글로벌 콘텐츠 수명주기 전반에서 구현되는 유용한, 책임있는 AI

글로벌 콘텐츠란 단순히 번역한 자료에 그치는 것이 아니라 브랜드가 전 세계 고객과 소통하는 방식이기도 합니다. 하지만 아직도 많은 기업이 예전의 번역 기술과 번역사 중심의 워크플로에 의존하고 있습니다. 이런 방법으로 세계 시장에서 국내 시장과 동일하게 영향력을 미치며 메시지를 조정하고 소비자의 참여를 유도하려면 엄청난 비용이 듭니다.

AI 콘텐츠 서비스는 기업이 기존 예산 내에서 글로벌 콘텐츠 목표를 달성할 수 있도록 지원합니다. AI 기반 서비스는 콘텐츠 제작, 로컬라이제이션 및 배포의 판도를 바꾸고 있습니다. AI 콘텐츠 서비스의 잠재력을 최대한 활용하려면 그저 기계적으로 AI 번역 및 AI 로컬라이제이션 과정을 거친 후 COMET이나 GEMBA QE 같은 번역 품질 평가 지표가 오류를 잡아내 주기만 바라서는 안 됩니다. 브랜드 보이스를 유지하고 메시지를 안정적이고 효율적으로 전달하는 데 집중하려면 체계적인 AI 전략이 필요합니다. 이런 이유로 라이온브리지(Lionbridge)는 다음 두 가지 프레임워크를 마련했습니다.

• TRUST: AI가 투명하고, 신뢰할 수 있으며, 전략적 표준 및 안전 기준에 부합하는지 확인하고, 책임있는 AI 사용을 보장합니다.

• REACH: 측정 가능한 비즈니스 성과, 잠재고객과의 관련성, 휴먼인더루프 방식의 감독에 중점을 둡니다.

두 프레임워크가 함께 콘텐츠 변환 수명주기의 모든 단계에서 AI를 효과적으로 활용할 수 있는 로드맵을 제공합니다. 여기서는 TRUST 및 REACH 프레임워크가 비즈니스 목표에 부합하면서 세계적으로 공감을 얻을 수 있는 콘텐츠를 제공하는 데 어떤 역할을 하는지 설명합니다.

• R. 투자수익(ROI): ROI는 '이익이 비용보다 큰가?' 하는 문제를 검토합니다. AI로 콘텐츠를 마구 쏟아내기는 쉽습니다. 하지만 AI가 생성한 콘텐츠로 매출 증대, 참여율 증가, 브랜드 인지도 향상 등 실질적인 성과를 창출하지 못한다면 사실상 속 빈 강정일 뿐입니다. 단순하고 비용이 적게 드는 AI 기반 워크플로가 있는가 하면 프롬프트 엔지니어링, 전문화된 모델, 꼼꼼한 감독이 필요한 워크플로도 있습니다. ROI를 기반으로 AI 전략을 세우면 콘텐츠 제작에 드는 모든 비용을 측정 가능한 비즈니스 목표에 맞춰 지출할 수 있습니다.

• E. 참여(Engagement): 동기(ROI)를 알고 나면 참여를 통해 목표를 설정할 수 있습니다. 콘텐츠를 이용해 성취하려는 목표가 무엇인지 파악합니다. CTA로 활용해 독자의 가입이나 구매를 유도하는 것이든, 신뢰와 신용을 강화하여 브랜드의 적법성을 확보하는 것이든 참여 목표를 설정하면 AI가 생성한 각각의 결과물로 정해진 비즈니스 목표를 달성할 수 있습니다.

• A. 잠재고객(Audience): 타겟팅하고 싶은 대상을 문화, 인구통계, 커뮤니티 선호도를 고려해 잠재고객으로 정합니다. 아울러 잠재고객 개개인이 콘텐츠에 공감할 수 있도록 어조, 스타일, 언어, 참고 자료를 조정합니다. 다시 말해, 'E'에서 목표를 설정하고, 해당 목표를 달성하기 위해 'A'에서 문자 그대로든 은유적으로든 적절한 언어를 사용하고 있는지 확인하는 것입니다.

• C. 관리(Control): 관리란 참여 목표를 충족했는지, 브랜드 보이스와 메시지를 제대로 전달했는지 확인하는 것입니다. KPI를 추적하고, 잠재고객의 반응을 모니터링하고, 콘텐츠 품질을 확인한 다음 확보한 정보를 AI 워크플로에 반영합니다. 이 과정을 반복하면 프롬프트, 스타일 가이드, 원본 문구 및 번역을 지속적으로 개선할 토대를 마련할 수 있습니다.

• H. 휴먼인더루프(Human in the Loop): 휴먼인더루프(HITL)의 핵심은 사람이 테스트 결과를 검토하고, 프롬프트를 개선하고, 제어 데이터를 기반으로 지침을 조정하는 등 AI와 적극적, 지속적으로 협업하는 것입니다. 이 과정에서 사람과 기계가 서로를 상대로 학습함으로써 콘텐츠 결과물을 지속적으로 개선하는 역동적인 피드백 순환이 이루어집니다.

진화하는 휴먼인더루프 패러다임

'휴먼인더루프'(HITL)는 더 이상 단지 납품 전 오류 제거를 위한 최종 점검 작업이 아닙니다. 이제 HITL은 AI 기반 콘텐츠 워크플로에서 품질과 확장성을 모두 좌우할 수 있는 핵심 요인입니다. 프로젝트 초기에 전문 인력을 자주 참여시키면 일관되고 신뢰할 수 있으며 확장 가능한 결과물을 얻을 수 있습니다. 방법은 다음과 같습니다.

1. 사전 큐레이션 - 확장의 비결: 전문 인력이 브랜드 가이드라인을 정의하고 프롬프트를 작성한 다음, 엄선한 예시를 AI 모델에 제공합니다. 이처럼 초기에 큐레이션을 마치면 확장성을 확보할 수 있습니다. 적절한 기반을 마련하면 이후 오류를 줄일 수 있으므로 여러 시장에 효율적으로 진출할 수 있습니다.

2. 실시간 감독: AI가 콘텐츠를 생성하면 전문가와 품질 보증에 특화된 AI가 결과물을 가지고 임의 추출 검사를 실시합니다. 이를 통해 담당팀은 해당 결과물이 REACH 목표와 TRUST 보호장치에 부합하는지 확인할 수 있습니다. 여기서는 세세한 부분까지 관리하는 대신 동일한 오류가 반복되지 않도록 문제점을 파악하는 데 초점을 맞춥니다.

3. 지속적인 피드백 반영: 사용자 참여 지표와 잠재고객의 의견이 AI 모델에 다시 유입됩니다. 시간이 지나면 시스템이 최적화되면서 지속적인 '사람의 개입' 필요성이 줄어듭니다. 번역이나 문구가 기대에 미치지 못하거나 특정 어조가 더 많은 호응을 얻는 경우, 해당 정보가 AI에 제공됩니다. 이처럼 반복적인 개선을 통해 AI 모델의 신뢰성과 효율은 갈수록 향상됩니다.

4. 대규모 배포에 대한 신뢰 구축: 사람이 개입하거나 피드백을 제공할 때마다 AI 모델의 신뢰도가 높아지므로 책임 있는 확장에 필요한 AI 신뢰를 형성하고 자신감을 얻을 수 있습니다. 따라서 더 많은 시장에 더 많은 언어로 더 많은 양질의 콘텐츠를 제공할 수 있습니다.

5. 언어 전문성 및 조건부 지침: 다양한 언어권의 잠재고객 모두에게 통할 '만능 해결책'은 있을 수 없습니다. 언어전문가는 각 대상 언어와 콘텐츠 유형에 맞게 자동으로 적용되는 언어별 프롬프트와 조건부 지침을 작성합니다. 이를 통해 지역에 관계없이 진정성 있고 일관된 브랜드 보이스를 유지할 수 있습니다.

Lionbridge Aurora AI 플랫폼과 TRUST 및 REACH 프레임워크

라이온브리지는 TRUST 및 REACH 프레임워크를 매일 실행하고 있지만, 가장 주목할 만한 방법은 바로 콘텐츠, 번역 및 로컬라이제이션 서비스를 위한 AI 기반 플랫폼인 Aurora AI를 통해 구현하는 것입니다. 라이온브리지는 TRUST 및 REACH의 핵심 원칙을 바탕으로 이 플랫폼을 구축했습니다. Aurora AI는 다음 세 가지 방법으로 TRUST 및 REACH를 구현합니다.

1. Aurora AI는 LLM 구성 관리 플랫폼으로, 플랫폼의 기능을 통해 AI가 어떻게 사용되는지 항상 투명하게 공개하고 고객에게 유용한 결과를 제공합니다.

2. Aurora AI는 프롬프트 엔지니어링 능력을 인증받은 직원이 운영합니다. 라이온브리지의 Aurora 팀은 프롬프트 엔지니어링에 대한 깊이 있고 체계적인 지식을 보유하고 있습니다. 당사는 최신 정보를 접할 수 있도록 지속적으로 직원 교육을 실시하며, 전사적으로 교육 대상을 계속 확대하고 있습니다.

3. Aurora는 콘텐츠 완성을 위한 맞춤형 에이전틱 AI를 제공합니다. 이를 통해 Aurora AI 워크플로를 쉽게 검사하고 맞춤화할 수 있습니다. 당사는 고객의 콘텐츠 목표에 따라 체계적인 검사를 실시하거나 프로세스를 변경할 수 있습니다. 또한 고객의 목표에 맞춰 여러 LLM을 조합할 수도 있습니다. 다음으로 라이온브리지는 자동으로 품질을 측정해 제공하는 기능을 구축하고 있습니다.