SoSafe의 로컬라이제이션 팀은 단 2명입니다. 이들은 유럽, 아시아, 호주 전역의 조직을 대상으로 34개 언어로 콘텐츠를 출시합니다. 이제 Lingo.dev와 함께라면 90개가 넘는 레슨을 모든 언어로 완전히 다시 번역하는 데 하루면 충분합니다.

이건 단순한 툴 마이그레이션 이야기가 아닙니다. 로컬라이제이션을 외주 벤더 관리로 보던 팀이, 이를 인프라로 다루기 시작했을 때 어떤 변화가 일어나는지에 대한 이야기입니다.

"Lingo.dev의 로컬라이제이션 인프라가 처음부터 AI 우선으로 설계됐다는 점이 좋습니다. 릴리스마다 6개월 걸리던 일이 이제는 34개 언어 전체를 단 한 번의 스프린트로 끝낼 수 있게 됐고, 그 인프라를 만드는 엔지니어들과도 직접 소통합니다."

– Max Höffner, SoSafe 제품 엔지니어링 디렉터

제품이 그만큼 까다롭습니다#

SoSafe는 적응형 휴먼 리스크 관리 분야에서 가장 빠르게 성장하는 플랫폼으로, 전 세계 6,000개 이상의 조직이 변화하는 리스크에 대응하는 인간의 회복탄력성을 키우기 위해 신뢰하고 있습니다. 행동과학에 기반하고 실제 위협과 행동에서 얻은 커뮤니티 인텔리전스로 구동되는 이 플랫폼은 일상적인 상호작용을 적응형 학습의 기회로 바꿉니다. 교육과 학습이 실질적인 효과를 내려면 콘텐츠의 정밀성, 정확성, 관련성이 핵심입니다. 특정 관할권에 맞는 법률 용어를 정확히 사용하는 것은 GDPR 교육 전반의 신뢰도를 높여 줍니다. 피싱 시뮬레이션은 학습 효과를 만들기 위해 실제처럼 느껴져야 합니다.

"저희는 인하우스 콘텐츠에 큰 자부심을 갖고 있습니다." SoSafe의 제품 엔지니어링 디렉터 Max Höffner는 이렇게 말합니다. "독일에서는 항상 격식 있는 표현을 씁니다. 반면 스위스에서는 공식 교육에서도 비교적 비격식 표현을 쓰는 편이죠. 바로 이런 지점에서 고품질 로컬라이제이션은 있으면 좋은 수준이 아니라, 제품 품질 그 자체의 문제가 됩니다."

콘텐츠의 적합성과 품질은 SoSafe의 경쟁력 중 하나입니다. 시뮬레이션 이메일에는 현지 기관이 언급되어야 합니다. 컴플라이언스 모듈에는 관할권별 규제 표현이 필요합니다. 어설픈 범용 번역은 번역이 아예 없는 것보다 더 나쁩니다. 직원들에게 잘못된 신호를 학습시키기 때문입니다.

AI 이전의 엔터프라이즈 로컬라이제이션은 어땠을까요?#

2025년 이전 SoSafe의 로컬라이제이션 워크플로는 대부분의 엔터프라이즈 로컬라이제이션 환경과 크게 다르지 않았습니다. 레거시 TMS, 실행을 맡는 외부 번역 에이전시, 그리고 그 둘을 이어 붙이는 고통스러운 수작업 프로세스가 있었죠.

SoSafe의 로컬라이제이션 엔지니어 Annika Palm은 미련 없이 자신의 이전 역할을 설명합니다. "제 업무의 90% 정도는 아마 파일 관리였을 거예요. 아주 흥미로운 일도, 즐거운 일도 아니었지만 해야 했죠. 파일 전송도 대부분 이메일로 했고요. 커뮤니케이션 과정에서 파일이 사라지는 경우도 있었어요. Git이 없었기 때문에 파일 버전 관리도 자주 문제가 됐습니다."

레슨 하나를 처리하는 워크플로는 이랬습니다. 프로젝트 파일을 복제하고, 저작 도구에서 열고, 문자열을 하나씩 더블클릭한 뒤, 에이전시가 번역한 텍스트를 붙여 넣고, 저장하고, 내보내고, 업로드합니다. 모든 언어마다, 모든 레슨마다 이 과정을 반복해야 했습니다.

품질 관리는 팀 안에서 실제로 읽을 수 있는 언어에만 적용된다는 사실도 드러났습니다. 나머지 언어는 아예 측정 자체가 없었습니다.

"번역가들은 도메인별 전문 지식이 부족한 경우가 많습니다." Annika는 말합니다. "번역이 아주 나쁘진 않았어요. 하지만 우리 기준에서 마땅히 기대하는 수준에는 못 미쳤죠."

레거시 TMS는 언제 한계에 부딪힐까요?#

변화는 구조적인 수준에서 시작됐습니다. SoSafe는 독점적인 저작 도구 포맷을 버리고, 콘텐츠 아키텍처를 Git 저장소의 JSON 파일로 옮겼습니다. 콘텐츠가 Git에 자리 잡자 질문은 분명해졌습니다. 왜 로컬라이제이션만 이 파이프라인 바깥에 있어야 할까?

Max Höffner는 업계 전반에서 보아 온 같은 패턴을 여기서도 봤습니다. "기존 플레이어들의 문제는, 제 생각에 이미 망가진 프로세스 위에 AI 기능만 덧붙였다는 점입니다. 어떤 곳은 GitHub 연동이 있었고, 어떤 곳은 이런저런 기능이 있었죠. 하지만 Lingo.dev가 다르게 한 점은 로컬라이제이션을 처음부터 끝까지 AI 우선으로 다시 생각했다는 겁니다. 그리고 그들의 팀 구조 덕분에 우리는 인프라를 만드는 엔지니어들과 직접 이야기할 수 있습니다. 엣지 케이스도 당일에 해결돼요."

팀은 세 가지에서 네 가지 대안을 검토했습니다. 하지만 모두 결국 같은 제안을 조금씩 다르게 하고 있을 뿐이었습니다. 레거시 TMS 워크플로 위에 AI 레이어를 얹은 형태였죠.

"CTO와 그 얘기를 나눴던 게 기억나요." Max는 말합니다. "제가 이렇게 말했죠. 기존 플레이어들은 망가진 프로세스의 끝에 AI를 붙이고 있습니다. 어떤 곳은 사람이 하는 버전을 만드는 동안 중간 단계로 AI를 제시하기도 했고요. 그래서 저는 생각했죠. 그렇다면 AI 버전 자체를 더 낫게 만들면 되지 않을까?"

로컬라이제이션 엔진은 어떻게 번역 에이전시를 대체할까요?#

오늘날 SoSafe의 로컬라이제이션은 4,417개의 용어집 항목, 로캘별 전문 스타일 가이드, 격식/비격식 표현을 위한 로캘별 지침, 용어 선호도, 규제 표현까지 설정된 로컬라이제이션 엔진 세트를 통해 운영됩니다.

기술적인 워크플로는 간단합니다. 콘텐츠는 구조화된 JSON 형태로 Git 저장소에 있고, 로컬라이제이션은 CLI 명령어로 실행됩니다.

"저희에게는 모두가 공유하는 단일한 기준이 있어요." Annika는 말합니다. "GitHub에 있는 버전이 곧 플랫폼에 올라가야 할 버전이라는 걸 모두가 알고 있죠. 파일을 찾아 헤맬 필요도 없고, 이게 진짜 라이브 버전이 맞는지 확인할 필요도 없습니다."

용어집은 모든 언어 쌍에 걸쳐 용어를 일관되게 적용합니다. GDPR 관련 용어, 사이버보안 어휘, 제품 고유 표현까지 포함해서요. 팀이 로컬라이제이션 엔진에 4,417개의 용어집 항목을 설정한 뒤, 34개 전체 언어에서 용어 일관성이 처음으로 측정 가능한 수준에 도달했습니다. 예전에는 고객 불만이 쌓인 뒤 몇 주가 지나서야 드러나던 문제가 이제는 몇 분 안에 포착됩니다. 스위스 독일어에서 용어집 항목 누락으로 점수가 문제를 포착하면, Annika가 해당 용어를 추가하고 다시 번역합니다. 알림부터 수정까지 Annika의 평균 해결 시간은 8분이었고, 이는 Max Höffner가 가장 좋아하는 지표입니다.

도입을 거의 막을 뻔한 우려들#

Annika가 가장 두려워한 건 통제력을 잃는 일이었습니다. "우리 콘텐츠는 매일 수천 명이 봐요. 거의 매일 불만도 들어오고요. 번역 속도는 빨라졌지만 결과물에 대한 통제력이 줄어드는 상황이었다면, 우리에게 좋은 선택이 아니었을 겁니다."

그녀의 생각을 바꾼 건 로컬라이제이션 엔진의 높은 구성 가능성이었습니다. 용어집, 번역 규칙, 브랜드 보이스, 로캘별 지침까지 갖춰져 있었죠. "어떻게 보면 엔진을 번역가라고 생각할 수도 있어요." 그녀는 말합니다. "번역가는 용어집을 참고하고, 번역 규칙을 부여받고, 제품에 대한 이해도 갖춰야 하죠. 엔진은 번역가가 작업에 가져오는 지식 패키지를 모두 갖추고 있으면서도, 더 압축돼 있고 더 신뢰할 수 있습니다."

GDPR 검토는 또 다른 잠재적 걸림돌이었습니다. SoSafe는 독일의 사이버보안 기업이고, 조달 과정에는 ISM, 법무, IT, 재무, 그리고 여러 단계의 경영진 승인까지 포함됩니다.

Max Höffner의 접근법은 데이터 흐름의 범위를 명확히 하는 것이었습니다. "시스템에 들어가는 데이터를 우리가 통제하는 한, GDPR 측면도 통제할 수 있습니다. PII에 해당하는 건 아예 보내지 않습니다. 그 외에는, 예를 들어 우리 자체 교육 콘텐츠나 내부 자료 같은 것들은 진행할 수 있죠." DPA에 서명했고, 법무 검토도 통과했으며, IT 확인도 마쳤습니다. 문제는 AI 로컬라이제이션이 규정을 준수하느냐가 아니라, 어떤 콘텐츠가 그 경계 안에 들어오느냐였습니다.

한 팀이 34개 언어를 동시에 얼마나 빨리 출시할 수 있을까요?#

34개 언어가 모두 동시에 출시됩니다. 최종 독일어 콘텐츠가 완성된 시점부터 모든 언어가 라이브되는 시점까지의 프로덕션 사이클은 수개월에서 단 1스프린트로 줄었습니다.

"이제는 티어 시스템이 필요 없어요. 한 언어만 번역하든, 30개 언어를 동시에 번역하든 더 이상 차이가 중요하지 않으니까요." Sheree는 말합니다.

이 변화는 수치로도 확인됐습니다. 새로운 언어 릴리스는 이제 처음부터 끝까지 단 1스프린트면 충분합니다. 수년 만에 처음으로 로컬라이제이션이 더 이상 프로덕션 병목이 아니게 된 거죠. "병목은 이제 다른 엔지니어링 프로세스로 옮겨갔습니다. 업데이트가 필요한 데이터베이스 항목이나 다른 곳에 남아 있는 수작업 단계 같은 것들이죠." Max Höffner는 말합니다. "지난 몇 년 동안 로컬라이제이션 팀에 머물러 있던 병목 논의 자체가 사실상 다른 곳으로 이동한 셈입니다."

가장 인상적인 증거는 AI 생성 레슨 기능을 만들던 제품 팀에서 나왔습니다. 그 팀은 고객이 업로드한 PDF로 서로 다른 소스 언어의 레슨을 생성할 때 로컬라이제이션을 어떻게 처리해야 하는지 Max에게 물었습니다. 그의 답은 간단했습니다. "Lingo.dev를 쓰세요." 팀은 이를 단 하루 만에 구현했습니다. 이전 방식이었다면 전용 스프린트가 필요했을 일이었죠. "이 문제를 두고 오래 고민할 필요가 없었어요." 그는 말합니다. "팀이 물었고, 우리는 첫날부터 바로 구현했습니다."

로컬라이제이션 엔지니어는 실제로 무슨 일을 할까요?#

Annika의 직함은 바뀌지 않았지만, 하는 일은 완전히 달라졌습니다. "이제는 말 그대로 모든 면에서 더 엔지니어다운 일을 하고 있어요." 그녀는 말합니다. "더 이상 다른 사람의 도움에 의존할 필요가 없습니다. 훨씬 더 선제적으로 움직일 수 있게 됐죠. 예전에는 개발 엔지니어들에게 의존해야 했지만, 이제는 우리 스스로 해결책을 만들 수 있어요."

핵심 변화는 운영에서 아키텍처로의 이동입니다. 벤더와의 이메일 체인을 관리하고 문자열을 파일에 일일이 복사해 넣는 대신, 이제 팀은 엔진을 구성하고, 용어집을 다듬고, 품질 점수를 모니터링하고, 자동화 스크립트를 구축합니다.

"이제는 우리가 직접 해결책을 만드는 쪽이 됐어요." Annika는 말합니다. "프로세스도 훨씬 더 린해졌죠. 예전에는 해결책을 제공하는 사람들을 관리하는 데 초점이 있었다면, 지금은 해결책 자체에 집중하고 있습니다."

AI 워크플로가 자신의 역할을 축소시킬까 걱정하는 로컬라이제이션 엔지니어에게 어떤 말을 해주고 싶냐는 질문에, 그녀는 이렇게 답했습니다. "지식은 여전히 우리에게 남아 있어요. 어떤 결과물이 품질 좋은 번역인지, 무엇을 번역해야 하는지, 누구를 위한 번역인지 아는 건 우리죠. 지루한 작업은 AI 로컬라이제이션 인프라에 맡기고 나면, 더 중요한 문제를 훨씬 빠르게 해결할 수 있습니다."

다음은#

SoSafe는 모든 제품 팀에 로컬라이제이션 인프라를 확대 적용하고 있습니다. Sheree는 이 모델을 "중앙에서 통제하는 분산 운영"이라고 부릅니다. 그녀의 팀이 거버넌스, 품질 기준, 엔진 구성을 맡고, 다른 팀들은 그 가드레일 안에서 자율적으로 로컬라이제이션을 실행합니다.

Sheree는 이렇게 말합니다. "저희가 전체 인프라를 제공하기 때문에 각 팀은 더 자율적으로 움직일 수 있어요. 이제는 더 이상 저희가 중간에 개입할 필요가 없습니다. 팀들은 엔진의 정보가 필요한 기준을 충족한다는 점을 믿고, 병목 없이 기존 개발 사이클 안에서 그대로 실행할 수 있습니다."

단 두 명이 34개 언어를 맡고, 모든 제품의 품질 거버넌스까지 책임집니다. 벤더 조율도, 대기 시간도 없이요.

10개 언어를 넘어 확장하는 로컬라이제이션 팀에게 이것이 의미하는 것#

SoSafe의 사례는 10개 언어를 넘어서 운영하는 팀들에서 반복적으로 나타나는 패턴을 보여줍니다. TMS+번역 벤더라는 기존 모델이 규모가 커질수록 한계에 부딪히는 이유는 번역 품질이 떨어져서가 아닙니다. 콘텐츠 양보다 조율 비용이 더 빠르게 커지기 때문입니다. 이 공식을 바꾼 건 세 가지였습니다. 용어집 강제 적용으로 34개 모든 언어에서 언어쌍별 사람 검토 없이도 용어 일관성의 흔들림을 없앴습니다. 품질 점수는 팀 안에서 실제로 구사하는 언어만이 아니라 모든 언어를 측정 가능하게 만들었습니다. 그리고 로컬라이제이션 엔지니어링 워크플로는 주도권을 벤더 프로젝트 매니저가 아니라 제품을 출시하는 팀으로 옮겨왔습니다.

그 결과, 누가 무엇을 맡는지가 달라졌습니다. 번역 에이전시는 노동력을 제공했습니다. 로컬라이제이션 인프라는 역량을 제공합니다. 이제 SoSafe의 2인 팀은 과거의 2인 팀과 4개 벤더가 1년 동안 만들어내던 것보다 더 많은 언어 결과물을 분기마다 관리합니다.

직접 들어보면#

제품 엔지니어링 디렉터 Max Höffner, 로컬라이제이션을 인프라로 봐야 하는지에 대해:

"언제나 인프라죠. 늘 인프라여야 합니다. 지금 같은 시대에 로컬라이제이션은 더 이상 사람에 의존하는 프로세스가 아니에요."

콘텐츠 엔지니어링 팀리드 Sheree Foltin, 이런 전환을 추천하는 이유에 대해:

"사람들이 정말 중요한 일에 집중할 수 있도록 프로세스를 전면적으로 손보라고 권하고 싶습니다."

로컬라이제이션 엔지니어 Annika Palm, 기존 모델에 대해:

"직설적으로 말하면, TMS와 벤더 모델은 사라져가는 모델입니다. 지금처럼 빠르게 움직이는 세상에서는 그 속도를 따라잡을 수 없을 거예요."

SoSafe는 조직이 대규모로 사람의 회복탄력성을 강화할 수 있도록 돕는 적응형 휴먼 리스크 관리 플랫폼입니다. 행동과학, 글로벌 커뮤니티 인텔리전스, AI를 결합해 끊임없이 진화하는 위협에 앞서 대응할 수 있게 합니다. 이들의 로컬라이제이션 인프라는 Lingo.dev로 운영됩니다.

자주 묻는 질문#

2인 로컬라이제이션 팀은 몇 개 언어까지 지원할 수 있나요?

SoSafe의 2인 팀은 로캘별 용어집, 브랜드 보이스 규칙, AI 품질 점수가 설정된 로컬라이제이션 엔진을 활용해 34개 언어를 동시에 출시합니다.

로컬라이제이션 엔진으로 새 언어를 추가하는 데 얼마나 걸리나요?

SoSafe에서는 새 언어 하나에 대해 90개 이상의 레슨을 전체 재번역하는 데 하루가 걸립니다. 이런 속도는 품질을 타협해서가 아니라, CLI를 통해 실행되는 용어집 강제 적용과 로캘별 모델 구성에서 나옵니다.

로컬라이제이션 엔지니어는 로컬라이제이션 매니저와 무엇이 다른가요?

SoSafe의 Annika Palm은 이런 변화를 이렇게 설명합니다. 역할은 벤더 관계와 파일 전송을 관리하는 데서, 로컬라이제이션 엔진을 구성하고 용어집을 조정하며 품질 점수를 모니터링하고 자동화를 구축하는 쪽으로 옮겨갔습니다. 팀은 솔루션을 제공하는 사람들을 관리하는 입장에서, 직접 솔루션을 제공하는 주체로 바뀌었습니다.

직접 구사하지 못하는 언어의 번역 품질은 어떻게 측정하나요?

SoSafe는 AI 품질 점수를 사용합니다. 이는 설정된 기준에 따라 각 번역을 평가하는 독립 모델입니다. 이들은 플랫폼 전반에서 240,000건이 넘는 평가 모델 실행을 수행했습니다. 점수가 문제를 표시하면 로컬라이제이션 엔지니어가 용어집이나 지침을 조정한 뒤 다시 번역합니다. 평균 해결 시간은 8분입니다.