계약서에서 데이터 추출하는 방법
완전 가이드

계약 데이터 추출이 중요한 이유

수치는 뚜렷합니다. 평균적인 중대형 기업은 24개의 서로 다른 시스템에서 계약을 관리하며, 계약 데이터는 공유 드라이브, 이메일 첨부 파일, 레거시 저장소, 문서 보관함에 흩어져 있습니다. "다음 분기에 자동 갱신되는 공급업체 계약은 무엇인가?" 또는 "상한 없는 면책 조항에 대한 총 노출액은 얼마인가?" 같은 질문이 생기면 각 파일을 열어 페이지마다 읽어야 답을 얻을 수 있습니다. 계약 전문가 1,300명을 대상으로 한 CLOC 설문조사에 따르면 단일 계약 내 특정 문구를 찾는 데 평균 2시간 이상 걸립니다. 올바른 문서를 찾는 데 45분, 관련 섹션을 찾는 데 추가로 84분이 소요됩니다. 연간 500건의 계약을 처리하는 법무 부서의 경우, 250일 중 188일이 검색에만 소요됩니다.

후속 비용도 측정 가능합니다. World Commerce & Contracting 연구에 따르면 열악한 계약 관리는 연간 9.2%의 수익 누수를 초래하며, 상위 기업은 손실을 3%로 제한하는 반면 하위 기업은 15~20%의 손실을 봅니다. Juro의 2026년 설문조사에 따르면 기업의 11%만이 계약 관리를 "매우 효과적"으로 평가하며, Loio의 2026년 데이터에 따르면 기업의 71%가 계약의 최소 10%를 찾지 못합니다. 이는 기술 문제가 아니라 데이터 접근 문제입니다. 정보는 계약서 안에 존재합니다. 다만 구조화되어 있지 않고, 검색되지 않으며, 보이지 않을 뿐입니다.

계약 데이터 추출은 접근 계층을 해결합니다. 각 계약을 읽는 대신, 추출은 지정한 필드와 조항을 읽어 스프레드시트의 열로 출력합니다. 계약당 한 행, 요청한 모든 데이터 포인트가 각각의 셀에 담깁니다. 과거에 계약당 2시간을 들여 갱신 날짜를 찾던 팀은 이제 단일 열을 정렬하여 향후 90일 내 만료되는 모든 항목을 확인할 수 있습니다. 핵심 기술은 읽기가 아닙니다. "2027년 6월 15일"이 무엇을 의미하는지 알려줄 AI는 아무도 필요로 하지 않습니다. 핵심은 대규모 검색입니다. 동일한 12개 필드에 대해 50건, 200건, 500건의 계약을 읽고 정확도 저하 없이 구조화된 출력을 제공하는 것입니다. 이 프로세스의 기본 개념에 대한 자세한 내용은 계약 데이터 추출이란 무엇인지와 계약 검토, OCR, CLM 플랫폼과 어떻게 다른지 확인하세요.

계약서 추출이 특히 어려운 이유

송장 추출은 비교적 간단합니다. 총액은 예측 가능한 위치에 있고, 송장 번호는 알아보기 쉬운 라벨을 따릅니다. 품목은 일관된 열로 구성된 표를 이룹니다. 이러한 패턴이 유지되는 이유는 송장 소프트웨어가 일관된 템플릿을 생성하기 때문이며, 형식이 다양하더라도 송장의 구조적 문법은 공급업체와 국가를 막론하고 안정적입니다.

계약서는 이러한 가정을 모두 깨뜨립니다. 계약서를 신뢰할 수 있게 추출하기 가장 어려운 문서 유형으로 만드는 요소는 다음과 같습니다.

길이와 밀도. 일반적인 상업 계약서는 20~80페이지입니다. 고용 계약서는 5~15페이지일 수 있습니다. 부록과 수정 사항이 포함된 복잡한 공급업체 MSA는 100페이지를 넘을 수 있습니다. 원하는 데이터가 몇 군데에 집중되어 있는 송장과 달리, 계약 데이터는 문서 전체에 분산되어 있으며, 분포 패턴은 계약 상대방마다 다릅니다. 발효일은 1페이지의 전문에 있을 수 있고, 갱신 조건은 27페이지의 14조에 있을 수 있으며, 지불 일정은 부록 B의 3페이지에 걸친 표일 수 있습니다. 처음 몇 페이지만 읽거나 각 페이지를 독립 문서로 취급하는 도구는 실제로 중요한 데이터를 놓칠 것입니다.

페이지와 조항에 걸친 필드 분산. 계약 필드는 모여 있지 않습니다. 예를 들어 준거법이라는 단일 데이터 포인트는 일반적으로 '기타 조항' 또는 '일반 규정' 섹션의 독립 조항에 나타나며, 이는 종종 서명란 앞의 마지막 실질적 섹션입니다. 따라서 40페이지 계약서의 35페이지에 위치하며, 1페이지의 계약 상대방 이름과는 수백 개의 단락 떨어져 있습니다. 문서 구조 내 필드 위치에 의존하는 템플릿 기반 추출 도구는 초안 작성 관행이 다를 때 작동하지 않으며, 이는 계약 상대방마다 항상 다릅니다.

지불 일정을 위한 표 추출. 많은 계약서에는 산문 텍스트보다 추출하기 어려운 구조화된 표가 포함되어 있습니다: 수수료 일정, 마일스톤 지불 타임라인, 관련 금액이 있는 인도물 목록, 임대차 계약서의 임대료 인상 표 등. 이러한 표는 종종 여러 페이지에 걸쳐 있으며, 셀 병합, 일관되지 않은 열 정렬, 개별 항목을 한정하는 각주가 있습니다. 기존 OCR은 표의 각 페이지를 독립적으로 처리하여 페이지 경계를 넘는 행을 끊습니다. 계약 추출 도구는 페이지 나누기를 넘어 읽고, 열 연관성을 유지하며, 소계 행과 데이터 행을 구분해야 합니다. 이는 각 셀의 문자를 인식하는 것뿐만 아니라 표의 의미 구조를 이해해야 하는 작업입니다.

상호 참조가 포함된 복잡한 법률 언어. 계약서의 한 문장은 다음과 같을 수 있습니다: "제8.2조의 반대 규정에도 불구하고, 본 제X조에 따른 배상 당사자의 의무는 피배상 당사자가 제5.3(b)(ii)조에 따른 의무를 준수하지 않아 발생하는 손실에 대해서는 적용되지 않습니다." 이 문장은 다른 세 개의 조항을 참조하고, 15페이지 앞서 정의된 용어를 사용하며, 중첩된 조건을 포함합니다. '배상'에 대한 키워드 검색은 해당 조항을 찾습니다. 그러나 검색만으로는 배상에 상한선이 있는지 없는지 알 수 없습니다. 상한선이 다른 조항에서 다른 언어로 정의될 수 있기 때문입니다. 추출은 키워드의 존재를 식별하는 것뿐만 아니라 상호 참조 구조를 이해해야 합니다.

상대방별 형식 차이. 모든 계약서는 서로 다른 당사자가 작성합니다. 일반적으로 상대방이 작성하므로, 조직은 템플릿을 통제할 수 없습니다. Fortune 500 기업의 벤더 MSA는 부티크 법무법인의 MSA와 전혀 다르게 생겼습니다. 캘리포니아 기술 기업의 고용 계약서는 텍사스 제조 기업이 작성한 계약서와 다른 구조와 언어를 사용합니다. 같은 조직 내에서도 3년 간격으로 체결된 계약서는 서로 다른 법무팀이 개발한 다른 템플릿을 사용할 수 있습니다. 한 계약서에 적용되는 위치 기반 추출 방식은 다음 계약서에서는 조용히 실패합니다. 유일하게 신뢰할 수 있는 아키텍처는 의미 기반 추출입니다. 즉, 텍스트가 페이지에서 어디에 있는지가 아니라 의미하는 바를 읽는 방식입니다.

기존 방식 vs AI 추출

지난 2년간 추출 기술의 변화는 점진적이 아니라 근본적입니다. 문서를 이해하는 두 가지 아키텍처의 차이입니다.

위치 기반 추출 — 기존 방식. 템플릿 OCR 및 영역 추출 도구는 위치를 기준으로 작동합니다. "발효일"이 표시되는 페이지 영역을 정의하면 도구가 해당 영역 내의 텍스트를 읽습니다. 이 방식은 고정 레이아웃의 문서에는 효과적입니다. 그러나 계약서의 경우 두 가지 문제가 발생합니다. 첫째, 새로운 계약 형식마다 새 템플릿이 필요하며 형식이 변경되면 템플릿을 유지 관리해야 합니다. 둘째, 도구는 정의된 영역 밖의 모든 것을 인식하지 못합니다. 상대방이 발효일을 전문이 아닌 1조에 넣으면 도구는 아무 문제가 있었다는 표시 없이 빈 결과를 반환합니다.

의미 기반 추출 — AI 방식. 최신 AI 기반 추출은 위치가 아닌 의미를 기준으로 읽습니다. 이것이 Custom Column Extraction입니다. 출력에 원하는 열 이름을 입력하면, 비전 기반 대규모 언어 모델인 AI가 전체 문서를 읽고 각 요청 필드에 해당하는 텍스트 블록을 의미적 역할을 이해하여 식별한 다음 각 일치 항목을 올바른 출력 열에 매핑합니다. 한 계약서의 전문에 있는 발효일과 다른 계약서의 27페이지 수정 조항에 묻혀 있는 발효일은 모두 같은 스프레드시트 열에 들어갑니다. AI가 발효일이 무엇인지 이해하기 때문이지, 일반적으로 어디에 있는지가 아니기 때문입니다.

패러다임의 전환은 "문서가 데이터의 위치를 결정한다"에서 "원하는 것을 정의하면 AI가 찾는다"로 바뀌는 것입니다. 이는 계약서에 중요합니다. 두 상대방이 같은 형식을 사용하지 않기 때문입니다. 템플릿 기반 도구는 템플릿과 일치하는 계약서만 처리합니다. 의미 기반 추출은 모든 계약서를 처리합니다. 언어를 읽지 레이아웃을 읽지 않기 때문입니다. 이 기술 전환이 다양한 문서 유형에 어떻게 적용되는지 자세히 알아보려면 AI 문서 추출 작동 방식에 대한 설명을 참조하세요.

실질적인 차이는 측정 가능합니다. 30개의 서로 다른 상대방과 체결한 50건의 계약에 템플릿 기반 워크플로를 사용한다면 30개의 템플릿을 만들고 유지해야 하며, 템플릿이 완벽하게 일치하지 않는 계약에서는 추출 정확도가 떨어집니다. 의미론적 추출 워크플로는 12개의 열 이름을 한 번 정의한 후 50건의 계약 전체를 동일한 추출 과정에 적용하면 됩니다. 적응 작업은 사용자가 아닌 AI가 계약별로 수행합니다.

계약에서 추출할 핵심 필드

무엇을 추출할지는 추출 목적에 따라 달라집니다. 실사 업무를 수행하는 법무팀은 조항의 존재 여부와 범위를 중요하게 여깁니다. 조달팀은 지출 약정과 갱신 날짜를 중요하게 여깁니다. HR팀은 보상, 통지 기간, 경업 금지 조항을 중요하게 여깁니다. 추출 스키마는 사용 사례에 맞아야 하며, "혹시 몰라" 모든 것을 추출하면 아무도 사용하지 않는 지저분한 스프레드시트가 만들어집니다.

다음은 가장 일반적인 두 계약 유형에서 중요하게 여겨지는 필드와 각 필드가 열로 포함되어야 하는 이유입니다:

상업 계약과 고용 계약의 차이는 추출 대상이 다르기 때문에 중요합니다. 상업 MSA와 고용 계약 모두 "날짜"와 "당사자"를 포함하지만, 의사 결정을 좌우하는 필드는 다릅니다. 고용 계약에는 "책임 제한 상한액"이 없지만, 조직에 equally 중요한 "수습 기간"과 "경업 금지 범위"가 있습니다. 조항 수준의 필드에 대해서는 법률 계약 추출 가이드를 참조하세요. 이 가이드는 계약 포트폴리오 전반에서 면책, 불가항력, 중재 조항과 같은 특정 조항을 식별하는 데 초점을 맞춥니다. 여러 계약에서 특정 개별 필드를 추출해야 하는 팀을 위해 계약에서 특정 필드 추출에서 타겟 접근 방식을 다룹니다.

일괄 처리: 포트폴리오에서 스프레드시트까지 한 번에

단일 계약 추출은 서명 전에 하나의 계약을 검토하는 데 유용합니다. 그러나 추출의 진정한 가치는 일괄 처리에서 드러납니다. 계약 포트폴리오를 업로드하고 통합된 스프레드시트 하나를 받는 방식입니다. 이 워크플로우는 계약 데이터를 보이지 않는 상태에서 실행 가능한 상태로 전환합니다.

계약 추출의 일괄 워크플로우는 다음 네 단계로 진행됩니다:

내보내기 및 통합: 추출된 계약 데이터 활용 방법

추출된 계약 데이터 스프레드시트는 그 자체로 유용하지만, 계약 관련 의사결정이 이루어지는 시스템에 연동될 때 더욱 가치가 커집니다.

Excel 또는 Google Sheets에서 즉시 분석. 계약이 행으로, 필드가 열로 정리되면 모든 스프레드시트 작업이 계약 관리 작업이 됩니다. 갱신일 내림차순으로 정렬하여 가장 먼저 만료되는 계약을 확인하고, 적용 법률 = "California"로 필터링하여 관할권별 의무 사항을 검토하며, 상대방별 피벗 테이블을 만들어 공급업체별 총 지출 약정을 확인할 수 있습니다. 이전에는 PDF 200개를 열어야 했던 작업이 이제 다른 데이터 세트와 동일한 방식으로 처리됩니다.

CLM 또는 계약 저장소에 연동. 조직에서 CLM 플랫폼을 사용한다면, 추출된 데이터가 마이그레이션의 핵심 자산입니다. CLM 구현에서 가장 흔한 장애물은 기존 계약의 데이터를 시스템에 입력하는 단계로, 수동 데이터 입력이 대안일 경우 프로젝트가 중단되곤 합니다. 추출은 "폴더에 계약서 500개"와 "시스템에 구조화된 데이터" 사이의 간극을 메우며, 법률 전문가가 직접 타이핑할 필요가 없습니다. 전체 CLM이 필요한지 평가 중인 조직이라면 엔터프라이즈 계약 플랫폼 없이 문서 추출에서 가벼운 추출 도구로 충분한 경우를 확인하세요.

캘린더 및 알림 연동. 추출된 날짜는 캘린더 시스템이나 자동 알림에 연동할 수 있습니다. 갱신을 90일 전에 인지한 경우와 자동 갱신 후 일주일이 지나 발견한 경우의 차이는 종종 연간 계약 금액 전체입니다. 소규모 법률 사무소나 개인 변호사의 경우 개인 변호사를 위한 저렴한 계약 추출에서 비용 효율적인 날짜 추적 방법을 확인하세요.

부서 간 접근. 계약 데이터는 법무팀만의 자산이 아닙니다. 조달팀은 지급 조건과 지출 약정을 확인해야 하고, 재무팀은 발생 비용 계산과 예측을 위해 계약 가치가 필요하며, 영업팀은 어떤 고객 계약에 독점 조항이 포함되어 있는지 파악해야 합니다. 추출된 데이터가 PDF가 아닌 스프레드시트에 저장되어 있으면, 계약과 관련된 모든 부서가 법무팀의 요약을 기다릴 필요 없이 데이터에 접근할 수 있습니다. 조항 식별을 위해 계약을 대량 처리하는 팀은 소규모 법률 사무소를 위한 일괄 계약 조항 추출에서 조항 수준의 워크플로우를 확인하세요.

계약 추출 도구 선택 방법

추출 도구는 기본 OCR 래퍼부터 AI 기반 플랫폼까지 다양합니다. 특히 계약서는 가장 까다로운 문서 유형이므로, 인보이스나 양식보다 선별 기준이 더 엄격합니다. 실제로 작동하는 도구와 지속적인 관리가 필요한 도구를 구분하는 다섯 가지 기준은 다음과 같습니다.

평가 기준이 아니라 특정 공급업체 간 선택을 고민 중이라면, 9가지 계약 추출 도구 비교에서 Kira, Ironclad, Juro, Docparser 등을 다룹니다. 공급업체별 템플릿 설정 없이 필드 데이터를 스프레드시트로 출력하는 도구가 어떤 것인지도 확인할 수 있습니다.

1. 템플릿 불필요, 학습 불필요 운영. 공급업체별 템플릿을 만들거나 샘플 계약서로 모델을 학습시켜야 하는 계약 추출 도구는 추출이 아니라 템플릿 관리에 불과하며, 가장 필요한 순간, 즉 새로운 상대방이 본 적 없는 형식의 계약서를 보낼 때 작동이 중단됩니다. 공급업체에 물어보세요. "본 적 없는 상대방의, 본 적 없는 형식으로 작성된 MSA를 드리면, 상대방 이름, 발효일, 준거법, 종료 조건을 별도 설정 없이 첫 시도에 추출할 수 있나요?" 답변에 템플릿 생성, 모델 학습, 추출 영역 정의가 포함된다면, 구성 오버헤드를 구매하는 것입니다.

2. 부록 및 수정 조항 처리가 포함된 전체 문서 읽기. 계약서는 긴 문서이며, 필요한 데이터는 1페이지에 거의 없습니다. 지급 일정은 부록에 있고, 수정 조항은 본문 조항을 대체합니다. 처음 몇 페이지만 읽거나 각 페이지를 독립적으로 처리하는 도구는 부록 B의 수수료 일정과 수정안 1의 갱신 조건을 놓칩니다. 가장 짧은 계약서가 아니라 부록 3개와 수정안 2개가 있는 가장 긴 계약서로 테스트하세요.

3. 다중 페이지 지급 일정을 처리하는 테이블 추출. 수수료 일정, 마일스톤 지급, 임대료 인상 테이블은 병합 셀과 일관되지 않은 레이아웃으로 여러 페이지에 걸쳐 있어 가장 어려운 추출 과제입니다. 많은 도구가 계약 금액을 단일 숫자로 추출하지만 그 아래의 12행 지급 일정은 처리하지 못합니다. 테이블이 가장 많은 계약서로 테스트하세요. 도구가 "계약 금액: $150,000"을 반환하면서도 지급 일정을 구조화된 행으로 출력하지 못한다면, 데이터의 일부만 제공하는 것입니다.

4. 통합 출력을 제공하는 일괄 처리. 워크플로가 중요합니다. 계약서 50개를 한 번에 업로드하고 스프레드시트 하나를 받을 수 있나요? 일괄 처리는 "계약서당 시간을 절약하는 도구"와 "전체 포트폴리오를 처리하는 도구"의 차이를 만듭니다. 출력은 단일 테이블이어야 합니다. 계약서당 한 행, 모든 필드가 열로 구성되어 수동 병합 없이 즉시 분석할 수 있어야 합니다.

5. 마케팅 수치가 아닌 정직한 정확도. 계약서에 대한 "99% 정확도"는 일반적으로 깨끗한 디지털 생성 PDF의 Tier 1 헤더 필드를 의미하며, 이는 가장 쉬운 추출 사례입니다. 조항 수준 추출과 테이블 추출은 더 어렵고, 신뢰할 수 있는 공급업체는 어떤 필드 유형이 어떤 정확도로 추출되는지 알려야 합니다. 의미 있는 정확도 테스트는 직접 계약서를 실행하는 것입니다. 특히 지저분한 계약서, 즉 2015년 스캔 계약서, 손으로 쓴 수정 조항이 있는 계약서, 낯선 상대방의 다중 부록 MSA가 필요합니다. 공급업체가 데모에서 가장 지저분한 문서로 테스트하는 것을 허용하지 않는다면, 그것이 정확도의 한계입니다.

추출 도구가 다양한 계약 포트폴리오에서 조항 식별이라는 특정 과제를 어떻게 처리하는지 더 자세히 알아보려면 법률 계약 추출의 의미를 참조하세요. 필드 수준 계약 추출의 조항 수준 대응입니다.

자주 묻는 질문

계약 데이터를 눈에 보이게 만들기

데이터는 이미 계약서 안에 있습니다. 문제는 부재가 아니라 접근성입니다. 모든 서명된 계약서에는 비즈니스 의사결정을 좌우하는 상대방 이름, 날짜, 금액, 의무 사항이 포함되어 있습니다. 하지만 그 데이터가 공유 드라이브의 PDF 안에 갇혀 있는 한, 이를 필요로 하는 시스템과 사람들에게는 보이지 않습니다. World Commerce & Contracting의 조사 결과 — 수익의 9.2%가 계약 관리 실패로 인해 손실된다는 것 — 은 나쁜 계약 때문이 아닙니다. 데이터가 스프레드시트에 입력되지 않은 좋은 계약 때문입니다.

계약 데이터 추출은 그 격차를 해소합니다. CLM 구현이 필요하지 않습니다. 수개월간의 템플릿 구성도 필요하지 않습니다. 단 하나의 질문만 던집니다 — 어떤 필드가 필요하십니까? — 그리고 정렬, 필터링, 활용할 수 있는 구조화된 열로 제공합니다. 팀이 수십 개 이상의 계약을 관리하고 파일에서 특정 조항을 찾는 데 정기적으로 시간을 소비한다면, 추출은 "열어서 읽기"에서 "필터링하고 결정하기"로 워크플로를 바꾸는 단 하나의 단계입니다.

계약 데이터 추출 기본 가이드에서 전체 개념을 확인하거나, 샘플 계약을 업로드하여 귀하의 문서에서 필드 수준 추출이 어떻게 작동하는지 직접 확인하세요 — 템플릿, 교육, 설정이 필요 없습니다.