‘달과 6펜스’에서 LLM 번역의 "의미적 경계"를 살펴보다: Claude 4.5와 인간 번역가의 비교 연구

서론: 모델 파라미터 너머의 고려

Claude 4.5와 Gemini 3의 잇따른 출시로 인해 대형 언어 모델(LLM)은 논리적 추론 및 코드 생성 분야에서 성과가 포화 상태에 이르렀습니다. 그러나 고맥락(High-Context) 텍스트, 특히 복잡한 은유와 문화적 언급이 포함된 문학 작품을 처리할 때, 파라미터의 축적이 번역 품질의 도약으로 직접 연결되는가?

Doclingo의 기술 팀으로서 우리는 이에 대해 신중한 태도를 취하고 있습니다. AI 번역의 실제 수준을 탐구하기 위해 모옴의 《달과 6펜스》(The Moon and Sixpence)를 테스트 샘플로 삼아 현재 가장 뛰어난 모델과 고전 인간 번역본을 평행 코퍼스 비교했습니다.

본 문서는 마케팅 용어를 벗어나 언어학과 공학의 이중 차원에서 AI 번역의 현재 한계와 돌파구를 객관적으로 분석합니다.

차원 1: 어휘 정확성 vs. 문체 스타일(Stylistic Fidelity)

첫 번째 테스트에서 우리는 번역문이 원작자의 독특한 서사적 목소리를 유지했는지에 주목했습니다.

샘플 분석: 원문에서 "Accident"라는 단어를 사용하여 특정 사회적 지위의 획득을 설명했습니다.

AI 모델(Claude 4.5/Gemini 3): 해당 단어를 표준 의미의 "우연" 또는 "偶然"으로 처리하는 경향이 있었습니다. 사전 정의의 관점에서 이는 정확하지만, 번역문은 평이한 "설명서체"로 나타나 원문에 숨겨진 풍자적 의미를 잃었습니다.

인간 번역가: "우연히 태어나다"로 번역했습니다.

분석 결론: 인간 번역가의 처리는 단순한 의미 변환이 아니라 "운명감"이라는 문학적 모티프의 재구성입니다. AI는 현재 "디코딩-인코딩"의 논리적 수준에 머물러 있으며, 텍스트의 감정적 세부 사항에 대한 인식이 부족합니다. 정보는 정확하게 전달할 수 있지만, 저자의 날카로운 질문의 어조를 재현하기는 어렵습니다. 이는 AI의 첫 번째 단점을 드러냅니다: 스타일 동질화(Stylistic Homogenization).

차원 2: 명시적 의미 vs. 은유적 매핑(Metaphorical Mapping)

문학 번역의 핵심 어려움은 "말하지 않은 의미"를 처리하는 것입니다. 우리는 모델의 추상 개념 구체화 능력을 테스트했습니다.

샘플 분석: 원문에서 간단한 방향어 "here"를 사용했습니다.

AI 모델: 직역 전략을 사용하여 "여기" 또는 "이곳"으로 번역했습니다.

인간 번역가: "이 세상에 오다"로 처리했습니다.

분석 결론: 이는 두 가지의 의미 매핑 메커니즘에서 본질적인 차이를 나타냅니다. AI는 통계적 최대 우도 추정(Most Likely)을 추구하며 가장 안전한 직역을 선택하는 경향이 있습니다. 반면 인간 번역가는 전체 책의 주제를 이해하고 창의적인 **의미 보강(Semantic Enrichment)**을 수행했습니다. 문학적 맥락에서 충분히 "충실하지 않은" 직역이 원래 의미에서 가장 큰 이탈이 되는 경우가 많습니다.

차원 3: 맥락 창 vs. 전역 일관성(Global Coherence)

Claude 4.5와 같은 모델이 맥락 창(Context Window)을 크게 확장했음에도 불구하고, 장편 문서를 처리할 때 여전히 "맥락 이동" 현상을 관찰했습니다.

• 용어 진동: 동일한 고유 명사가 다른 장에서 다른 어휘로 번역됨.
• 어조 단절: 캐릭터 대화 스타일이 일관성을 유지하지 못하고, 때로는 고전적이고 때로는 현대적임.

이는 단순히 토큰 한계를 늘리는 것이 전역 서사 논리의 일관성 문제를 완전히 해결하지 못함을 나타냅니다. 인간 번역가가 구축한 "거시적 프레임워크"는 현재 알고리즘이 넘기 어려운 장벽입니다.

산업 반성 및 공학적 해결책

종합적으로 우리의 평가 결론은: AI는 뛰어난 언어 엔지니어이지만, 자격 있는 문학 예술가는 아니다. AI는 번역의 "폭"과 "속도"를 해결했지만, "깊이"와 "온도"에서는 여전히 명백한 단절이 존재합니다.

이러한 인식을 바탕으로 우리는 Doclingo의 제품 구조를 구축할 때 "전자동화"를 맹목적으로 추구하지 않고, "인간-기계 피드백(Human-in-the-loop)"의 전문 작업 흐름을 구축하는 데 전념했습니다:

1. 구조화된 노이즈 제거(Structural Pre-processing)

Doclingo 고유의 미러 레이아웃 엔진을 활용하여 LLM에 입력하기 전에 PDF 문서를 분석합니다. 이는 복잡한 레이아웃 형식을 보존할 뿐만 아니라 물리적 판면의 복원을 통해 AI가 텍스트 블록 간의 논리적 관계를 더 잘 이해하도록 도와 번역의 맥락 정확도를 높입니다.

2. 증강 기억(Augmented Memory)

장문서의 일관성 문제를 해결하기 위해, Gemini/GPT 등 주요 대형 모델의 원래 능력 위에 동적 용어 관리 계층을 추가했습니다. 이는 수만 자의 문서 처리에서 핵심 용어와 문체의 전역 통일성을 보장하여 원래 모델의 "주의력 소산" 결함을 보완합니다.

3. 전문가급 상호작용(Expert Interaction)

우리는 AI를 "초안 생성기"로定位합니다. Doclingo는 전문적인 이중 언어 대조 및 교정 인터페이스를 제공하여 인간 전문가에게 권한을 부여합니다. 이를 통해 귀하가 "우연히 태어나다"와 같은 고부가가치의 다듬기 작업에 집중할 수 있도록 하며, 기본 코퍼스의 운반에 낭비하지 않도록 합니다.

결론

기술은 인간을 대체하는 구실이 아니라, 인간의 지혜를 확장하는 지렛대가 되어야 합니다.

Doclingo에서 우리는 Claude 4.5와 Gemini 3와 같은 최첨단 모델이 전문적인 장면에 실제로 적용될 수 있도록, 엄격한 공학적 수단을 통해 알고리즘과 영혼 간의 간극을 메우는 데 전념하고 있습니다.