웨일스의 웨일스어 AI 전략, 데이터와 일상적 사용 사이의 간극을 드러내다

웨일스 정부는 2024년 6년간의 기술 계획을 마무리하며 이례적인 주장을 내놨다. 웨일스어가 AI 시대에 더 잘 대비돼 있다는 것이었다. Wired-Gov를 통해 배포된 Google News 항목은 이제 이 주장을 다시 기술 뉴스 흐름으로 끌어올렸다. 여기에는 음성 인식, 합성 음성, 기계 번역, OpenAI 및 Microsoft와의 협력이 포함된다.

그러나 진짜 시험은 더 이상 웨일스가 유용한 언어 구성 요소에 자금을 댈 수 있는지에 있지 않다. 이 구성 요소들이 일상적인 언어 선택을 좌우하는 AI 제품, 직장, 학교, 공공 서비스에 도달하는지가 관건이다. 공개 데이터세트는 중요하지만, 사람들은 회의 중에 코퍼스를 사용할 수도 없고 데이터세트에 신청서 작성을 맡길 수도 없다.

이 구분은 웨일스 정부와 주요 기술 기업 모두에 압박을 가한다. 웨일스는 공적 자금으로 구축한 인프라를 측정 가능한 도입으로 전환해야 한다. OpenAI, Microsoft 및 기타 플랫폼 운영자는 모델과 인터페이스가 변해도 웨일스어 지원이 안정적으로 유지된다는 점을 보여야 한다.

Google News 헤드라인이 실제로 요약하는 내용

이 헤드라인은 새로운 AI 제품이나 단일 2025년 출시가 아니라 정책 전환을 설명한다.

근본적인 이야기는 2018년부터 2024년까지 진행된 웨일스어 기술 행동계획에서 시작된다. 이 계획의 목표는 음성 인터페이스, 번역 시스템, 대화형 소프트웨어를 포함한 더 많은 디지털 환경에서 웨일스어를 사용할 수 있게 하는 것이었다.

웨일스 정부는 2024년 2월 20일 최종 기술 보고서를 발표했다. 이 문서는 원래 프로그램을 마무리하고 출범 이후 완료된 작업을 검토했다.

이 계획은 서로 연결된 세 영역에 집중했다. 음성 기술, 컴퓨터 보조 번역, 대화형 인공지능이다. 이들은 현대 소프트웨어 안에서 한 언어가 작동하는 데 필요한 기술적 기반의 상당 부분을 이룬다.

음성 기술에는 녹음된 또는 실시간 음성을 텍스트로 변환하는 자동 음성 인식이 포함된다. 또한 작성된 자료에서 음성 오디오를 생성하는 텍스트 음성 변환 시스템도 포함된다.

컴퓨터 보조 번역은 전문 번역가에게 용어집, 번역 메모리, 자동화된 제안을 제공한다. 대화형 AI에는 챗봇과 대규모 언어 모델, 즉 LLM이 포함되며, 이는 그럴듯한 단어의 연속을 예측해 언어를 생성한다.

정부는 이 프로그램이 웨일스어 음성-텍스트 기술, 전문 기계 번역, 합성 음성 개발에 기여했다고 밝혔다. 일부 합성 음성은 발화 능력을 잃는 사람들을 위해 설계됐다.

이 프로그램은 개발자가 재사용할 수 있는 디지털 자원도 지원했다. 영어, 스페인어, 중국어처럼 상업적 데이터 투자를 유치하기 어려운 소규모 언어에서는 이 점이 중요하다.

Google News의 표현은 이 이야기를 웨일스 기술과 AI 전반을 폭넓게 요약한 것처럼 보이게 할 수 있다. 그러나 근본 정책은 더 좁고 구체적이다. 이는 웨일스에서 운영되는 모든 AI 기업, 데이터센터, 디지털 정책이 아니라 웨일스어를 위한 기술에 관한 것이다.

이 차이는 이 주장을 평가하는 독자에게 중요하다. 웨일스는 OpenAI, Google 또는 Anthropic의 시스템과 경쟁하는 자체 파운데이션 모델을 발표하지 않았다. 대신 이런 시스템 안에서 웨일스어가 작동하게 할 수 있는 언어 자산과 파트너십에 투자했다.

2024년 2월까지 이 접근법은 여러 눈에 띄는 통합 성과를 냈다. 웨일스 당국은 GPT-4의 웨일스어 처리 능력을 개선하기 위한 OpenAI와의 협력을 강조했다. 또한 Teams 내 통역과 관련한 Microsoft와의 협력도 언급했다.

Microsoft Teams는 예약된 회의 중 사람이 다른 언어로 통역을 제공할 수 있게 하는 기능을 도입했다. 이는 자동 기계 번역이 아니다. 소프트웨어는 별도의 오디오 채널을 제공하므로 참가자는 통역 언어를 선택할 수 있다.

이 구분은 정책의 실용적 성격을 보여준다. 웨일스는 AI 모델이 모든 이중언어 회의 문제를 해결하기를 기다리지 않았다. 대신 조직이 즉시 활용할 수 있는 사람 주도형 서비스를 지원하기 위해 기존 플랫폼과 협력했다.

당시 교육 및 웨일스어 장관이었던 Jeremy Miles는 사람들이 특별 요청을 하지 않고도 더 많은 기술 환경에서 웨일스어를 사용할 수 있게 하는 것이 목표라고 말했다. 이는 단순히 웨일스어 인터페이스를 제공하는 것보다 높은 기준이다.

공급업체가 언어 기능을 목록에 올리면 해당 기능은 존재한다. 사용 가능한 언어 경험은 입력, 출력, 검색, 전사, 번역, 지원 전반에서 작동한다. 또한 덜 사용되는 옵션을 조용히 약화할 수 있는 제품 업데이트도 견뎌야 한다.

따라서 2024년 보고서는 작업의 종결이 아니라 하나의 자금 지원 체계의 종료를 의미했다. 다음 단계는 기술 공급을 일상적 수요와 연결해야 했다.

생성형 AI가 중심 이슈가 되기 전, 웨일스는 AI의 재료를 구축했다

웨일스의 가장 강력한 결정은 챗봇이 이 작업을 상업적으로 시급하게 만들기 전에 재사용 가능한 언어 인프라에 투자한 것이었다.

언어 시스템을 훈련하고 평가하려면 텍스트, 음성, 사전, 주석, 표준화된 용어가 필요하다. 개발자는 이 자료를 처리하고 재배포할 권한도 필요하다. 호환되지 않는 라이선스에 묶인 유용한 컬렉션은 공개 연구 프로젝트나 상업용 제품을 지원할 수 없다.

웨일스어는 소규모 언어 AI에서 흔히 볼 수 있는 문제를 안고 있다. 활발한 공동체, 공공기관, 방송사, 학교, 상당한 분량의 문서 자료를 보유하고 있다. 그러나 기계가 읽을 수 있는 자원은 공개 웹에서 수집한 영어 데이터세트에 비하면 여전히 작다.

이 불균형은 유창한 대화 이상의 문제를 낳는다. 모델은 웨일스어 철자, 지역별 언어 패턴, 전문 용어, 이름, 코드 스위칭, 음성 오디오를 처리하는 데 어려움을 겪을 수 있다. 웨일스어 프롬프트를 받은 뒤 영어로 답할 수도 있다.

정부의 대응은 데이터를 공동 인프라로 취급하는 것이었다. 공적 자금으로 구축된 자원은 종종 재사용을 허용하는 라이선스로 공개됐다. 이는 대학, 독립 개발자, 대형 공급업체에 공통의 출발점을 제공한다.

이 전략은 생성형 AI의 중요한 특징을 예견했다. 한 언어의 위상은 개발자가 모델을 훈련하거나 평가할 때 깨끗하고 합법적이며 대표성 있는 데이터를 찾을 수 있는지에 부분적으로 달려 있다.

웨일스 정부의 2025년 기술 업데이트는 원래 계획이 끝난 뒤에도 수집이 계속됐음을 보여준다. 2025년 8월까지 정부는 4개 명명 컬렉션에 걸쳐 웨일스어 음성 훈련 데이터 249시간을 확보했다고 보고했다.

이 컬렉션에는 Common Voice의 124시간, Bangor Transcription Bank의 45시간, Cymen 프로젝트의 40시간, Paldaruo의 40시간이 포함됐다. 녹음 품질과 화자 다양성이 가치에 영향을 미치므로 오디오 시간은 서로 대체 가능한 지표가 아니다.

업데이트는 더 세분화된 데이터 작업도 설명했다. 기여자들은 200개 이상의 추가 문장에서 단어의 문법적 역할에 태그를 달았다. 또한 지식 연결 애플리케이션을 위해 400개 문장 개체에 주석을 달았다.

개체명 주석은 텍스트 안에서 사람, 장소, 조직, 기타 의미 있는 항목을 식별한다. 지식 연결은 이러한 항목을 구조화된 기록에 연결해 시스템이 지명과 일반 단어를 구별하도록 돕는다.

웨일스 당국은 Wikidata를 통해 1만 개 이상의 웨일스어 이름을 공유했다고도 보고했다. 관련 프로젝트는 건물 이름을 위한 웨일스어 라벨 11,264개를 만들었다.

이 수치는 선도적인 영어 모델의 코퍼스와 비교하면 크지 않다. 그 가치는 구체성, 라이선스, 인간 검증에서 나온다. 신중하게 라벨링된 자료는 방대하지만 느슨하게 수집된 데이터세트가 감추는 오류를 시험할 수 있다.

음성 데이터에도 비슷한 상충 관계가 있다. 더 많은 시간은 대체로 도움이 되지만, 포괄성 역시 중요하다. 좁은 화자 집단으로 훈련된 시스템은 연령대, 억양, 녹음 환경, 지역적 변이 전반에서 성능이 떨어질 수 있다.

이 때문에 공개 인프라는 일시적인 챗봇 시연보다 더 강력한 장기 자산으로 남는다. 단일 모델 출시는 곧 구식이 된다. 잘 관리되는 데이터세트는 여러 세대의 제품을 개선할 수 있다.

웨일스는 언어 기술에 집중하는 카탈루냐 정부 프로젝트 AINA와도 자료를 공유했다. 이 협력은 영어 우선 개발에 대한 의존을 줄이려는 유럽 언어 공동체의 더 폭넓은 노력 속에 웨일스어를 위치시킨다.

카탈루냐어와 바스크어는 유용한 참고 사례를 제공한다. 두 언어 모두 공공 언어 자원, 연구 파트너십, 배포에 투자해 왔다. 이 비교는 기관이 데이터와 구매를 조율할 때 소규모 언어도 기술 시장에 영향을 미칠 수 있음을 보여준다.

그러나 이 비교는 규모의 문제도 드러낸다. 좋은 공개 데이터세트조차 전 세계적으로 지배적인 언어에 उपलब्ध한 자료에 비하면 작다. 웨일스는 수집만으로 이 격차를 해소할 수 없다.

웨일스의 영향력은 웨일스어 자원을 쉽게 재사용할 수 있게 하고 주요 공급업체가 이를 무시하기 어렵게 만드는 데서 나온다. 공공 조달, 평가 기준, 파트너십은 작은 데이터세트를 제품 요건으로 전환할 수 있다.

Google News 헤드라인은 완료된 프로젝트를 부각할 수 있지만, 그 프로젝트들이 사용자 행동을 바꿨는지는 보여주지 못한다. 이를 확인하려면 제품과 직장 현장의 증거가 필요하다.

핵심 경쟁은 인프라와 일상적 사용 사이에 있다

웨일스는 기술적 구성 요소를 만들 수 있음을 증명했지만, 그 구성 요소가 일상적인 웨일스어 사용을 일관되게 늘린다는 점은 아직 증명하지 못했다.

웨일스 정부는 원래 행동계획을 검토한 뒤 세 가지 우선순위를 정했다. 첫째는 특히 직장에서 기술을 활용해 일상적인 웨일스어 사용을 늘리는 것이다.

둘째는 언어 기술이 개발자와 사용자 모두에게 도달하도록 보장하는 것이다. 셋째는 데이터 공유와 관련 작업을 통해 웨일스어 AI 및 음성 기술을 개선하는 것이다.

당시 재무 및 웨일스어 담당 내각 장관이었던 Mark Drakeford는 2025년 1월 7일 기술 성명에서 이러한 우선순위를 설명했다. 이는 정책의 무게중심을 자원 구축에서 배포와 도입으로 옮겼다는 점에서 시기가 중요하다.

개발자는 공개 음성 데이터세트를 찾더라도 이를 통합할 엔지니어링 예산이 부족할 수 있다. 공공기관은 명목상 웨일스어를 지원하지만 핵심 단계에서는 영어가 기본값인 소프트웨어를 구매할 수 있다.

도구가 지연을 추가하거나 특별 설정을 요구하면 근로자들도 웨일스어 도구 사용을 피할 수 있다. 기술적으로 정확한 기능도 기존 업무 흐름을 방해하면 실패할 수 있다.

이것이 이 글의 핵심 대립 구도다. 언어 인프라 대 언어 사용. 정부의 가장 강력한 증거는 인프라 측에 있다. 공공적 성과는 다른 측면에 달려 있다.

직장 회의를 생각해 보자. Teams 통역 기능은 별도의 언어 오디오를 지원해 하나의 장벽을 제거한다. 그러나 조직에는 여전히 통역사, 회의 절차, 충분히 안내받은 참가자, 기능을 설정하는 관리자가 필요하다.

음성 인식을 생각해 보자. 모델은 통제된 평가에서는 좋은 성능을 보일 수 있지만, 여러 화자, 배경 소음, 전문 어휘, 또는 웨일스어와 영어가 오가는 대화에서는 어려움을 겪을 수 있다.

생성형 AI를 생각해 보자. 챗봇은 유창한 웨일스어를 생성하면서도 사실 오류나 부자연스러운 용어를 포함할 수 있다. 유창성만으로는 교육, 의료, 법률 업무, 정부 서비스에서의 신뢰성을 입증하지 못한다.

정부와 OpenAI의 파트너십은 영구적인 보장이라기보다 접근성과 영향력으로 이해하는 것이 가장 적절하다. 공급업체가 학습 데이터, 안전 시스템, 검색 도구, 사용자 인터페이스를 업데이트함에 따라 모델의 동작은 달라진다.

OpenAI의 GPT-4 작업은 웨일스 정책 입안자들에게 영향력 있는 한 시스템에 참여할 수 있는 통로를 제공했다. 그러나 이후의 모든 모델을 정확도, 방언 지원 범위, 안전성, 일관성 측면에서 비교하는 공개 벤치마크를 만들지는 못했다.

Microsoft와의 협력도 같은 긴장을 보여준다. Teams 통역은 가치 있는 배포 사례인 반면, Copilot의 웨일스어 처리 개선은 다른 기술 계층을 다룬다. 어느 쪽도 모든 Microsoft 워크플로를 기본적으로 이중 언어로 만들지는 않는다.

AI 기능이 워드 프로세서, 이메일, 검색, 고객 서비스, 운영체제에 등장하면서 과제는 더 커진다. 각 인터페이스는 웨일스어 지원이 완전하거나, 부분적이거나, 아예 없을 수 있는 또 하나의 지점이 된다.

사용자는 이러한 계층을 따로 평가하는 경우가 드물다. 그들은 하나의 끊어진 흐름을 경험한다. 받아쓰기는 웨일스어를 인식하지만 어시스턴트가 영어로 답한다면, 전체 작업은 지원되지 않는다고 느껴진다.

따라서 배포는 데이터셋 제작만큼 가시화되어야 한다. 웨일스에는 실제 사용, 작업 완료, 오류율, 사용자 만족도에 관한 근거가 필요하다.

공공기관은 조달 계약에 이중 언어 기술 요건을 명시함으로써 도움을 줄 수 있다. 공급업체에 어떤 기능이 웨일스어를 지원하는지와 그 지원을 어떻게 테스트하는지 공개하도록 요구할 수 있다.

평가 자료도 공유할 수 있다. 재사용 가능한 벤치마크가 있다면 학교, 기관, 연구자, 공급업체는 동일한 언어 과제를 기준으로 시스템을 비교할 수 있다.

유용한 기록이 회의, 문서, 노트에 흩어져 있을 때 지식 노동자도 관련된 문제에 직면한다. 개인 지식 베이스는 맥락을 보존할 수 있지만, 언어 지원 여부는 웨일스어와 영어 자료 전반에서 검색이 동등하게 작동하는지를 여전히 좌우한다.

이 때문에 웨일스어 기술 정책은 웨일스 밖에서도 중요하다. 소수 언어 지원은 AI 플랫폼이 사용자를 하나의 지배적 언어로 몰아넣지 않고 다언어 사용자를 지원할 수 있는지를 시험하는 기준이다.

공급업체가 웨일스어를 위한 검색, 음성, 생성 기능을 해결한다면 디지털 자원이 제한된 다른 언어에도 이전할 수 있는 방법을 개발하게 된다. 그렇지 않다면 AI 도입은 기존 언어 불평등을 강화할 수 있다.

진전 수치가 입증하지 못하는 것

현재 उपलब्ध한 근거는 활동과 자산을 기록하지만, 신뢰성이나 도입 수준에 대한 완전한 공개 측정치를 아직 제공하지는 않는다.

2025년 8월에 보고된 249시간의 오디오는 구체적인 기준선을 제시한다. 그러나 실제 공공 서비스 환경 전반에서 상용 시스템이 웨일스어를 얼마나 정확하게 전사하는지는 보여주지 않는다.

이름, 라벨, 주석의 수치는 유용한 확장을 보여준다. 하지만 얼마나 많은 개발자가 데이터를 내려받았는지, 어떤 제품이 이를 통합했는지, 또는 사용자가 결과 개선을 체감했는지는 알려주지 않는다.

이는 해당 작업을 폄하할 이유가 아니다. 인프라 프로그램은 종종 간접적으로 가치를 만들어낸다. 문제는 다음 자금 지원이나 조달 결정 시점이 오면 그러한 간접적 가치를 방어하기 어려워진다는 데 있다.

공개 벤치마크는 이 격차의 일부를 메울 수 있다. 전사 정확도, 번역 품질, 사실적 응답 품질, 코드 스위칭, 지역별 변이를 시험할 수 있다.

테스트에는 고위험 과제와 일상적인 과제가 모두 포함되어야 한다. 건강 진료 예약은 비공식 메시지 초안 작성과 위험이 다르지만, 둘 다 언어 도구에 대한 신뢰를 형성한다.

평가에는 사람 검토자도 필요하다. 자동화된 지표는 모델 출력을 참조 답안과 비교할 수 있지만, 여러 웨일스어 번역이 모두 정확할 수 있다. 원어민이 의미, 어조, 자연스러움을 판단해야 한다.

프라이버시는 또 다른 제약을 만든다. 공공 서비스, 학교, 직장에서 수집한 음성 데이터에는 민감한 정보가 포함될 수 있다. 공개 라이선스는 수집 과정이 동의와 데이터 보호를 준수할 때에만 가치가 있다.

대표성도 중요하다. 데이터셋은 법적으로 재사용 가능하면서도 특정 억양, 연령대, 공동체, 언어 능력을 충분히 대표하지 못할 수 있다. 이를 학습한 시스템은 그 격차를 재현할 수 있다.

생성형 시스템은 별도의 우려를 낳는다. 모델은 그럴듯하지만 근거 없는 정보를 만들어내는 환각을 일으킬 수 있다. 또한 자신감 있는 어조를 유지한 채 전문 용어를 잘못 번역할 수도 있다.

이러한 위험 때문에 공공 서비스에서는 인간의 감독이 필수적이다. 웨일스어 지원이 영어 도구에 적용되는 기준을 낮추는 이유가 되어서는 안 된다.

정부의 2025년 AI 개요는 웨일스 공공 부문 도입이 윤리적이고, 신뢰할 수 있으며, 포용적이고, 접근 가능해야 한다고 밝힌다. 이러한 원칙은 방향을 제시하지만, 실제 배포에 영향을 미치는지는 운영 통제가 결정한다.

웨일스는 이후 2025년 11월에 발표된 국가 AI 계획을 통해 더 폭넓은 정책 프레임워크를 수립했다. 이 계획은 경제 성장, 교육, 공정한 제공, 신뢰를 중심으로 의제를 구성했다.

이 광범위한 계획은 조정을 강화하지만, 근거가 필요한 약속의 수도 늘린다. 언어 기술은 이제 보건, 교육, 공공 행정, 역량, 인프라, 경제 발전과 나란히 놓인다.

위험은 웨일스어 지원이 책임 주체 없는 범분야 원칙이 되는 데 있다. 모든 프로그램이 언어를 고려해야 한다면, 어느 하나의 프로그램도 결과를 공개하지 않을 수 있다.

독립적 검토는 이미 이 문제를 더 선명하게 만들었다. 2026년 Senedd 위원회 보고서는 증인들이 웨일스를 소수 언어 기술 프로그램 가운데 비교적 앞선 사례로 평가했다고 전했다.

같은 증거는 웨일스어를 카탈루냐어 및 바스크어와 비교하며 추진력을 유지할 필요성을 강조했다. 플랫폼 개발 주기는 대부분의 공공 정책 주기보다 빠르기 때문에 이 단서는 중요하다.

2024년에 공개된 데이터셋은 수년간 이용 가능할 수 있다. 상용 AI 인터페이스는 1년 안에 여러 차례 바뀔 수 있다. 공식 발표 없이도 지원 수준은 개선되거나 후퇴할 수 있다.

따라서 정부는 네 가지 유형의 측정을 구분해야 한다.

첫째, 자산 지표는 코퍼스, 녹음, 음성, 용어, 주석을 집계한다. 둘째, 통합 지표는 이러한 자산을 사용하는 제품과 서비스를 추적한다.

셋째, 성능 지표는 정확도와 작업 완료를 측정한다. 넷째, 도입 지표는 사람들이 실제로 업무와 일상 활동에서 웨일스어를 선택하는지를 보여준다.

현재 공개 업데이트는 첫 번째 범주에서 가장 강하다. Teams와 기타 파트너십은 두 번째 범주에 대한 근거를 제공한다. 세 번째와 네 번째 범주는 공개 기록만으로 평가하기가 여전히 더 어렵다.

이 한계는 준비 수준에 관한 주장에도 적용된다. 웨일스는 2018년보다 더 많은 자원, 관계, 제도적 경험을 보유하고 있기 때문에 더 잘 준비되어 있다.

준비 수준은 동등성과 같지 않다. 웨일스어 사용자가 영어 사용자와 동일한 기능 범위, 정확도, 업데이트 일정을 받는다는 의미는 아니다.

따라서 가장 안전한 결론은 헤드라인보다 더 제한적이다. 웨일스는 신뢰할 수 있는 기반과 반복 가능한 파트너십 모델을 구축했다. 다음 단계는 제품 규모에서 결과를 입증해야 한다.

전략의 성과를 보여줄 세 가지 신호

다음으로 의미 있는 근거는 독립적 테스트, 눈에 보이는 제품 통합, 지속적인 사용자 도입에서 나올 것이다.

첫 번째 신호는 웨일스어 AI를 위한 정기적인 공개 벤치마크다. 공개된 과제, 대표성 있는 화자, 인간 평가를 활용해 주요 모델과 음성 시스템을 비교해야 한다.

벤치마크는 성능 후퇴를 가시화할 수 있다. 모델 업데이트가 웨일스어 성능을 약화한다면, 연구자와 구매자는 일화에 의존하지 않고 변화를 식별할 수 있다.

조달도 개선할 수 있다. 공공기관은 전사, 번역, 접근성, 생성 응답에 대한 최소 요건을 설정할 수 있다.

이러한 테스트가 도입되고 공급업체가 참여한다면, 웨일스가 자산 생성에서 책임 있는 배포로 이동했다는 주장을 강화할 것이다. 그렇지 않다면 진전 주장은 비교하기 어려운 상태로 남을 것이다.

두 번째 신호는 주류 제품 안에서의 더 폭넓은 통합이다. Teams 통역은 조직에서 이미 사용하는 소프트웨어와 웨일스어 요구를 연결하기 때문에 유용한 선례를 제공한다.

동일한 기준은 회의 요약, 문서 어시스턴트, 검색, 음성 인터페이스, 고객 서비스 시스템에도 적용되어야 한다. 지원은 고립된 하나의 기능이 아니라 전체 작업을 포괄해야 한다.

제품 문서는 웨일스어가 작동하는 곳, 작동하지 않는 곳, 적용되는 품질 관리 방식을 명시해야 한다. 조용한 부분 지원은 비현실적인 기대를 만들고, 실패 후 사용자를 멀어지게 한다.

새로운 통합은 글로벌 플랫폼에 대한 영향력을 보여주므로 웨일스 접근법을 강화할 것이다. 이에 상응하는 통합 없이 데이터셋 목록만 길어지는 것은 현 전략의 근거를 약화할 것이다.

세 번째 신호는 측정 가능한 일상적 사용이다. 정부 정책은 특히 직장에서 웨일스어의 실용적 사용을 늘리는 것을 목표로 한다. 그 결과에는 다운로드나 기능 제공 이상의 것이 필요하다.

유용한 지표에는 통역을 사용하는 이중 언어 회의의 비중, 웨일스어 받아쓰기 사용량, 공공기관의 도입률, 언어별 작업 완료율 등이 포함될 수 있다.

설문조사는 사람들이 왜 영어로 돌아가는지도 물어야 한다. 답은 정확도, 습관, 동료의 선호, 인터페이스 기본 설정, 교육, 누락된 용어와 관련될 수 있다.

이러한 결과는 광범위한 만족도 점수보다 지출 방향을 더 효과적으로 이끌 것이다. 기술적 수정으로는 직장 문화 문제를 해결할 수 없고, 인식 제고 캠페인으로는 부정확한 전사를 고칠 수 없다.

도입 증가가 확인된다면 공공 디지털 인프라가 언어 행동에 영향을 줄 수 있다는 결론을 강화할 것이다. 도구가 늘어났음에도 사용량이 정체된다면, 정책이 공급에 지나치게 집중했음을 시사할 것이다.

Google News 기사는 간과된 기술 프로그램을 더 넓은 AI 대화로 끌어온다는 점에서 가치가 있다. 그러나 집계는 6년간의 정책 기록을 근거보다 더 단정적으로 들리는 헤드라인으로 압축한다.

웨일스는 상당한 기초 작업을 수행했다. 현재 생성형 AI 붐 이전에 시작해 재사용 가능한 자원을 공개하고 주요 공급업체와 관계를 구축했다.

더 어려운 단계가 도래했다. 당국은 빠르게 변하는 시스템을 테스트하는 동시에 데이터셋을 최신 상태로 유지해야 한다. 공급업체는 웨일스어 지원을 가시적이고, 일관되며, 측정 가능하게 만들어야 한다.

개발자와 기업 구매자는 언어 옵션을 완전한 것으로 간주하기 전에 직접적인 질문을 던져야 한다. 어떤 과제를 테스트했고, 어떤 화자가 대표되었으며, 모델 업데이트 후에는 무엇이 일어나는가?

지식 노동자도 다듬어진 시연이 아니라 실제 이중 언어 워크플로를 비교해야 한다. 사람들이 실제로 사용하는 언어 패턴으로 회의, 검색, 전사, 초안 작성, 검색을 테스트하라.

다음 웨일스 AI 업데이트에서 세 가지 신호를 지켜봐야 한다: 공개 벤치마크, 완전한 제품 통합, 도입 데이터. 이것들은 전략이 일상적인 기술 사용을 바꾸고 있는지, 아니면 주로 이용 가능한 자원의 목록만 확장하고 있는지를 보여줄 것이다.

이것이 Google News 헤드라인 뒤에 있는 질문이다. 웨일스는 웨일스어 AI를 위한 많은 요소를 갖추었다. 이제 사람들이 완성된 경험에 의존할 수 있음을 보여줘야 한다.