ChatGPT가 용어집 단어를 잊어버리는 이유
모든 세션은 용어집 없이 시작됩니다
여러분의 용어 관리 시스템과 채팅창 사이에는 아무런 연결 통로가 없습니다. 각 대화는 일반적인 언어만 알고 승인된 용어에 대해서는 아무것도 모르는 모델과 함께 시작되므로, 용어집은 직접 들고 다녀야 하는 짐이 됩니다. 4개 언어로 작업하는 6명의 현지화 팀이 이 작업을 수행하면, 동일한 목록이 매주 수십 번씩 붙여넣어지며, 그 과정에서 최신 상태가 조금씩 어긋나게 됩니다.
용어집(Glossary)은 용어 데이터베이스(Termbase)가 아니며, 그 차이가 핵심입니다
용어집(glossary)은 승인된 원문 용어와 번역문을 쌍으로 묶은 단순한 목록입니다. 반면 용어 데이터베이스(termbase)는 품사, 문법적 성별, 사용 맥락, 규제 상태, 승인 날짜 등 모든 항목에 메타데이터를 추가한 구조화된 데이터베이스입니다. 이 메타데이터가 바로 용어를 실제로 사용할 수 있게 만드는 요소입니다. 번역가는 이를 통해 Arbeitsbereich가 남성 명사라는 것, 이 용어가 단순한 선호도가 아닌 규제된 문구라는 것, 그리고 마지막 법률 검토 이후에 승인된 항목이라는 것을 알 수 있습니다.
채팅창에 용어집을 붙여넣을 때 여러분이 전달하는 것은 기껏해야 이 단순한 표 레이어뿐입니다. 모델은 두 개의 열을 받아 나머지를 추론하며, 바로 이 지점에서 오류가 발생합니다.
맥락에 맞는지 확인하지 않고 용어가 적용됩니다
이것은 실무자들이 가장 자주 보고하는 실패 사례이며, 직관에 반하는 현상입니다. 모델에 용어집을 제공하면 오히려 일부 결과물이 더 나빠질 수 있습니다. 특히 용어집에 다소 일반적인 단어가 포함되어 있을 때, 맥락상 해당 용어가 항상 올바른 것은 아닙니다. 모델은 용어집에서 단어를 한 번 보고 나면, 의미가 일치하는지 여부와 관계없이 그 단어가 나타나는 모든 곳에 해당 번역을 적용하려는 경향이 있습니다. UI 레이블용으로 승인된 용어가 전혀 다른 의미를 갖는 법률 문단 내부에서 사용되는 식입니다.
용어 데이터베이스의 사용 맥락 필드는 바로 이러한 상황을 방지하기 위해 존재합니다. 단순히 붙여넣은 두 열짜리 목록으로는 이를 방지할 수 없습니다.
검토자의 수정 사항이 누적되지 않습니다
언어 검토자는 매주 동일한 세 가지 오류를 수정합니다. 채팅 워크플로우에서 이러한 수정 사항은 문서에 반영된 채 그대로 묻혀버립니다. 오류를 생성한 모델은 수정된 기억이 없기 때문에 다음 파일에서도 동일한 오류를 만들어냅니다. 한편, 용어집의 품질도 반대 방향으로 저하됩니다. 아무도 적극적으로 검토하고 유지 관리하지 않는 용어 데이터베이스는 AI 사용 여부와 관계없이 퇴화하기 마련입니다.
현지화 팀이 시도하는 방법들
모든 프롬프트에 용어집 붙여넣기. 보편적인 방법이며 세션 내에서는 작동합니다. 하지만 요청할 때마다 토큰 비용이 발생하고, 용어 데이터베이스가 수천 개에 달하면 한계에 부딪히며, 누군가 채팅방에 공유한 오래된 복사본을 계속 사용하면서 조용히 낡은 정보가 되어버립니다.
용어집을 지식 파일로 탑재한 맞춤형 GPT(Custom GPT). 확실한 개선책입니다. 매번 붙여넣지 않아도 용어가 유지됩니다. 하지만 이는 정적인 스냅샷이므로 용어가 변경될 때마다 누군가 다시 업로드해야 하며, 여전히 메타데이터가 아닌 단순한 목록만 전달하게 됩니다.
맞춤형 지침(Custom instructions). 몇 가지 중요한 용어와 어조 규칙을 설정하는 데는 유용합니다. 하지만 용어 데이터베이스를 담아둘 곳은 아닙니다.
용어집 강제 기능이 있는 CAT 툴 또는 TMS. 이것이 전문적인 해결책이며, 명확히 짚고 넘어가야 합니다. 컴퓨터 지원 번역(CAT) 툴은 승인된 용어 데이터베이스를 저장하고 이를 강제하며, 일탈을 표시하는 QA 검사를 제공합니다. 이는 어떤 프롬프트가 제공하는 보장보다 차원이 다릅니다. 이제 플랫폼들은 모델에게 정중하게 부탁하는 대신 LLM 출력에 결정론적인 용어 제약을 적용하도록 특별히 설계된 용어집 지원 기능을 제공합니다. 처리량이 충분하다면 이를 사용하는 것이 좋습니다.
용어 데이터베이스 기반 검색(Retrieval). 붙여넣기보다 커버리지가 넓고 확장성이 좋습니다. 하지만 검색은 쿼리와 유사한 항목을 반환할 뿐입니다. 어떤 항목이 현재 승인되었는지, 또는 지난번 항목이 왜 거부되었는지는 알지 못합니다. 이것이 바로 검색만으로는 메모리가 될 수 없는 이유입니다.
해결책: ChatGPT에 영구적인 용어 메모리 제공하기
TMS 외부에서 일어나는 작업들(원문 초안 작성, 마케팅 텍스트 각색, "이걸 어떻게 표현하지"라는 질문에 대한 답변, 프리랜서 브리핑, 번역 파이프라인에 도달하기 전 UI 문자열 작성 등)의 경우, 실질적인 해결책은 용어집을 직접 들고 다니는 것을 멈추고 모델이 읽을 수 있는 레이어에 배치하는 것입니다.
MemoryLake는 정확히 이러한 형태의 메모리 레이어입니다. 특정 AI 도구에 종속되지 않고 외부에서 존재하며 MCP 또는 API를 통해 접근할 수 있으므로, 팀이 어떤 어시스턴트를 사용하든 동일한 용어 메모리를 제공할 수 있습니다.
1단계: API 키 생성
키를 생성하고 약 30초 만에 첫 번째 요청을 완료하세요.
2단계: 첫 번째 메모리 업로드
실제 언어 규칙을 지배하는 용어 자산을 로드하세요. 메타데이터가 그대로 보존된 용어 데이터베이스 내보내기 파일, 스타일 가이드, 번역 제외 목록, 브랜드 및 제품 명명 규칙, 로케일별 관례, 그리고 후보 용어가 거부된 이유를 기록한 검토자 결정 로그 등이 포함됩니다. 문서, 이미지 및 기타 파일이 모두 같은 위치로 이동하므로, PDF 스타일 가이드나 승인된 UI 문자열의 스크린샷도 스프레드시트만큼 유용하게 사용할 수 있습니다.
3단계: AI 및 에이전트 연결
Claude, Codex, OpenClaw 및 기타 에이전트에 MCP를 통해 액세스 권한을 부여하세요. 자체 MCP 클라이언트가 없는 일반 사용자용 ChatGPT의 경우, API를 통해 관련 용어를 검색하여 초안 작성 프롬프트에 주입하거나, 콘텐츠 팀이 이미 사용 중인 내부 도구에서 해당 검색을 자동으로 수행하도록 설정하여 작성자가 용어에 대해 신경 쓰지 않도록 할 수 있습니다.
기억해야 할 두 가지 경계. 첫째, 메모리 레이어는 용어를 사용 가능하고 일관되게 만들 뿐, 이를 강제하지는 않습니다. 일탈 검사, 언어 검토 및 최종 승인은 여전히 QA 프로세스와 TMS의 몫이며, 규제 대상 콘텐츠(의료, 법률, 금융, 안전 등)의 경우 모델이 아닌 승인 워크플로우가 지배합니다. 둘째, 용어와 함께 메타데이터를 유지하세요. 단순한 두 열짜리 목록을 메모리에 전송하면 해결하려는 맥락 문제가 다시 발생합니다. 사용 맥락과 상태 필드가 바로 용어가 부적절한 곳에 사용되는 것을 막아주는 핵심 요소입니다.
실무에서 일어나는 변화
눈에 보이는 가장 큰 절약은 '붙여넣기'가 사라진다는 점입니다. 4개 로케일에서 콘텐츠를 작성하고 각색하는 6명의 팀은 현재 매 세션마다 용어를 다시 설정하기 위해 하루에도 몇 번씩 몇 분씩 시간을 허비하고 있으며, 각자 가지고 있는 용어집 복사본을 무작위로 사용하고 있습니다. 이를 제거하면 시간 낭비와 버전 불일치 문제를 동시에 해결할 수 있습니다.
더 큰 효과는 검토 루프에서 나타납니다. 검토자의 결정이 초안 작성 도구가 읽는 동일한 메모리에 상주하면, 한 번 수정된 사항이 매번 다시 논쟁거리가 되는 대신 이후의 결과물에 반영되기 시작합니다. 그것이 바로 퇴화하는 용어집과 복리로 성장하는 용어집의 차이이며, AI 지원 현지화에 대한 품질 불만의 대부분을 해결하는 메커니즘입니다.
최신성 측면에서도 강력한 이점이 있습니다. 가장 치명적인 용어 오류는 일관되지 않은 동의어 사용이 아닙니다. 지난 분기에는 맞았지만 규제상의 이유로 대체된 용어를 사용하는 것입니다. 한 곳에서 업데이트되는 단일 용어 메모리 소스는 누군가 알아차리기도 전에 이러한 오류가 4개 언어로 확산되는 것을 방지합니다.
AI 지원 용어 관리를 위한 모범 사례
모든 용어에 사용 맥락을 함께 유지하세요
항목이 단순히 원문 → 번역문으로만 전달된다면 잘못 적용될 가능성이 높습니다. 품사, 사용 맥락, 상태, 승인 날짜를 함께 전달하세요. 메타데이터는 번거로운 행정 절차가 아닙니다. 모델에게 해당 용어를 사용하지 말아야 할 때를 알려주는 지침입니다.
승인된 용어뿐만 아니라 거부된 용어도 기록하세요
"'dashboard'는 읽기 전용 보고를 의미하므로 이 화면에는 사용하지 않습니다"와 같은 기록은 불필요한 논쟁과 잘못된 번역을 방지합니다. 승인된 용어는 모델에게 무엇을 말해야 하는지 알려주고, 거부된 후보와 그 이유는 무엇을 피해야 하는지 알려줍니다. 후자는 거의 아무도 저장하지 않는 절반의 정보입니다.
초안 작성은 모델에게 맡기고, 강제는 파이프라인이 하도록 하세요
가장 이상적인 역할 분담은 초안 작성, 각색, 용어 질문에는 일반 어시스턴트를 사용하고, 결정론적인 강제 및 QA는 원래 있어야 할 곳(CAT 툴, TMS, 검토자의 손)에 유지하는 것입니다. 영구 메모리는 초안을 개선할 뿐, 검증을 대체하지는 않습니다. 동일한 역할 분담이 유창함보다 일관성이 더 중요한 브랜드 가이드라인 및 글쓰기 스타일에도 적용됩니다.
결론
ChatGPT가 용어집 단어를 잊어버리는 이유는 애초에 가지고 있지 않았기 때문입니다. 어떤 세션도 여러분의 용어 데이터베이스를 상속받지 않으며, 붙여넣은 목록은 실제 용어의 단순한 표 레이어만 전달할 뿐입니다. 결국 용어는 의미가 맞는 곳이 아니라 단어가 나타나는 모든 곳에 적용됩니다. 검토자의 수정 사항은 문서 속으로 사라지고, 용어집은 양방향으로 조용히 퇴화합니다.
맞춤형 GPT와 붙여넣은 목록은 큐레이션 비용을 대가로 증상을 임시방편으로 해결할 뿐입니다. 전문적인 강제 적용은 CAT 툴이나 TMS의 영역이며, 처리량이 충분하다면 그것이 올바른 투자입니다. 파이프라인 이전과 그 주변에서 일어나는 모든 작업의 경우, 지속 가능한 해결책은 메타데이터, 거부 이력, 검토 내역이 온전히 보존된 용어의 보금자리를 채팅 외부 영역에 마련하는 것입니다. 그래야 이번 달의 11번째 초안이 일반적인 언어가 아닌 승인된 문구에서 시작될 수 있습니다. 만약 여러분의 팀이 매일 동일한 참조 파일을 다시 업로드하고 있다면, 그 습관 역시 해결할 방법이 있습니다.