영어학원 다 망했다, 미친 동시통역 AI
📺 원본 영상: 영어학원 다 망했다, 미친 동시통역 AI (IT커뮤니케이션연구소 김덕진 소장)(1부)
🎙️ 채널: 언더스탠딩 : 세상의 모든 지식
📅 정리 일자: 2026-07-23
⚠️ Note: 본 리포트는 영상의 음성을 텍스트로 변환(STT)하여 정리한 것입니다. 화면에 표시된 자료, 차트, 코드, 슬라이드 등은 포함되지 않을 수 있습니다.
개요
이번 대담에서 김덕진 소장은 최근 AI의 변화가 단순히 “더 똑똑한 모델”의 경쟁을 넘어, 외부 도구와 데이터를 연결해 실제 업무에 투입되는 방향으로 이동하고 있다고 설명한다. 핵심 축은 MCP(Model Context Protocol)로 대표되는 연결 표준과, GPT Live로 언급된 실시간 음성 인터페이스의 진화다. 특히 실시간 통번역 시연은 AI가 언어 장벽을 낮추는 수준을 넘어, 발표·회의·학습·콘텐츠 제작 방식 자체를 바꿀 수 있음을 보여주는 사례로 제시된다.
AI 경쟁의 초점은 두뇌에서 연결성으로 이동하고 있다
김덕진 소장은 현재 AI 시장을 “AI 춘추전국 시대”에 비유한다. OpenAI, Anthropic, Google, xAI 등 주요 기업들이 빠른 속도로 새 모델을 내놓고 있으며, 경쟁의 속도 자체가 과거와 달라졌다는 것이다. 그러나 그가 더 중요하게 보는 변화는 모델의 지능이 높아지는 것만이 아니다. AI가 실제 업무 환경에서 쓸 만한 결과를 내기 위해 외부 데이터, 앱, 도구와 연결되는 방식이 빠르게 좋아지고 있다는 점이 더 큰 변화로 제시된다.
01:07 - AI 춘추전국 시대와 주요 AI 기업들의 빠른 모델 업데이트 흐름을 설명하는 장표
초기 생성형 AI는 사용자가 긴 프롬프트를 넣으면 그럴듯한 결과를 만들어주는 도구에 가까웠다. 하지만 강연자에 따르면 최근 AI 서비스는 Slack, Notion, Gmail, Calendar 같은 업무 도구와 연결되면서 개인 비서에 가까운 역할을 하기 시작했다. 예를 들어 사용자의 캘린더를 읽고 이번 주 놓치기 쉬운 일정을 정리하거나, 읽지 않은 메일 중 반드시 답해야 할 메일만 골라내고 답장 초안까지 작성하는 식이다. 이 변화는 AI가 더 이상 고립된 챗봇이 아니라, 사용자의 실제 데이터 흐름 속에 들어오는 도구가 되고 있음을 의미한다.
이 대목에서 중요한 것은 “정확한 정보”의 문제다. 예전에는 AI에게 주식 리서치나 법률 정보를 물어보면 환각(Hallucination)이나 잘못된 검색 결과를 걱정해야 했다. 그러나 외부 데이터베이스와 직접 연결되면 AI는 통계청, 법령 정보, DART 공시 같은 신뢰 가능한 원천에서 정보를 가져올 수 있다. 결국 AI의 실용성은 모델 자체의 추론 능력뿐 아니라, 어떤 데이터와 어떤 방식으로 연결되는지에 따라 크게 달라진다.
MCP는 AI에게 계산기와 업무 도구를 붙이는 표준이다
강연자는 MCP(Model Context Protocol)를 설명하면서, LLM(Large Language Model)의 본질적 한계를 먼저 짚는다. LLM은 텍스트와 데이터를 학습해 다음에 올 말을 예측하는 시스템이기 때문에, 계산이나 정확한 조회처럼 규칙 기반 정확성이 중요한 작업에서는 본래 강점이 제한적이다. 그래서 복잡한 계산을 LLM 내부에서 억지로 처리하게 하기보다, 외부 계산기나 데이터베이스 같은 도구를 연결해 쓰는 편이 더 효율적이라는 설명이다.
이 관점에서 MCP는 AI와 외부 도구를 연결하는 표준 규격에 가깝다. 과거에는 특정 AI 서비스와 특정 도구를 연결하려면 서비스마다 별도의 코딩과 연동 방식이 필요했다. 하지만 Anthropic이 제안한 MCP 방식이 확산되면서, 하나의 표준을 지켜 만든 도구를 ChatGPT, Claude, Gemini 같은 여러 AI 환경에 연결할 수 있는 구조가 만들어지고 있다고 강연자는 설명한다. STT 원문에서 “엔트로픽” 또는 유사하게 들린 부분은 문맥상 Anthropic으로 교정해 이해하는 것이 자연스럽다.
MCP의 의미는 단순한 플러그인 확장이 아니다. AI가 사용자의 요청을 해석한 뒤, 어떤 도구를 써야 하는지 판단하고, 그 도구에서 가져온 결과를 다시 문맥에 맞게 해석하는 일련의 흐름을 가능하게 한다는 점이 핵심이다. 예컨대 사용자가 “이 법률 쟁점의 우선순위를 정리해 달라”고 요청하면, AI는 법령 데이터베이스를 조회해야 한다고 판단하고, 필요한 조문을 찾은 뒤, 이를 사람이 읽을 수 있는 보고서 형태로 재구성할 수 있다. 이때 AI는 지식을 암기해서 답하는 것이 아니라, 필요한 시점에 적절한 도구를 불러와 활용하는 방식으로 작동한다.
공공데이터와 법령 정보가 연결되면 AI는 업무용 리서처가 된다
강연에서 특히 흥미로운 사례는 공공데이터와 법령 정보를 MCP로 연결하는 시도다. 김덕진 소장은 광진구청의 한 실무자가 법제처 법령 정보, 국가통계, 건축허가 관련 데이터 등을 연결하는 MCP를 만들었다고 소개한다. STT에는 “로우점, 주요점, KL”처럼 부정확하게 기록된 부분이 나오는데, 문맥상 국가법령정보센터 또는 법제처 법령 데이터베이스를 가리키는 것으로 이해할 수 있다. 또한 “코시스”는 KOSIS(국가통계포털)로 교정하는 것이 적절하다.
이런 연결이 중요한 이유는 기존 검색 방식의 한계 때문이다. 사용자가 KOSIS나 법령 정보를 검색엔진으로 찾으면, 원천 데이터가 아니라 누군가가 재가공한 자료에 도달할 수도 있고, 검색어 선택에 따라 중요한 조문이나 통계를 놓칠 수도 있다. 반면 MCP를 통해 AI가 직접 원천 데이터베이스를 조회하면, 사용자는 복잡한 질문을 자연어로 던지고도 비교적 구조화된 답변을 얻을 수 있다. 강연자는 서울시 모아타운·모아주택 시행 과정에서 SH공사가 단독 시행자로 참여할 경우, 빈집 및 소규모주택 정비법, 서울시 조례, 도시정비법의 적용 우선순위와 주민동의율 기준을 정리하는 예시를 든다.
10:26 - 법령 데이터베이스를 직접 조회하는 MCP 도구 선택 및 검색 화면
이 사례의 함의는 업무 자동화의 수준이 달라진다는 데 있다. 단순히 “법률 요약을 해 달라”는 요청을 넘어, AI가 어떤 법령을 찾아야 하는지 먼저 판단하고, 관련 조문을 조회하며, 이후 결과를 의사결정용 문서나 웹페이지 형태로 바꾸는 흐름까지 이어질 수 있기 때문이다. 김덕진 소장은 정확한 정보를 AI에 넣을 수 있게 되면, AI가 회사에서 실제로 쓸 수 있는 의사결정 도구가 된다고 강조한다. 이는 AI가 검색 보조 도구에서 리서치·분석·문서화·서비스 제작을 아우르는 업무 파트너로 이동하고 있음을 보여준다.
11:36 - 모아타운·모아주택 관련 법령 정보를 웹페이지 형태로 정리한 시연 화면
AI가 데이터를 가져오고, 해석하고, 화면까지 만든다
강연자는 MCP와 AI 에이전트의 결합이 실제 결과물 제작으로 이어지는 장면을 설명한다. 법령과 통계를 조회해 정리한 뒤, “이 내용을 임팩트 있게 웹페이지 형태로 정리해 봐” 또는 “인터랙티브한 효과를 넣어 줘”라고 지시하면 AI가 서비스 화면 형태로 구성할 수 있다는 것이다. 이는 지난 세대의 AI가 텍스트 답변에 머물렀다면, 최근의 AI는 문서, 웹페이지, 앱, 의사결정 도구까지 만들어내는 방향으로 진화하고 있음을 보여준다.
예시로 제시된 서울시 25개 자치구 분석은 이 흐름을 더 잘 드러낸다. 사용자가 노후주택 비율, 1인 가구 비율, 평균 가구원 수, 빈집 현황 등을 비교해 우선 공급 정책을 설계한다면 어떻게 해야 하느냐고 묻는다면, AI는 통계 정보, 법률 정보, 부동산 정보를 함께 가져와야 한다고 판단할 수 있다. 이후 확정 수치를 넣어 비교하고, 지역별 우선순위나 가중치를 반영한 의사결정 매트릭스를 만들 수 있다. STT에서 “매틱치”로 기록된 표현은 문맥상 “매트릭스”로 이해된다.
12:59 - 서울시 자치구별 지표를 바탕으로 우선순위와 가중치를 보여주는 의사결정 매트릭스 화면
다만 강연자는 이 과정에 두 가지 함정이 있다고 경고한다. 첫째, AI가 도구를 통해 가져온 결과라도 어떤 법령과 데이터가 정말 적절한지는 사람이 검증해야 한다. 둘째, MCP는 개인도 만들 수 있기 때문에 악의적인 코드, 잘못된 로그, 보안상 위험 요소가 포함될 가능성도 있다. 즉 MCP는 AI의 생산성을 크게 높이는 기반이지만, 신뢰 가능한 출처와 보안 검토 없이 무분별하게 연결하면 위험한 도구가 될 수도 있다.
실시간 음성 AI는 워키토키에서 대화 참여자로 바뀌고 있다
강연 후반부의 중심 주제는 실시간 음성 AI다. 김덕진 소장은 과거 ChatGPT의 음성 대화가 일종의 워키토키처럼 작동했다고 설명한다. 사용자가 말하면 AI가 잠시 기다린 뒤 답하고, AI가 말하는 동안 사용자가 끼어들면 제대로 듣지 못하는 방식이었다. 이후에는 반대로 AI가 너무 민감해져, 사용자가 짧게 반응만 해도 AI가 말을 멈추는 불편이 있었다고 설명한다.
그런데 강연자가 “GPT Live”라고 부른 기능에서는 이 문제가 상당 부분 해결된 것으로 소개된다. AI가 말하는 동안에도 사용자의 말을 듣고, 지금 사용자가 AI에게 개입하려는 것인지, 아니면 옆 사람과 잡담하는 것인지 맥락을 판단한다는 것이다. 이 변화는 음성 AI가 단순히 질문과 답변을 주고받는 인터페이스에서 벗어나, 여러 사람이 있는 대화 상황에 자연스럽게 참여하는 방향으로 진화하고 있음을 뜻한다.
강연자는 월드컵 결승전 결과를 물어보는 시연을 통해 AI가 실시간으로 자료를 확인하고, 기다리는 동안 자연스럽게 시간을 끌며, 필요하면 화면 정보까지 함께 보여주는 모습을 소개한다. STT만으로는 화면에 표시된 세부 정보가 정확히 무엇인지 확인할 수 없지만, 음성 설명상 AI가 결과와 시각 자료를 함께 제시하는 흐름을 보여준 것으로 보인다. 중요한 변화는 AI가 더 이상 “잠깐만요”라는 정지 상태에 머물지 않고, 사람과 대화하듯 중간 발화와 추임새를 사용한다는 점이다.
21:55 - GPT Live가 월드컵 결승전 결과를 확인하며 시각 자료를 함께 띄우는 시연 화면
실시간 통번역은 언어 장벽을 기능 단위로 무너뜨린다
가장 강한 인상을 남긴 대목은 실시간 통번역 시연이다. 김덕진 소장은 AI가 사용자의 말을 들으면서 동시에 말할 수 있게 되자, 이를 실시간 통역가처럼 사용할 수 있다고 설명한다. 예를 들어 해외 컨퍼런스에서 발표자가 영어로 말하는데 동시통역이나 자막이 없다면, 사용자는 이어폰을 연결한 뒤 AI에게 “지금부터 영어로 말하는 내용을 실시간으로 한국어로 통역해 달라”고 지시할 수 있다. 그러면 AI가 들리는 영어를 한국어로 바꿔 개인 통역기처럼 전달할 수 있다는 것이다.
반대로 한국어 발표를 영어 청중에게 전달하는 방식도 가능하다. 강연자는 자신이 한국어로 말하면 AI가 이를 영어로 실시간 번역해 앞에 있는 미국인 청중에게 전달하는 시나리오를 시연한다.
25:15 - 한국어 강연 발화를 영어로 실시간 통역하는 AI 음성 시연 장면
이후 스페인어 번역도 시도하며, 자신이 스페인어를 전혀 하지 못해도 한국어 발화를 스페인어로 자연스럽게 변환할 수 있음을 보여준다. STT만으로는 번역 품질의 세부 수준을 검증할 수 없지만, 강연자는 댓글을 통해 스페인어 사용자들의 평가를 요청할 정도로 실험적 시연의 성격을 분명히 했다.
27:24 - 한국어 발화를 스페인어로 실시간 통역하는 데모 화면과 텍스트 기록
이 기능의 파급력은 언어 교육 시장에 대한 농담 섞인 반응으로 이어진다. 진행자는 “영어 유치원들이 다 망하는 소리”라고 표현하지만, 김덕진 소장은 이를 단순히 영어 공부가 필요 없어졌다는 결론으로 보지는 않는다. 급한 발표, 일상 대화, 현장 소통처럼 완벽한 통역이 아니어도 되는 상황에서는 AI 통역이 확실한 대안이 될 수 있다. 그러나 중대한 계약, 전문 협상, 정밀한 의미 전달이 필요한 상황에서는 여전히 검증과 전문 통역의 역할이 중요하다고 본다.
언어 공부의 초점은 외국어 자체보다 생각의 명료성으로 이동한다
강연의 흥미로운 결론은 “영어를 공부해야 하는가”라는 질문에 대한 답이다. 김덕진 소장은 AI 통역이 발전할수록 오히려 최소한 하나의 언어를 제대로 다루는 능력이 중요해진다고 말한다. 외국어 표현을 AI가 도와줄 수 있다면, 사용자의 경쟁력은 영어 문장을 직접 만드는 능력보다 자신의 생각을 명확하게 정리하고 말이나 글로 구조화하는 능력에서 나온다는 것이다.
이 관점에서 AI는 언어 학습을 대체하는 도구이면서 동시에 강화하는 도구가 될 수 있다. 사용자가 한국어로 말한 내용을 AI가 영어로 번역하면, 그 번역문을 다시 단어장으로 만들거나 표현 학습 자료로 바꿀 수 있다. 즉 “AI가 있으니 공부하지 않아도 된다”가 아니라, AI를 활용해 더 개인화된 학습 루프를 만들 수 있다는 해석이 가능하다. 강연자는 AI는 아는 만큼 보이기도 하지만, 써본 만큼 보이기도 한다고 말하며 실제 사용 경험의 중요성을 강조한다.
결국 AI 시대의 격차는 단순한 기술 활용 능력에서만 나오지 않는다. 강연자는 앞으로 더 중요한 것은 개인이 가진 콘텐츠, 생각, 철학, 문제의식이라고 본다. 언어 장벽이 낮아지면, 같은 기술을 쓰더라도 전달할 내용이 있는 사람과 없는 사람의 차이가 더 크게 드러날 수 있다. 따라서 AI 통역의 등장은 외국어 학습의 종말이라기보다, 표현 도구의 비용이 낮아진 시대에 무엇을 말할 것인가가 더 중요해지는 전환점으로 읽을 수 있다.
마무리 / 핵심 정리
이 강연의 핵심은 AI가 “똑똑한 답변기”에서 “연결된 업무 수행자”로 바뀌고 있다는 점이다. MCP는 AI가 계산기, 법령 데이터베이스, 통계 포털, 업무 앱과 연결되는 기반을 제공하고, 이를 통해 AI는 더 정확한 정보에 접근해 의사결정과 문서화에 활용될 수 있다. 동시에 실시간 음성 AI는 사람의 대화 맥락을 이해하고, 자료를 찾고, 시각 정보를 보여주며, 통역까지 수행하는 방향으로 발전하고 있다.
다만 이 변화는 인간의 역할을 없애기보다 재배치한다. 데이터와 도구를 연결하는 능력, 결과를 검증하는 판단력, 자신의 생각을 명확히 표현하는 능력이 더 중요해진다. 특히 언어 영역에서는 외국어 문장을 직접 만드는 부담은 낮아질 수 있지만, 전달할 내용과 맥락을 설계하는 능력은 오히려 더 부각된다. AI가 산소처럼 당연한 인프라가 될수록, 중요한 질문은 “AI를 쓸 것인가”가 아니라 “AI에게 무엇을 맡기고, 나는 무엇을 더 잘할 것인가”로 바뀐다.
📚 출처 및 참고
| 구분 | 내용 |
|---|---|
| 원본 영상 | 영어학원 다 망했다, 미친 동시통역 AI (IT커뮤니케이션연구소 김덕진 소장)(1부) |
| 채널 | 언더스탠딩 : 세상의 모든 지식 |
| 리포트 작성 | 2026-07-23 |
| 작성 방식 | YouTube 영상 STT 변환 후 에디팅 |
💬 본 리포트는 영상 내용을 바탕으로 재구성되었습니다. 정확한 내용은 원본 영상을 참조해 주세요.