"영어로는 한계" LLM 다음 승부처 ‘언어’…다국어 설계서 판 갈린다

AI 경쟁의 축이 더 큰 모델에서 더 다양한 언어·문화·규제 환경을 이해하는 구조로 옮겨가고 있다 [사진: Reve AI]

[디지털투데이 홍진주 기자] 대형언어모델(LLM)의 다음 경쟁력은 모델 규모나 연산 자원보다 다국어 설계와 지역 맥락 반영에 달려 있다는 진단이 나왔다.

9일(현지시간) IT매체 테크레이더는 영어 중심으로 구축된 현재의 기반모델 구조가 글로벌 AI 확산 단계에서 한계를 드러내고 있으며, 주권형 AI의 핵심 조건으로 다국어 이해 능력이 부상하고 있다고 전했다.

초기 생성형 AI 시장에서는 영어 우선 구조가 사실상 표준처럼 자리잡았다. 공개 학습 데이터가 영어권 인터넷에 집중돼 있었고, 초기 모델 개발도 영어가 디지털 커뮤니케이션의 중심인 지역에서 진행됐기 때문이다. 다만 기업과 정부가 AI를 경제와 행정 전반에 본격 도입하는 단계로 넘어오면서 이런 구조적 편중이 문제가 되고 있다는 지적이다.

핵심은 단순한 다국어 지원과 실제 다국어 이해는 다르다는 점이다. 현재 널리 쓰이는 LLM 상당수는 여러 언어를 기술적으로 처리할 수 있지만, 많은 경우 영어 지식을 번역하는 방식에 머물고 있다. 매체는 이 차이가 중요하다며 언어는 단순한 소통 수단이 아니라 문화와 맥락, 사회적 뉘앙스, 지역 지식 체계를 담고 있다고 짚었다.

이 한계는 글로벌 시장에서 더 뚜렷하게 나타난다. 고객 응대, 금융, 의료, 공공서비스는 지역별 언어 변형과 맥락 이해에 크게 의존한다. AI가 이를 제대로 해석하지 못하면 정확도가 떨어지고 도입이 제한되며 신뢰도도 낮아질 수 있다. 이에 따라 AI는 번역을 넘어 각 언어 구조 안에서 추론할 수 있어야 한다는 요구가 커지고 있다.

이에 따라 차세대 기반모델은 번역 중심 접근을 넘어 각 언어 구조 안에서 추론할 수 있어야 한다는 요구가 커지고 있다. 이를 위해서는 단순히 지원 언어 수를 늘리는 수준을 넘어 설계 철학 자체가 바뀌어야 한다는 설명이다. 학습 데이터는 지역 언어와 방언까지 포괄해야 하고, 학계와 정부, 산업계가 협력해 고품질 데이터셋을 구축해야 한다는 주문도 나왔다.

모델 구조도 혼합 전문가 구조, 특화 토큰화 전략, 언어별 추론 경로 등을 통해 여러 언어 체계를 효율적으로 다룰 수 있도록 진화해야 하며, 평가 기준 역시 영어 중심 과제를 넘어 다국어 환경에서의 추론, 맥락 이해, 문화적 적합성을 함께 측정하는 방향으로 재설계할 필요가 있다는 주장도 있다.

이 같은 흐름은 소버린 AI(Sovereign) 논의와도 맞물린다. 소버린 AI는 각국이 자국의 언어, 문화, 규제 환경에 맞는 AI를 개발하고 배치하며 통제할 수 있는 역량을 뜻한다. 여기에는 데이터 인프라 통제, 국가 규제 체계와의 정합성, 자국 내 혁신 생태계 육성이 포함된다. 특히 금융, 의료, 공공서비스처럼 민감한 데이터를 다루는 분야에서는 데이터 저장 위치와 거버넌스에 대한 요구가 더 커지고 있다.

각국 정부가 AI를 경제 경쟁력과 기술 주권, 국가안보에 영향을 주는 전략 자산으로 보기 시작한 점도 배경으로 제시됐다. 언어 대표성은 이 과정에서 포용적 AI 확산을 좌우하는 요소로 지목됐다. 언어가 다양한 국가는 시민이 모국어로 AI 서비스를 이용할 수 있도록 시스템을 설계해야 하기 때문이다.

인도의 디지털 공공 인프라와 AI 생태계는 이런 흐름의 사례로 제시됐다. 인도는 디지털 신원관리 시스템, 개방형 금융 네트워크, 상호운용 가능한 공공 플랫폼을 바탕으로 대규모 이용자를 포괄하는 기반을 마련했다. 이 사례는 개방형 표준, 다국어 설계, 협력형 생태계가 AI 확산의 핵심 조건이 될 수 있음을 보여준다.

유럽과 영국도 자체 소버린 AI 전략을 추진하는 만큼, 앞으로는 개방형 인프라와 다국어 역량, 협력형 생태계가 더 중요한 요소가 될 가능성이 크다. 매체는 "AI의 미래는 모델 크기나 학습 데이터 양만으로 결정되지 않는다"라며 "다양한 언어·문화·규제 환경에서 작동하는 시스템을 설계할 수 있는 조직과 국가가 우위를 차지할 것"이라고 봤다.