가 바뀔 때마다 대체로 가장 크게 개선됐지만, 항상 그런 양상이 나타나는 것은 아닙니다.

학습 데이터의 양 외에 모델 성능에 가장 큰 영향을 주는 요인은 무엇인가요?

토큰화는 가장 중요한 요인 중 하나입니다. 토큰화는 모델이 텍스트를 처리하기 전에 여러 조각으로 나누는 방식으로, 라틴 문자를 사용하지 않는 언어에서 특히 중요합니다. 토큰화가 제대로 되지 않으면 그 이후의 모든 과정이 제약을 받습니다.

언어 구조도 중요합니다. 단어 어미가 복잡한 언어는 모델이 처리하기 어려울 수 있습니다. 예를 들어 독일어는 여러 단어를 붙여 하나의 단어가 40자에 이르기도 하므로, 스페인어나 프랑스어 같은 언어보다 모델에 더 큰 부담을 줍니다.

그리고 데이터 품질도 있습니다. 데이터가 나쁘면 결과도 나쁩니다. 데이터의 정확성, 다양성 및 대표성은 AI 번역 성능에 매우 중요합니다.

마지막으로 평가입니다. TER, BLEU, CHRF3 및 MetricX를 사용하고, 결과를 신뢰할 수 있는 사람 번역과 비교합니다. 모델은 자연스럽게 들리면서도 의미를 잘못 전달할 수 있습니다.

최첨단 AI 연구소에는 어떤 책임이 있으며, 의미 있는 진전은 어떤 모습이어야 할까요?

최첨단 AI 연구소는 가장 발전된 언어 모델을 통제하기 때문에 가장 큰 책임을 집니다. 이들의 선택은 격차를 넓힐 수도, 줄이는 데 도움이 될 수도 있습니다. 하지만 번역은 추론, 코딩 및 안전과 관심을 두고 경쟁하는 경우가 많아 번역에 전념하는 팀을 둔 연구소는 거의 없습니다.

의미 있는 변화를 가져올 세 가지 방안은 다음과 같습니다.

1. 더 많은 언어와 주제를 아우르는 고품질 데이터를 구축합니다.
2. 현재 방식으로는 충분히 처리하지 못하는 언어의 토큰화를 개선합니다.
3. 또한 새로운 모델을 평가할 때는 가장 많이 사용되는 언어뿐 아니라 학습 데이터가 적은 언어에서도 성능을 측정합니다.

온라인에서 거의 다뤄지지 않는 언어의 학습 데이터를 구축하는 것은 중요한 기회입니다. 이 작업의 상당 부분은 대형 연구소 밖에서 이루어집니다. 저희는 African Language Lab 같은 단체와 협력해 아프리카 언어 데이터를 구축합니다.

Smartling은 20개가 넘는 엔진 중에서 특정 언어, 콘텐츠 유형 또는 사용 사례에 적합한 엔진을 어떻게 결정하나요?

어떤 모델이 가장 좋다고 가정하는 대신 직접 테스트합니다. 모든 모델을 신뢰할 수 있는 인간 번역과 비교해 TER, BLEU, CHRF3, MetricX로 평가합니다. 고객이 마케팅 콘텐츠를 제공하면 약 일주일 안에 언어와 주제별로 각 모델의 성능을 보여드릴 수 있습니다. 라틴 아메리카 스페인어 마케팅 콘텐츠에 가장 적합한 모델이 다른 언어나 민감한 콘텐츠에도 가장 적합한 것은 아닐 수 있습니다.

위험도도 고려합니다. 위험도가 낮은 사용자 콘텐츠는 검토 절차를 간소화할 수 있습니다. 규제가 적용되거나 브랜드에 중요한 콘텐츠는 더 많이 검토하며, 보통 사람이 확인합니다. 성능 변화에 따라 모델을 추가하거나 제외할 수 있으므로 한 공급업체에 얽매이지 않습니다.

전문 번역 시스템이 여전히 범용 LLM보다 뛰어난 분야는 어디이며, 두 기술은 앞으로 어떻게 융합될까요?

예측 가능성이 무엇보다 중요할 때는 전문 기계 번역이 여전히 우세합니다. 특히 민감한 콘텐츠와 일부 언어에서 유용합니다. LLM은 더 자연스러운 문장을 생성하지만, 확신에 찬 어조로 환각을 일으킬 수도 있습니다.

Smartling에서는 두 기술을 결합합니다. 전문 번역 모델이 고객의 용어와 분야별 데이터를 활용해 초안을 작성합니다. 그런 다음 LLM이 문장을 다듬으면서 승인된 용어를 복원하고, 이전 번역과의 일치 내용을 적용하며, 글의 완성도를 높입니다.

모델은 이제 시스템의 한 구성 요소일 뿐입니다. 프롬프트, 데이터, 맞춤화, 안전 제어도 모델만큼 중요해지고 있습니다.

다국어 콘텐츠에 생성형 AI를 사용할 때 기업이 고려해야 할 가장 큰 위험은 무엇인가요?

단연 환각입니다. 제가 가장 좋아하는 사례는 누군가 AI에게 버섯에 독이 있는지 묻는 장면입니다. AI는 조금도 망설이지 않고 독이 없다고 답하지만, 그 사람의 묘비가 그 답이 틀렸음을 보여줍니다. 번역에서는 문장이 완벽하게 들리지만 사실은 틀리는 식으로 나타납니다. 학습 데이터가 적은 언어에서는 이런 위험이 더 커질 수 있습니다.

문화적 맥락과 규제도 고려해야 합니다. 번역이 기술적으로 정확하더라도 해당 시장에는 적합하지 않을 수 있습니다. 예를 들어 독일어와 일본어에는 영어에는 없는 수준의 격식이 요구됩니다. 중국의 광고 규정은 ‘최고’와 같은 표현도 제한합니다.

일관성도 문제입니다. 규모가 커지면 범용 AI 도구로 인해 용어와 브랜드의 목소리가 일관되지 않을 수 있습니다. 한 임원은 그 회사에 직원이 30만 명 있는데 범용 AI 덕분에 목소리도 30만 가지가 생겼다고 제게 말했습니다.

물리적 안전이 걸린 문제일 수도 있습니다. 레버를 당기라는 안전 지침을 잘못 번역하면 건설 현장에서 크레인이 추락할 수 있습니다.

현지화 작업에서 AI 에이전트는 어떤 역할을 하며, 사람의 감독 아래 어느 정도까지 자율화할 수 있나요?

AI 에이전트는 현지화 워크플로의 한 단계입니다. 한 모델이 번역하면 다른 모델이 검토하고, 환각이 있는지 확인하며, 승인된 용어를 복원하고, 시장에 맞게 콘텐츠를 조정합니다. 그런 다음 품질 검사를 통해 콘텐츠를 바로 게시할지, 사람의 간단한 검토가 필요한지, 전체 검토가 필요한지를 결정합니다.

자동화할 수 있는 정도는 위험도에 따라 달라집니다. 저희가 처리하는 저위험 업무는 상당 부분 이미 완전 자동화되어 있지만, 민감하거나 규제가 적용되는 콘텐츠에는 여전히 사람의 검토가 필요합니다.

완전 자동화가 항상 목표인 것은 아닙니다. 모델을 개선하려면 사람의 피드백이 필요하기 때문입니다. 사람의 판단을 없애지 않으면서 업무 부담을 줄이는 것이 목표입니다.

5년 후에는 격차가 줄어들까요, 더 벌어질까요? 그리고 AI가 전 세계적으로 진정한 다국어 역량을 갖추려면 무엇이 필요할까요?

어느 쪽으로든 갈 수 있습니다. 처음에 성능이 가장 낮았던 언어가 가장 빠르게 발전하고 있으며, 구어 데이터를 포함해 온라인 콘텐츠가 적은 언어의 데이터를 수집하는 조직도 늘고 있습니다.

하지만 격차의 양상은 달라지고 있습니다. AI가 특정 언어를 능숙하게 처리하더라도 학습 데이터에 담긴 영어권의 전제를 그대로 가져올 수 있습니다.

진정한 다국어 AI를 구현하려면 다른 접근 방식이 필요합니다. 모든 것을 처리하도록 설계된 범용 모델 하나에 의존하기보다 특정 언어와 주제에 맞춘 소형 모델을 활용할 수 있습니다. 여러 언어와 분야에 걸쳐 더 다양한 데이터를 확보해야 합니다. 현재 방식이 충분히 처리하지 못하는 언어의 토큰화도 개선해야 합니다. 또한 합성 데이터를 활용하고, 한 언어에서 모델이 학습한 내용을 관련 언어로 전이해 개선 효과가 데이터가 가장 많은 언어에만 국한되지 않도록 해야 합니다.

기술은 이미 존재합니다. 하지만 이 모델을 개발하는 기업들이 다국어 성능을 우선순위로 삼을지가 관건입니다.

훌륭한 인터뷰에 감사드립니다. AI 번역, 다국어 품질 평가, 인간의 감독 아래 진행되는 현지화 워크플로를 살펴보고 싶은 독자라면 Smartling을 방문해 보세요.