수동 데이터 입력이 대부분의 운영팀이
깨닫는 것보다 더 나쁜 이유

문제가 더 이상 문제로 보이지 않는 순간

모든 운영 팀에는 고쳐야 한다고 알고 있는 항목 목록이 있다. 어떤 항목은 몇 달 동안 그 목록에 남아 있다. 어떤 항목은 아예 목록에 오르지도 않는다. 수동 문서 데이터 입력 — 인보이스 필드 입력, 구매 주문 라인 항목, 납품 날짜, 공급업체 이름, 운임 확정, 영수증 합계 — 는 두 목록 중 어디에도 거의 오르지 않는다. 그것은 완전히 세 번째 범주에 속한다: 아무도 문제라고 생각하지 않는 것들.

이것은 수동 데이터 입력이 빠르거나, 저렴하거나, 정확하기 때문이 아니다. 그런 것과는 거리가 멀다. Ardent Partners의 2025년 벤치마킹 연구에 따르면 수동 처리 인보이스 1건당 비용은 $15.97인 반면, 최고 수준의 자동화 처리 비용은 $2.36이다. 거의 7배 차이다. IFOL AP 자동화 동향 2025 보고서에 따르면 AP 팀의 66%가 여전히 ERP에 인보이스 데이터를 수동으로 입력하고 있다 — 2023년의 60%에서 증가한 수치이며, 자동화 투자가 시장에 쏟아진 지 2년이 지난 후임에도 불구하고 그렇다. 이 수치는 단지 높을 뿐만 아니라. 잘못된 방향으로 움직이고 있다.

수동 데이터 입력이 지속되는 이유는 효율성보다 더 오래 지속되는 무언가를 달성했기 때문이다: 비가시성. 그것은 누구의 예산에도 별도의 라인 항목으로 나타나지 않는다. 경고를 발생시키지 않는다. 어떤 단일 주에도 결정을 강요할 만큼 집중된 고통을 일으키지 않는다. 그것은 단지 일이 굴러가는 방식일 뿐이다 — 모든 사람이 하기 때문에 아무도 의문을 제기하지 않는 운영의 배경 소음이다.

조직 심리학자들은 이것을 일탈의 정상화라고 부른다: 용납할 수 없는 관행이, 그 단일 사례가 변화를 정당화할 만큼 치명적으로 보이지 않기 때문에, 점차 용납 가능해지는 과정. 이 용어는 항공 우주 안전 분석에서 유래했다 — NASA의 엔지니어링 팀이 셔틀 부스터의 O-링 침식을 정상으로 받아들이게 된 과정을 설명하면서, 유사한 침식이 있었던 이전 비행들이 실패하지 않았기 때문이다. 운영에서도 동일한 메커니즘이 작동한다. 누군가 PDF를 열고, 12개 필드를 읽고, 화면에 입력하면서 이렇게 생각할 때마다: "문서당 몇 분밖에 안 걸리는데."

문서당 몇 분, 주당 수백 건의 문서로 곱하고, 52주로 곱하고, 입력하는 사람들의 총부담 비용으로 곱하면 — 그 결과는 단일 인보이스에 나타났다면 긴급 회의를 소집했을 숫자다. 그러나 그것이 세 사람, 다섯 가지 문서 유형, 그리고 모든 근무일에 분산되어 있기 때문에, 그것은 소음으로 인식된다. 신호가 아니라. 그것은 회계상의 실패가 아니다. 인식의 실패다.

6자리 숫자의 문제가 왜 0으로 느껴지는가

수동 문서 데이터 입력이 감지되지 않는 데는 세 가지 구조적 이유가 있습니다. 기술 문제가 아닙니다. 조직이 비용을 인식하는 방식에 관한 문제입니다.

첫째, 분산된 비용은 집중된 비용과 다르게 인식됩니다. 월 5,000달러의 소프트웨어 구독료는 조달 검토를 거치고, 예산 코드가 부여되며, 차이 보고서에 나타납니다. 월 40시간의 수동 데이터 입력(완전 부담 기준 시간당 25달러, 연간 1인당 12,000달러)은 아무 검토도 거치지 않습니다. 급여 항목 안에 숨어 있어 생산적인 업무와 구분되지 않습니다. "PDF에서 QuickBooks로 정보를 타이핑하는 것"에 대한 구매 주문서를 작성하는 사람은 없습니다. 하지만 그게 바로 돈이 지불되는 일입니다.

이것이 문서 추출 도구의 ROI 사례가 누군가 숫자를 계산하기만 하면 거의 항상 명확해지는 이유이며, 동시에 왜 그렇게 적은 팀이 숫자를 계산하는지 설명합니다. 비용은 비용으로 드러나지 않습니다. 사람들이 자기 일을 하는 것으로 보일 뿐입니다. 월 50건의 문서에서는 수동 방식이 관리 가능해 보입니다. 200건에서는 바쁘지만 고장 난 것은 아닌 것처럼 느껴집니다. 500건에서는 사람들이 야근을 하지만 아무도 타이핑 자체가 병목인지 묻지 않습니다.

둘째, 기준선이 계속 이동합니다. 2년 전 새 ERP를 도입해 인보이스당 데이터 입력을 12개 필드에서 8개로 줄인 팀은 정당한 효율성 개선을 이뤘습니다. 하지만 여전히 8개 필드를 입력하고 있습니다. 개선이 잔여 문제를 가립니다. 진전처럼 느껴지므로 아무도 나머지 8개 필드를 0으로 만들 수 있는지 묻지 않습니다. 이것은 추출 자동화에서 가장 흔한 패턴 중 하나입니다: 부분 자동화는 고통 수준을 "참을 수 없음"에서 "참을 수 있음"으로 낮추기 때문에 완전 자동화의 적이 됩니다. 그리고 참을 수 있는 수준이 바로 문제가 영원히 사는 곳입니다.

셋째, 수동 데이터 입력에는 제거를 주장할 자연스러운 주체가 없습니다. IT는 소유하지 않습니다. 시스템이 아니기 때문입니다. 재무는 보지 못합니다. 급여 항목 안에 있기 때문입니다. 운영 관리자는 시간 압박을 느끼지만 팀을 느리게 만드는 수십 가지 다른 요인에서 원인을 분리할 수 없습니다. 아무도 아침에 일어나 "문서 데이터 입력 정책을 검토해야 한다"고 생각하지 않습니다. 문제에 주인이 없으므로 해결책도 없습니다.

이 세 가지 힘(분산된 비용, 이동하는 기준선, 부재하는 소유권)은 문제를 숨길 뿐만 아니라 적극적으로 보호합니다. 위기 없이 한 달이 지날 때마다 수동 데이터 입력이 그렇게 나쁘지 않다는 결론이 강화됩니다. 가시적인 피해가 없다는 것이 피해가 없다는 증거가 됩니다.

계산을 멈춘 팀이 실제로 지불하고 있는 비용

보이지 않는 것을 보이게 합시다. 중간 규모 운영 팀(재무, 구매, 물류, 고객 서비스)은 매일 여러 유형의 문서를 다룹니다. 송장, 구매 주문서, 배송 확인서, 공급업체 견적서, 선하증권, 비용 영수증. 각 문서 유형에는 고유한 필드 세트가 있습니다: 날짜, 금액, 참조 번호, 공급업체 이름, 라인 항목, 세금 코드. 각 문서는 열리고, 읽히고, 어딘가(ERP, 회계 프로그램, TMS, 스프레드시트)에 다시 입력됩니다.

문서당 계산은 간단합니다. 필드가 8~10개인 표준 송장은 파일을 열고 각 필드를 찾아 입력하고 확인하는 데 5~8분이 걸립니다. 필드가 5개인 배송 확인서는 3~4분이 걸립니다. 라인 항목이 15개 이상인 공급업체 견적서는 10~15분이 걸립니다. 문서 유형별 평균을 내면 문서당 5분으로 가정합니다.

월 100건의 문서라면 약 8시간, 즉 하루 근무일 전체가 데이터 입력에 흡수됩니다. 300건이라면 25시간, 즉 정규직 직원 주간 근무 시간의 절반 이상입니다. 600건(오하이오 물류 회사의 규모)이라면 월 50시간이며, 물류 코디네이터의 완전 부담 인건비 기준으로 연간 약 $15,000의 직접 인건비가 발생합니다. 이는 한 회사, 한 부서, 그리고 누군가가 세어본 문서에 대해서만 계산한 것입니다.

인건비는 하한선일 뿐 상한선이 아닙니다. 정상적인 조건에서 수동 데이터 입력 오류율은 1%~4%입니다 — 즉 월 600건의 워크플로우에서는 누군가 찾아서 수정해야 하는 오류가 6~24건 발생합니다. 각 후속 수정(잘못된 금액으로 송금, 잘못된 날짜로 배송 예약, 잘못 입력된 단가로 공급업체 견적 비교)은 APQC 벤치마킹 데이터에 따르면 해결하는 데 $25~$150가 소요됩니다. 발견되지 않는 오류는 더 많은 비용이 듭니다: 조기 결제 할인을 놓치거나, 이중 결제하거나, 잘못된 주소로 배송을 보내는 경우입니다.

그다음은 기회 비용입니다 — 측정하기 가장 어렵고 가장 중요한 비용입니다. 데이터를 입력하는 데 보낸 모든 시간은 데이터를 분석하지 않은 시간입니다. 주당 10시간을 구매 주문서 데이터 입력에 쓰는 구매 전문가는 그 10시간을 공급업체와 협상하거나, 공급업체 간 견적을 비교하거나, 통합 기회를 식별하는 데 쓰지 않습니다. 송장 필드를 다시 입력하는 재무 분석가는 지출 패턴을 분석하거나, 이상 청구를 표시하거나, 결제 시기를 최적화하지 않습니다. 대체되는 업무는 가치가 낮은 업무가 아니라 실제로 비즈니스를 앞으로 나아가게 하는 업무입니다. 수동 데이터 입력은 단순히 비용만 발생시키는 것이 아닙니다. 돈을 벌 수 있는 역량을 소모합니다.

템플릿 함정: "자동화를 시도해 봤다"가 상황을 더 악화시킨 이유

운영 관리자에게 왜 여전히 수동 데이터 입력을 하는지 물어보면, 대개 이런 답변이 돌아옵니다. "자동화를 시도해 봤는데, 효과가 없었어요." 자세히 물어보면, 업계를 막론하고 그 이야기는 일관됩니다.

그들은 템플릿 기반 OCR 솔루션, 즉 알려진 문서 레이아웃에서 각 필드가 어디에 있는지 기억하여 데이터를 추출하는 소프트웨어를 구입했습니다. 상위 20개 공급업체를 위한 템플릿을 만들었습니다. 몇 달 동안은 그 20개 공급업체의 송장이 자동으로 처리되었습니다. 그런데 7번 공급업체가 송장 형식을 변경했습니다. 템플릿이 깨졌습니다. 데이터가 잘못 나왔습니다. 공급업체 이름이 날짜 필드에, 소계가 세금 위치에 들어갔습니다. 팀은 일주일 동안 잘못된 데이터가 쌓인 후에야 오류를 발견했습니다. 템플릿을 수정했습니다. 12번 공급업체가 형식을 바꿨습니다. 4번 공급업체가 추가 페이지가 있는 송장을 보내기 시작했습니다. 19번 공급업체는 인수되었고 청구 시스템이 완전히 바뀌었습니다.

어느 시점, 대개 6개월쯤 되면, 템플릿 유지보수 작업량이 원래의 수동 입력 작업량을 넘어섰습니다. 주 3시간의 타이핑이 주 5시간의 템플릿 디버깅이 되었습니다. 팀은 새 공급업체에 대해서는 자동화 사용을 중단했습니다. 그 다음에는 형식이 변경된 기존 공급업체에 대해서도 사용을 중단했습니다. 1년 안에 그들은 모든 것에 대해 수동 입력으로 돌아갔습니다. 하지만 이제는 자동화가 "우리에게는 효과가 없었다"는 확고한 믿음이 생겼습니다.

이것이 템플릿 함정이며, 수동 데이터 입력이 지속되는 가장 큰 단일 이유입니다. 템플릿 기반 OCR이 실패하는 것은 기술이 나쁘기 때문이 아닙니다 — 모델링하려는 세상이 계속 변하기 때문에 실패하는 것입니다. 새 공급업체, 송장 재설계, 다른 스캐너에서 스캔한 문서, 종이 양식의 휴대폰 사진 — 이 모든 것이 템플릿이 인식하지 못하는 새로운 레이아웃입니다. 작업을 줄여야 할 도구가 템플릿 유지보수라는 새로운 범주의 작업을 만들어 냈습니다. 그리고 대부분의 팀이 내리는 결론은 "다른 종류의 도구가 필요하다"가 아니라 "자동화가 우리 업무 흐름에 준비되지 않았다"입니다.

이 함정은 스스로 강화됩니다. 실패한 자동화 시도는 정상화 서사의 일부가 됩니다. "우리는 이미 조사했습니다. 우리 상황에서는 해결할 수 없습니다." 정확히 하나의 접근 방식, 정확히 하나의 기술 패러다임에 기반한 조사가 철저한 것으로 취급됩니다. 문제는 "미해결"에서 "해결 불가능"으로 재분류됩니다. 그리고 수동 데이터 입력은 계속되며, 이제 원래의 관성 위에 지적 정당성이 더해졌습니다.

마침내 그 주문을 깨는 세 가지 요인

분산된 비용, 변화하는 기준선, 템플릿 함정이 수동 데이터 입력을 보이지 않게 만드는 요인이라면, 무엇이 그것을 보이게 만들까요? 결국 자동화에 성공한 운영 팀들과 현재 자동화 도입을 검토 중인 팀들과의 대화에서 세 가지 계기가 일관되게 나타납니다.

성장이 한계에 도달합니다. 한 달에 200건의 문서를 수동으로 입력할 수 있는 팀이 인수, 신규 계약 또는 계절적 수요 급증 이후 400건을 처리해야 하는 상황에 놓입니다. 작업량은 두 배가 아니라 네 배로 늘어납니다. 그 이유는 더 많은 문서에 걸쳐 데이터 입력을 추적, 검증, 수정하는 데 필요한 조정 오버헤드가 문서 수보다 빠르게 증가하기 때문입니다. 사흘이면 끝나던 연말 결산이 이제 2주가 걸립니다. 누군가는 마침내 계산을 해보고 팀이 수동 입력이 구조적으로 지속 불가능한 임계점을 넘었음을 깨닫습니다. 단지 "조금 더 느린" 것이 아니라 다른 운영을 적극적으로 악화시키는 수준입니다.

핵심 인력이 퇴사합니다. "그냥 데이터 입력을 처리하는" 팀원 — 모든 공급업체 송장이 어디로 가는지, 어떤 필드가 어떤 ERP 화면에 매핑되는지, 어떤 문서에 특별한 처리가 필요한지 알고 있는 사람 — 이 사직 통보를 합니다. 갑자기 한 사람의 업무 흐름에 내재된 조직 지식이 메우는 데 몇 주가 걸리는 공백이 됩니다. 수동 데이터 입력의 비용은 더 이상 분산되지 않고 집중됩니다. "PDF에서 숫자를 입력해 시스템에 넣을 사람을 특별히 고용하고 교육해야 합니다." 이것은 "그냥 업무의 일부일 뿐"이라는 대화와는 다른 차원의 대화입니다.

신입 사원이 당연한 질문을 던집니다. 문서 추출을 자동화한 회사에서 온 누군가가 팀에 합류합니다. 둘째 주에 그들은 동료가 PDF를 열고 공급업체 송장을 읽은 다음 입력을 시작하는 것을 지켜봅니다. 그들이 말합니다: "잠깐만요, 왜 그걸 손으로 하고 계세요?" 이 질문은 외부인에게서 나올 때 다르게 받아들여집니다. 수년간의 기준선 변화를 겪지 않은 사람, "그냥 우리가 하는 방식이야"라고 내면화하지 않은 사람의 질문이기 때문입니다. 이것은 가장 단순한 계기이면서 종종 가장 효과적입니다. 모든 합리화를 우회하고 핵심 진실로 직행하기 때문입니다: 좋은 이유는 없습니다. 단지 이전 어느 시점에는 타당했지만 나중에 가정으로 굳어진 이유들만 있을 뿐입니다.

이러한 계기들은 공통된 메커니즘을 공유합니다. 수동 데이터 입력의 비용을 분산되고 보이지 않는 상태에서 집중되고 셀 수 있는 형태로 강제로 전환한다는 점입니다. 비용이 눈에 보이게 되면 문제를 해결하기로 결정하는 것은 간단해집니다. 어려운 부분은 해결책이 아니었습니다. 어려운 부분은 무언가 고쳐야 할 것이 있다는 것을 알아차리는 것이었습니다.

추출이 템플릿에 의존하지 않을 때 무엇이 달라지나

템플릿 함정이 수동 데이터 입력을 정상화하는 메커니즘이라면, 탈출구는 템플릿에 의존하지 않는 추출입니다. 이는 OCR 정확도의 점진적 개선이 아니라, 기계가 문서를 읽는 방식에 대한 근본적으로 다른 접근법 — 방정식을 바꾸는 기술적 전환입니다.

템플릿 기반 추출은 위치에 따라 작동합니다: "송장 번호는 이 특정 레이아웃의 X,Y 좌표에 있습니다." 레이아웃이 바뀌면 — 새 공급업체, 재설계된 송장, PDF 대신 휴대폰 사진 — 좌표가 틀어지고 추출이 실패합니다. 의미 기반 추출 — 현대 AI 문서 처리의 기반이 되는 접근법 — 은 의미에 따라 작동합니다: "페이지의 어디에 나타나든 '송장 번호가 무엇인가?'라는 질문에 답하는 값을 찾으십시오." 이것이 맞춤 열 추출입니다: 필드를 픽셀 위치에 매핑하는 템플릿을 구축하는 대신, 원하는 열 이름 — "송장 번호," "납기일," "공급업체 이름," "합계" — 을 입력하면 AI가 값이 어디에 있는지가 아니라 무엇을 나타내는지 이해하여 각 값을 찾습니다.

운영상의 차이는 유지 관리할 템플릿이 없다는 것입니다. 공급업체가 송장 형식을 변경해도 — AI가 위치가 아닌 의미를 읽기 때문에 추출은 계속 작동합니다. 새 공급업체가 첫 송장을 보내도 — 설정이 필요 없습니다. 현장 서비스 기술자가 휴대폰으로 배송 확인서를 촬영해도 — AI는 깨끗한 PDF와 동일한 방식으로 처리합니다. 첫 번째 자동화 시도를 무산시킨 템플릿 유지 관리 작업량은 의미 기반 추출 워크플로우에는 존재하지 않습니다.

이것이 출력이 항상 완벽하다는 의미는 아닙니다. 정확도는 문서 품질, 필드 명확성, 열 이름이 문서의 언어와 얼마나 잘 일치하는지에 따라 달라집니다. 그러나 실패 모드는 다릅니다: 템플릿 기반 시스템이 고장나면 날짜 필드에 세금 금액이 들어가는 것 같은 조용히 잘못된 데이터를 생성하며, 지불이 나갈 때까지 알아차리지 못할 수 있습니다. 의미 기반 시스템이 불확실할 때는 그 불확실성을 표면화하여, 문서 전체를 다시 입력하는 대신 특정 필드를 사람이 검증하게 합니다.

작성하는 열 이름이 이 프로세스에서 가장 중요한 입력입니다. "합계"라는 열은 작동합니다. "합계(세금 제외)"라는 열은 더 잘 작동합니다. AI에게 송장 합계, 소계, 세금 포함 합계 — 같은 페이지에 모두 나타날 수 있는 세 숫자 — 를 구분할 의미적 정밀도를 제공하기 때문입니다. 이는 템플릿 구축과는 다른 종류의 설정 작업입니다. 프로그래밍이 아닌 구성입니다. 그리고 결정적으로 일회성 투자입니다: 잘 설계된 열 이름 세트는 해당 개념을 포함하는 모든 공급업체, 모든 형식, 모든 문서에서 작동합니다.

더 큰 요점 — 정상화에 갇힌 팀에게 중요한 점 — 은 기술이 "우리는 시도했고 작동하지 않았다"는 결론을 무효화하는 방식으로 변화했다는 것입니다. 실패한 시도는 문서가 도구에 적응해야 하는 패러다임 위에 구축되었습니다. 작동하는 접근법은 도구가 문서에 적응하는 패러다임 위에 구축되었습니다. 그것들은 같은 것이 아니며, 같은 것으로 취급하는 것이 팀이 계속 타이핑하게 만드는 이유입니다.

자주 묻는 질문

우리 팀이 수동 데이터 입력을 정상화했는지 어떻게 알 수 있나요?

세 가지 징후가 있습니다. 첫째, 지난 12개월 동안 수동 데이터 입력에 투입된 총 시간을 계산해 본 사람이 아무도 없습니다. 계산이 어려워서가 아니라, 그런 계산을 실행할 생각을 한 사람이 없었기 때문입니다. 둘째, 누군가 자동화를 언급하면 첫 반응이 "이미 시도해 봤어"인데, 정확히 무엇을 시도했고 왜 실패했는지 설명할 수 있는 사람이 없습니다. 셋째, 데이터 입력 오류를 시스템적 증상이 아닌 개인의 실수로 취급합니다. "짐이 또 PO 번호를 잘못 입력했어"라고 하지, "PO 번호가 잘못 입력될 수밖에 없는 조건을 만드는 프로세스가 있다"고 하지 않습니다. 이 중 두 가지가 익숙하게 느껴진다면, 정상화가 진행 중인 것입니다.

수동 데이터 입력이 올바른 선택인 경우도 있나요?

있습니다. 변동성이 매우 높고 처리량이 매우 적은 경우입니다. 팀이 월 10건의 문서를 처리하고, 각 문서가 서로 다른 필드를 가진 완전히 다른 유형이며, 문서 형식도 일관되지 않다면(손으로 쓴 메모, 혼합 언어 양식, 주석이 많이 달린 PDF), 자동화 시스템을 구축하는 데 드는 시간이 투자 대비 효과를 내지 못할 수 있습니다. 자동화가 명확히 우월해지는 기준은 보통 문서 유형에 일관성이 있고 월 30~50건 이상일 때입니다. 그 이하에서는 수동 입력이 틀린 선택이 아닙니다. 하지만 그것은 여전히 의식적인 선택이어야 하며, 무의식적인 기본값이 되어서는 안 됩니다.

OCR과 AI 문서 추출의 차이점은 무엇인가요?

OCR은 텍스트 이미지를 디지털 텍스트 문자로 변환합니다. 즉, 페이지에 어떤 문자가 있는지 알려줍니다. AI 문서 추출은 그 문자가 무엇을 의미하는지 이해하고 구조화된 열에 배치합니다. 인보이스의 OCR 출력은 텍스트 벽처럼 보입니다. "Invoice #INV-2024-0891 Date: March 15, 2024 Total: $4,230.50 Vendor: Acme Corp." 각 필드를 찾아 올바른 스프레드시트 셀에 직접 복사해야 합니다. AI 추출 출력은 Invoice Number, Date, Total, Vendor가 각각 자체 열에 있는 테이블의 행입니다. 추가 수동 작업 없이 바로 사용할 수 있습니다. OCR은 문자를 디지털화하고, AI 추출은 정보를 구조화합니다. 이들은 서로 다른 범주의 도구입니다.

스캔 문서와 휴대폰 사진에서도 추출이 작동하나요?

네, 모든 문서 처리와 마찬가지로 입력 품질이 출력 품질에 영향을 미친다는 전제가 있습니다. 깨끗하고 고해상도의 스캔은 조명이 좋지 않은 상태에서 각도로 찍은 흐릿한 휴대폰 사진보다 더 정확한 결과를 제공합니다. 하지만 최신 비전 기반 AI는 휴대폰 사진, 스캔 문서, 네이티브 PDF를 동일한 처리 파이프라인으로 처리합니다. 기존 OCR이 비이상적인 입력에서 실패하는 기울기 보정, 대비 조정 등의 전처리 단계를 자주 요구하는 것과는 대조적입니다.

설정하는 데 얼마나 걸리며, 지속적인 유지보수가 필요한가요?

새 문서 유형에 대한 열 이름 설정은 5~10분이면 충분합니다. 추출하려는 필드를 나열하고, 각각에 명확한 이름을 지정하고, 선택적으로 계산 로직이나 형식 규칙을 추가하면 됩니다. 템플릿 학습, 주석을 달 샘플 문서, 레이아웃 구성이 필요 없습니다. 열 이름이 정의되면 해당 개념이 포함된 모든 문서에서 작동합니다. 새 공급업체, 다른 형식, 재설계된 레이아웃 모두 추가 설정 없이 처리됩니다. 추출 자체에 대한 지속적인 유지보수는 없으며, 유일한 지속 작업은 플래그가 지정된 낮은 신뢰도 필드(일반적으로 추출 값의 1~3%)를 검토하고 데이터 요구 사항이 변경될 때 열 이름을 조정하는 것입니다.