스캔된 양식에서 특정 데이터 추출하기: 필드별 가이드

스캔된 양식은 문서가 아니라, PDF 컨테이너에 담긴 문서의 사진입니다. 기존 OCR은 다른 이미지와 마찬가지로 처리합니다. 픽셀을 텍스트로 변환하고 모든 내용을 그대로 추출합니다. 하지만 스캔된 양식에는 기울어진 페이지, 희미한 잉크, 커피 자국, 저해상도 캡처 등 고유한 오류가 있으며, 템플릿 기반 추출은 양식 레이아웃이 변경되면 템플릿이 깨지는 또 다른 문제를 더합니다. 스캔된 양식에서 특정 필드를 추출하려면 깨끗한 스캔이나 고정된 레이아웃에 의존하지 않는 접근 방식이 필요합니다.

스캔된 양식이 기존 OCR에서 실패하는 이유

기존 OCR은 대비되는 배경에서 텍스트 문자를 감지하는 방식으로 작동합니다. 흰 종이에 검은 잉크, 정렬이 잘 되어 있고 적절한 해상도라면 OCR 정확도는 98% 이상에 도달할 수 있습니다. 그러나 스캔된 양식은 이러한 조건을 거의 충족하지 못합니다. 현장에서 작성된 설문지는 조명이 좋지 않은 상태에서 비스듬히 촬영될 수 있습니다. 의료 접수 양식은 회색 배경과 문자가 겹친 3세대 복사본일 수 있습니다. 정부 양식은 10년 전 150 DPI로 스캔되어 PDF 내부에 압축 JPEG로 저장되었을 수도 있습니다.

기울어짐, 낮은 대비, 해상도 손실, 배경 노이즈와 같은 각각의 열화 패턴은 OCR 문자 정확도를 떨어뜨리며, 문자 수준의 오류는 필드 수준의 실패로 이어집니다. 200자 양식에서 문자 정확도 95%는 10개의 잘못된 문자를 의미합니다. 이 10개의 오류가 "생년월일" 또는 "금액" 필드에 발생하면 전체 추출 결과를 신뢰할 수 없게 됩니다.

템플릿 기반 추출은 문제를 더욱 악화시킵니다. 템플릿은 일관된 양식 레이아웃을 가정하지만, 스캔된 양식은 출처, 버전, 시대가 각기 다릅니다. 세 가지 인쇄본에서 나온 세 가지 버전의 접수 양식을 사용하는 클리닉은 세 개의 템플릿이 필요하며, 그중 하나라도 필드 수준 추출에 실패하면 문제가 발생합니다.

대안: 픽셀 위치가 아닌 필드 의미를 기준으로 양식을 읽는 열 이름 추출 방식입니다. "환자 이름", "생년월일", "보험 ID", "주 호소 증상" 등 원하는 필드를 정의하면 AI가 각 값이 어디에 있는지가 아니라 무엇을 나타내는지 이해하여 찾아냅니다. 이는 스캔 품질 의존성(AI가 부분 텍스트에서 유추 가능)과 템플릿 유지 관리 부담(하나의 필드 정의로 모든 양식 버전에서 작동)을 모두 제거합니다.

필드별 추출 전략

열 이름을 지정하는 방식에 따라 AI가 무엇을 찾고 얼마나 정확하게 찾는지가 결정됩니다. 다음은 일반적인 스캔 양식 시나리오에 대한 필드 명명 전략입니다.

필드 유형	예시	명명 전략
신원 필드	성명, 생년월일, 주민등록번호, 사원번호	양식에 표시된 정확한 레이블을 사용하세요. "이름"보다 "성명"이 "회사명"과의 혼동을 피할 수 있어 더 효과적입니다.
체크박스 필드	성별(남/여), 보험(예/아니오), 동의 여부	"체크박스: [레이블]" 형식을 사용하세요. 예: "성별(남성/여성 체크박스)". AI가 선택된 옵션을 식별합니다.
날짜 필드	제출일, 만료일, 서명일	필드 컨텍스트를 포함하세요. "날짜"보다 "신청일" — 스캔 양식에는 여러 날짜 필드가 있는 경우가 많습니다.
금액 필드	총 납부액, 세액, 납부 보증금	통화에 구애받지 않는 이름을 사용하세요. "납부 금액(숫자)"는 AI에게 "$"를 제거하고 숫자 값만 반환하도록 지시합니다.
자유 텍스트 필드	방문 사유, 특별 지시사항, 의견	정확한 양식 레이블을 사용하세요. AI는 줄 바꿈을 포함한 전체 텍스트 블록을 추출합니다.
서명 필드	신청자 서명, 의사 서명	"서명: [역할] 있음(예/아니오)"을 사용하세요. AI는 존재 여부를 확인하지만 신원은 확인하지 않습니다.

수작업 입력은 그만 — AI가 대신 읽어드립니다

이미지나 PDF를 업로드하세요 — 10초 만에 정형 데이터로

지금 체험하기 →

회원가입 불필요 · 카드 불필요 · 10초 내 결과

스캔 품질이 추출에 미치는 영향과 보정 방법

필드 수준 추출 정확도는 스캔 품질에 따라 예측 가능하게 저하됩니다. 임계값을 알면 양식이 잘 추출될 가능성이 있는 시기와 전처리 또는 수동 검토가 필요한 시기를 결정하는 데 도움이 됩니다.

300 DPI 이상, 깨끗하고 기울어짐 없음: 디지털 문서 수준의 정확도에 근접합니다. 인쇄된 텍스트 필드는 90% 이상의 정확도를 달성합니다. 필기 필드는 가독성에 따라 다르지만 AI의 비전 모델이 읽을 수 있습니다.
150-200 DPI, 약간 기울어짐(<10°), 약간 흐려짐: 인쇄된 텍스트는 여전히 신뢰할 수 있습니다(85% 이상). 필기 필드는 품질이 저하되기 시작합니다. 체크박스 인식은 상자가 문자 기반이 아닌 구조적이므로 정확도를 유지합니다.
150 DPI 미만, 심한 기울어짐, 상당한 배경 노이즈: 인쇄된 텍스트 정확도가 80% 미만으로 떨어집니다. 필기 필드는 신뢰할 수 없게 됩니다. 가능하면 다시 스캔하는 것을 고려하세요. 그렇지 않다면 AI 출력물을 수동 검증이 필요한 초안으로 간주하십시오.

실용적인 팁: AI 추출을 위해 특별히 양식을 스캔하는 경우, 흑백이 아닌 회색조로 300 DPI로 스캔하세요. 회색조는 AI가 희미한 텍스트와 배경 노이즈를 구별하는 데 도움이 되는 미묘한 대비 차이를 보존합니다. 흑백 임계값 처리는 인접한 문자를 병합하거나 희미한 문자를 완전히 누락시키는 경우가 많습니다.

혼합 양식 배치 처리

실제 양식 처리는 단일 양식 유형으로만 이루어지는 경우가 드뭅니다. 의원은 접수 양식, 보험 확인 양식, 검사 의뢰 양식을 받는데, 종종 같은 배치에 섞여 있습니다. 인사 부서는 지원서, 추천 확인 양식, 입사 서류를 받는데, 각각 다른 필드를 가지고 있습니다.

열 이름 추출을 사용하면 모든 양식 유형에 걸쳐 필요한 모든 필드를 포괄하는 열 집합을 정의하여 혼합 배치를 처리할 수 있습니다. AI는 각 양식을 독립적으로 처리합니다. 해당 양식에 존재하는 필드는 추출되고, 나타나지 않는 필드는 비워 둡니다. 출력은 각 행이 어떤 양식 유형에서 생성되었는지에 관계없이 모든 행에 걸쳐 일관된 열을 가진 하나의 스프레드시트입니다.

혼합 형식의 배치에서 최상의 결과를 얻으려면 정의에 "양식 유형" 열을 포함하세요. AI는 제목이나 구조를 통해 양식 유형을 식별하는 경우가 많으므로, 결과를 검토할 때 필터링할 수 있는 열이 제공됩니다.

실제 업무 흐름: 한 건설 회사는 매일 안전 점검표, 장비 점검 목록, 사고 보고서를 스캔하여 접수합니다. 모든 문서는 서로 다른 레이아웃을 가지고 있습니다. 세 가지 개별 추출 템플릿을 유지 관리하고 수동으로 스캔 문서를 분류하는 대신, 하나의 열 세트(검사자 이름, 날짜, 위치, 장비 ID, 발견 사항, 심각도, 필요 조치)를 정의하고 하루 동안의 모든 스캔 문서를 한 번에 업로드합니다. 관련 필드가 없는 양식은 빈 셀을 생성하고, 관련 필드가 있는 양식은 해당 열을 채웁니다. 하루가 끝나면 양식 유형별로 정렬된 하나의 스프레드시트가 완성됩니다.

JPG/PNG/PDF AI 추출

파일은 안전하게 처리되며 저장되지 않습니다.

자주 묻는 질문

AI가 손글씨 양식 필드를 읽을 수 있나요?

네, 하지만 인쇄된 텍스트보다 정확도가 낮습니다. 명확하게 작성된 블록체와 숫자의 경우 정확도는 65~85%입니다. 필기체, 급하게 쓴 글씨, 또는 과도하게 스타일링된 글씨는 정확도가 더 낮아집니다. 손글씨에 대한 AI의 강점은 문맥 추론입니다. 개별 문자가 모호하더라도 필드 컨텍스트(날짜 필드는 날짜가, 전화번호 필드는 숫자가 입력되어야 함)를 평가하여 올바른 값을 결정할 수 있는 경우가 많습니다. 손글씨 필드가 중요한 양식(의료 접수, 법적 진술서)의 경우 출력 결과에 대한 수동 검토 단계를 계획하세요.

체크박스가 있는 양식에서 AI가 어떤 항목이 선택되었는지 알 수 있나요?

네. AI는 체크박스의 시각적 구조(작은 사각형 또는 원형, 선택 시 내부에 표시가 있는 형태)를 인식하여 상태를 반환합니다. "보험 유형 (체크박스: 공공/민간/없음)" 필드의 경우 선택된 옵션을 반환합니다. 다중 선택 체크박스(예: "증상 체크리스트")의 경우 각 선택 항목은 열 정의에 따라 별도 행 또는 쉼표로 구분된 목록으로 표시됩니다.

양식 버전마다 필드 레이블이 다르게 표시되는 경우 AI는 어떻게 처리하나요?

의미 기반 매칭이 레이블 변형을 처리합니다. 양식 버전 1에 "생년월일"이라고 표시되고 버전 2에 "DOB"라고 표시된 경우 AI는 두 항목을 모두 "생년월일" 열에 매핑합니다. 버전 3에서 완전히 다른 위치에 "Birthdate"라고 표시되어도 AI는 의미적 동등성을 이해하므로 매핑합니다. 이는 세 가지를 모두 별도의 템플릿 규칙이 필요한 다른 필드로 처리하는 템플릿 기반 추출과의 근본적인 차이점입니다.

스캔본, PDF 또는 사진 등 어떤 형태로 양식이 도착하든 스캔 PDF를 Excel로 변환하는 도구는 동일한 필드별 추출 방식을 적용합니다. 열을 한 번 정의하고 양식별 템플릿 없이 혼합 형식의 배치를 처리하세요.