"STT 오류 복원부터 추론 효율화까지"...롯데이노베이트·아크릴, EMNLP 논문 채택

국내 AI 기술의 진화, 롯데이노베이트와 아크릴의 EMNLP 2026 논문 채택

최근 롯데이노베이트와 아크릴이 자연어처리 분야의 권위 있는 국제학술대회인 EMNLP 2026에 채택된 연구 논문을 발표하며 국내 AI 기술의 위상을 더욱 높이고 있다. 각각 음성인식(STT)과 AI 추론 효율화를 주제로 한 이 두 기업의 연구는, AI 기술이 기업의 생산성과 효율성 향상에 어떻게 기여할 수 있는지를 잘 보여준다.

음성인식 오류 복원: 롯데이노베이트의 혁신적 접근

롯데이노베이트의 논문 제목은 '회의 요약 과정에서 사용자 맞춤형 용어집을 활용해 음성인식 오류 전문용어를 복원하는 조건과 요약 품질 평가 연구'로, 회의 중 발생할 수 있는 음성인식 오류를 해결하기 위한 방안을 제시하고 있다. 기업 회의는 산업과 직무별 전문 용어가 빈번하게 등장하는데, 이로 인해 음성인식 시스템이 잘못된 정보를 기록할 경우 회의록의 핵심 내용이 왜곡되거나 누락될 위험이 있다.

이에 대해 롯데이노베이트는 기존 STT 모델을 재학습하지 않고도 회의 맥락에 적합한 용어집을 제공하는 방식을 채택했다. 연구진은 회의 주제와 관련된 전문 용어를 주석으로 구성하여, 이 용어집이 음성인식 오류를 보완하는 데 얼마나 효과적인지를 검토했다. 실험 결과, 맞춤형 용어집이 더 넓은 범위의 도메인 통합 용어집보다 전문용어 복원에 높은 효과를 보였다는 것이 확인되었다. 이러한 연구 결과는 롯데이노베이트의 AI 플랫폼인 '아이멤버 워크(Work)'의 핵심 기능 중 하나인 'AI 회의록' 서비스의 경쟁력을 더욱 확고히 하는 데 기여할 것으로 기대된다.

AI 추론의 새로운 패러다임: 아크릴의 접근

아크릴의 연구 논문은 '제한된 토큰 예산에서 AI의 추론 진행도를 양방향으로 조절하는 기술'에 관한 것으로, 대형언어모델(LLM)이 문제의 난이도와 추론 진행 상태에 따라 얼마나 더 사고할지를 조절하는 방법을 제시하고 있다. 이 기술의 핵심은 '패런팅LLM(ParentingLLM)'으로, AI가 추론을 지나치게 빨리 진행할 경우 추가 검토를 유도하고, 반대로 너무 느리게 진행될 경우 남은 추론을 정리하도록 하는 방식이다.

연구진은 4개의 모델을 대상으로 수학과 과학 분야의 고난도 문제를 해결하는 실험을 진행하였으며, 결과적으로 전체 평균 정확도가 3.7% 향상되고, 예산 초과율은 5.5% 감소하는 성과를 보였다. 이러한 기술은 아크릴의 자체 AI 인프라 플랫폼인 'GPU베이스(GPUBASE)'에 이미 적용되고 있으며, 향후 피지컬 AI로의 확장이 계획되고 있다. 아크릴은 현재 650억 원 규모의 국가 연구개발 프로젝트를 통해 비전-언어-행동(VLA) 모델을 개발 중이며, 이 과정에서 패런팅LLM의 추론 제어 기술을 연계할 예정이다.

미래를 향한 비전

롯데이노베이트와 아크릴의 연구는 각각 음성인식과 AI 추론 분야에서 중요한 진전을 이뤄내며, 국내 AI 기술의 가능성을 한층 더 확장하고 있다. 이 두 기업의 혁신적인 접근은 정보의 정확성과 처리 효율성을 높이는 데 큰 기여를 할 것으로 기대되며, 향후 기업의 디지털 변혁을 이끌어가는 중추적인 역할을 할 수 있을 것이다. AI 기술이 더욱 발전함에 따라, 이러한 연구들이 실제 비즈니스 환경에서 어떻게 활용될지 귀추가 주목된다.