그냥 ChatGPT에 업로드하면? — 프리랜서 번역가가 본 AI의 한계

그냥 ChatGPT에 업로드하면? — 프리랜서 번역가가 본 AI의 한계

2026년 6월, 프리랜서 번역가에게 "그냥 ChatGPT에 업로드하면 되는 거 아니에요?"라는 질문이 돌아왔다. 이 글은 AI 번역의 현실적 한계와 도구로서의 활용법을 2026년 6월 기준으로 정리한다.

번역은 문서를 AI에 넣는 단순 변환이 아니다. 문맥 이해, 현지화, 용어 조사, 일관성 확인이 모두 들어가는 전문 작업이다. ChatGPT는 기술적으로 번역된 문서를 뱉어낼 수 있지만, 서식 문제와 번역 품질 모두 의심스러운 경우가 많다. 이 글에서는 프리랜서 번역가의 실제 경험과 Hacker News 토론을 종합해 AI 번역의 경계선을 그어본다.

AI는 도구일 뿐, 대체가 아니다

15년 전부터 번역가들은 Google Translate, DeepL 같은 자동 번역 도구를 활용해왔다. 까다로운 문장을 넣어 다른 표현 방식을 참고하는 식이다. 도구는 항상 곁에 있었고, 전문가가 어떻게 쓰는지가 관건이었다. 회계사가 Excel 수식을 쓰고 관리자가 PowerPoint 서식을 활용하는 것과 같은 범주다.

AI는 일을 대신할 수 없다. 다만 유리하게 활용할 수 있는 도구가 될 뿐이다. 이 문서 자체도 사람이 직접 작성했지만, 맞춤법 검사는 Antidote로 하고 Claude의 의견도 참고하긴 했다. 똑똑한 제안은 받아들였지만, 최종 판단은 사람이 수행한다. 도구와 전문가의 역할 경계가 여기서 갈린다.

AI 번역의 네 가지 구조적 한계

AI는 약어와 조직명을 지어낸다. 학습 데이터에 없는 약어가 나오면 그럴듯한 단어를 만들어낸다. 문장 전체를 빠뜨리기도 한다. 특히 긴 문서에서 후반부 문장이 통째로 누락되는 경우가 있다. 제공된 용어를 무시하기도 한다. 용어집을 미리 주입해도 일관되게 적용하지 않는다. 핵심을 놓치기도 한다. 단어 단위 번역은 맞지만 문단 전체의 메시지는 다른 방향으로 흘러가곤 한다.

Hacker News 토론에서도 비슷한 증언이 나왔다. "이번 주말에 슬로베니아어로 쓴 편지를 ChatGPT에 번역해보라고 했는데, 뉘앙스를 많이 놓쳤다. 동의어 선택 하나로 많은 정보를 전달하는 작은 어조의 장치들을 완전히 놓쳤다." 기계번역 특유의 냄새가 있고, 설명하긴 어렵지만 분명히 존재한다.

실무에서 AI를 진짜 활용하는 방법

한 고객사는 인용문 서식과 각주 삽입 방식까지 정한 500쪽짜리 스타일 가이드를 여러 개 갖고 있다. ChatGPT에 스타일 가이드를 넣어 최종 점검에 활용하면 규칙 위반을 표시할 수 있다. AI로 참고 문서에서 전문 용어를 추출하고 자체 용어집을 만들 수도 있다. 이 방식은 Ctrl+F보다 빠르고 덜 답답하다.

다만 모든 AI 결과는 두 번, 세 번 확인해야 한다. AI 활용은 마법 버튼이 아니라 다른 작업 방식이다. 맞춤법 확인, 문장 수정 제안, 스타일 가이드 점검, 전문 용어 추출 같은 도구로 쓸 수 있으나 모든 결과를 재확인해야 한다. 약어와 조직명을 지어내고, 문장 전체를 빠뜨리고, 제공된 용어를 무시하고, 핵심을 놓칠 수 있어 계속 코칭이 필요하다.

전문가 보수의 모순 — 남의 일엔 충분, 내 일엔 불안정

AI가 존재한다는 이유만으로 번역가·작가·편집자의 보수가 낮아져서는 안 된다. 망치를 쓰는 지붕 수리공에게 맨손으로 일하지 않는다는 이유로 덜 지불하지 않는 것과 같은 논리다. 그런데 "AI는 항상 더 좋아지고 있다"고 말하면서 자신의 업무에서 AI를 많이 쓰느냐는 질문에는 "신뢰성이 충분하지 않아 쓸 수 없다"고 답하는 사람이 있다. 상대의 직함은 Director General이었다.

AI는 남의 일에는 충분해 보이지만 자기 업무에는 충분히 신뢰할 수 없다는 식으로 받아들여질 때, 전문 업무의 가치가 쉽게 과소평가된다. 번역가뿐 아니라 회계사·변호사·의사도 비슷한 이중 잣대를 마주한다. 자기 전문 영역이 아니면 결과물의 결함을 보기 어렵고, 그렇다고 인간에게 돈 내고 기다릴 필요도 줄어든다. 흥미로운 역설이다.

LLM 시대, 번역 품질을 어떻게 검증할 것인가

Hacker News 토론에서 가장 뾰족한 지적이 나왔다. "AI 번역이 너무 좋아졌다"고 하면서 "영어 외 언어를 모른다"고 한다면, 그 판단을 내릴 자격이 전혀 없다. 학습 데이터에 이미 여러 번역본이 들어 있다면 모델은 사실상 그것을 토해내라고 지시받은 셈이다. LLM들은 유명한 책들을 모두 암기하고 있어, 유도하면 거의 단어 단위로 암송하게 만들 수 있다. 회상은 기계학습에서 꽤 해결된 문제다.

그래서 검증은 사람이다. 원문과 번역본을 모국어 화자 수준으로 비교할 수 있어야 비로소 "품질이 비슷하다"는 판단이 가능하다. 프랑스어를 모르는 사람이 Claude Fable과 Lawrence Ellsworth 번역본을 비교하며 "놀랄 만큼 비슷하다"고 말할 때, 그 평가는 데이터 누출을 포함해 자기충족적일 가능성이 높다. 번역 품질 검증에는 적어도 한 축의 원문 독해 능력이 필수다.

2026년 6월 기준, 번역가·AI·의뢰자가 함께 가져야 할 균형

문학 번역은 그 자체로 예술 작품인 경우가 많다. The Master and Margarita의 Diana Burgin·Katherine O'Connor 번역처럼, 원문의 뉘앙스를 살린 작업은 자동화하기 어렵다. 반면 토스터 설명서나 일반적인 문구 번역은 곧 자동화될 가능성이 높다. 모든 번역이 같은 수준의 정확도와 감수 작업을 요구하지 않는다.

의뢰자 입장에서는 "내부 검토용"과 "출판용"을 구분해야 한다. 내부 검토용 웹페이지 번역은 AI로도 충분하지만, 출판용 광고 문구·이력서·의약품 라벨은 오타 하나가 큰 문제다. 빠르게 변하는 자막이나 마케팅 카피도 사람 손이 필요하다. 영화 자막에서 LLM이 평균 소설 번역보다 낫다는 평가도 있지만, 자막 영화마다 눈에 띄게 틀린 대사가 항상 있다는 반론도 만만치 않다.

번역가 입장에서는 용어집과 스타일 가이드를 미리 정리해 AI에 주입하고, 결과물을 두세 번 검수하는 습관이 필수다. 의뢰자는 용도와 품질 수준을 명확히 구분하고, 출판용이면 사람 검수 비용을 반드시 책정해야 한다. 2026년 6월 기준으로 번역가는 AI를 도구로 다루는 법을 익히고, 의뢰자는 검수 단계를 계약서에 명시해야 한다. 결국 핵심은 사람이다.