LLM으로 번역하는 일은 이제 어느 번역 현장에서나 일상이 되었습니다. 같은 모델을 쓰더라도 결과가 달라지는 이유는 모델에 무엇을 함께 보내는지, 그리고 결과를 어떻게 검증해 다음 작업에 반영하는지에 있습니다. 한샘CALM(Computer-Assisted Language & Localization Management)은 이 과정 전체를 LLM을 전제로 다시 설계한 한샘글로벌의 번역 제작 환경입니다. 이 글에서는 CALM이 번역 공정의 각 단계에서 어떤 기술적 문제를 풀고 있는지 소개합니다.
LLM을 번역 엔진으로 두고 설계한 번역 환경
기존 CAT 도구는 번역 메모리(TM)와 용어 베이스(TB)를 중심으로 설계되었고, 기계번역은 나중에 연결하는 부가 기능이었습니다. 이 구조에서 AI는 문장 하나를 받아 번역 결과 하나를 돌려주는 역할에 머무르기 쉽습니다.
CALM은 출발점이 다릅니다. 프로젝트 생성부터 사전 번역, 품질 평가, 검수, 최종 문서 생성까지 모든 단계가 LLM과 함께 동작하도록 처음부터 구성했습니다. OpenAI, Google, Anthropic의 모델을 하나의 환경에서 쓸 수 있고, 문장 성격에 따라 세그먼트 단위로 모델을 바꿀 수도 있습니다. 한샘글로벌은 고객이 특정 번역 도구를 지정하지 않은 프로젝트에 CALM을 적용하고 있습니다.
문장 하나에 무엇을 함께 보내는가
LLM 번역 품질은 모델 성능만큼이나 모델이 받는 정보에 좌우됩니다. CALM은 세그먼트를 번역할 때마다 그 문장에서 감지된 용어집 항목과 번역 메모리의 유사 매치를 찾아 원문과 함께 프롬프트에 넣습니다. 이 프로젝트에서 승인된 용어가 무엇인지, 과거에 비슷한 문장을 어떻게 번역했는지를 모델이 문장마다 참조하므로 같은 용어가 문서 곳곳에서 다르게 번역되는 일이 크게 줄어듭니다. 고객사 스타일 가이드도 같은 경로로 전달됩니다.
용어집과 스타일 가이드를 갖추지 못한 고객도 많습니다. CALM에 원문 문서나 기존 이중언어 번역물을 넣으면 LLM이 용어 대응과 문체 규칙을 추출해 용어집과 스타일 가이드를 만들어 줍니다. 만들어진 자산은 리소스 매니저에서 검토하고 편집한 뒤 곧바로 번역 프롬프트에 연결됩니다.
번역 순서도 비용과 일관성을 기준으로 설계했습니다. 사전 번역을 실행하면 번역 메모리에서 기준 이상 일치하는 문장을 먼저 채우고, 남은 문장만 LLM에 보냅니다. 이미 검증된 번역은 그대로 재사용하고 새로운 문장에만 AI 비용을 쓰는 구조입니다. 매치율은 텍스트 유사도와 태그 차이를 분리해 계산하므로, 텍스트는 같고 태그만 다른 문장이 지나치게 낮게 평가되지 않습니다. 이미 확정되거나 잠긴 세그먼트는 어떤 범위로 사전 번역을 실행해도 덮어쓰지 않습니다.
LLM은 태그를 모릅니다
실제 번역 파일에는 굵게, 링크, 변수 같은 서식 정보가 인라인 태그로 들어 있습니다. LLM은 이 태그를 문장의 일부로 다루기 때문에 순서를 바꾸거나 빠뜨리거나 형태를 변형하기 쉽습니다. 태그 하나만 깨져도 원본 형식으로 되돌릴 때 오류가 나거나 서식이 무너집니다. LLM 번역을 실제 납품에 쓰려면 이 문제부터 풀어야 합니다.
CALM은 태그를 하나의 원자 단위로 다룹니다. 편집기에서 태그는 일반 텍스트와 구분되어 표시되고, 태그의 일부만 지워지거나 깨진 태그 마커가 붙여넣기로 섞여 들어오는 일이 차단됩니다. 번역을 마치고 최종 문서를 만들기 직전에는 원문과 번역문의 태그 개수와 순서를 대조하는 게이트를 한 번 더 통과합니다. 불일치가 발견되면 경고만 하거나 생성 자체를 막도록 설정할 수 있습니다.
파일 형식도 같은 원칙으로 다룹니다. Word, Excel, PowerPoint, InDesign, HTML 같은 원본 문서는 서식을 보존한 채 열고, 번역이 끝나면 원본과 같은 형식으로 최종 문서를 만듭니다. 고객이나 협력사가 Trados, memoQ, Phrase에서 작업한 이중언어 파일은 잠금 상태와 세그먼트 상태, 번역 출처 같은 메타데이터까지 보존한 채 열고 돌려보냅니다. 협력사가 어떤 도구를 쓰든 같은 파일로 함께 작업할 수 있습니다.
평가가 공정 안에서 움직입니다
CALM에는 한샘글로벌의 품질 검증 도구인 Hansem QA가 내장되어 있습니다. 규칙 기반 QA와 AI 품질 평가(QE), 역번역 검사가 편집기와 같은 프로젝트 안에서 실행됩니다. 평가 방식 자체는 「AI 시대의 번역 품질 평가: Hansem QA의 작동 방식」에서 자세히 다루었으므로, 여기서는 평가가 번역 공정 안에 들어왔을 때 달라지는 점에 집중하겠습니다.
CALM에서 품질 평가 결과는 리포트로 끝나지 않고 세그먼트의 다음 처리를 결정합니다. 기준 점수에 못 미친 세그먼트는 지정한 모델로 다시 번역한 뒤 재평가합니다. 기준 점수 이상인 세그먼트는 리포트 화면에서 한 번에 확정하고, 필요하면 잠글 수도 있습니다. 그 결과 검수자의 시간은 확정되지 않고 남은 문장, 다시 말해 평가가 위험하다고 표시한 문장에 집중됩니다. 리포트에서 행을 선택하면 해당 세그먼트로 바로 이동하므로 평가와 수정이 하나의 흐름으로 이어집니다.
번역에 쓴 모델과 평가에 쓰는 모델을 다르게 지정할 수 있다는 점도 중요합니다. 같은 모델이 자기 번역을 채점하면 오류를 놓치기 쉽기 때문입니다. 역번역 검사에서도 번역문을 되돌리는 모델과 의미 일치도를 판정하는 모델을 분리해 지정할 수 있습니다.
한 번의 실행, 여러 언어
다국어 프로젝트에서는 같은 작업을 언어 수와 파일 수만큼 반복해야 합니다. CALM은 하나의 프로젝트에 여러 도착 언어를 담고, 원본 파일을 언어별 폴더로 나눠 각각의 진행 상태를 관리합니다. 새 프로젝트를 만들 때 사전 번역, 품질 평가, QA, 최종 문서 생성 가운데 생성 직후 자동으로 실행할 작업을 미리 지정할 수도 있습니다.
기존 프로젝트의 여러 언어 파일을 선택해 한꺼번에 처리하는 것도 가능합니다. 분석부터 사전 번역, 품질 평가, 역번역, QA, 최종 문서 생성까지 정해진 순서로, 편집기를 열지 않은 상태에서 모든 도착 언어에 대해 실행됩니다. 대량 프로젝트를 저녁에 걸어 두고 다음 날 리포트를 검토하는 방식으로 운영할 수 있습니다.
대량 작업에는 LLM 공급사의 배치 처리 방식을 선택할 수 있습니다. 실시간 응답 대신 비동기로 처리하는 방식이라 토큰 비용이 약 절반으로 줄어듭니다. 작업마다 사용한 토큰과 비용이 기록되므로, 어떤 모델과 처리 방식이 프로젝트에 맞는지 실제 수치를 근거로 판단할 수 있습니다.
사람이 판단하고 기계는 정확히 반영합니다
AI 번역 환경에서도 까다로운 문장의 최종 판단은 사람이 내립니다. CALM에서는 고민되는 세그먼트를 AI 채팅으로 보내 의미 설명이나 개선안, 대안 번역, 용어와 톤 검토를 요청할 수 있습니다. 여러 세그먼트를 한꺼번에 보내 문서 전체의 일관성을 점검하는 것도 가능합니다.
여기서 중요한 것은 채팅에서 다듬은 결과를 원래 자리에 정확히 돌려놓는 일입니다. 대화하는 동안 문서에 행이 추가되거나 삭제될 수 있으므로 행 번호만으로는 위치를 보장할 수 없습니다. CALM의 SegLink는 세그먼트 ID와 원문 해시, 파일 경로를 묶은 키로 원래 세그먼트를 다시 찾아냅니다. 적용하기 전에는 행별 미리보기에서 반영할 항목만 골라 확정하며, 잠긴 세그먼트나 태그 문제도 이 단계에서 함께 표시됩니다.
데이터를 밖으로 보내지 않는 선택지
CALM은 번역 메모리와 용어집, 프로젝트 파일을 사내 PC와 공유 폴더에 보관합니다. 외부 클라우드 번역 관리 시스템에 번역 자산을 올리지 않으며, LLM 호출에 쓰는 API 키도 직접 관리합니다.
외부 전송 자체가 어려운 자료를 위해서는 PC 안에서 동작하는 로컬 모델을 선택할 수 있습니다. 이 경우 번역 요청이 외부 LLM 공급사로 나가지 않습니다. 콘텐츠의 성격과 보안 요건에 따라 최신 클라우드 모델과 로컬 모델 가운데 적합한 쪽을 프로젝트별로 고르는 방식입니다.
LLM 번역의 경쟁력은 공정 설계에서 나옵니다
LLM은 계속 바뀌고, 오늘 가장 좋은 모델이 내일도 가장 좋은 모델이라는 보장은 없습니다. 그래서 한샘글로벌은 특정 모델보다 공정에 기술을 쌓아 왔습니다. 모델에 보낼 정보를 고르고, 서식을 지키고, 결과를 평가해 다음 처리를 정하고, 사람의 판단을 정확히 반영하는 구조가 갖춰져 있으면 새 모델이 나와도 그 성능을 곧바로 번역 품질로 옮길 수 있습니다. CALM은 그 구조를 하나의 환경에 담은 결과물이며, 현장의 요구에 맞춰 지금도 계속 개선되고 있습니다.