LLM은 대개 걸프와 이집트 아랍어를 쓰는 것보다 이해하는 것을 더 잘하고, 드문 방언에서는 성능이 떨어집니다. 리야드, 카이로, 베이루트의 고객은 “무엇을 원하세요?”라는 같은 질문을 세 가지 다른 문장으로 할 수 있고, 현대 표준 아랍어(MSA)를 잘 다루는 모델도 이를 잘못 읽을 수 있습니다. 이해와 작문은 따로 테스트하세요.
이 글에서는 주요 방언 그룹 사이에 무엇이 달라지는지, LLM이 어디서 실패하기 쉬운지, 그리고 실제 고객을 맡기기 전에 모델을 어떻게 테스트하는지 다룹니다.
방언은 실제로 얼마나 다른가요?
일상 단어는 매우 다르고, 격식 있는 어휘는 훨씬 가깝습니다. 연구용 코퍼스를 보면 그 규모를 알 수 있습니다. MADAR 코퍼스는 같은 여행 문장을 아랍 도시 25곳의 방언으로 번역했습니다. 아래 표는 흔한 표현 몇 가지입니다. MSA 열은 교과서에 실릴 형태이고, 나머지는 말이나 메시지에서 흔히 쓰는 형태입니다. 철자는 사람마다 다르며, 이것도 문제의 일부입니다.
| 의미 | MSA | 걸프(사우디/에미리트) | 이집트 | 레반트 |
|---|---|---|---|---|
| 무엇을 원하세요? | ماذا تريد؟ | وش تبي؟ / شو تبي؟ | عايز إيه؟ | شو بدّك؟ |
| 어떻게 지내세요? | كيف حالك؟ | شلونك؟ | إزيك؟ | كيفك؟ |
| 지금 | الآن | الحين | دلوقتي | هلّق |
| 모르겠어요 | لا أعرف | ما أدري | مش عارف | ما بعرف |
| 매우 / 많이 | جداً | وايد | أوي | كتير |
LLM에 중요한 패턴은 세 가지입니다.
- 기능어가 바뀝니다. 의문사, 부정 표현, “원하다”는 방언마다 완전히 다릅니다. 짧고 자주 쓰이면서 문장의 의미를 결정하는 단어이므로, 하나만 잘못 읽어도 의도가 뒤집힙니다.
- 철자가 표준화되어 있지 않습니다. 방언은 주로 말로 쓰이므로 사람들은 들리는 대로 적습니다. 같은 단어가 다른 글자로, 함자가 있거나 없이, 또는 라틴 문자(아라비지)로 나타날 수 있습니다.
- 코드 스위칭이 일상입니다. 걸프의 비즈니스 메시지에는 영어 제품명이 섞이고, 레반트와 마그레브 화자는 프랑스어를 섞습니다. 모델은 한 문장 안의 두 문자 체계를 모두 처리할 수 있어야 합니다.
LLM은 아랍어 방언에서 어디서 실패하나요?
모델은 본 텍스트로 학습하는데, 에미리트나 수단 방언처럼 작은 방언의 공개 텍스트는 현대 표준 아랍어보다 훨씬 적습니다. 실제로는 몇 가지 반복되는 오류로 나타납니다.
- 방언 단어를 다른 MSA 단어로 읽습니다. 걸프 방언의 “أبي”(원해요)는 MSA의 “أبي”(내 아버지)와 똑같이 생겼습니다. 대개 문맥으로 풀리지만 작은 모델은 그러지 못할 때가 있습니다.
- 엉뚱한 의도에 답합니다. “الطلب لسه موصلش”(주문이 아직 안 왔어요) 같은 짧은 이집트 방언 불만을 이해하려면, 모델이 “لسه”는 “아직”이고 “موصلش”는 부정형 동사라는 것을 알아야 합니다.
- 방언을 섞어 씁니다. “걸프 아랍어로” 답하라고 하면, 약한 모델은 어떤 원어민도 쓰지 않을 이집트, 레반트, MSA의 혼합을 만들어 냅니다. 잘못 이해하는 것보다 이쪽이 더 흔합니다.
- 과하게 교정합니다. 고객의 방언을 그대로 인용하라고 했는데 MSA로 “고쳐” 버리는 모델이 있어서 추출 작업이 망가집니다.
일반 원칙은 이렇습니다. 모델은 방언을 쓰는 것보다 이해하는 것을 더 잘합니다. 제품을 이에 맞춰 설계하세요.
BroadNet은 아랍어 방언에서 무엇을 테스트했나요?
BroadNet은 가격 페이지에 자체 아랍어 확인 결과를 공개합니다. Qwen3.8 27B에 대해 보고하는 내용은 다음과 같습니다.
- 유창한 아랍어 작문
- 걸프와 이집트 방언 이해
- 정확한 아랍어–영어 번역
BroadNet이 밝힌 것은 여기까지이며 그 이상은 없습니다. 레반트, 이라크, 마그레브 방언 결과는 공개하지 않고, 방언 작문 점수도 공개하지 않습니다. 레반트 고객이 중요하다면 아래 방법으로 직접 테스트하세요.
Qwen3.8 27B는 텍스트와 이미지를 받고, 도구와 구조화된 출력을 지원하며, 답하기 전에 추론하고, 262,144토큰 컨텍스트를 가집니다. 100만 토큰당 입력 $0.175, 출력 $2.17입니다. 다른 채팅 모델은 가격 페이지에서 비교하고, 작문, 번역, 문서까지 다루는 더 넓은 체크리스트는 아랍어용 LLM API 고르기를 참고하세요.
특정 방언에 맞춰 LLM 프롬프트는 어떻게 쓰나요?
어떤 방언이 들어올지, 어떤 형태로 답하길 원하는지, 얼마나 격식을 차릴지 말해 주세요. 사우디 온라인 쇼핑몰 문의함에 잘 맞는 시스템 프롬프트는 다음과 같습니다.
import os
from openai import OpenAI
client = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])
system = (
"You are a customer-service assistant for a Saudi online store. "
"Customers write in Gulf Arabic (often Saudi), MSA, English or Arabizi. "
"Understand all of them. Reply in simple, polite Modern Standard Arabic, "
"in two or three short sentences. If the customer writes in English, reply in English. "
"Never invent order details."
)
response = client.chat.completions.create(
model="broadnet/qwen3.8-27b",
max_tokens=2000, # the model reasons first; leave room for the answer
messages=[
{"role": "system", "content": system},
{"role": "user", "content": "السلام عليكم، طلبي للحين ما وصل، وش السالفة؟"},
],
)
print(response.choices[0].message.content)
고객 메시지는 걸프 아랍어로 “안녕하세요, 주문이 아직 안 왔는데 어떻게 된 거예요?”라는 뜻입니다. “للحين”(아직)과 “وش السالفة”(무슨 일이에요)는 걸프 방언 형태입니다. 좋은 답장이라면 MSA로 지연을 인정하고 주문 번호를 물을 것입니다.
도움이 되는 프롬프트 습관이 몇 가지 더 있습니다.
- 지역뿐 아니라 국가를 밝히세요. “걸프 아랍어”는 사우디, 에미리트, 쿠웨이트, 카타르, 바레인, 오만의 말을 모두 포함하며, 이들은 서로 다릅니다. 시장을 안다면 명시하세요.
- 추출 작업에서는 방언 라벨을 요청하세요. 라우팅이나 분석용으로, 구조화된 출력을 써서 모델이
{"dialect": "gulf" | "egyptian" | "levantine" | "msa" | "other", "intent": ...}를 반환하게 하세요. 고객이 누구인지 알 수 있는 저렴한 방법입니다. - 지시문은 한 언어로 유지하세요. 영어 지시문과 아랍어 콘텐츠의 조합은 대부분의 모델에서 잘 작동합니다. 아랍어 지시문도 작동하지만, 한 시스템 프롬프트에 둘을 섞으면 문체가 흐려지기 쉽습니다. 자세한 내용은 아랍어 프롬프트 엔지니어링에 있습니다.
애초에 방언으로 답해야 할까요?
대부분의 비즈니스에서는 아닙니다. 쉬운 MSA(“화이트” 아랍어나 중립 아랍어라고도 부릅니다)는 아랍어를 읽는 모든 사람이 이해하고, 전문적으로 읽히며, 엉뚱한 나라의 말처럼 들리는 답장의 위험을 피합니다. 방언 답장이 어울리는 곳은 캐주얼한 브랜드, 한 시장을 위해 쓴 마케팅 문구, 그리고 MSA가 딱딱하게 들리는 음성 제품입니다. 그 길을 택한다면 바로 그 방언의 원어민이 매주 출력 샘플을 검토하게 하세요.
하루 만에 방언 처리를 테스트하려면 어떻게 하나요?
- 실제 메시지를 모으세요. 문의함, 채팅 로그, 전사한 음성 메시지에서 방언별로 익명화한 메시지 30~50개를 가져오세요. 이름, 전화번호, 주문 번호는 지우세요.
- 의도를 라벨링하세요. 메시지마다 올바른 의도와 모델이 추출해야 할 사실(주문 번호, 제품, 날짜)을 적으세요.
- 이해를 테스트하세요. 후보 모델마다 의도와 필드를 JSON으로 반환하게 하고 완전 일치를 채점하세요. 라우팅이 제대로 될지 결정하는 수치입니다.
- 작문을 테스트하세요. 방언별로 메시지 10개에 대해 답장을 요청하세요. 원어민이 각 답장을 정확성, 어조, 자연스러움 기준으로 1~3점으로 채점하게 하세요. 본인이 쓰지 않는 방언은 채점하지 마세요.
- 비용과 속도를 확인하세요. 호출마다
usage.prompt_tokens,usage.completion_tokens, 지연 시간을 기록하세요. 방언 텍스트는 MSA와 다르게 토큰화될 수 있으니 짐작하지 말고 측정하세요. 무료 아랍어 토큰 계산기로 빠르게 첫 추정을 할 수 있습니다. - 모델마다 반복하세요. 같은 세트를 Qwen3.8 27B, DeepSeek V4.1 Flash, GLM 5.3에서 돌리세요. 세 모델 모두 같은 OpenAI 호환 API를 쓰므로 모델 ID만 바뀝니다.
Qwen3.8 27B, DeepSeek V4.1 Flash, GLM 5.3은 충전한 뒤에 쓸 수 있습니다. 채팅 모델 중 무료 $5 초기 크레딧으로 쓸 수 있는 것은 BroadNet Gemma 4 VL 26B뿐인데, 저비용 기준선으로 추가할 만합니다. 이해와 라우팅은 한 모델에 맡기고 답장은 MSA로 초안을 쓰는 분리 구성이 유용한 결론인 경우가 많습니다.
음성 메시지 속 방언은 어떻게 하나요?
고객이 음성 메시지를 보낸다면 방언 처리는 더 앞 단계인 음성 인식에서 시작됩니다. 전사 모델이 LLM에 닿기도 전에 방언 단어를 잘못 들을 수 있습니다. BroadNet은 BroadNet Transcribe Arabic의 방언 단어 오류율을 23.4로 발표하며, FLEURS 낭독 음성에서는 3.8입니다. 이 수치의 의미는 아랍어 WER 쉽게 이해하기를 참고하세요. 각 부분을 따로가 아니라 음성 메시지에서 답장까지 전체 흐름을 테스트하세요.
