생성형 AI를 사전 편찬에 넣을 때 자동화율과 인간 통제를 서로 반대되는 목표로만 볼 필요는 없다는 것이 이 논문의 출발점이다. AI로 능력이 확장된 편찬자, 조직과 노동을 포함한 사회기술적 맥락, 학습 데이터와 출력의 편향, 편찬자의 필요에서 출발하는 도구 설계가 서로 영향을 주는 구조다. 자동화 수준과 인간 통제를 반대축으로 보지 않는 것이 핵심이다.
새 모델을 학습하거나 사전 항목 정확도를 측정한 실험이 아니라 선행 연구를 종합한 개념적 프레임워크다. 언어 전문가의 다른 직종에 적용된 인간 중심 AI 논의와 기존 LLM 사전 편찬 평가를 검토한다. 표본 수나 성능 수치가 없으므로 경험적 우월성을 주장하는 논문으로 읽어서는 안 된다.
프레임워크는 반복 작업을 자동화하면서 의미 선택, 용례 판단, 문화적 맥락에 대한 최종 권한을 편찬자에게 남기도록 요구한다. 생성 모델의 비결정성·환각·편향을 단순 오류율이 아니라 전문직 자율성과 언어 다양성의 문제로 연결한다. 고도 자동화와 의미 있는 인간 통제를 동시에 설계 목표로 둔다.
정의 초안, 용례 후보, 말뭉치 탐색을 보조하는 사전 제작 도구와 소수언어 자원 구축 정책에 적용할 수 있다. 구매나 도입 단계에서는 생산성뿐 아니라 누가 수정 권한을 갖고 어떤 언어가 누락되는지도 평가해야 한다. 특정 LLM이나 사전 제작사의 구현 지침은 아니다. 현재로서는 성능 순위보다 도입 전에 묻고 점검할 항목을 구조화한 설계 틀에 가깝다.
이 네 차원은 arXiv:2607.11808 원문에 제시된 개념 틀이다. 원고는 XXII EURALEX International Congress 2026 프로시딩 게재 승인을 명시하고 있으며, EURALEX 2026은 승인 논문을 프로시딩에 수록한다고 안내한다. 다만 공개 프로그램이나 프로시딩 목차에서 이 논문의 개별 수록 상태까지는 아직 확인되지 않는다. 현장 시간 절감이나 품질 향상을 측정한 실험이 아니며, 문화권·조직별 통제 방식과 차원 간 충돌을 재는 지표도 남은 과제다.
저작권자 © STORIUM 무단전재 및 재배포 금지
