깨끗하고 정확한 결과를 얻는 방법
AI 문서 추출 활용법

컬럼 이름은 곧 명령어입니다

AI 추출 도구에 컬럼 이름을 입력할 때, 단순히 스프레드시트 열에 라벨을 붙이는 것이 아닙니다. 모델이 무엇을 찾고, 어떻게 식별하며, 결과를 어떤 형식으로 출력할지 지시하는 것입니다. 모델은 컬럼 이름을 명령어로 읽고 배치의 모든 문서에 적용합니다.

즉, 모호한 컬럼 이름은 모호한 결과를 낳습니다. 예를 들어, 다섯 개의 날짜가 있는 송장에서 "날짜"라고 쓰면 모델이 가장 먼저 만나는 날짜를 반환합니다. 반면, 구체적인 컬럼 이름은 구체적인 결과를 제공합니다. "발행일(YYYY-MM-DD)"은 모델이 어떤 날짜를 찾고 어떻게 형식화할지 명확히 알려줍니다.

아래 여덟 가지 팁은 형식 제어, 중의성 해소, 배치 처리 시 오류를 방지하는 구조적 기법 등 컬럼 이름을 더 효과적으로 활용하는 주요 방법을 다룹니다.

더 나은 추출 결과를 위한 여덟 가지 팁

1. 컬럼 이름에 형식 요구사항 포함하기

"날짜" 대신 "날짜(YYYY-MM-DD)"를 쓰세요. "금액" 대신 "금액(숫자만, 통화 기호 제외)"를 쓰세요. 모델은 컬럼 이름을 필드 식별자이자 형식 지정 명령어로 읽습니다.

이는 중요합니다. 서로 다른 출처 문서에서 동일한 값을 다르게 표현하기 때문입니다. 예를 들어 "2024년 3월 15일", "15/03/2024", "2024-03-15"는 모두 같은 날짜를 세 가지 형식으로 나타낸 것입니다. 열 이름을 "날짜(YYYY-MM-DD)"로 지정하면 배치 내 모든 문서에서 출력이 하나의 형식으로 표준화되므로 후처리가 필요 없습니다. 금액에도 동일한 원칙이 적용됩니다. "총 금액(숫자만, 소수점 둘째 자리)"는 통화 기호와 천 단위 구분 기호를 제거하여 별도의 정리 작업 없이 숫자 연산에 바로 사용할 수 있는 열을 만듭니다.

2. 문서에 동일한 필드 유형이 여러 번 나타나는 경우 명확히 구분하세요

구매 주문서에는 주문일, 배송일, 결제 마감일이 있습니다. "날짜"만 요청하면 모델이 가장 먼저 찾은 날짜를 반환합니다. "주문일", "배송일", "마감일"을 세 개의 별도 열로 요청하세요. 구체적인 이름이 매번 올바른 값을 추출하도록 안내합니다.

이는 금액(송장 합계 vs. 지불된 보증금 vs. 미결제 잔액), 이름(공급업체 vs. 수취인 vs. 연락처 담당자), 참조 번호(구매 주문 번호 vs. 송장 번호 vs. 추적 번호)에도 동일하게 적용됩니다. 문서에 두 번 이상 나타날 수 있는 모든 필드 유형에는 명확히 구분하는 이름이 필요합니다.

3. 추론 또는 분류된 필드에는 자연어를 사용하세요

문서에서 필드를 무엇이라고 부르는지 알 필요 없이, 원하는 내용을 설명하면 됩니다. "거래 유형(차변 또는 대변)"은 은행마다 동일한 개념을 "인출/입금", "DR/CR" 또는 단순히 양수/음수 금액으로 표시하더라도 열 이름으로 작동합니다. 모델은 출처 문서의 키워드 일치가 아닌 의미론적 이해를 기반으로 각 거래를 분류합니다.

조건부 필드에도 동일하게 적용됩니다. "상태 (지불 스탬프 또는 확인 텍스트 기준, 지불됨 또는 미지불)"도 유효한 지시사항입니다. 모델이 문서를 평가하고 분류 로직을 적용하므로, 해당 레이블이 문자 그대로 존재하는 필드에만 국한되지 않습니다.

4. 모호한 열에 예시 값 추가하기

필드 이름만으로 여러 방식으로 해석될 수 있는 경우, 괄호 안에 예시 값을 추가하면 모호성이 해소됩니다. 모델은 이 예시를 보정 신호로 처리합니다. 이는 언어 모델 프롬프트에서 퓨샷 프롬프팅과 동일한 메커니즘입니다.

다음 세 가지 경우에 특히 효과적입니다:

• 특정 분류 체계가 있는 분류 필드: "비용 카테고리 (예: 임대료, 공과금, 급여, 여비)" — 예시 값이 사용할 정확한 카테고리를 정의하므로 모델이 임의로 생성하지 않습니다. 예시가 없으면 서로 다른 시간에 처리된 배치에서 일관성 없는 카테고리 이름이 생성될 수 있습니다.
• 일관되지 않은 출처 간 형식 고정: "전화번호 (예: +1-415-555-0123)" — 국가나 시스템에 따라 다른 형식 규칙을 사용하는 문서에서 예시가 명시적인 형식 규칙 없이 출력 형식을 하나로 고정합니다.
• 유사 식별자 구분: "발주 번호 (예: PO-2024-0892, 송장 번호 아님)" — 여러 참조 번호가 포함된 문서에서 예시가 잘못된 번호를 명확히 배제합니다.

예시는 실제 데이터일 필요 없으며, 그럴듯한 샘플 값이면 충분합니다. 필터가 아닌 패턴 시연자 역할을 합니다.

5. 열 인덱싱이 무음 오류를 방지하는 원리 이해하기

신뢰할 수 있는 AI 추출의 구조적 속성: 각 추출 값은 쉼표로 구분된 문자열 내 위치가 아닌 해당 열 인덱스 번호와 쌍을 이루어야 합니다. 이는 처음 생각보다 더 중요합니다.

명시적인 열 인덱싱이 없으면, 누락된 필드는 조용히 열 이동을 유발합니다. 행에 5개의 열이 있지만 모델이 특정 문서에 필드 3이 없어 생략하면, 해당 행의 필드 4와 5는 잘못된 열에 배치됩니다. 50개 문서 배치에서 이러한 정렬 불량은 포착하기 어렵습니다. 합계는 공급업체 이름 열에, 날짜는 금액 열에 들어가게 되며, 이후 데이터가 조정되지 않을 때까지 문제가 드러나지 않습니다.

인덱싱된 출력(예: "1. 2024-03-15", "2. 1590.00", "3. ACME Supplies")을 사용하면 각 값이 열 정체성을 명시적으로 전달합니다. 누락된 필드는 후속 값을 조용히 왼쪽으로 이동시키는 대신 올바른 인덱스에 빈 자리 표시자를 생성합니다. 소스 문서에 실제로 몇 개의 필드가 있었는지와 관계없이 모든 행은 동일한 구조를 유지하며, 빈 셀은 인접한 열을 손상시키는 대신 누락된 데이터를 올바르게 표시합니다.

이는 또한 일종의 환각 오류를 억제합니다. 인덱스 제약 조건이 없으면 모델이 누락된 필드를 비워두는 대신 그럴듯하게 들리는 인접 값으로 채울 수 있습니다. 명시적 인덱싱은 "여기서 찾은 것 없음"을 유효하고 인식된 출력 상태로 만듭니다.

6. 익숙하지 않은 문서 유형 작업 시 먼저 자동 감지 사용

이전에 추출해 본 적 없는 문서 유형을 접하면, 열을 지정하지 않고 업로드하세요. 모델이 문서의 시각적 구조를 분석하고 발견된 내용을 기반으로 초기 필드 목록을 생성합니다.

해당 출력을 사용하여 어떤 필드가 일관되게 존재하는지, 원본 문서가 어떻게 레이블을 지정하는지 파악한 후, 이후 배치 실행을 위해 열 이름을 정제하세요. 이렇게 하면 열 이름을 추측하거나 빈 셀을 반복하며 문서의 실제 내용을 찾는 것보다 빠릅니다. 특히 익숙하지 않은 레이아웃(새 병원 시스템의 검사 보고서, 워크플로에 추가한 은행의 명세서, 새 공급업체의 청구서 형식)에 유용합니다.

7. 문서당 한 행 또는 품목당 한 행 중 명확히 지정하세요

8개 품목이 있는 청구서는 한 행(품목이 연결되거나 요약됨) 또는 8개 행(품목당 하나)을 생성할 수 있습니다. 지정한 열 이름에 따라 동작이 결정됩니다.

문서 수준 열("공급업체명", "청구일", "총액")을 지정하면 문서당 한 행이 생성됩니다. 품목 수준 열("품목 설명", "수량", "단가", "품목 합계")을 지정하면 배치 내 모든 문서의 품목당 한 행이 생성됩니다. 한 열 집합에 두 유형을 혼합하는 것도 유효합니다. 모델이 각 품목 행에 대해 문서 수준 값을 반복하여 Excel에서 필터링 및 피벗이 쉬운 비정규화된 테이블을 생성합니다.

8. 동일한 유형의 문서를 함께 배치하세요

배치 내 모든 문서가 동일한 열 스키마를 공유하면 각 문서가 하나의 깔끔하게 병합된 테이블의 행 집합이 됩니다. 구분 열 없이 근본적으로 다른 문서 유형을 혼합하면 모호성이 발생합니다. 청구서의 "금액"과 은행 명세서의 "금액"은 의미가 다르며 병합된 출력에서 구분할 수 없게 됩니다.

여러 문서 유형을 병합해야 한다면 "문서 유형" 또는 "출처" 열을 추가하세요. 모델이 각 문서에서 이를 직접 읽어 자동으로 채울 수 있으므로, 각 파일에 수동으로 레이블을 지정할 필요가 없습니다.

전후 비교: 모호한 열 이름 vs. 정확한 열 이름

자주 묻는 질문