한국 사업자등록증 데이터를
공급업체 KYC용 Excel로 추출하는 방법

공급업체 KYC에서의 사업자등록증: 정의 및 데이터가 필요한 이유

한국 사업자등록증은 대한민국에서 영업하는 모든 사업체의 기본 신원 문서입니다. 부가가치세법 제8조 및 소득세법 제168조에 따라 국세청(NTS)이 발급하며, 개인사업자든 다국적 기업이든 모든 사업체는 영업 개시 후 20일 이내에 등록하고 이 증명서를 취득해야 합니다. 이 문서의 법적 효력은 세무 행정을 넘어 확장됩니다. 한국의 금융실명법(금융실명거래 및 비밀보장에 관한 법률)에 따라 사업자등록증은 모든 금융거래, 은행 업무 및 상거래 계약에서 사업체 신원의 1차 증빙 자료로 사용됩니다.

공급업체 KYC 관점에서 이 증명서는 잠재적 공급업체에 대해 다음 8가지 정보를 제공합니다.

이 8개 필드는 KYC 팀이 한국 공급업체를 검증하는 데 필요한 최소 데이터 세트입니다. 그러나 실제로는 이메일에 첨부된 PDF 스캔본, 코팅된 증명서를 촬영한 스마트폰 사진, 팩스 사본 또는 NTS의 HomeTax(홈택스) 포털 스크린샷 등 다양한 형식으로 도착합니다. 이러한 형식 중 어느 것도 데이터베이스 입력에 적합한 구조화된 형식이 아닙니다. 바로 여기에서 추출 문제가 시작됩니다.

단계별 가이드: 사업자등록증 데이터를 Excel로 추출하기

한국 사업자등록증을 구조화된 스프레드시트 행으로 변환하는 과정은 네 단계로 이루어집니다. 설정 시간은 한 장을 처리하든 50장을 처리하든 동일하며, 이것이 바로 수동 입력 대신 추출을 사용하는 핵심 이유입니다.

1단계: 사업자등록증 수집

수신한 모든 사업자등록증 문서를 모으세요 — 이메일 첨부 파일(PDF 또는 이미지), 현장 직원이 촬영한 스마트폰 사진, 공급업체 포털에서 스캔한 사본 등 어떤 형태든 괜찮습니다. 이 도구는 JPG, PNG, PDF, WebP 형식을 지원하므로 파일을 변환하거나 정규화할 필요가 없습니다. 모든 파일을 한 번에 업로드하세요. 공급업체 증명서 50건의 배치도 단일 파일과 비슷한 업로드 시간이 소요됩니다 — 파일 크기에 따라 전송에 약 30~60초가 걸립니다.

2단계: 출력 열 정의

이것이 의미론적 추출이 템플릿 기반 OCR과 다른 점입니다. 문서 템플릿에 사각형을 그리는 대신(다음 공급업체의 증명서 레이아웃이 다르면 작동이 중단됨), AI가 찾기를 원하는 필드의 이름을 지정하기만 하면 됩니다. KYC 스프레드시트에 맞는 열 이름을 입력하세요: 사업자등록번호, 상호, 대표자, 사업장 주소, 과세 유형, 업종 코드, 개업일. 입력한 열 이름이 최종 테이블의 헤더가 됩니다. 공급업체별 템플릿 구성이 필요 없습니다 — AI가 각 증명서를 읽고 좌표 위치가 아닌 의미론적 이해를 통해 일치하는 필드를 찾습니다.

맞춤 열 추출이라고 하는 이 방식은 출력 구조를 한 번 정의하면 모든 증명서 — 발급 기관, 촬영 카메라, 스캔 여부나 스크린샷 여부와 관계없이 — 동일한 열에 매핑됩니다. 비스듬히 촬영된 사진을 제출한 공급업체도 NTS 포털에서 깨끗한 PDF를 업로드한 공급업체와 동일한 구조화된 행을 생성합니다. 사업자등록증은 한국 세금 문서군의 한 구성원입니다 — 한국 세금 문서 처리 가이드에서 동일한 열 우선 방식이 세금 계산서, 현금 영수증, 배송 명세서를 어떻게 읽어내는지 확인할 수 있습니다.

3단계: AI 추출

파일이 업로드되고 열이 정의되면 추출 엔진이 모든 증명서를 일괄 처리합니다. 각 문서는 비전 언어 모델로 분석되어 필드 라벨을 식별하고, 관련 값을 읽고, 요청된 열에 매핑합니다. 처리 시간은 페이지당 5~10초이며, 모든 파일이 처리되면 일괄 작업이 완료됩니다 — 일반적인 공급업체 규모의 경우 보통 몇 분 이내입니다.

4단계: Excel 또는 CSV로 내보내기

결과는 단일 Excel(XLSX) 또는 CSV 파일로 생성됩니다. 각 증명서는 하나의 행이 되고, 각 정의된 열은 하나의 열이 됩니다. 내보낸 파일은 KYC 데이터베이스, ERP(예: 더존, 이카운트, SAP), 또는 공급업체 관리 시스템으로 바로 가져올 수 있습니다. 수동 재포맷은 필요하지 않습니다 — 데이터 구조는 2단계에서 정의한 열 이름과 일치하며, 파일 형식은 모든 한국 회계 플랫폼에서 지원하는 표준 CSV 또는 XLSX입니다.

KYC 스프레드시트에 필요한 8가지 핵심 필드 — BRN 읽는 방법

사업자등록번호 자체에는 KYC 팀이 별도 데이터베이스를 대조하지 않고도 신속한 공급업체 평가에 활용할 수 있는 의미 있는 정보가 포함되어 있습니다. 번호 구조를 이해하면 10자리 식별자가 즉시 검증 도구로 바뀝니다.

BRN 형식 XXX-XX-XXXXX은 다음과 같이 구성됩니다:

가운데 두 자리 숫자만 한 번에 보면 공급업체가 개인 사업자인지, 법인 본사인지, 지점인지, 비영리 단체인지, 외국 법인인지 데이터베이스를 조회하지 않고도 알 수 있습니다. 이는 특히 대량의 공급업체 신청을 처리할 때 초기 KYC 선별 속도를 높이는 신호로, 대부분의 신청이 초기 심사를 통과하고 예외 건만 에스컬레이션하면 되는 상황에서 유용합니다.

BRN, 상호, 대표자, 개업일, 주소, 업종 코드, 과세 유형, 발급 사유 등 8개 필드로 구성된 완전한 데이터 세트는 공급업체 마스터 레코드를 채우는 데 필요한 모든 정보를 제공합니다. 정부, 국내 ERP, 달러 기준 AI 도구 비교에 따르면 국내 시장에서 제공되는 도구는 ERP 구독을 요구하거나 페이지당 과금을 부과하며, 두 가격 모델 모두 월 10건에서 공급업체 갱신 주기에 200건까지 불규칙한 인증서 물량을 처리해야 하는 일괄 KYC 사용 사례에 최적화되어 있지 않습니다.

한국 공급업체 온보딩에서 수동 입력이 진정한 병목인 이유

공급업체 KYC를 위한 수동 데이터 입력 비용은 단순히 타이핑에 소요되는 시간만이 아닙니다. 온보딩 지연, 누락되는 오류, 잘못된 공급업체 정보에 기반한 조치로 인한 컴플라이언스 리스크까지 포함합니다.

분기당 30개 신규 한국 공급업체를 온보딩하는 중견 기업을 가정해 보겠습니다. 각 사업자등록증에는 8개 핵심 필드가 포함됩니다. 분기당 240개 데이터 포인트이며, 실제로는 컴플라이언스 팀이 제출일, 검토자, 검증 상태, 문서 만료일도 기록하므로 인증서당 8개 이상의 필드가 필요합니다. 인증서당 약 3분의 수동 입력 기준으로 30개 인증서 배치당 90분이 소요되며, 모든 것이 순조롭게 진행된다는 전제입니다. 실제로는 더 오래 걸립니다. 입력 담당자가 스마트폰 사진을 확대해 흐릿한 등록번호를 읽거나, 기울어진 스캔본에서 주소를 다시 입력하거나, "일반과세자"가 공급업체가 VAT 인보이스를 발행할 수 있는지 여부를 의미하는지 내부 정책과 대조해 확인해야 하기 때문입니다(발행할 수 있지만, 컴플라이언스 담당자가 여전히 내부 정책과 대조해 확인해야 합니다).

2~3%의 데이터 입력 오류율을 더하면 — 10자리 BRN에서 한 자리 숫자를 잘못 읽으면 잘못된 법인에 결제가 이루어집니다 — 수동 입력 비용은 배가됩니다. 분기당 30개 인증서를 처리하는 컴플라이언스 팀의 경우 배치당 약 5~7개 필드가 잘못 입력됩니다. 각 오류는 공급업체에 대한 후속 이메일이나 전화를 요구하며, 온보딩 주기를 며칠 또는 몇 주 지연시킵니다.

일괄 추출은 이러한 오류를 원천적으로 제거합니다. AI가 문서 이미지에서 각 필드를 직접 읽어 구조화된 텍스트로 출력합니다. 오류 프로필은 전사 오류(잘못된 숫자, 잘못 입력된 이름, 전치된 주소)에서 해석 경계 사례(복사본의 희미한 텍스트, 부분적으로 가려진 직인)로 전환되며, 이는 훨씬 덜 빈번하고 검토 중에 훨씬 쉽게 발견할 수 있습니다.

의미 기반 추출이 한국 증명서를 처리하는 방식

사업자등록증은 기존 OCR 도구가 제대로 처리하지 못하고 의미 기반 추출이 직접 해결하는 세 가지 과제를 제시합니다.

과제 1: 직인 간섭. 사업자등록증에는 발급 세무서의 공식 직인이 여러 개 포함되어 있습니다. 이러한 직인은 인쇄된 텍스트 필드와 겹치는 경우가 많습니다. 세무서장의 직인은 발급일이나 세목 분류를 부분적으로 덮을 수 있습니다. 기존 OCR은 텍스트 위의 잉크를 노이즈로 읽고 깨진 문자를 출력합니다. 비전 언어 모델은 문서를 전체적으로 읽습니다. 원형의 빨간 오버레이가 직인임을 이해하고 텍스트 인식 목적에서는 이를 무시한 채 그 아래 문자를 올바르게 읽습니다. 이 구분이 중요한 이유는 거의 모든 사업자등록증에 직인이 존재하기 때문입니다. 직인은 문서의 특징이지 이상 현상이 아닙니다.

과제 2: 한글, 한자, 영어의 혼용. 한국 증명서는 대부분의 필드 라벨과 값에 한글을 사용하고, 상호와 주소에는 한자를 사용하며, 일부 수출용 증명서에는 영어를 사용합니다. 하나의 문자 체계에 최적화된 도구는 다른 문자 체계에서는 성능이 저하됩니다. 의미 기반 추출에 사용되는 비전 모델은 동일한 문서 페이지 내에서 세 가지를 동시에 처리합니다. 스크립트별로 OCR 엔진을 전환하지 않습니다. 상호에 한자가 포함된 공급업체(예: 오래된 무역 회사의 株式会社)도 한글로 인코딩된 필드와 함께 올바르게 읽힙니다.

도전 과제 3: 각도, 조명, 형식의 다양성. 실제 사업자등록증은 플랫베드 스캔, 사무실 휴대폰으로 찍은 책상 위 사진, 팩스의 팩스, HomeTax 포털 스크린샷 등 다양한 형태로 유입됩니다. 템플릿 기반 OCR은 문서가 사전 정의된 영역 내에 위치해야 합니다. 20도 각도로 촬영된 사진은 모든 필드를 예상 경계 상자 밖으로 밀어냅니다. 의미론적 추출은 필드 위치에 의존하지 않습니다. 옆에 있는 라벨을 읽어 값을 찾기 때문에, 해당 라벨이 페이지 어디에 있든 상관없습니다. 이러한 형식 독립성 덕분에 공급업체별 구성 단계 없이 일괄 처리가 가능합니다.

FAQ

한국어만 있고 영어가 없는 사업자등록증에서 데이터를 추출할 수 있나요?

네. AI는 한글을 영어나 한자만큼 자연스럽게 읽습니다. 한국어가 플러그인으로 추가된 별도의 OCR 엔진이 아닙니다. 추출 템플릿의 열 이름은 영어(예: "Business Name")로 지정할 수 있으며, AI는 해당 한국어 필드 라벨("상호")을 찾아 값을 추출합니다. 출력 스프레드시트에는 영어 열 헤더 아래에 추출된 한국어 텍스트 값이 포함됩니다. 동일 문서에 한국어와 영어 텍스트가 모두 포함된 이중 언어 증명서의 경우, AI는 필드 라벨이 사용하는 언어를 읽습니다.

공급업체 증명서가 각도가 기울어졌거나 조명이 좋지 않은 사진이라면 어떻게 하나요?

의미론적 추출은 정면 위치에 의존하지 않기 때문에 기울어진 사진과 고르지 못한 조명을 기존 OCR보다 더 잘 처리합니다. 비전 모델은 사람이 문서를 읽는 방식으로 문서를 해석합니다. 고정 좌표를 기대하는 대신 내용과 상대적 배치를 통해 필드 라벨과 값을 식별합니다. 흐릿하거나 매우 낮은 해상도의 사진은 정확도를 떨어뜨릴 수 있지만, 가장 일반적인 상황(표준 사무실 조명에서 스마트폰으로 찍은 책상 위 사진)에서는 안정적인 추출이 가능합니다.

추출 도구가 BRN이 실제 활성 등록인지 검증하나요?

아니요 — 도구는 증명서에 인쇄된 대로 BRN을 추출하지만, NTS 데이터베이스를 조회하여 번호가 현재 활성 상태인지 또는 사업체가 이후 폐업했는지 확인하지 않습니다. 추출된 BRN은 NTS HomeTax 포털(www.hometax.go.kr) 또는 한국 공공데이터 포털(data.go.kr) API를 통해 확인할 수 있습니다. 추출 단계는 구조화된 데이터를 생성하며, 별도의 검증 단계가 현재 유효성을 확인합니다. 이러한 추출과 검증의 분리는 KYC 워크플로우에서 표준적인 관행으로, 추출된 데이터는 검증 프로세스의 입력값이지 출력값이 아닙니다.

증명서에 특정 필드가 누락된 경우 어떻게 되나요?

특정 필드가 문서에 나타나지 않는 경우(예: 재발급된 증명서에 원래 사업 개시일이 표시되지 않을 수 있음), 해당 열 셀은 비워 둡니다. 추출은 값을 추측하지 않으며 페이지에서 찾은 내용만 출력합니다. 이 동작은 배치의 모든 문서에서 일관되게 적용되므로, 내보낸 스프레드시트에서 누락된 필드를 쉽게 식별하고 특정 공급업체에 후속 조치할 수 있습니다.

개인 사업자와 대기업의 증명서를 함께 일괄 처리할 수 있나요?

예. 사업자등록증 형식은 NTS가 표준화했습니다 — 프리랜서와 삼성 계열사 모두 동일한 문서 구조가 적용됩니다. 둘 다 BRN, 사업자명, 대표자명, 주소, 업종 분류를 생성합니다. 유일한 차이는 BRN 중간 두 자리의 법인 유형 코드(개인 사업자는 01–79, 법인은 81/86–88)로, AI가 BRN 필드의 일부로 추출합니다. 혼합 법인 유형의 단일 배치도 한 번에 처리됩니다.

동일한 작업에 Naver Clova OCR을 사용하는 것과 비교하면 어떤가요?

Naver Clova OCR은 한국어 텍스트를 높은 정확도(97–99%)로 읽으며 페이지당 약 ₩50의 비용이 듭니다. 중요한 차이는 텍스트 인식 이후에 발생합니다: Clova OCR은 위치 데이터가 포함된 원시 텍스트 문자열을 반환하지만, 어떤 문자열이 사업자명인지 대표자명인지 주소인지 이해하지 못합니다. 구조화된 필드를 추출하려면 증명서 레이아웃별로 사용자 정의 파싱 로직을 작성하거나 문서 형식별로 템플릿을 구성해야 합니다 — 각 공급업체의 증명서에 미묘한 레이아웃 차이가 있을 때 일괄 처리의 목적이 무산됩니다. AI 의미론적 추출은 이미 구조화된 데이터를 열 이름에 매핑하여 반환하므로 추출 후 파싱이 필요 없습니다. 페이지당 비용 비교는 볼륨에 따라 달라집니다 — 한국 문서 추출 가격 분석에서 페이지당 API 도구와 정액 추출 간의 손익분기점을 월별 볼륨별로 분석합니다.

아직 필요한 데이터를 모르는 경우 어떤 열을 포함해야 하나요?

이 문서에 나열된 8가지 표준 필드(BRN, 상호, 대표자 이름, 개업일, 사업장 주소, 업종 코드, 과세 유형, 발급 사유)로 시작하세요. 이는 한국의 AML/CFT 규정에 따른 공급업체 KYC 최소 요건을 충족합니다. 규정 준수 체계에 공동 대표자 정보나 사업 유형의 세부 하위 분류와 같은 추가 정보가 필요하다면 해당 열을 추출 템플릿에 추가할 수 있으며, AI가 문서에서 해당 정보를 검색합니다. 열 정의는 고정되어 있지 않으므로 KYC 요구 사항이 변경됨에 따라 배치 간에 조정할 수 있습니다.