아티클
Prompt의 언어가 어느 평행우주의 학습 데이터와 대화할지를 결정한다
Token을 아끼려고 Prompt를 영어로 번역하는 일은 이제 그만하세요! 영어로 번역할수록 AI는 왜 "給到"와 "質量"이라고 답할까요? 이 글은 ACL 언어 모델 연구와 실전 경험을 바탕으로, "전문 용어는 원문 유지 + 모국어로 설명 + 지역 앵커 명시"가 왔다 갔다 하며 고치는 비용을 줄이는 최적의 방법인 이유를 풀어 설명합니다.
· 8분 분량
Prompt를 영어로 번역하는 일은 그만두세요: Token을 아끼려 할수록 AI가 "給到"와 "質量"이라고 답하는 이유는?
TL;DR (핵심 결론)
Prompt를 작성하는 모범 공식은 "전문 용어는 영어 원문 유지 + 요구 사항의 맥락은 대상 독자의 모국어로 작성 + 지역과 독자 앵커를 명확히 연결"입니다. 매번 100% 가장 자연스러운 문장이 나온다고 보장하지는 않지만, 한 번에 맞힐 확률을 크게 높여 말투와 용어를 반복해서 고치는 마찰 비용을 줄여 줍니다.
많은 엔지니어와 AI 헤비 유저에게는 습관이 하나 있습니다. Token을 조금 아끼려고, 혹은 "영어로 물어야 AI의 논리가 더 좋다"는 말을 듣고, Prompt를 보내기 전에 번역 도구로 요구 사항을 영어로 바꾼 다음 마지막에 Please reply in Traditional Chinese를 덧붙이는 것입니다.
결과는 어떨까요? Token 몇 푼은 아꼈지만, 돌아오는 것은 "這個方案能給到你很好的體驗", "如何優化代碼質量" 같은 문장이 가득한 답변입니다. 결국 10분을 들여 이 단어들을 대만에서 쓰는 표현으로 직접 고쳐야 합니다.
어떤 언어로 질문하느냐가 AI가 어떤 사람들의 말뭉치에서 답을 찾을지를 결정합니다.
1. 실제로 겪은 함정 사례: AI는 왜 늘 "給到"라고 쓸까?#
얼마 전 AI에게 정보 요약을 정리해 달라고 하면서 출력은 번체 중국어로 요청했습니다. AI가 내놓은 내용의 논리는 문제가 없었지만, 안에 "給到…" 같은 문형이 나왔습니다.
"給到"는 전형적인 중국 대륙의 직장 용어로, 대만 사람은 일상 대화에서 거의 이렇게 말하지 않습니다.
문제는 AI가 중국어를 이해하지 못해서가 아니라, "언어는 지역과 같지 않고, 번체 중국어도 대만과 같지 않다"는 데 있습니다.
대규모 언어 모델(LLM)의 학습 말뭉치에서는 간체 중국어의 데이터양이 번체 중국어보다 훨씬 많습니다. 영어로만 지시하고 Traditional Chinese를 요구하면, 모델은 데이터양이 가장 많은 중국어 표현(대부분 중국 대륙에서 온 것)을 그대로 가져다 쓰고 글자꼴만 번체로 바꿔 출력하기 쉽습니다.
모국어로 Prompt를 쓰는 것은 AI를 현지화 방향으로 끌어당길 뿐입니다. "지역"과 "독자"를 분명히 말해야 맥락의 마지막 간극을 메울 수 있습니다.
2. 질문 언어는 왜 AI의 답을 직접 바꿀까?#
이것은 미신이 아니라 언어 모델의 밑바닥 동작 방식에서 나오는 필연적인 결과입니다. 기술과 연구 관점에서 보면 핵심 이유가 세 가지 있습니다.
1. AI의 바탕은 "조건부 확률과 다음 글자 예측"#
같은 일이라도 언어 공동체가 다르면 접근 방식, 관용구, 가치관이 완전히 다릅니다. 이런 차이는 모두 학습 데이터의 가중치 속에 압축되어 있습니다. 영어로 질문하면 모델은 영어권 말뭉치를 따라 이어 가고, 대만에서 쓰는 번체 중국어 어휘로 질문해야 비로소 대만 맥락의 확률 분포에 닿기 쉬워집니다.
2. 학술 연구로 확인: 질문 언어가 해당 문화 정렬(Cultural Alignment)을 일으킨다#
2024년 ACL에 발표된 연구(AlKhamissi et al., 2024, arXiv:2402.13231)는 이집트와 미국의 사회 조사를 시뮬레이션했습니다. 연구팀은 어떤 문화의 주요 언어로 질문하면 LLM의 답변 분포가 현지 실제 사람들의 조사 결과에 유의미하게 더 가까워진다는 것을 발견했습니다. 또한 대표성이 낮은 집단일수록, 주제가 민감할수록 모델의 편향이 더 커진다는 것도 밝혔습니다.
3. 언어와 어휘 선택은 AI가 "당신이 누구인지" 판단하는 주된 단서#
AI는 당신을 알지 못합니다. 복잡한 개인 메모리(Memory)를 불러오지 않은 상태에서는 당신이 쓰는 언어, 섞어 쓰는 전문 용어, 심지어 문장 부호 습관까지 모두 모델이 "질문자의 배경"과 "기대되는 출력 수준"을 추론하는 암묵적인 단서가 됩니다.
3. 언어만이 아니라 "말투"도 Prompt의 일부#
올바른 언어를 고르는 것 외에, 모국어에서 보여 주는 "공손함의 정도"도 모델의 성능에 영향을 줍니다.
영어, 중국어, 일본어 Prompt를 대상으로 한 또 다른 다국어 연구(Yin et al., 2024, arXiv:2402.14531)는 AI에게 너무 무례하거나 예의 없이 대하면 보통 생성 품질이 떨어지지만, 지나치게 공손하거나 빙빙 돌려 말한다고 해서 성능이 더 좋아진다는 보장도 없다고 지적합니다. 더 중요한 것은 모든 언어에 그에 맞는 "최적의 공손함 정도(Sweet Spot)", 즉 딱 알맞은 황금 균형점이 있고 그것이 언어마다 다르다는 점입니다.
가장 익숙한 모국어로 쓰면 말투의 수위(예: "말투는 직설적으로, 마케팅식 군더더기는 빼고")를 정확히 조절할 수 있고, 어색한 영어 번역 속에서 말투와 문체에 대한 통제력을 잃는 일을 피할 수 있습니다.
4. 중국어 vs. 영어 Prompt 의사결정 매트릭스 (언제 영어를 써야 할까?)#
모국어의 중요성을 강조하는 것이 영어를 완전히 버리라는 뜻은 아닙니다.
Input Token이 극도로 저렴한 오늘날 "Token 절약"은 이미 가짜 문제이고, 진짜 비용은 "오가는 소통과 사람 손으로 고치는 마찰 비용"입니다. 핵심은 중국어냐 영어냐가 아니라, 지금 추구하는 것이 "현지화된 맥락"인지 "순수한 기술적 정확성"인지입니다.
다음 의사결정 표를 바로 참고하세요.
| 작업 시나리오 |
권장 작성 언어 |
핵심 이유와 전략 |
| 현지화 콘텐츠 제작 (블로그, 마케팅 카피, 제품 UI 문구, 고객 메일) |
모국어 설명 + 영어 용어 + 지역 앵커 |
번역투와 대만식이 아닌 표현(예: 視頻, 質量, 給到)을 피하고 대만 독자의 맥락으로 곧바로 들어간다. |
| 국가 간 다국어 번역 (예: 중국어에서 태국어로, 다국어 사이트 현지화) |
모국어 지시 + 대상 지역과 역할을 명확히 지정 |
영어를 중간 언어(Pivot Language)로 거치며 생기는 이중 의미 손실을 피한다. |
| 순수 코드 생성과 Debug (시스템 아키텍처, 알고리즘, 디버깅) |
중국어·영어 모두 가능 (권장: 모국어 논리 + 영어 용어와 Error Log) |
기술 키워드(API, PR, Deployment)와 공식 문서는 원래 영어이므로 원문을 유지해야 가장 정확한 기술적 가중치에 맞출 수 있다. |
| 최신 해외 기술 문서 / 학술 논문 검색 |
영어 위주 |
원자료가 대부분 영어이므로 영어 키워드로 직접 검색(RAG / Search)할 때 재현율이 가장 높다. |
5. 실전 Checklist: 한 번에 정확한 답을 얻는 5가지 점검 사항#
다음에 고품질 중국어 출력이 필요한 Prompt를 쓸 때는 더 이상 번역 소프트웨어를 열지 마세요. 이 목록을 그대로 적용하세요.
실전 Prompt 예시 비교#
❌ 잘못된 예 (영어 맹신 + 조건 모호):
Write a blog post about prompt language selection in Traditional Chinese. Make it professional.
✅ 올바른 예 (모국어 맥락 + 용어는 원문 유지 + 지역과 독자 앵커):
대만에서 쓰는 번체 중국어로, 대만 엔지니어가 읽을 기술 관점 글을 써 주세요. 주제는 "Prompt의 질문 언어 선택"입니다.
요구 사항:
1. 전문 용어(예: Token, Prompt, Context, API)는 영어 원문을 유지하고 일부러 번역하지 않는다.
2. 말투는 직설적이고 객관적으로, 결론과 실행 가능한 목록을 바로 제시하고 교과서 말투나 마케팅식 빈말은 쓰지 않는다.
3. 대만 현지 용어를 엄격히 사용하고 "給到、質量、視頻、代碼" 등의 단어가 나오지 않게 한다.
자주 묻는 질문 (FAQ)#
Q1: 중국어로 Prompt를 쓰면 Token을 더 많이 쓰고 속도도 더 느리지 않나요?#
같은 내용을 중국어로 쓰면 Token 수가 보통 영어보다 조금 많아지지만, Input Token 가격은 매우 낮습니다. 아끼는 약간의 Token 비용보다, 맥락이 틀려서 "다시 생성"하거나 사람이 원고를 고치느라 낭비하는 시간 비용이 가장 비싼 숨은 지출입니다.
Q2: AI에게 이미 "번체 중국어(Traditional Chinese)"를 쓰라고 요구했는데도 왜 중국 대륙 표현이 나오나요?#
모델에게 Traditional Chinese는 흔히 "문자 인코딩과 글자꼴(Script)"만 뜻할 뿐 "지역 문화(Locale)"를 뜻하지 않기 때문입니다. 홍콩·마카오, 대만, 그리고 간체에서 번체로 변환한 말뭉치는 모두 번체 중국어에 속합니다. "대만 용어(zh-TW)"와 "대상 독자(예: 대만 엔지니어)"를 명확히 지정해야 모델의 어휘 선택을 올바르게 좁힐 수 있습니다.
현지화된 답변을 원한다면 현지 언어로 묻고, 지역을 분명히 말하세요.
이 논리는 일상적인 질의응답뿐 아니라 국가 간 제품 현지화의 핵심 기반이기도 합니다. 다음 글에서는 이 개념을 곧바로 실전 엔지니어링으로 확장합니다. "사이트가 22개 언어를 지원할 때, AI가 진짜 자연스러운 현지화 번역을 자동으로 내놓게 하려면?"