본문으로 건너뛰기
인터페이스 언어: 한국어
감사 / Signal

AI가 작성한 대체 텍스트, 필요한 정보를 담았는지 확인하는 방법

대량 생성된 대체 텍스트를 이미지의 역할, 속성의 정확성, 실제 게시 위치에 비추어 확인하는 방법을 살펴봅니다.

본문 언어: 한국어

Aeneia 일러스트: 밝은 실내에서 한 여성이 긴 검은 땋은 머리에 빨간 빗을 대고 있다.
목차

모델이 나무 정리함 사진을 보고 “폴란드 공방에서 손으로 만든 친환경 정리함”이라고 썼습니다. 갓 대패질한 나무 냄새가 날 듯 그럴듯한 문장입니다. 하지만 파일만으로는 원산지나 제작 방식을 알 수 없고, 소재도 무늬목일 수 있습니다. 자연스러운 설명이 곧 확인된 설명은 아닙니다.

대체 텍스트를 대량으로 생성할 때는 두 가지를 따로 확인해야 합니다. 이미지를 정확하게 인식했는지, 그리고 이미지가 놓인 자리에서 필요한 정보를 전달하는지입니다. 모델이 사물의 이름을 맞히더라도 지나치게 많이 또는 적게 설명하거나 페이지 이용에 필요하지 않은 내용을 쓸 수 있습니다. 사진을 자세히 설명한 캡션이 이미지의 텍스트 대안인 alt 필드에 항상 적합한 것도 아닙니다.

검토 대상은 이미지, 페이지 맥락, 모델에 준 지시, 결과와 게시 결정까지 이어지는 전체 과정입니다. 문장이 사진과 어울리는지만 보면 이미지의 기능을 놓칩니다. 화살표가 곧게 그려졌는지만 보고 표지판이 어디를 가리키는지는 묻지 않는 것과 같습니다.

같은 파일도 쓰이는 목적이 다릅니다

책상 위 정리함을 찍은 가상의 사진을 생각해 봅시다. 첫 번째 위치에서는 공방을 소개하는 글 옆의 장식입니다. 두 번째에서는 특정 제품의 대표 사진입니다. 세 번째에서는 사용 설명서에서 칸막이의 위치를 보여 줍니다. 픽셀은 같지만 독자가 수행하는 일에 따라 필요한 정보는 달라집니다.

장식에 긴 설명을 붙이면 글에 필요한 의미를 더하지 않고 분위기만 반복할 수 있습니다. 제품 페이지에서는 어떤 제품 버전이 사진에 보이는지 구별하는 일이 중요할 수 있습니다. 설명서에서는 부품의 배치나 동작의 결과를 이해해야 합니다. 파일에 자동 생성 문장 하나를 고정해 두면 이런 차이를 반영할 수 없습니다.

W3C의 대체 텍스트 결정 트리는 이미지가 맥락에서 수행하는 기능과 의미를 기준으로 텍스트 대안을 선택하며, 장식 이미지에 빈 대체 텍스트를 쓰는 경우도 다룹니다. 검토의 구체적인 출발점입니다. 따라서 AI 과정에는 파일뿐 아니라 이미지의 사용 방식도 전달해야 합니다.

입력 자료에 배치 유형, 주변 문장, 연결된 링크의 동작, 독자가 이미지에서 이해해야 할 내용을 기록하세요. 웹사이트 전체를 보낼 필요는 없습니다. 정해진 역할에 필요한 자료면 됩니다. “사진을 설명해 줘”처럼 지시가 포괄적일수록 정확한 캡션을 얻고도 페이지의 과제를 해결하지 못하기 쉽습니다.

제품으로 연결되는 이미지라면 완성된 인터페이스에서 링크 전체의 이름을 확인하세요. 대체 텍스트가 화면에 보이는 이름과 함께 읽힐 수도 있고, 목적지를 설명하는 유일한 이름이 될 수도 있습니다. 텍스트 파일만으로는 이 관계를 알 수 없습니다. 실제 게시 위치와 요소 구조까지 검토해야 합니다.

대체 텍스트와 모든 사람에게 보이는 캡션을 혼동하지 마세요. 캡션은 제품 버전, 저작자 또는 촬영 맥락을 설명할 수 있습니다. 대체 텍스트는 이미지를 이용하는 데 필요한 의미를 전달합니다. 두 필드를 모두 생성한다면 각각의 역할과 함께 읽힐 때의 결과를 확인하세요. 긴 문장 두 개가 똑같으면 불필요한 반복이 생길 수 있습니다.

웹사이트용 브랜드 사진을 고를 때 이미지의 역할을 정하세요. 선택 기준은 웹사이트의 브랜드 사진 선택에 관한 글 (폴란드어)에서 살펴볼 수 있습니다. 자동화 과정에서도 그 결정이 설명 단계까지 전달되어야 합니다. 그렇지 않으면 팀이 이미 정해 다른 문서에 보관한 결정을 모델이 추측해야 합니다.

Azure Vision의 이미지 설명 문서는 신뢰도 점수와 함께 설명 후보를 생성하고 점수순으로 정렬하는 방식을 설명합니다. 이는 이미지 설명 기능에 관한 정보입니다. 그 점수만으로 후보 문장이 특정 페이지 위치의 기능에 맞는지는 확인할 수 없습니다.

따라서 신뢰도 점수만을 게시 조건으로 삼지 마세요. 사물 인식, 근거 없는 덧붙임의 부재, 역할 적합성을 따로 평가해야 합니다. 서로 다른 질문입니다. 정리함을 알아본 후보의 점수가 높아도 칸막이를 끼우는 단계를 설명한다는 뜻은 아닙니다.

서로 다른 오류를 드러내는 작은 사례 모음 만들기

먼저 실제 사용 상황을 대표하는 이미지를 고르세요. 아주 큰 모음일 필요는 없지만, 단색 배경에 사물 하나만 있는 쉬운 사진 몇 장으로는 부족합니다. 서로 비슷한 제품 버전, 전체가 보이지 않는 세부 사진, 글자가 있는 요소, 옆 문단을 읽어야 의미를 알 수 있는 이미지를 넣으세요.

각 이미지마다 확인된 정보, 역할, 주변 문장, 허용하지 않을 추론을 적은 평가 카드를 만드세요. 모범 문장 하나만 유일한 정답으로 정하지는 마세요. 모델은 다른 표현으로도 의미를 정확히 전달할 수 있습니다. 기준은 검토자의 문체 취향이 아니라 정보를 평가해야 합니다.

가상의 정리함에서는 주장을 세 종류로 나누세요. 첫째는 보이는 칸의 수나 물건의 배치처럼 눈으로 확인할 수 있는 내용입니다. 둘째는 승인된 제품 자료에 있는 소재와 크기입니다. 셋째는 친환경성, 원산지, 내구성처럼 근거 없이 덧붙인 내용입니다. 중요한 주장마다 근거가 어디서 왔는지 추적할 수 있어야 합니다.

세부 사진은 과도한 확신을 점검하는 사례입니다. 확대 사진에 연결부 일부와 가장자리만 보인다고 합시다. “오랫동안 튼튼하게 사용할 수 있는 견고한 결합”은 이미지 인식을 넘어서는 주장입니다. 칭찬을 무해한 문체로 넘기기보다 검토 대상으로 보류하는 편이 낫습니다. 제품 성능에는 별도의 근거가 필요합니다.

비슷한 제품 버전의 사례는 올바른 연결을 시험합니다. 파일에는 칸이 두 개 보이는데 제품 페이지가 세 칸짜리를 다룬다면, 텍스트만 고쳐서는 자료의 불일치가 해결되지 않습니다. 올바른 이미지나 카탈로그 항목을 확인해야 합니다. alt에서 단어 하나만 바꾸면 서로 다른 제품을 가리키는 자료의 충돌을 숨길 수도 있습니다.

Aeneia 콘셉트 사진

그래픽 안에 글자가 있다면 작은 글씨와 기호에도 주의하세요. 모델의 판독은 별도 확인이 필요할 수 있습니다. “K22”와 “K2Z”는 겉으로 거의 비슷하지만 카탈로그의 서로 다른 부분을 가리킬 수 있습니다. 코드가 작업에 중요하다면 승인된 자료와 비교하세요. 유창한 문장이 모든 문자의 정확성을 보증하지는 않습니다.

설명서에서는 동작과 이미지의 관계를 확인하세요. 설명은 제품의 일반적인 이름으로 되돌아가기보다 현재 단계를 이해하도록 도와야 합니다. 연결부를 이해하는 데 본문 설명이 더 필요하다면 페이지를 편집할 때 결정하세요. CMS에 텍스트 필드가 있다는 이유만으로 설명서 전체를 그 안에 넣으려 하지 마세요.

이미지에 데이터나 글자가 적힌 라벨이 있다면 어느 범위까지 옮겨 적을지도 확인하세요. 모델이 공개하고 싶지 않은 세부 정보를 설명에 넣을 수 있습니다. 자동 데이터 제거 과정은 따로 점검해야 하며, 그 한계는 자동 데이터 제거 점검 글 (폴란드어)에서 살펴봅니다. alt에서 이름을 뺐다고 해서 보이는 이미지에서도 이름이 지워진 것은 아닙니다.

읽을 수 없거나 모호한 사례도 추가하세요. 어떤 결과를 사람에게 넘길지, 불확실성을 기록에 어떻게 남길지 미리 정해야 합니다. “아마도 무엇을 보여 주는 것 같습니다”라는 장황한 문장을 게시하자는 뜻이 아닙니다. 필요한 판단의 근거가 없을 때 자동 처리를 멈추자는 뜻입니다.

음성 대화에서도 코드를 잘못 듣는 비슷한 문제가 있습니다. 입력 인식과 의미 수용의 구분은 AI 음성 대화 차례 점검 글 (폴란드어)에서도 살펴봅니다. 이미지에서도 기술적 분석 결과와 올바른 제품 및 정보의 역할을 확인하는 일을 분리할 수 있습니다.

문장 표만이 아니라 게시 과정을 검토하기

대량 작업에서는 결과를 이미지의 구체적인 사용 위치와 연결하세요. 같은 사진이 장식과 설명서에 모두 쓰이면 파일 주소만으로는 부족할 수 있습니다. 페이지, 위치, 자료 버전을 재구성할 수 있도록 기록해야 합니다. 그렇지 않으면 정확한 문장이 엉뚱한 요소에 들어가기 쉽습니다.

의도적으로 비운 대체 텍스트와 아직 결과를 만들지 못한 상태를 구분하세요. 작업 데이터에서는 둘 다 빈 필드로 보일 수 있지만 처리는 달라야 합니다. 첫 번째에는 장식으로 판단한 결정을, 두 번째에는 보류 이유나 처리 오류를 기록해야 합니다. 그렇지 않으면 자동화가 의도적으로 비운 설명을 채우거나 처리되지 않은 이미지를 승인된 것으로 볼 수 있습니다. 글자 수가 아니라 결정 상태를 확인해야 합니다.

결과 누락과 부분 처리도 확인하세요. 모델이 한 항목의 설명을 만들지 못했을 때 시스템이 임의의 파일명이나 다른 이미지의 오래된 문장으로 대신해서는 안 됩니다. 대응 방식은 이미지의 역할과 게시 과정에 따라 정합니다. 적절한 편집 결정을 기다리도록 표시하세요.

완성된 페이지에서 표본을 검토하세요. 읽히는 방식, 주변 문장과의 반복, 링크에서 동작의 이름을 확인합니다. 필드 하나가 정확하다고 사이트 전체가 검증된 것은 아닙니다. 전체 이용 흐름의 접근성은 기업 웹사이트 접근성 안내 글 (폴란드어)에서 다룹니다. 설명 생성 과정의 운영 점검은 자신의 범위를 정직하게 밝혀야 합니다. 도구가 더 넓은 보고서를 제공한다면 AI 자동 접근성 평가의 검사 범위를 확인하세요. 검사 범위를 살피는 방법은 자동 접근성 평가의 검사 범위에 관한 글 (폴란드어)에 나와 있습니다. 어떤 페이지 상태를 방문했고 어떤 판단을 수동 확인에 남겼는지 살펴봅니다.

검토자에게는 이미지와 맥락이 필요합니다. 텍스트만 모은 표는 어색한 문장을 찾는 데 도움이 되지만 요소의 수를 확인하거나 제품 버전이 맞는지 판단하지 못합니다. 결과에서 자료로 쉽게 이동할 수 있는 검토 화면을 준비하세요. 그렇지 않으면 점검이 느려지고 피로 때문에 세부 사항을 놓치기 쉽습니다.

결과는 오류 유형별로 묶으세요. 근거 없이 추가한 소재, 잘못된 링크 목적지, 불필요한 반복은 서로 다른 수정이 필요합니다. “alt 품질”이라는 평균 하나는 설명서에만 나타나지만 그곳에서는 중요한 문제를 숨길 수 있습니다. 파일 수뿐 아니라 확인한 사용 위치의 수도 기록하세요.

Aeneia Audit 서비스는 기업의 AI 사용에 관한 검토를 소개하며, 작업 전 범위를 협의합니다.

다시 생성하기 전에 승인된 편집 내용을 보호하는 방식도 확인하세요. 사람이 설명서의 대체 텍스트를 고쳤다면 자동화가 흔적 없이 새 제안으로 덮어써서는 안 됩니다. 버전, 결정한 사람, 갱신 이유를 기록하세요. 새 결과는 게시 전에 비교 대상으로 둘 수 있습니다. 그러면 카탈로그를 갱신할 때마다 같은 오류를 다시 만드는 대신 이전 검토에서 얻은 지식을 지킬 수 있습니다.

모델 지시를 개선한 뒤에는 같은 사례로 돌아가고 유사 사례도 몇 개 더 추가하세요. 제품 사진의 결과가 좋아졌다고 장식 이미지도 개선된 것은 아닙니다. AI 품질 회귀 테스트에서는 이미지의 역할과 확인된 정보의 경계를 보존하세요. 사례 비교 방법은 AI 결과 회귀 테스트 안내 글 (폴란드어)에서 더 자세히 다룹니다. 그래야 이후 변경을 문장의 유창함만으로 평가하지 않을 수 있습니다.

재검토가 필요한 계기도 정하세요. 모델 변경, 다른 페이지 템플릿, 사진의 새로운 용도, 제품 갱신 등이 해당합니다. 파일이 그대로여도 같은 문장이 의미를 잃을 수 있습니다. 이미지가 다른 목적지로 연결되기 시작하면 대체 텍스트로 돌아가야 합니다. 자동화가 그 변경 시점을 알아야 합니다.

편집자에게 짧은 예시 모음과 예외를 신고하는 방법을 전달하세요. 모든 편집자가 이미지 인식 기술을 알 필요는 없습니다. 하지만 제품의 칸은 두 개인데 설명에는 세 개라고 적혔다거나 옆 설명을 중복한다는 점은 지적할 수 있어야 합니다. 이런 의견은 개인적인 수정으로 사라지지 않고 과정 개선으로 이어져야 합니다.

제대로 검토된 자동화란 모든 이미지에 가장 긴 설명을 붙인 자동화가 아닙니다. 필요한 정보를 준비하고 확인된 사실과 모델의 추론 사이 경계를 지키도록 돕는 과정입니다. 때로는 짧은 설명이, 때로는 다른 전달 방식이, 때로는 의문이 풀릴 때까지 게시를 멈추는 결정이 알맞습니다. 카탈로그에 근거가 나오기 전까지 나무 냄새는 작성자의 상상 속에 두어도 됩니다.

Aeneia / Aeneia 편집부

편집부의 글입니다. 본문에 출처 링크가 있습니다.

Aeneia 소개

함께한 브랜드

  • L’Oréal
  • Garnier
  • Netflix
  • Carrefour
  • Warner Bros. Discovery
  • Biedronka
  • HBO Max
  • Wolt
  • Żabka
  • COSRX
  • 주폴란드 중국대사관
  • Mixa
Aeneia / Initium

지식에서 결정으로

정리하고 싶은 과제를 알려 주세요. 어디서 시작할지 함께 정합니다.

Aeneia에 문의하기

파트너의 솔루션을 활용합니다

  • Google
  • OpenAI
  • Microsoft
  • Stripe
  • Anthropic
  • Linear