다양한 영어문장 교정 서비스와 번역 서비스
엔그램 괜찮은듯.
우리는 요즘 AI의 시대에 살고 있다.
이전까지는 AI가 세상을 바꿀 것이라는 문구가 미디어에 나오고 인스타그램에 카드뉴스 형식으로 나와도 위력을 실감하지 못했다.
AI가 자동화를 도와준다는데, 어떻게 도와준다는 건지. HR에도 AI를 도입해서 기존 프로세스에 혁신을 가져온다는데 그런 건 Harvard Business Review에나 올라오는 글이지, 대중들에게는 큰 영감을 가져다 주지는 못했다.
그러다 openai 가 만든 Dalle-E 부터 대중들이 관심을 가지기 시작하다가, 작년에 chatGPT라는 것이 나오면서 대중들에게 실질적으로 어마어마한 도움을 가져다 주면서 시골에 계시는 우리 부모님도 chatGPT라는 것을 들어보기 시작했다.
chatGPT로 할 수 있는 건 무궁무진하게 많다.
얼마전 올린 포스팅처럼, 아직 파이썬 실력이 초보인 나는 chatGPT를 이용해서 내 일을 줄여줄 수 있는 토이 프로그램을 만들고, 그 프로그램을 쉽게 실행시킬 수 있는 알프레드 워크 플로우도 만들 수 있다.
예전에는 vs code 실행하고, 그 결과물을 워드에 붙여서 특정 문구를 삭제하고, 그걸 다시 돌리고 그랬는데 이젠 chatGPT의 도움을 받아 버튼을 클릭하는 것 만으로도 예전과 동일한 결과물을 만들어 낼 수 있었다.
그렇다면 chatGPT가 만능일까?
chatGPT에 들어간 GPT 3.5나 GPT 4.0 만 해도 훌륭한 기능을 보여준다.
특히 바쁜 직장인들이 자신이 만든 영어 문장을 다시 써달라고 하면 찰떡같이 알아먹고 교정까지.
하지만 아직까지 chatGPT가 내가 질문한 형식에 따라서, 또는 같은 질문을 던져도 마음에 들지 않는 대답을 줄 때가 있다. chatGPT에게 질문하는 것을 promt라고 하고, 대형 LLM에게서 더 나은 결과를 얻어내기 위해서는 잘 물어보는 것이 더 중요하다고 한다.
만약 python을 모른다면, 그래도 chatGPT에 잘 쓴 프롬프트를 활용해서 최적의 영어 교정 결과를 받고 싶다면? 이미 비슷한 서비스를 제공하는 곳을 보고 비교해보고 잘 활용하면 되지 않을까?
일단 우리에게 잘 알려진 문법 교정 서비스는 Grammarly와 최근 주위의 지인들이 추천해주고 있는 엔그램이 있고, 그 다음엔 번역으로 유명한 파파고나 DeepL이 있다.
Grammarly는 수업을 듣는 사람들이 이 서비스의 평가를 부탁한다는 말이 있어서, 잠깐 써봤고, 파파고는 api를 이용해서 영문 기사의 요약본을 사용하는데 써보았다. DeepL은 엔그램과 함께 가장 자주 이용하는 프로그램이기도 하다.
어떻게 이용하면 될까?
영한 번역의 관점에서 생각해볼 수 있다. 내가 직접 국문 콘텐츠를 영문 콘텐츠로 바꾸는게 가장 좋지만 급박한 직장 생활에서 갑자기 상사의 변덕으로 많은 양의 장표를 영어로 바꿔야 한다면 영문 번역이 유용할 수 밖에 없다
일단 파파고와 DeepL을 같은 선상에 두면 개인적으로는 DeepL의 성능이 파파고보다 뛰어나다고 말할 수 있다.
네이버가 분명 한국어 데이터셋과 파라메터가 더 많을텐데도, DeepL의 번역이 더 자연스러운 경우가 많다. 파파고의 경우는 많이 발전했지만 아직 기계가 번역한 느낌, 특히 영문 문장이 여러 절로 이루어진 복문이면서 전치사구가 많을 때, 아직 전치사의 적용이 덜 자유롭다는(의역)이 덜 된 느낌이라면, DeepL은 맥락 위주의 방식을 선택한 것인지 모르지만 의역의 강도는 높아졌지만, 글을 읽는데는 무리없이 읽힌다.
시간이 급박한 상황에서 영어 읽기가 아직 편하지 않다면, DeepL이 파파고보다 더 나은 선택이라고 할 수 있을 것이다.
하지만 우리가 계속 위의 두 프로그램을 이용해서 내가 쓴 국문을 영문으로 바꿔달라고 할 수는 없을 것이다.
특히, 외국계 기업에서 일하거나, 미국 혹은 외국에서 영어가 기본적 커뮤니케이션 툴일 경우, 우리는 자신의 작문 실력을 높이는 수 밖에 없다.
가장 좋은 건 일정 수준의 교육을 받은 원어민 튜터에게 지속적으로 나의 작문을 교정받고 피드백을 받으면서 자신의 영문 글쓰기 실력을 늘리는 것이다. 물론 이걸 가능하게 하기 위해선 현실적으로는 많은 비용, 그리고 내가 원할 때 바로 튜터에게 물어볼 수 없다는 점이 제약이 될 수 있다.
그래서 대안으로 사람들이 가장 많이 선택하는 것이 Grammarly 같은 문법 교정 서비스였고, 지금도 아마 가장 많은 사람들이 쓰는 것이 Grammarly일 것이다.
강의를 듣는 사람 중 한 분이 자신이 Grammarly를 쓰는데 과연 이 서비스를 지속적으로 써도 되는지 궁금하다가 내가 한 번 써주고 평가해주면 좋겠다고 하면서 한 달 동안 프리미엄 서비스를 등록시켜 주셨다.
한달동안 내가 그 분의 라이팅을 직접 교정하고, 또한 그 분의 라이팅을 Grammarly를 통해 교정하면서 찾은 점 중 하나는 한국 직장인들이 자주 쓰는 용어의 비즈니스 맥락, 보고서에 들어가는 맥락을 약간은 아쉬움 남게 교정해준다는 점이었다.
지극히 한국 기업의 보고서를 영문으로 작성해서 보내야 할 때, 그래머리를 사용하기 보다는 나에게 물어보라고 하고, 아니면 나의 노션 페이지에 있는 database를 활용해달라고 말하고 있다.
그러던 와중 강의를 듣는 다른 한 분이 다시 나에게 하나의 서비스를 잘 봐달라고 부탁했다. 자신도 지인에게 추천받아서 써보고 있는데 혹시 내가 써보고도 괜찮다면 지속적으로 이 서비스를 써보고 싶다라는 것이었다.
엔그램이라는 서비스인데 기본적으로 Grammarly와 비슷한 문법 교정 서비스였다. 그 분에게 뭐가 다르냐고 물어보니, 자신도 써보니 한국 사람들이 자주 틀리는 표현과 이상한 뉘앙스를 잘 잡아준다는 것이었다.
그래서 나도 엔그램을 가입하고 사용을 했을 시, 두 개의 서비스를 동시에 비교해보았다.
모든 문장을 비교할 수는 없었고, 샘플 문장을 비교해서 보면
Grammarly
Engram엔그램 쪽이 더 나았다.
특히 한국 사람들의 초중급 레벨에서 가장 많이 사용하는 'of' 를 배제하고 다른 방식으로 어떻게 사용할 수 있는지 보여주는 쪽이 인상깊었다.
초중급에서는 문장의 주어 목적어가 거의 명사구로 도배되어 있고, 그 명사구 역시 A of B of C 이런 식의 배열형태가 가장 많은데 이걸 어떻게 자연스럽게 풀어주는지 예시를 잘 보여주는 것이 중요한데, 그럼 엔그램은 어떻게 더 자연스러운 문장을 배치시켜줄 수 있었을까?
호기심에 서비스를 뒤적여 보았다.
이 블로그 포스팅에 나온 것처럼, 이 서비스는 프롬프트 엔지니어링을 통해 자신들의 알고리즘을 개선시켜 GPT 모델과 접목시켜 서비스를 제공하고 있었던 것이다.
chatGPT의 성능에 대해서는 나도 크게 불만은 없지만, 같은 프롬프트로 질문을 해도 다르게 대답하는 경우가 많고, 동일한 품질의 답변을 주지 않는 상황이 왕왕 생긴다. GPT-4를 사용해도!
앤드류 응 교수가 사람들을 위한 prompt engineering 강의를 이미 만들었지만 언제 이 프롬프트 엔지니어링 강의를 다 듣고 활용해야 할지 답답한 상황에서-유데미에 쌓여있는 나의 python 강의 목록을 생각하면 자연스러운 걱정이다- 이미 개선된 서비스를 사용하는 것이 더 유리할 것이다.
그런데 블로그를 읽어보다가 한 가지 의문점이 드는 부분이 있었다.
자신들의 서비스가 그래머리보다 뛰어나다는 결과를 올렸는데, 솔직히 어떤 방식으로 진행했는지 알 수 없어서 해당 서비스 대표 메일로 문의를 해보았다. 무슨 기준인지 적혀지 있지 않아서...
다음과 같은 답변을 얻었는데
돌아온 답변에 의하면 자신들의 문장과 그래머리의 문장을 일종의 focus group interview 형식으로 정성 평가를 진행한 결과였다. 정량적인 평가에 의한 결과였다면 더 좋겠지만, 지속적으로 자신들의 서비스를 개선하기 위한 노력을 게을리 하지 않는 사이트라는 걸 알 수 있어서 당분간은 엔그램을 나의 강의에 접목해보고자 한다.
