AI 문서 대량 번역 자동화 2026 — 다국어 파일, 한 번에 처리하는 법

문서 100개를 손으로 번역하다 지치셨죠

해외 지사에 보낼 매뉴얼이 수십 개, 다국어로 바꿔야 할 제품 설명이 산더미인데, 하나씩 번역기에 붙여넣고 복사하고 저장하다 보면 하루가 통째로 날아가시죠? 저도 그 반복에 질려서 자동화를 파기 시작했어요.

결론부터 말하면, 폴더에 파일을 넣으면 번역돼 나오게 만드는 게 답이에요. 흐름은 이래요. 지정한 폴더를 감시하다가 → 파일이 들어오면 번역 엔진을 호출하고 → 용어집을 적용해 → 결과를 저장하고 → 알림을 보내요. 여기서 사람이 하는 일은 파일을 떨궈 넣고, 마지막에 검수하는 것뿐이에요. 다만 대량이라고 다 기계에 맡기면 안 돼요. 어디까지 자동으로 하고 어디부터 사람이 봐야 하는지, 그 선까지 같이 정리할게요.

자동 번역과 '번역기 돌리기'는 뭐가 다를까

번역기에 붙여넣기는 파일 하나당 열기·복사·붙여넣기·저장을 매번 손으로 해요. 문서가 5개면 이게 더 빠를 수도 있어요. 하지만 매주 수십 개씩 반복되면 얘기가 달라져요.

자동화의 이점은 세 가지예요. 첫째, 반복 제거. 파일을 폴더에 넣는 것 말고는 손댈 게 없어요. 둘째, 용어 일관성. 같은 제품명이 파일마다 다르게 번역되는 사고를 막아줘요. 셋째, 추적 가능. 어떤 파일이 언제 번역됐는지 기록이 남아 관리가 편해요.

정리하면, 자동화는 '번역을 더 잘하는 것'이 아니라 '번역을 반복하지 않는 것'이에요. 품질은 엔진과 용어집이, 속도와 반복 제거는 워크플로우가 담당하는 구조예요.

번역 엔진 고르기 — DeepL·구글·파파고·LLM

자동화의 심장은 번역 엔진이에요. 문서 성격에 따라 고르면 돼요.

실무에선 하나만 고르지 않아요. 대량·정형 문서는 DeepL이나 구글로 싸게 돌리고, 뉘앙스가 중요한 일부만 LLM으로 다듬는 식으로 섞어 써요. 엔진별 실제 번역 품질을 더 자세히 비교한 내용은 DeepL·파파고·ChatGPT 번역기 비교에 정리해 뒀으니, 내 문서에 뭐가 맞을지 감이 안 잡히면 먼저 보고 오세요.

자동화 뼈대 만들기 — Make·n8n로 4단계

엔진을 골랐으면 뼈대를 세울 차례예요. 코딩 없이 Make, Zapier, n8n 같은 노코드 도구로 만들 수 있어요. 최소 흐름은 4단계예요.

1. 트리거(감지): 구글 드라이브나 특정 폴더를 감시하다가 새 파일이 올라오면 시작.
2. 번역 호출: 파일에서 텍스트를 뽑아 번역 API로 보내기. 이때 용어집 연결.
3. 저장: 번역 결과를 지정한 폴더나 스프레드시트에 저장하기.
4. 알림: 슬랙이나 이메일로 "번역 완료" 통지하기.

처음부터 4단계를 다 만들려 하지 말고, 1~3단계로 파일 하나가 번역돼 저장되는 것부터 확인하세요. 그다음 알림과 조건을 붙이면 돼요. 어떤 플랫폼이 나에게 맞는지는 Zapier·Make·n8n 3종 비교에서 고르면 되고, 데이터를 외부에 안 보내고 직접 서버에서 돌리고 싶다면 n8n 무료 셀프호스팅이 대안이에요.

용어집으로 일관성 잡기

자동 번역에서 품질이 들쭉날쭉해지는 가장 흔한 원인은 '같은 단어가 파일마다 다르게 번역되는 것'이에요. 이걸 잡아주는 게 용어집(글로서리)이에요.

방법은 간단해요. 브랜드명, 제품명, 전문용어를 '원문-번역' 쌍으로 표에 정리해 등록하면 돼요. 예를 들어 제품명 '스마트케어'는 항상 'SmartCare'로, '보증 기간'은 항상 'warranty period'로 고정하는 식이죠. DeepL은 glossary, 구글은 glossaryConfig로 CSV나 TSV 파일을 올릴 수 있어요.

용어집을 워크플로우에 연결해두면, 어떤 파일을 번역하든 핵심 단어가 항상 같은 말로 나와요. 나중에 손보는 시간이 확 줄고, 여러 사람이 함께 작업해도 톤이 통일돼요. 용어집은 한 번 만들어두면 계속 재사용하니, 초기 투자 대비 효과가 제일 큰 작업이에요.

비용 대략 계산 — 100만 자에 얼마

자동화를 켜두면 번역량만큼 비용이 나가니, 감을 잡아두는 게 좋아요. 2026년 7월 기준 대략적인 수준이에요.

숫자에서 보이듯, 정형 문서를 저렴한 엔진으로 대량 처리하고 뉘앙스가 중요한 일부만 LLM에 맡기는 조합이 비용 대비 효율이 좋아요. 무료 구간을 잘 쓰면 소량 업무는 사실상 공짜로도 돌아가고요. 단, 요금 정책은 자주 바뀌니 도입 전에 각 서비스 공식 페이지에서 최신 단가를 꼭 확인하세요. 번역 품질을 높여 재작업 비용을 줄이는 프롬프트 요령은 번역 정확도 높이는 프롬프트에 따로 정리했어요.

자동화 전 체크리스트

폴더 자동화를 켜기 전에 이 다섯 개를 점검하면 사고를 막을 수 있어요.

• 번역할 문서에 기밀·개인정보가 섞여 있지 않나요?
• 브랜드·전문용어 용어집을 만들어 연결했나요?
• 무료 구간과 예상 비용 상한을 확인했나요?
• 번역 결과가 저장될 폴더 구조를 정해뒀나요?
• 중요 문서는 사람 검수 단계를 거치도록 막아뒀나요?

특히 첫 번째와 마지막이 중요해요. 계약서나 고객 정보가 담긴 문서를 검토 없이 외부 API로 흘려보내면 곤란한 상황이 생길 수 있거든요. 기밀 문서는 자동화 대상에서 빼거나, 직접 서버에서 돌리는 구성을 택하세요.

사람 검수는 왜 남겨야 하나

자동 번역은 초안까지예요. 마지막 한 걸음, 사람 검수를 없애면 안 돼요.

이유는 두 가지예요. 첫째, 한국어의 특성. 존댓말, 주어 생략, 조사 같은 요소 때문에 기계 번역이 어색해지기 쉬워요. 특히 외국어를 한국어로 옮길 때 존댓말 수위가 문서 성격과 안 맞는 경우가 잦아요. 둘째, 중요 문서의 위험. 계약서·법률·의료 문서는 오역 하나가 큰 손해로 이어져요.

그래서 워크플로우 마지막에 검수 단계를 넣고, 중요 문서는 검수 완료 표시가 되기 전에는 배포되지 않도록 막아두세요. 자동화의 목적은 '사람을 빼는 것'이 아니라, 사람이 초벌 번역에 쓰던 시간을 검수에 집중하도록 바꾸는 거예요. 그래야 속도도 얻고 품질도 지켜요. 검수하다 기계 번역 특유의 어색한 한국어 문장이나 맞춤법이 눈에 걸린다면, AI 문법·맞춤법 교정 무료 도구로 초벌을 한 번 다듬은 뒤 사람이 최종 확인하면 손이 훨씬 덜 가요.

자주 막히는 지점 3가지

자동화를 처음 만들 때 사람들이 비슷한 곳에서 막혀요. 미리 알아두면 시간을 아껴요.

첫째, 파일 형식 문제. PDF나 이미지처럼 글자가 그림으로 박힌 파일은 바로 번역이 안 돼요. 텍스트를 먼저 뽑아내는 단계가 필요하죠. 요즘 자동화 도구엔 문서에서 글자를 추출하는 기능이 있으니, 번역 호출 앞에 '텍스트 추출' 블록을 하나 넣으면 해결돼요. 표가 많은 문서는 서식이 깨지기 쉬우니 결과를 특히 잘 봐야 하고요.

둘째, API 사용량 폭주. 폴더에 한꺼번에 파일 수백 개를 쏟아부으면 번역 요청이 몰려 요금이 갑자기 튀거나 한도에 걸려요. 자동화에 '한 번에 몇 개까지', '월 사용량 상한' 같은 제한을 걸어두세요. 대부분의 도구가 이런 조절 기능을 제공해요.

셋째, 번역 결과 덮어쓰기. 원본과 번역본을 같은 이름으로 저장하면 원본이 사라지는 사고가 나요. 번역본은 언어 코드를 파일명에 붙이거나(예: 파일명 뒤에 _en) 별도 폴더에 저장하도록 규칙을 정해두세요. 이 작은 규칙 하나가 나중에 큰 혼란을 막아줘요.

오늘 시작하는 최소 구성

거창하게 시작하지 마세요. 오늘은 딱 이것만 해보세요. 자동화 플랫폼 하나(Make나 n8n)에 계정을 만들고, 구글 드라이브 폴더 하나를 감시해서 파일이 들어오면 번역 엔진으로 보내 결과를 옆 폴더에 저장하는 '파일 1개 흐름'을 완성하는 거예요.

이 최소 흐름이 돌아가는 걸 눈으로 확인하면, 용어집·알림·검수는 거기에 하나씩 붙이면 돼요. 반복 번역에 하루를 통째로 쓰던 게 파일을 폴더에 떨궈 넣는 몇 초로 바뀌는 순간, 왜 진작 안 했나 싶을 거예요.