Stefan Mesken, DeepL의 Chief Scientist – 인터뷰 시리즈

Stefan Mesken, DeepL의 Chief Scientist는 5년 이상 DeepL에서 핵심 연구와 과학적 리더십을 발전시키며, 2020년 10월 연구 과학자로 시작하여 2023년 11월 연구 부문长으로 승진하고 2025년 4월 뮌헨에서 현재의 역할을 맡게 되었습니다. DeepL 이전에는 쾰른-본 지역의 real.digital에서 데이터 과학자로 일했으며 뮌스터 대학에서 수리 논리학 연구를 수행했습니다. 그의 경력은 기초 수학 연구와 응용 AI를 연결하며, DeepL의 대규모 언어 모델과 다국어 AI 시스템의 과학적 방향을 이끄는 데 적합합니다.

DeepL은 100개 이상의 언어에서 정확하고 상황에 맞는 번역 및 의사소통을 가능하게 하는 고급 언어 AI 시스템을 구축하는 독일의 AI 회사입니다. 2017년에 설립되어 쾰른에 본사를 두고 있으며, 수백만 명의 사용자를 세계적으로 서비스하며, 구독 및 API 제공을 통해 기업급 솔루션을 제공합니다. 플랫폼은 번역을 넘어서 더广い 언어 AI 스위트로 확장되어, 글쓰기 지원 및 음성 기능을 포함하여, 글로벌 비즈니스와 조직을 위한 보안, 확장 가능한 의사소통을 지원합니다.

수리 논리학에서 출발하여 응용 데이터 과학으로 전환하고, 결국 DeepL의 연구 조직을 이끌게 되었습니다. 과거의 연구가 현재의 자율적인, 기업급 AI 시스템 구축에 미친 영향은 무엇입니까?

수리 논리학과 집합론에 처음 관심을 가졌던 것은 이러한 복잡한 시스템이 어떻게 작동하는지 배우고 싶은 불타는 호기심에서 비롯되었습니다. 이 호기심은 내 삶의 일관된 부분입니다. 현재의 도전은 실제 사용성에 중점을 둔 AI 개발의 상태를 발전시키는 것입니다. 보안과 신뢰를 넘어서, 비즈니스와 모든 종류의 사용자가 이 기술의 혜택을 받을 수 있도록 시간을 할애하고 있습니다. 지금까지의 추세는 다릅니다. 대부분의 실제 AI 사용은 수동적이거나(예: 사용자에게 추천 시스템을 제공하지만 제어하지 않는 시스템) 또는 기술적으로 숙련된 사람들에 의해 주로 사용됩니다(예: 코딩 보조기). 이 격차를 메우고 싶습니다. 모든 개인과 회사에서 성공을 위한 준비가 되고, 작업 방식을 혁신할 수 있어야 합니다.

DeepL은 고정밀 번역으로 명성을 쌓았습니다. 번역을 넘어서서 더广い AI 시스템으로의 확장에 대한 초기 사고는 무엇입니까?

AI의 매력은 매우 유사한 개념과 아이디어가 다른 도메인에서 새로운 솔루션을 이끌어낼 수 있다는 것입니다. 체스 엔진, 추천 시스템, 단백질 접히기, 자율 주행 자동차, 번역 엔진 등이 모두 동일한 원리와 기술로 구동됩니다. 거의 10년 동안 이러한 기술을 마스터한 후, 새로운 문제에 집중하는 것이 자연스럽습니다. 내부적으로 이것은 항상如此하여, 글로사리, 작성, 음성, 맞춤형 허브 등이 발명되었습니다.

Chief Scientist로서, 언어 모델이 유창한 출력을 생성하는 것과 실제 기업 워크플로에서 신뢰성 있게 작동하는 시스템을 구축하는 것을 어떻게 구분합니까?

핵심 아이디어는 놀랍도록 유사합니다. 우리는 사용자의 목표와 선호도를 깊이 이해하고, 우리의 AI 시스템을 이러한 목표와 선호도에 맞추어야 합니다. 때때로 이러한 목표는 명백하고 명시적입니다. 다른 때에는 미묘하고 암시적입니다. 어느 경우든, 우리의 작업이 사용자에게 높은 가치를 제공하는지 확인하는 것이 우리의 임무입니다. DeepL은 고객 중심의 접근 방식으로 이 영역에서 두드러집니다. 우리는 인공 벤치마크나 학술 간행물을 추구하지 않습니다. 고객 만족도를 추구합니다. 이것은 지금보다 더 중요할 수 없습니다. 우리는 우리의 지평을 확장하고, 사람들을 일상적인 작업에서 지원합니다.

DeepL 에이전트는 보조 AI에서 자율적인 실행으로의 전환을 나타냅니다. 이 전환을 실제로 구현하는 데 가장 큰 기술적 도전은 무엇입니까?

가장 큰 도전은 사용성입니다. 수년 동안 AI 생태계는 주로 소프트웨어 개발자와 기술적으로 숙련된 전문가에게 서비스를 제공했습니다. DeepL 에이전트는 이를 변경하고, 모든 지식 노동자를 복잡한 문제를 해결하고 자동화하는 데 필요한 도구를 제공하고자 합니다. 이를 달성하기 위해, 우리는 인식, 추론, 계획, 및 행동에서 동일한 수준의 정교함을 필요로 합니다. 사용자에게 풍부한 도구 세트를 제공하는 대신, 우리는 일관성 있고, 무결하고, 우아한 솔루션을 만들었습니다.

기업 환경에서 자율적으로 작동하는 AI 시스템을 구축하기 위해, 어떤 능력들이 먼저 준비되어 있어야 합니까?

행정 작업의 광범위한 범위에서 기술은 이미 준비되어 있습니다. DeepL 에이전트는 신뢰성 있게 작동할 수 있으며, 필요할 때 조언을 요청하고, 원하는 경우 인간의 확인을 제공할 수 있습니다. 이러한 수준의 합성 지능은 몇 개월 전에는 순수한 허구였습니다. 그러나 여전히 멀어야 할 길이 있습니다. 향후 몇 년 동안, AI 에이전트는 기업에서 수평적인 계층이 될 것입니다. 끊임없이 배경에서 작동하며, 인간과 다른 에이전트와 협력하여, 바쁜 작업을 제거하고, 우리가 도달할 수 없는 문제를 해결할 수 있도록 우리를 강화할 것입니다.

책임 있는 AI 에이전트를 위한 필수적인 조건인 “깊은” 언어 이해의 의미는 무엇입니까?

언어는 특히 전문 분야에서 놀랍도록 모호하고 상황에 따라 달라집니다. 예를 들어, 친구들이 당신과 공유하지 않는 취미에 대해 이야기하는 것을 듣거나, 당신이 경험이 없는 전문 분야에 대해 이야기하는 것을 듣는 경우를 생각해 보십시오. 이것은 외부인에게는 의미가 없을 수 있지만, 그들은 서로 완벽하게 이해합니다. 우리는 AI 지원이 신뢰할 수 있는 동료와의 대화와 같은 느낌을 주고 싶습니다. 암시된 선호도는 암시적으로 유지되어야 합니다. 작업을 수행하는 방법을 반복적으로 설명할 필요가 없어야 합니다. 이것은 명백한 것처럼 들릴 수 있지만, 이것을 올바르게 구현하기 위해 막대한 연구가 필요합니다. 이것이 제가 “깊은” 언어 이해를 의미하는 것입니다.

자율적인 시스템을 배포할 때, 실제 동작을 수행할 수 있는 시스템의 경우, 안전 장치와 감시를 어떻게 접근합니까?

AI 지원이 비즈니스 환경에서 작동하려면, 우리는 능력과 제어 사이의 균형을 조심스럽게 맞춰야 합니다. 더 큰 능력은 생산성의 엄청난 기회를 창출하지만, 제어 없이 남겨진다면, 이것은 책임이 됩니다. 이것은 절대적으로 발생해서는 안 됩니다. DeepL 에이전트는 첫날부터 기업급 안전 장치로 구축되었습니다. 공유 작업 공간은 사용자가 데이터와 접근을 정밀하게 제어할 수 있도록 하며, 감시를 가능하게 하고, 인간의 확인을 제공합니다. 또한, 시스템 관리자는 에이전트가 탐색할 수 있는 시스템을 미세하게 제어할 수 있고, 에이전트에 의해 운영되는 경우 기본 도구에 알릴 수 있는 메커니즘을 가지고 있습니다.

연구에서 생산으로 아이디어를 이동시키는 데, 신뢰성이나 과학적 엄격성을 희생하지 않도록 어떤 교훈을 배웠습니까?

연구와 제품 개발 사이의 격차는 일반적으로 생각하는 것보다 더 큽니다. 둘 다 이전에 해결할 수 없었던 문제를 해결하기 위한 엄격한 접근 방식과, 무엇이 작동하는지와 무엇이 작동하지 않는지에 대한 세심한 기록에서 시작합니다. 그러나 연구는 범위를 단순화하고, 더 단순한 세계 모델을 가정할 수 있습니다. 반면, 제품 개발은 실제 사용자의 상황의 복잡성을 고려해야 합니다. AI 지원의 경우, 도구 사용이 주요 예입니다. 환경이 항상 자동화에 준비되어 있고, 시스템 접근이 정리되고, API가 준비되어 있는 것으로 가정하는 것은 유혹적일 수 있습니다. 현실은 다릅니다. 자율 주행 자동차가 오늘날의 인프라의 전체 복잡성을 처리해야 하는 것과 마찬가지로, AI 에이전트는 비즈니스에서 의존하는 접근 패턴, 데이터 및 시스템 내에서 효과적으로 작동해야 합니다. 이 초기 인식은 DeepL 에이전트의 설계의 핵심입니다.

DeepL이 언어 플랫폼에서 더广い 기업 AI 시스템으로 확장하는 동안, 어떤 능력은 엄격하게 통제되어야 하며, 어느 능력은 더 자율적인 행동을 노출할 수 있습니까?

작업을 수행하는 데 필요한 제어 수준은 두 가지 요인에 의해 결정됩니다. 수행하는 인간이나 시스템의 신뢰성과, 오류의 잠재적 영향입니다. 이것은 인간과 기계의 실행 모두에 적용됩니다. AI의 신뢰성은 지난 몇 년 동안 대폭 증가했으며, 향후에도 계속 개선될 것입니다. 따라서, 더 적은 작업에 대해 엄격한 제어가 필요할 것입니다. 궁극적으로, AI의 신뢰성은 많은 작업에서 인간 전문가 수준을 초과할 것입니다. 이것은 또한 제어 메커니즘에 적용되며, 이는 점점 더 AI 감시로 전환할 것입니다. 내부적으로, DeepL 에이전트는 이미 이러한 작업을 수행하며, 사용자에게 도움을 요청할 때마다 자기 수정이 불가능한 경우에 사용자에게 도움을 요청합니다.

앞으로 2년 동안, 언어 이해 또는 에이전트 설계의 어떤 돌파구가 기업 AI를 가장 강력하게 형성할 것이라고 생각합니까?

AI 에이전트는 단순히 개별 작업을 지원할 것입니다. 기업에서 우리를 대신하여 작동하는 협력적인 생산성 계층을 형성할 것입니다. 이 계층은 분산을 줄이고, 정보를 정확히 필요한 시점에 준비하고, 점점 더 복잡한 작업을 완전히 배경에서 해결하며, 문제를 해결할 것입니다.

멋진 인터뷰에 감사드립니다. 더 많은 정보를 배우고 싶은 독자는 DeepL을 방문해야 합니다.