AWS 트랜스크라이브, 생성형 AI 도입해 100개 언어 지원

글로벌 고객 응대나 다국어 화상 회의를 진행해 본 사람이라면, 거친 배경 소음과 낯선 억양 때문에 음성 인식 텍스트가 엉망이 되어 결국 녹음을 일일이 다시 듣던 번거로움을 잘 알고 있을 것입니다.

AWS는 이번 re:Invent 행사에서 음성 인식 서비스인 Amazon Transcribe를 음성 파운데이션 모델 기반의 생성 AI 아키텍처로 전면 개편했다고 발표했습니다.

2023년 말 기준 39개 언어를 지원하던 것에 비해, 지원 가능한 음성 언어가 단숨에 100개로 대폭 늘어났습니다.

100개 언어 지원과 최대 50%의 정확도 개선

AWS의 블로그에 따르면 새 모델은 100개 이상의 언어에서 추출한 수백만 시간의 레이블 없는 오디오 데이터를 바탕으로, 자기지도 학습 알고리즘을 사용해 사람의 발화 패턴과 억양을 익혔습니다.

다국어 음성 모델을 만들 때 흔히 발생하는 문제는 영어 같은 주요 언어 데이터가 지나치게 많아 소수 언어의 품질이 떨어지는 현상입니다.

AWS는 특정 언어가 학습 데이터에서 과도하게 대표되지 않도록 균형을 맞춰, 사용 빈도가 낮은 언어도 주요 언어만큼 높은 정확도를 유지하도록 설계했다고 설명했습니다.

실제로 AWS는 많은 언어에서 기존 버전 대비 정확도가 20%에서 최대 50%까지 개선되었다고 밝혔습니다. 자동 구두점 삽입, 사용자 정의 어휘, 자동 언어 식별 및 소음 환경 인식 기능도 함께 제공됩니다.

통화 요약까지 연결되는 콜센터 워크플로

기업 고객에게 텍스트 변환은 시작에 불과하며, 핵심은 그 뒤의 데이터 처리입니다. 이번 모델 고도화는 고객센터 솔루션인 Amazon Transcribe Call Analytics로도 이어졌습니다.

생성 AI를 탑재한 Call Analytics는 상담원과 고객 간의 통화 내용을 자동으로 요약해 줍니다.

덕분에 상담원이 통화 종료 후 보고서를 작성하는 사후 작업 시간을 크게 줄일 수 있고, 관리자는 긴 전사 텍스트를 끝까지 읽지 않고도 핵심 내용을 빠르게 파악할 수 있게 되었습니다.

물론 이 시장에는 이미 AI 요약 기능을 내놓은 Otter 같은 서비스가 있고, Meta 역시 100개 언어를 다루는 생성 AI 번역 모델을 준비 중이지만, AWS는 엔터프라이즈 인프라와의 결합을 무기로 내세우고 있습니다.

왜 중요한가

우리는 AWS가 대중의 시선을 끄는 별도의 독립형 챗봇 대신, 기업의 실제 결제와 연결된 B2B 인프라 파이프라인에 파운데이션 모델을 직접 주입한 방식을 매우 영리하다고 평가합니다.

글로벌 진출을 꾀하는 기업이나 다국어 고객센터를 운영하는 팀이라면 지금 즉시 테스트해 볼 가치가 충분합니다. 39개에서 100개로 확장된 언어 커버리지는 신흥 시장 고객 대응의 장벽을 크게 낮추며, 별도 모델을 구축할 필요 없이 기존 AWS 클라우드에서 바로 쓸 수 있다는 장점이 큽니다.

반면 Otter와 같은 서드파티 음성 AI 스타트업들에게는 상당한 압박이 될 것으로 보입니다. 클라우드 인프라 제공업체가 자체적으로 정확도를 최대 50%까지 올리고 사후 통화 요약까지 엔드투엔드로 묶어 제공하기 시작하면, 단순 전사 SaaS의 입지는 좁아질 수밖에 없습니다.

다만 실제 도입 시에는 고유한 산업 전문 용어나 현장 소음 속에서 일반 파운데이션 모델이 얼마나 일관된 안정성을 보여줄지 검증하는 과정이 필요해 보입니다.