DeepTrans Studio: 전문가의 개입을 공유 팀 지식으로 전환하는 에이전트 기반 번역 워크플로우

DeepTrans Studio: Turning Expert Interventions into Shared Team Knowledge in Agentic Translation Workflows

전문 번역은 종종 팀 단위로 진행되는 작업입니다. 번역가, 검수자 및 프로젝트 매니저는 문서 전체에 걸쳐 용어, 법적 효력 및 책임 소재를 조정해야 합니다. 그러나 많은 LLM 기반 번역 도구는 인간의 수정 사항을 개별적인 편집으로 취급합니다. 한 세그먼트에서 전문가가 내린 결정이나 특정 팀원의 결정은 드물게 나머지 팀에게 재사용 가능한 지식으로 활용됩니다. 본 논문에서는 DeepTrans Studio를 소개합니다. DeepTrans Studio는 협업 번역 워크스페이스로서, 사용자가 에이전트 기반 번역 워크플로우에서 선택된 부분을 개입하여 검토하고 증거를 확인하며 AI의 출력 결과를 수정하고 승인된 결정을 공유 팀 메모리에 저장할 수 있습니다. 데모 시연에서는 참가자들이 번역가와 검수자의 역할을 수행하면서, 미리 설정된 용어 및 법적 문제점을 해결하고, 사용자가 내린 결정이 하위 세그먼트로 전달되어 동료의 워크스페이스에서 재사용 가능한 선례로 활용되는 과정을 확인할 수 있습니다. 본 데모는 AI 기반 작업에 대한 인간의 개입이 일회성 수정 사항이 아니라 공유되고 추적 가능한 지식으로 변환될 수 있음을 보여줍니다.

Professional translation is often a team-based process: translators, reviewers, and project managers must coordinate terminology, legal force, and accountability across documents. Yet many LLM-based translation tools treat human corrections as isolated edits. Expert decisions made in one segment or by one member are rarely captured as reusable knowledge for the rest of the team. We present DeepTrans Studio, a collaborative translation workspace that lets professionals intercept selected nodes in an agentic translation workflow, review evidence, revise AI outputs, and save approved decisions to a shared team memory. During the demo, attendees will role-play translators and reviewers, resolve preset terminology and legal-modal risks, and see how their decisions are propagated to downstream segments and surfaced in a teammate's workspace as reusable precedents. The demo illustrates how human interventions in AI-mediated work can become shared, traceable knowledge rather than one-off corrections.