롯데이노베이트와 아크릴 등 국내 AI 전문 기업의 연구 논문이 자연어처리 국제학술대회 ‘EMNLP 2026’에 채택됐다. 롯데이노베이트는 음성인식(STT), 아크릴은 추론 효율에 초점을 맞췄다.

29일 롯데이노베이트의 발표에 따르면, 채택 논문 제목은 ‘회의 요약 과정에서 사용자 맞춤형 용어집을 활용해 음성인식 오류 전문용어를 복원하는 조건과 요약 품질 평가 연구’다. 회의 요약 과정에서 사용자나 회의 맥락에 맞춘 용어집을 활용해 음성인식 오류로 훼손된 도메인 전문용어를 복원하는 방안을 다루고 있다.

기업 회의에는 산업·직무별 전문 용어를 비롯해 프로젝트명, 제품명, 조직명, 시스템명 등 업무와 밀접하게 연결된 고유명사가 자주 등장한다. 이러한 용어가 음성인식 과정에서 잘못 기록될 경우, 회의록과 요약문에서 핵심 정보가 왜곡 혹은 누락될 수 있다.

이에, 연구진은 회의 인식용으로 자체 학습·운영 중인 STT 모델을 별도로 재학습하지 않고, 회의·업무 맥락에 맞춘 용어집을 요약 프롬프트에 제공하는 방식을 연구했다. 회의별 전문용어 주석으로 용어집을 구성한 실험 결과, 회의 맥락에 맞춘 용어집이 넓은 범위의 도메인·통합 용어집보다 전문용어 복원에 더 효과적이었다. 

이번 연구 결과는 롯데이노베이트의 AI 플랫폼 ‘아이멤버 워크(Work)’의 기능 중 하나인 ‘AI 회의록’을 비롯한 기업용 AI 회의 요약 서비스의 핵심 경쟁력으로 이어질 수 있다는 설명이다. 논문 제1저자인 김기환 롯데이노베이트 AI 기술팀 담당자는 “이번 연구는 회의별 맥락을 반영한 용어 정보가 음성인식 오류로 인한 전문용어 훼손을 보완하는 데 어떤 역할을 할 수 있는지 살펴본 것”이라고 말했다.

아크릴의 채택 논문은 ‘제한된 토큰 예산에서 AI의 추론 진행도를 양방향으로 조절하는 기술’로, 대형언어모델(LLM)이 문제 난이도와 추론 진행 상태에 따라 얼마나 더 사고할지, 언제 답변을 마무리할지를 조절해 더욱 효율적으로 결론에 도달하는 방법을 제안한다.

핵심은 ‘패런팅LLM(ParentingLLM)이다. 추론 진행이 지나치게 빠를 경우 추가 검토를 유도하고, 토큰 사용량에 비해 결론 도달이 늦어지면 남은 추론을 정리하도록 한다. 단순히 추론 길이를 줄이는 것이 아니라, 문제와 진행 상태에 따라 AI가 ‘얼마나 더 생각할지’를 조절하는 양방향 추론 제어 방식이다.

연구진은 구글 젬마와 알리바바 큐원 계열 등 소형부터 대형까지 4개 모델을 대상으로 수학·과학 분야 고난도 추론 벤치마크 4종에서 성능을 검증했다. 1024토큰과 2048토큰을 적용한 8개 조건 모두에서 정확도가 향상했으며, 토큰 예산을 모두 사용하고도 답을 내지 못하는 ‘예산 초과’ 비율도 더욱 감소한 것으로 나타났다. 전체 평균 정확도는 3.7%p 높아졌고 예산 초과율은 5.5%p 낮아졌다.

특히, 아크릴은 해당 기술을 논문 작성 이전부터 자체 AI 인프라 플랫폼 ‘GPU베이스(GPUBASE)’의 LLM 추론 환경에 적용해 판매해 왔다. 앞으로는 이 기술을 피지컬 AI까지 적용할 계획이다. 현재 650억원 규모의 ‘협업지능 피지컬 AI 기반 소프트웨어(SW) 플랫폼 연구개발 생태계 조성’ 국가 연구개발 과제에서 조나단 PAI를 토대로 비전-언어-행동(VLA) 모델의 학습·추론·서빙과 이기종 로봇 실행 환경을 개발하고 있다.여기에 패런팅LLM의 추론 제어 기술을 연계한다는 전략이다.

아크릴 관계자는 “추론형·에이전트 AI가 확산될수록 같은 자원으로 얼마나 높은 품질의 판단을 만들어내느냐가 중요해지고 있다”라고 강조했다.

장세민 기자 semim99@aitimes.com