한국 수출입
신고서 데이터를 Excel로 추출하는 방법

UNI-PASS의 역설: 세계적 수준의 한국 관세 시스템이 만든 데이터 입력 사각지대

UNI-PASS는 관세청의 완전 통합 전자통관 플랫폼입니다. 수입신고, 수출신고, 화물 관리, 관세 납부, 관세 감사를 포괄하는 단일 창구 시스템으로, 부산항과 인천항을 통해 운영되는 모든 수출업체, 수입업체, 관세사의 신고를 처리합니다. 95% 이상의 자동 통관율과 24시간 운영을 자랑하며, 모범 통관 현대화 솔루션으로 10개국에 수출되었습니다.

사각지대는 명백히 존재합니다. UNI-PASS는 통관 절차를 처음부터 끝까지 처리하지만, 무역 팀이 문서화에 필요한 구조화된 데이터 파일을 생성하지는 않습니다. 출력되는 것은 인쇄된 수출신고서 또는 수입신고서, 즉 종이 양식이나 PDF로, 이를 보관하고, 상업송장과 대조 확인한 후, 무역 준수 추적, HS 코드 관리, FTA 원산지증명서(C/O) 준비를 위해 스프레드시트에 수동으로 다시 입력해야 합니다.

2025년 한국의 총 교역액은 1조 3,400억 달러에 달했습니다. 이는 세계 7위의 교역 규모입니다. 이 모든 거래는 관세 신고를 발생시켰습니다. 통관 후 무역 문서를 관리하는 팀에게 각 신고는 이미 UNI-PASS에 한 번 입력되었지만 스프레드시트에 다시 입력해야 하는 데이터로 존재합니다. 90초 만에 선적을 통관시키는 시스템이 신고당 3~5분의 문서 작업을 만들어내는 것입니다.

한국 수출입신고서에 실제로 포함된 내용

수동 재입력이 지속되는 이유를 이해하려면, 일반적인 한국 수출 또는 수입 신고서에 포함된 내용을 살펴보는 것이 도움이 됩니다. UNI-PASS 신고 양식은 WCO 데이터 모델을 기반으로 하며, 한국의 특정 규제 및 분류 요구 사항에 맞게 조정되었습니다. 통관 후 문서화를 위해 무역 팀에 필요한 필드는 통관에 필요한 필드와 동일하지 않으며, 통관 결과물은 문서화 사용 사례에 맞게 미리 구성되어 제공되지 않습니다.

이러한 각 필드는 UNI-PASS 내에서 구조화된 데이터로 존재합니다. 그러나 무역 준수 기록을 위해 인쇄된 신고서를 요청할 때 서식이 지정된 문서 형태로 제공됩니다. 구조는 표 형식이 아닌 시각적입니다. 신고번호는 한 영역에, HS 코드는 다른 영역에, FOB 가치는 또 다른 영역에 있습니다. 선적 등록부를 작성하거나 HS 코드 감사 추적을 구축하는 무역 준수 담당자는 모든 필드를 찾아 읽고 다시 입력해야 합니다.

바로 이 지점에서 한국의 세계적 수준의 디지털 관세 시스템과 무역 문서화 작업의 일상적인 현실 사이의 격차가 드러납니다. UNI-PASS는 통관 절차를 디지털화했습니다. 그러나 무역 문서화를 디지털화하지는 않았습니다. 그 작업은 여전히 키보드 앞에 있는 누군가의 몫입니다.

수출입 신고서가 수작업 입력을 유발하는 세 가지 이유

무역 팀이 느끼는 불만 — "이 데이터는 이미 시스템에 있는데, 왜 다시 입력해야 하지?" — 에는 구체적이고 구조적인 원인이 있습니다. 이를 파악하면 문제와 증상을 구분할 수 있습니다.

1. UNI-PASS는 신고서를 구조화된 데이터 내보내기가 아닌 서식 문서로 출력합니다. 시스템은 사람이 읽고 세관이 보관하기 위한 신고서 PDF 또는 인쇄물을 생성합니다. 제출된 신고서에는 "Excel로 내보내기" 버튼이 없습니다. 데이터는 시각적 레이아웃 — 굵은 한글 머리글, 열 머리글 아래 정렬된 값, 겹쳐진 도장과 서명 — 안에 갇혀 있어 사람이 해석해야 합니다. UNI-PASS 포털에서 다운로드하는 PDF조차 기계가 읽을 수 있는 데이터 파일이 아닌 신고 양식 이미지입니다. 이는 의도된 설계입니다. 시스템은 통관 후 데이터 이식성보다 통관 속도와 법적 완전성을 우선시합니다.

2. 무역 문서는 인보이스, B/L, C/O와의 상호 대조가 필요합니다. 신고서는 무역 준수 업무에서 단독으로 존재하지 않습니다. 상업 인보이스, 선하증권, 원산지증명서와 대조해야 합니다. 각 문서는 서로 다른 형식으로 제공됩니다 — 인보이스는 공급업체 PDF, B/L은 포워더 포털, C/O는 스캔된 증명서입니다. 선적 대장을 관리하는 무역 팀은 신고서 데이터만 추출하는 것이 아니라 네 가지 문서 유형에 걸쳐 데이터를 병합합니다. 신고서는 여러 출처 중 하나일 뿐이며, 나머지는 더욱 비구조화되어 있습니다 — 해당 문서 묶음의 한국어 인보이스 측면은 한국 세금 문서 추출 허브에서 다룹니다.

3. 신고서 형식은 일반 및 간이 통관 절차에 따라 다릅니다. 한국은 이원화된 신고 시스템을 운영합니다. 일반신고는 위에서 설명한 전체 필드 세트를 포함합니다. $2,000 미만의 선적에 사용되는 간이신고는 축소된 필드 세트를 포함합니다. 샘플, 선물 및 FTA 혜택 대상 선적은 추가 표시가 필요할 수 있습니다. 여러 제품 범주에 걸쳐 월 200건의 신고서를 처리하는 무역 팀은 이러한 형식의 혼합을 처리합니다 — 고정 레이아웃을 기대하는 템플릿 기반 도구는 형식이 변경되는 순간 작동이 중단됩니다.

세 가지 원인 모두의 공통점은 데이터가 존재하지만 이식 가능하지 않다는 것입니다. 데이터는 문서화를 위한 테이블이 아닌 통관을 위해 설계된 신고 문서 형식 안에 있습니다. 데이터를 한 컨테이너에서 다른 컨테이너로 옮기는 것이 수작업 입력 작업을 만드는 것입니다.

한국 신고 데이터에 의미론적 추출이 적합한 이유

대부분의 문서 추출 도구가 사용하는 전통적인 템플릿 기반 OCR은 UNI-PASS 출력물에서 각 필드의 위치를 기억하는 방식으로 문제를 해결하려고 합니다. 하나의 신고서 레이아웃으로 학습하면 A 블록에서 신고번호를, B 블록에서 HS 코드를 읽어냅니다. 문제는 UNI-PASS 신고서가 여러 레이아웃으로 제공된다는 점입니다. 수출 신고서와 수입 신고서의 형식이 다르고, 일반 신고와 간이 신고도 다르며, 포털에서 출력한 PDF와 중개인의 내부 출력물도 다를 수 있습니다. 한 레이아웃으로 학습된 템플릿은 다음 레이아웃에서 잘못된 데이터를 반환하거나 아무것도 반환하지 못합니다.

맞춤 열 추출 — ImageToTable.ai가 사용하는 핵심 메커니즘 — 은 이러한 관계를 반전시킵니다. AI에게 데이터가 페이지의 어디에 있는지 가르치는 대신, 필드 이름을 지정하여 무엇을 추출할지 알려줍니다. "HS 코드" 또는 "원산지"라는 열 이름은 AI가 해당 특정 값을 의미론적 의미를 통해 모든 신고 형식에서 찾도록 안내합니다. 사용자가 정의한 열 이름이 신호이며, AI가 레이아웃에 적응합니다.

이러한 의미론적 접근 방식은 한국어 신고서에 특히 중요합니다. 한글 필드 라벨이 한국어로 학습되지 않은 OCR 엔진에 구조적 과제를 만들기 때문입니다. 한국어 텍스트를 기본적으로 이해하는 비전 AI — 신고번호를 신고 번호로, 원산지를 원산지로, 수입금액(CIF)을 CIF 가치로 읽어내는 — 는 한 번도 본 적 없는 레이아웃에서도 올바른 값을 추출할 수 있습니다. 필드의 위치가 아닌 라벨의 의미를 읽기 때문에 UNI-PASS 출력물의 모든 변형을 학습할 필요가 없습니다.

이는 더 넓은 세관 신고서 추출 문서에서 다루는 패러다임과 동일하지만, 한국의 신고 형식 환경에 특별히 적용된 것입니다. 글로벌 원칙 — 의미론적 추출이 형식 변형을 극복한다 — 은 동일합니다. 한국 구현에는 고유한 필드 구조, 규제 맥락, 및 컴플라이언스 워크플로우가 있습니다.

한국 신고서 데이터 추출 열 설정

첫 번째 신고서 배치에서 데이터를 추출하기 전에 출력 구조를 정의하십시오. 한 번 설정한 열은 형식에 관계없이 업로드하는 모든 신고서에 적용됩니다.

통관 적합성 팀이 사후 통관 문서화를 위해 일반적으로 필요로 하는 필드를 기반으로 권장 열 세트는 다음과 같습니다:

추출 인터페이스에서 이러한 열을 한 번 정의하십시오. UNI-PASS PDF, 브로커의 스캔 출력물 또는 사진으로 촬영된 사본 등 업로드하는 모든 신고서 파일은 동일한 열 세트를 기준으로 판독됩니다. AI는 동일한 픽셀 좌표에 대한 템플릿을 스캔하는 것이 아니라 열 이름과의 의미적 일치를 통해 각 필드를 찾습니다.

선적항, 선명 또는 컨테이너번호와 같이 이 표준 세트를 넘어 추가 필드가 필요한 팀은 동일한 인터페이스에서 열로 추가할 수 있습니다. 열 이름만 구성하면 됩니다.

단계별: 한국 신고서 데이터 추출 방법

열 집합이 정의되면, 처리하는 신고서의 수나 유입 방식에 관계없이 추출 워크플로우는 일관된 패턴을 따릅니다. 실제 작동 방식은 다음과 같습니다:

50개의 신고서 파일을 업로드하는 것부터 구조화된 테이블을 얻기까지의 전체 워크플로우는 각 필드를 찾고, 읽고, 수동으로 입력하는 데 몇 시간이 걸리던 작업을 단 몇 분 만에 완료합니다. 병목 현상은 데이터 입력 속도에서 검증 속도로 이동합니다.

추출된 데이터가 가능하게 하는 것: 무역 적합성 활용 사례

신고 데이터가 구조화된 스프레드시트에 담기면 더 이상 검색 문제가 아니라, 종이 문서와 이메일 첨부 파일에 데이터가 흩어져 있을 때는 어렵거나 불가능했던 무역 적합성 워크플로우를 가능하게 합니다.

HS 코드 레지스트리 유지 관리. 한국의 10자리 HSK 코드는 5년마다 업데이트됩니다 — HS 2027에 따른 다음 개정은 2027년으로 예정되어 있습니다. 코드 개정 주기 동안 수입업자는 이전 기간에 어떤 HS 코드가 어떤 제품에, 어떤 관세율로 사용되었는지 정확히 알아야 합니다. 구조화된 신고 레지스트리가 있으면 이는 필터 작업이 됩니다 — 지난 3년간의 모든 HS 코드를 추출하고, 새로운 HS 2027 분류에 매핑되는 코드를 식별하며, 레지스트리를 체계적으로 업데이트합니다. 구조화된 데이터가 없으면 각 신고서를 개별적으로 열어 코드를 복사해야 하는 작업입니다.

FTA 원산지증명서 준비. 한미 FTA에 따라 선적물에 대한 원산지를 인증하는 수출업자는 HS 코드, 원산지 결정, 제품 설명이 필요합니다 — 이 모든 정보는 수출신고서에 나타납니다. 신고 데이터가 이미 스프레드시트에 있으면 C/O 신청서를 준비하는 것은 관련 열을 뽑아 원산지 기준을 확인하는 것을 의미합니다. 그렇지 않으면 신고서를 열고, HS 코드를 찾고, 원산지 필드를 찾아 C/O 양식에 입력해야 합니다.

관세 검증 및 감사 추적. 한국의 국세기본법 제85조의3은 거래 기록을 5년간 보관할 것을 권장합니다. 관세청 세관 감사는 3년 전까지의 신고서를 검토할 수 있습니다. 신고번호, HS 코드, 신고 가액, 원산지 등 전체 필드 이력이 있는 구조화된 신고 레지스트리는 종이 파일이 제공하지 못하는 감사 추적을 제공합니다. 감사관이 특정 선적에 대해 질문하면 레지스트리를 열고 해당 행을 찾습니다. 그렇지 않으면 파일을 찾고, 그 안에서 신고서를 찾은 다음, 감사관의 요청에 따라 관련 데이터를 필사해야 합니다.

무역 조정 및 월간 보고. 150건의 월간 신고서를 상업 송장과 조정하는 물류 관리자는 나란히 보기 — 신고 FOB/CIF 가액 옆에 송장 금액, HS 코드 옆에 제품 설명 — 가 필요합니다. 두 데이터 세트가 모두 스프레드시트에 있으면 조정은 VLOOKUP입니다. 신고 데이터가 종이 파일에 있으면 조정은 물리적 문서 탐색 — 찾고, 읽고, 비교하고, 불일치를 기록하고, 다음으로 이동 — 입니다.

이 방정식의 비용 측면 — 수동 신고 데이터 입력이 한국 무역 회사에 시간, 오류 노출, 놓친 FTA 절감 측면에서 실제로 얼마나 드는지 — 에 대한 더 깊은 분석은 수동 한국 세금 계산서 처리 비용 기사에서 관련 문서 유형에 대해 동일한 구조를 따릅니다. 신고서에 대한 산술은 동일한 패턴을 따르며, 문서 간 조정이라는 추가 차원이 있습니다.

자주 묻는 질문

AI가 한국 수출신고서와 수입신고서를 한 번에 모두 처리할 수 있나요?

네. AI는 문서 내용을 읽고 필드 라벨과 레이아웃을 기준으로 수출신고서와 수입신고서를 구분합니다. 수출신고서는 주요 가치 지표로 FOB 값을 사용하며, 수입신고서는 관세 계산을 위해 CIF 값을 사용합니다. 동일한 열 세트에 FOB Value와 CIF Value를 모두 포함할 수 있으며, AI는 문서에 포함된 필드만 채우고 나머지는 비워 둡니다. 이후 "신고 유형" 열을 사용하여 거래 방향별로 출력 결과를 필터링할 수 있습니다.

인쇄된 신고서에 손으로 작성한 값이나 브로커 메모가 있는 경우는 어떻게 하나요?

문서 이미지를 직접 처리하는 Vision AI는 기계 인쇄 텍스트 위에 겹쳐진 손글씨 값과 도장을 읽을 수 있습니다. 정확도는 가독성에 따라 달라집니다. 깨끗한 PDF에 또박또박 쓴 손글씨는 인쇄 텍스트와 비슷한 수준의 정확도를 보이며, 필기체 메모나 기본 값을 가리는 도장은 신뢰도가 낮아집니다. 시스템은 잘못된 값을 조용히 반환하는 대신 신뢰도가 낮은 필드를 사람이 검토하도록 표시합니다. 한국 신고서에서 가장 흔한 예외 사례는 손으로 작성한 CIF 조정 값과 브로커 수정 도장입니다.

이 기능이 관세사나 UNI-PASS 신고를 대체하나요?

아니요. 추출 기능은 통관 완료 후 무역 문서의 문서-스프레드시트 변환 단계, 즉 화물 통관 이후에 이루어지는 작업을 처리합니다. 관세사는 계속해서 UNI-PASS를 통해 신고를 제출하며, 관세청 통관 절차는 변경되지 않습니다. 추출 기능은 이미 통관된 신고서의 데이터를 무역 준수 스프레드시트, 감사 파일, HS 코드 등록부에 수동으로 다시 입력하는 작업을 대체합니다.

지원 문서를 같은 추출 배치에 포함할 수 있나요?

네. 신고서 PDF와 해당 상업 인보이스, 포장 명세서, 선하증권, 원산지증명서를 같은 배치에 업로드하세요. 추출 기능은 각 문서를 열 정의에 따라 독립적으로 읽고 하나의 통합 테이블로 출력합니다. 이는 선적 등록부를 구축하는 실용적인 워크플로우입니다. 기간별 또는 무역 경로별로 단일 배치를 만들고 네 가지 문서 유형 모두가 동일한 구조화된 출력으로 연결됩니다. 일반적인 통관 신고서에 이 접근 방식을 적용한 전체 안내는 글로벌 통관 신고서 추출 가이드를 참조하세요.

AI는 한국 고유의 10자리 HSK 코드 형식을 어떻게 처리하나요?

AI는 신고서에 표시된 전체 10자리 HSK 코드를 읽습니다. 여기에는 6자리 국제 접두사와 4자리 한국 고유 접미사 사이의 대시 또는 공백 구분자도 포함됩니다. 추출된 값은 전체 코드가 단일 셀에 보존됩니다. 일반적으로 6자리 국제 수준만 요구하는 FTA 원산지증명서의 경우, 추출된 코드의 처음 6자리를 별도 열로 분리할 수 있습니다. 추출 과정에서 현재 HSK 코드표와의 일치 여부를 검증하지는 않습니다. 이는 무역 담당 팀이나 관세사가 수행해야 할 준수 단계입니다.

UNI-PASS 신고서에 인쇄된 한국어 한글 인식률은 어느 정도인가요?

깨끗한 UNI-PASS 문서에 인쇄된 한국어 텍스트는 구조화된 필드에서 최대 99%의 인식 정확도를 달성합니다. 품명과 같은 자유 텍스트 필드는 한글과 영문 제품 코드, 기술 약어가 혼합될 수 있어 정확도가 다소 낮지만 여전히 실사용 가능한 범위 내에 있습니다. 한국어 문서에 대한 AI 정확도에 대한 자세한 분석은 AI가 한국어 인보이스를 정확히 읽을 수 있는지에 관한 문서를 참조하세요. 동일한 모델 동작이 세관 신고서에도 적용됩니다.

여러 HS 코드 라인이 포함된 신고서는 어떻게 처리하나요?

신고서의 각 HS 코드 라인은 출력 테이블에서 하나의 행을 생성합니다. 12개의 서로 다른 제품 분류가 있는 신고서는 12개의 행을 생성하며, 각 행에는 신고번호가 반복되고 라인별 HS 코드, 제품 설명, 수량, 금액이 포함됩니다. 이는 다중 라인 문서 추출의 표준 동작이며 HS 코드 레지스트리나 관세 계산 감사에 필요한 라인 항목 구조와 일치합니다. 신고번호는 여러 행에 걸친 그룹화 키 역할을 합니다.