AI 번역 vs 원어민 교정: SCI 논문에 뭐가 필요한가

실험도 끝났고 결과도 흥미로운데 투고 직전에 발목을 잡는 것은 언제나 영어 문장이라는 대학원생과 연구자가 많습니다. ChatGPT와 DeepL 같은 AI 번역 도구가 빠르게 좋아지면서 이제 원어민 교정 없이도 SCI 논문을 투고할 수 있지 않겠냐는 질문을 자주 받습니다. 결론부터 말하면 AI 번역과 원어민 교정은 서로 대체하는 관계가 아니라 잘하는 일이 다른 두 도구입니다. AI는 초벌 번역과 기본 문법 교정에서는 이미 상당한 수준에 올라와 있지만, SCI·SCIE급 저널이 요구하는 학술적 문체와 저널 정책 준수, 그리고 AI 탐지 리스크까지 관리하려면 여전히 사람의 손이 필요한 지점이 남아 있습니다. 이 글에서는 실제 연구 데이터를 근거로 AI 번역의 정확도가 어디까지 왔는지, 한국 연구자가 AI 번역에서 자주 놓치는 실수는 무엇인지, ICMJE와 COPE 같은 국제 기준이 AI 사용을 어떻게 규정하는지 구체적으로 살펴보겠습니다.

왜 아직도 영어가 문제인가 — 한국 연구자가 마주하는 현실

과학 논문은 여전히 압도적으로 영어로 출판됩니다. 문제는 이 구조가 저절로 공정해지지는 않는다는 점입니다. 2024년 <Proceedings of the Royal Society B>에 발표된 연구는 생물학 분야 학술지 736곳의 정책을 분석했는데, 대다수 저널이 비원어민 저자를 위한 언어 지원 장치를 거의 갖추고 있지 않았고, 오히려 임팩트 팩터가 높은 저널일수록 언어 포용 정책을 채택하는 경우가 더 적다는 결과가 나왔습니다[1]. SCI 상위 저널일수록 언어 장벽에 대한 배려는 적고 영어 문장의 완성도에 대한 기대치는 높다는 뜻입니다. 이런 환경에서 AI 번역 도구의 발전은 분명 반가운 변화입니다. 그렇다면 실제로 어디까지 믿을 수 있을까요.

AI 번역, 실제로 얼마나 정확한가 — 연구 데이터로 확인하기

스위스 제네바 대학교 연구팀이 2024년 <PLOS ONE>에 발표한 연구는 이 질문에 좋은 참고가 됩니다. 연구팀은 프랑스어로 작성된 의학 논문 초록 10편을 DeepL, 구글 번역, 체코어 특화 신경망 번역기 CUBBITT으로 각각 영어로 옮긴 뒤, 평가자 10명에게 10~50점 척도로 유창성 점수를 매기게 했습니다[2]. 결과는 아래와 같습니다.

세 번역기 모두 원어민이 쓴 원문(40점)과 큰 차이가 없는 유창성 점수를 받았고, CUBBITT은 오히려 원문보다 높은 43점을 기록했습니다[2]. 다만 이 결과를 그대로 한국어-영어 번역에 대입하기는 조심스럽습니다. 프랑스어와 영어는 한국어와 영어보다 어순과 문법 구조가 훨씬 가깝고, 이 연구도 의학 논문 초록 10편이라는 제한된 표본을 다뤘습니다. 연구팀 스스로도 번역 앱이 전문 의학 용어를 놓치는 경우가 있다는 점, 그리고 결과물에는 반드시 포스트에디팅, 즉 사람이 다시 검토하는 후속 교정이 필요하다는 점을 한계로 명시했습니다[2]. 정리하면 AI 번역은 문장으로서 자연스러운가라는 기준에서는 이미 합격점에 가깝지만, 전문용어가 정확한가와 학술지가 요구하는 격식을 갖췄는가는 다른 차원의 문제입니다.

한국 연구자가 AI 번역에서 자주 놓치는 6가지

AI 번역기를 실제로 SCI 논문 원고에 사용해 본 연구자라면 아래와 같은 패턴을 한 번쯤 경험했을 것입니다.

1. 관사(a/an/the) 처리. 한국어에는 관사가 없기 때문에 AI가 문맥만으로 관사를 판단해야 합니다. 특정 실험군을 가리키는지 일반적인 개념을 말하는지에 따라 the의 유무가 의미를 바꾸는데, AI는 이 판단에서 여전히 실수를 합니다.
2. 주어 복원 오류. 한국어는 주어를 자주 생략하는 언어입니다. 번역기가 생략된 주어를 잘못 추측하거나 어색한 수동태로 얼버무리면서 원래 의도와 다른 뉘앙스가 되는 경우가 흔합니다.
3. 만연체 직역. 여러 절을 한 문장에 이어 붙이는 한국어 학술 문장을 그대로 옮기면 지나치게 길고 읽기 힘든 영어 문장이 됩니다. 대다수 SCI 저널은 한 문장에 하나의 핵심 주장만 담을 것을 권장합니다.
4. 전문용어 불일치. 같은 용어를 문단마다 다르게 번역하거나, 해당 분야에서 통용되는 표현 대신 사전적 직역을 쓰는 경우가 있습니다. 번역 도구가 전문 의학·과학 용어에서 특히 취약하다는 점은 앞서 소개한 연구에서도 한계로 지적됐습니다[2].
5. 헤지어(hedging) 강도 조절 실패. 한국어 논문 초록은 “~로 나타났다”, “~을 확인하였다”처럼 단정적인 서술이 많은 반면, 영어 학술 문체는 “these findings suggest”처럼 절제된 표현을 선호합니다. AI는 이 톤을 지나치게 단정적으로 바꾸거나 반대로 애매하게 흐리는 경우가 있습니다.
6. 저널별 스타일 가이드 미반영. Vancouver 인용 형식인지 APA인지, 구조화 초록을 요구하는지, 능동태와 수동태 중 무엇을 선호하는지는 저널마다 다릅니다. 범용 AI 번역기는 이런 저널별 요구사항을 알지 못합니다.

ChatGPT로 초록·서론을 통째로 다시 쓰면 안 되는 이유

여기서 한 가지 구분이 필요합니다. 이미 완성된 한국어 문장을 영어로 옮기는 번역과, ChatGPT에게 “이 데이터를 바탕으로 서론을 써 줘”라고 요청하는 생성은 전혀 다른 위험을 가진 작업입니다. 서울대병원, 아산병원, 인하대병원, 일본 오카야마대학 연구진이 2023년 <Korean Journal of Radiology>에 발표한 리뷰 논문은 이 차이를 명확히 짚습니다[3]. 저자들은 거대언어모델(LLM)이 비원어민 연구자에게 실제로 도움이 될 수 있다고 인정하면서도, 할루시네이션(사실이 아닌 내용을 그럴듯하게 지어내는 현상)과 표절, 개인정보 유출 같은 위험을 함께 경고했습니다. 이들이 내린 실용적 결론은 거대언어모델을 큰 분량의 텍스트를 새로 생성하는 용도보다 이미 쓴 글을 다듬고 교정하는 용도로 쓰는 편이 더 신중한 선택이라는 것입니다[3]. 즉 초록이나 서론을 처음부터 AI에게 맡기기보다, 직접 쓴 초안을 AI로 다듬고 그 결과를 다시 사람이 검증하는 순서가 안전합니다.

학술지는 AI 번역과 편집을 어떻게 보는가 — ICMJE·COPE·출판사 정책

국제의학학술지편집인위원회(ICMJE)는 저자가 원고 준비 과정에서 AI를 사용했다면 투고 시 이를 공개하도록 권고합니다. AI 도구는 원고의 정확성과 진실성에 책임을 질 수 없기 때문에 저자로 이름을 올릴 수 없으며, 사용 사실을 공개하지 않으면 연구 부정행위로 간주될 수 있다고 명시합니다[4]. 출판윤리위원회(COPE)도 같은 입장입니다. AI가 어떤 도구였고 어떻게 사용됐는지 ‘재료 및 방법’이나 이에 준하는 항목에 투명하게 밝혀야 하며, AI가 생성한 부분을 포함해 원고 전체에 대한 책임은 어디까지나 저자에게 있다고 규정합니다[5].

그렇다면 단순한 문법 검사나 번역도 똑같이 공개해야 할까요. 이 지점에서는 출판사마다 실무 기준이 조금씩 갈립니다. Elsevier의 정책은 비교적 실용적인 구분선을 제시하는데, 단순 문법·철자 검사는 별도 공개 의무가 없지만 AI가 문장 구조나 단락 구성을 실질적으로 바꿨다면 공개해야 한다고 명시합니다[6]. 다시 말해 관사 몇 개를 고치는 수준이 아니라 한국어 원고 전체를 AI로 번역했거나 문단을 재구성했다면, 그 사용 사실과 도구명을 투고 시 명시하는 편이 안전합니다. 다만 저널마다 구체적인 기준과 문구는 다르므로, 투고 전 반드시 대상 저널의 저자 가이드라인에서 AI 관련 조항을 직접 확인해야 합니다.

“내가 직접 쓴 논문인데 AI로 의심받는다” — AI 탐지 리스크의 실체

AI 번역이나 AI 교정을 거친 원고가 늘어나면서 일부 학술지와 편집자는 AI 텍스트 탐지기를 함께 사용하기 시작했습니다. 문제는 이 탐지기들의 정확도가 도구마다 큰 편차를 보인다는 점입니다. 2025년 <Acta Neurochirurgica>에 발표된 연구는 신경외과 분야 학술지 논문 중 사람이 직접 쓴 원고 250편(ChatGPT 이전 시기)과 ChatGPT 3.5·4·4o가 생성한 텍스트 750편을 대상으로 GPTZero, ZeroGPT, Corrector 세 가지 탐지기의 정확도를 검증했습니다[7]. 결과는 아래와 같습니다.

주목할 부분은 사람이 실제로 쓴 원고를 AI가 쓴 글로 잘못 판단한 비율, 즉 위양성률입니다. Corrector는 사람이 쓴 원고 250편 가운데 76편(30.4%)을 AI 생성 텍스트로 잘못 분류했습니다[7]. 연구진은 이런 오탐이 부당한 연구 부정행위 의혹과 평판 손상으로 이어질 수 있다고 경고하며, AI 탐지기는 최종 판단 도구가 아니라 사람의 검토를 보조하는 참고 자료로만 사용해야 한다고 결론지었습니다[7]. 한국 연구자에게 이 결과가 의미하는 바는 분명합니다. 한국어 원고를 AI로 통째로 번역하면 문장은 매끄러워지지만, 특유의 반복적인 문장 패턴이나 지나치게 정제된 어휘 선택 때문에 오히려 AI 탐지기에 걸릴 위험이 커질 수 있습니다. 본인이 직접 연구하고 쓴 논문인데도 AI 번역의 흔적 때문에 불필요한 해명을 해야 하는 상황을 피하려면, 번역 이후 사람이 자신의 문체로 다시 다듬는 단계가 중요합니다.

그래서 무엇이 필요한가 — AI 번역과 원어민 교정의 역할 분담

지금까지 살펴본 내용을 정리하면 아래와 같은 그림이 나옵니다.

이 표를 실제 투고 준비 과정에 대입하면 다음과 같은 순서를 권장할 수 있습니다.

1. 한국어 원고를 먼저 완성합니다. 논리 구조와 데이터 해석은 AI가 대신할 수 없는 영역입니다.
2. DeepL, Papago, ChatGPT 등으로 초벌 번역을 만듭니다. 속도와 비용 면에서 가장 효율적인 단계입니다.
3. 역번역(back-translation)으로 자체 점검합니다. 번역된 영어 문장을 다시 한국어로 옮겨 보고, 원래 의도한 의미와 달라진 부분이 없는지 확인합니다.
4. 투고 대상 저널의 저자 가이드라인을 확인합니다. AI 사용 공개 조항, 선호하는 인용 형식과 초록 구조를 미리 파악합니다.
5. 원어민 학술 편집자에게 최종 교정을 맡깁니다. 문체, 전문용어 일관성, 저널 형식, AI 탐지 리스크까지 함께 점검받습니다.
6. 필요하다면 AI 사용 공개 문구를 준비합니다. 커버레터나 방법론 항목에 어떤 도구를 어떻게 사용했는지 간단히 명시합니다.

전문 학술 편집이 필요한 순간

지금까지 살펴본 것처럼 AI 번역은 초벌 작업의 속도와 비용을 크게 줄여주지만, 학술적 문체와 전문용어 일관성, 저널 스타일 준수, AI 탐지 리스크 관리는 여전히 사람의 전문성이 필요한 영역입니다. Editverse는 AI로 번역했거나 초벌 작성한 원고를 SCI·Scopus·KCI 투고 기준에 맞게 다듬는 논문 교정 서비스를 제공합니다.

어떤 번역 도구를 썼든 원고 상태에 따라 필요한 교정 범위는 다릅니다. 무료 견적 상담을 통해 원고에 맞는 교정 범위를 먼저 확인하실 수 있으며, 전체 서비스 구성은 논문 교정 서비스 페이지에서 확인하실 수 있습니다.

결론

AI 번역과 원어민 교정은 경쟁 관계가 아니라 협업 관계입니다. AI는 초벌 번역과 기본 문법 교정에서 시간과 비용을 크게 아껴주며, 실제 연구 데이터도 AI 번역의 유창성이 이미 상당한 수준에 도달했음을 보여줍니다[2]. 그러나 SCI·SCIE급 저널이 요구하는 것은 문법적으로 틀리지 않은 영어를 넘어서는 학술적 설득력과 전문용어의 일관성, 저널별 정책 준수, 그리고 AI 사용에 대한 투명한 공개입니다[3][4][5][6]. 여기에 AI 탐지 도구의 오탐 가능성까지 고려하면[7], 투고 직전 단계에서 원어민 학술 편집자의 검토를 거치는 것은 여전히 중요한 안전판입니다. 두 도구를 각자 잘하는 지점에서 활용하는 것, 그것이 지금 시점에서 가장 현실적인 답입니다.

참고문헌

1. Arenas-Castro H, Berdejo-Espinola V, Chowdhury S, Rodríguez-Contreras A, James ARM, et al. Academic publishing requires linguistically inclusive policies. Proc R Soc B. 2024;291(2018):20232840. https://doi.org/10.1098/rspb.2023.2840
2. Sebo P, de Lucia S. Performance of machine translators in translating French medical research abstracts to English: A comparative study of DeepL, Google Translate, and CUBBITT. PLoS ONE. 2024;19(2):e0297183. https://doi.org/10.1371/journal.pone.0297183
3. Hwang SI, Lim JS, Lee RW, Matsui Y, Iguchi T, Hiraki T, Ahn H. Is ChatGPT a “Fire of Prometheus” for Non-Native English-Speaking Researchers in Academic Writing? Korean J Radiol. 2023;24(10):952-959. https://doi.org/10.3348/kjr.2023.0773
4. International Committee of Medical Journal Editors (ICMJE). Use of Artificial Intelligence (AI)-Assisted Technology in the Writing Process. icmje.org
5. Committee on Publication Ethics (COPE). Authorship and AI tools — position statement. publicationethics.org
6. Elsevier. Generative AI policies for journals. elsevier.com
7. Erol G, Ergen A, Erol BG, Kaya Ergen Ş, Bora TS, et al. Can we trust academic AI detective? Accuracy and limitations of AI-output detectors. Acta Neurochir (Wien). 2025;167(1):214. https://doi.org/10.1007/s00701-025-06622-4