세금 신고 시즌 데이터 입력이
아직도 자동화되지 않은 이유

W-2는 컴퓨터가 아닌 먹지용으로 설계되었습니다

W-2의 6부 배포 시스템은 IRS가 잊어버린 유물이 아니라, 이 서식의 핵심 구조입니다. A부는 사회보장국(SSA)으로 보내지며, SSA의 광학 스캐너가 읽을 수 있도록 특수한 빨간색 드롭아웃 잉크로 인쇄됩니다. 1부는 주 세무 기관으로 갑니다. B, C, 2부는 직원에게 전달됩니다. 하나는 연방 신고용, 하나는 주 신고용, 하나는 직원 기록용입니다. D부는 고용주가 보관합니다. 6부, 하나의 목적, 그리고 그 모든 것은 종이 한 장에서 시작됩니다.

이 구조는 1978년에 합리적이었습니다. 당시 정부에 임금 데이터를 전달하는 유일한 방법은 종이를 물리적으로 우편으로 보내는 것이었기 때문입니다. 그러나 이는 영구적인 구조적 의존성을 만들었습니다. 직원이 종이 W-2를 받는 한, 그 체인에 있는 누군가(직원, 세무사, 회계사)는 그 종이를 다시 디지털 데이터로 변환해야 합니다. SSA는 이후 EFW2 형식으로 W-2를 수용하는 전자 신고 시스템인 Business Services Online (BSO)을 구축했고, IRS는 정보 신고 건수가 10건 이상일 경우 전자 신고를 의무화했습니다. 하지만 세무사의 책상에 도착하는 직원용 사본은 여전히 종이입니다. 디지털 연결은 고용주에서 정부로 이어지는 파이프라인의 끝부분에 구축되었을 뿐, 직원에서 세무사로 이어지는 부분에는 구축되지 않았습니다. 서식 자체는 그 격차를 해소하기 위해 재설계된 적이 없습니다.

그 결과는 현대 세무 신고의 핵심에 구조적 모순을 낳습니다. 정부는 고용주의 전자 제출을 통해 W-2 데이터를 디지털로 받지만, 실제로 신고서를 제출하는 납세자의 대리인인 세무사는 1월에 납세자에게 우편으로 발송된 종이 한 장에 적힌 동일한 데이터를 받습니다. 동일한 양식에 대해 두 개의 병렬 데이터 흐름(하나는 디지털, 하나는 물리적)이 존재하며, 매년 1월마다 이 두 흐름은 종이 양식을 들고 빈 화면을 바라보는 세무사의 책상에서 충돌합니다.

6부 배포 시스템은 자동화가 결코 해결하지 못한 근본적인 장애물입니다

전국 세무 전문가 협회 (NATP)에 따르면, 23,000개 이상의 회원사의 총 수익 중 65%가 세무 시즌에 발생합니다. 약 1월부터 4월까지의 이 4개월 기간이 업계 전체가 생계를 유지하는 때입니다. 이 기간 중 1월이 병목 구간입니다. W-2는 1월 31일까지 직원에게 제공되어야 하고, 1월 31일까지 SSA에 제출되어야 하며, 4월 15일 신고 마감일까지 세무 신고 소프트웨어에 입력되어야 합니다. 2월 1일에 50명의 고객으로부터 W-2가 가득 담긴 신발 상자를 받은 세무사는 모든 양식의 모든 필드를 화면에 입력할 수 있는 시간이 정확히 73일밖에 없습니다. 이는 신고서를 검토하고, 오류를 확인하며, 결과를 고객과 논의하기 전의 시간입니다.

6부 시스템으로 인해 세무사가 받는 원본 문서는 고용주가 SSA에 제출한 원본 디지털 파일이 거의 아닙니다. 우편으로 도착한 사본 B(근로자용 사본)는 접혀 있거나, 복사되었거나, 낙서가 있거나, 스마트폰으로 촬영되어 문자로 전송되었을 가능성이 있습니다. 깨끗하고 읽기 쉬운 종이 사본 기준으로 양식당 8분이 소요되는 세심한 수동 입력 작업을 고려할 때, 시즌 동안 500개의 W-2를 처리하는 회사는 단순히 양식을 읽고 키를 누르는 데만 66시간 이상을 소비합니다. 이는 청구 가능 시간의 거의 2주에 해당하며, 세무 신고에 분석적 가치를 전혀 더하지 않는 활동입니다.

세 가지 급여 제공업체의 동일한 W-2는 세 가지 다른 문서입니다

모든 W-2가 동일한 글꼴, 동일한 상자 위치, 동일한 페이지 형상을 가졌다면 자동 추출은 수십 년 전에 해결되었을 것입니다. 하지만 단일 고객이 두 개의 다른 급여 시스템을 사용하는 두 고용주의 W-2 두 개와 세 번째 시스템을 사용하는 계약 고객의 1099-NEC를 함께 가져올 수 있습니다. ADP는 Box 1(임금)을 Paychex와 다른 좌표에 배치하고, Paychex는 Gusto와 다르게 배치하며, Gusto는 QuickBooks에서 W-2를 레이저 프린터로 출력하고 일부를 손으로 채운 지역 회계사와도 다릅니다. IRS는 양식에 무엇이 표시되어야 하는지는 표준화하지만, 페이지에 어떻게 배치되어야 하는지는 표준화하지 않습니다.

이러한 파편화는 모든 자동화 접근 방식이 처음으로 부딪히는 벽입니다. 급여 업계는 소수의 주요 제공업체를 중심으로 통합되었습니다. ADP만 해도 미국 직원 약 6명 중 1명의 급여를 처리하지만, 이러한 통합이 레이아웃 표준화로 이어지지는 않았습니다. 각 제공업체는 고유한 형식, 자체 글꼴, 자체 박스 위치, 자체 페이지 크기로 W-2를 생성합니다. 그 결과, 중견 기업의 W-2 50장에는 4개의 다른 급여 시스템에서 온 양식이 포함될 수 있으며, 각각 다른 추출 템플릿이 필요하거나, 더 일반적으로는 사람이 직접 읽고 입력해야 합니다.

그리고 파편화는 제공업체 간에만 발생하는 것이 아닙니다. 한 직원의 단일 신고 연도 내에서도 발생할 수 있습니다. 3월에 이직한 사람은 A 고용주(ADP)와 B 고용주(Paychex)로부터 W-2를 받습니다. W-2 직업을 가지고 1099 부업을 한 사람은 고용주로부터 W-2를, 고객으로부터 1099-NEC를 받습니다. 각 양식은 다른 형식, 다른 경로, 다른 시간에 도착합니다. 이러한 다양성은 예외적인 경우가 아니라, 세금 신고 준비의 기본 상태입니다.

국세청(IRS)은 여전히 종이 처리 파이프라인을 유지하며, 이는 종이 사용을 지속하게 합니다

T.D. 9972에 따라, 정보 신고서의 전자 제출 의무는 10건부터 적용됩니다. W-2를 9장 이하로 제출하는 경우, 여전히 종이로 SSA에 우편 발송할 수 있습니다. IRS의 양식 W-2 지침서에도 이 기준이 명시되어 있습니다. 전국적으로 수백만의 소규모 고용주(직원 6명의 레스토랑, 8명의 건설 회사, 5명의 치과 진료소)가 이 기준 이하에 해당합니다. 이들은 W-2를 인쇄하여(때로는 수기로 작성) SSA로 우편 발송하고, 직원에게는 종이 사본을 나눠줍니다.

이는 규제상의 실수가 아닙니다. 의도적인 배려입니다. IRS는 직원 2명인 조경 회사가 SSA의 BSO 전자 제출 시스템(EFW2 형식 사양, AccuWage 검증 소프트웨어, SSN 확인 요구 사항 포함)을 사용하도록 요구하는 것이 과도한 규정 준수 부담이 된다는 것을 알고 있습니다. 따라서 종이 제출 경로는 계속 열려 있습니다. 그리고 전자 제출 기준 미만으로 생성된 모든 종이 W-2는 결국 세무 대리인의 손에 들어가 전사(transcribe)되어야 합니다.

IRS의 벌금 체계는 이를 단순한 불편함 이상으로 만듭니다. 국세법 §§ 6721 및 6722에 따라, W-2를 늦게 제출하거나 오류가 있을 경우 30일 이내에 수정하면 서식당 60달러, 8월 1일 이내에는 서식당 130달러, 그 이후에는 서식당 340달러, 고의적 무시 시 서식당 680달러의 벌금이 부과됩니다. 벌금은 신고 건당이 아니라 서식당 부과됩니다. Box 1의 숫자 하나를 잘못 입력하여 잘못된 신고서를 제출한 작성자는 책임을 지게 됩니다. 이 책임은 고용주가 아닌, 작성자의 전사 오류로 거슬러 올라갈 수 있습니다.

모든 자동화 파이프라인을 무너뜨리는 Box 3의 연필 표시

세무 전문가들이 가장 일관되게 발견하는 사실 중 하나는 고객으로부터 받은 W-2가 거의 깨끗하지 않다는 점입니다. 수정된 사회보장 임금 금액이 인쇄된 숫자 위에 손으로 적혀 있습니다. EIN이 지워지고 다시 입력되었습니다. Box 13의 체크박스는 원래 프린터 잉크 대신 펜으로 표시되어 있습니다. 커피 자국이 주 ID 번호를 가리고 있습니다. 서식이 업무용 봉투에 맞춰 세 번 접힌 후 펼쳐져 임금 필드에 접힌 자국이 남아 있습니다. 이 중 어느 것도 특이한 경우가 아닙니다. 이것들은 실제 납세자가 제출한 종이 세금 문서의 기본 상태입니다.

템플릿 기반 OCR 시스템은 이러한 변형 각각에서 실패 지점을 만납니다. 인쇄된 문자 위에 겹쳐진 손글씨 숫자는 문자 인식을 혼란스럽게 만듭니다. 숫자 필드를 가로지르는 접힌 선은 숫자 분할을 깨뜨립니다. 잘못된 표시 유형(채워진 사각형 대신 동그라미, X 대신 체크)으로 표시된 체크박스는 선택 사항이 있어야 할 자리에 null 값을 반환합니다. 깨끗하고 평평하게 스캔된 새 양식 PDF로 훈련된 시스템은 미국 우편국을 거쳐 주방 조리대에 2주 동안 놓여 있다가 Box 12 코드 DD가 무엇을 의미하는지 확신하지 못한 사람이 볼펜으로 작성한 W-2의 물리적 상태에 대한 모델을 가지고 있지 않습니다.

가장 고통스러운 아이러니는 인간 작성자가 이 손상된 문서를 거의 즉시 처리할 수 있다는 점입니다. Box 3에 줄이 그어지고 손글씨로 대체된 것을 한눈에 보고 작성자는 "원래 숫자가 잘못되었으니 손글씨를 사용하라"고 판단합니다. 템플릿 기반 시스템은 같은 필드에 두 개의 경쟁 숫자를 보고 둘 다 반환하지 않거나, 더 나쁘게는 잘못된 숫자를 반환합니다. 훈련된 작성자가 0.5초 만에 적용하는 판단은 정확히 자동화 시스템에 부족한 것이며, 바로 그 이유로 인간이 W-2 전사 루프의 중심에 남아 있는 것입니다.

세무 소프트웨어는 데이터를 전송할 수 있습니다 — 고객의 종이를 읽을 수는 없습니다

업계의 주요 세무 신고 플랫폼인 Drake, UltraTax, Lacerte, ProSeries, ATX는 모두 W-2 데이터 가져오기를 지원합니다. CSV에서, 전년도 신고서에서, 급여 제공자의 디지털 내보내기에서. 그 어느 것도 할 수 없는 것은 고객이 책상 너머로 작성자에게 건넨 종이 W-2 Copy B를 읽는 것입니다. 가져오기 도구는 구조화된 디지털 입력을 기대하지만, 원본 문서는 구조화되지 않은 물리적 종이입니다. 작성자가 변환 계층 역할을 합니다.

W-2 데이터가 SSA에 전자 신고되었더라도, 작성자가 SSA 데이터베이스에서 Drake로 바로 가져올 수는 없습니다. SSA의 Business Services Online 시스템은 세무 신고 준비가 아닌 IRS의 준수 여부 확인을 위해 임금 데이터를 제공합니다. 작성자가 IRS의 Transcript Delivery System(TDS)을 통해 접근할 수 있는 Wage and Income Transcript는 서명된 Form 8821 또는 위임장을 제출한 세무 전문가에게 제공되지만, 구조화된 필드 수준 데이터가 아닌 수정된 요약본 형태로 제공됩니다. 따라서 작성자는 고객의 종이 W-2를 한 손에, Drake 입력 화면을 다른 쪽에 두고 여전히 직접 입력해야 합니다.

미국 노동통계국은 2024년 5월 기준 회계사 및 감사관의 중간 시간당 임금을 $39.27로 집계했습니다. 복리후생, 급여세, 사무실 간접비, 소프트웨어 라이선스까지 포함하면, 직원 회계사 한 명이 회사에 드는 비용은 시간당 약 $55~$65에 가깝습니다. 회계사가 W-2 필드를 입력하는 데 보내는 모든 시간(분석적 판단이 전혀 필요 없는 작업)은 세무 신고서 검토, 세금 절감 기회 식별, 또는 고객 상담에 사용되지 못하는 시간입니다. 데이터 입력 자체의 비용은 중견 회계 법인의 경우 세금 시즌당 $4,000~$6,000으로 산정되었습니다. 기회 비용(입력 작업으로 대체된 청구 가능 업무)은 측정하기는 더 어렵지만 거의 확실히 더 큽니다.

템플릿 기반 OCR이 W-2에서 실패하는 이유는 항상 실패하는 것과 동일한 구조적 이유: 레이아웃 변동성

20년 동안 문서 데이터 추출의 지배적인 접근 방식은 템플릿 기반 OCR이었습니다. "ADP에서 생성한 W-2에서 Box 1은 좌표 (x1, y1, x2, y2)에 있다"는 템플릿을 만들면 시스템은 해당 사각형 안의 텍스트를 읽습니다. 이 방식은 고정되고 예측 가능한 레이아웃의 문서(특정 ERP 시스템에서 항상 동일한 방식으로 생성되는 특정 공급업체의 인보이스)에는 완벽하게 작동합니다. 하지만 W-2의 경우, 동일한 필드(Box 1)가 급여 제공업체마다, 스캔한 종이 사본마다 다른 위치에 나타나기 때문에 제대로 작동하지 않습니다.

근본적인 문제는 템플릿 기반 OCR이 문서를 의미가 아닌 위치로 읽는다는 점입니다. 이는 학습 샘플에서 Box 1이 어디에 있었는지는 알지만, 현재 문서에서 Box 1이 무엇인지는 모릅니다. 위치 대 의미라는 이 차이가 W-2 데이터 입력 자동화를 어렵게 만드는 핵심 이유입니다. 양식 사양은 어떤 정보가 표시되는지(임금, 원천징수세, SSN, EIN)는 보장하지만, 해당 정보가 물리적 또는 디지털 페이지의 어디에 있는지는 보장하지 않습니다. "어디"에 의존하여 "무엇"을 결정하는 시스템은 학습되지 않은 급여 제공업체의 W-2를 만나는 순간 작동을 멈춥니다.

템플릿 기반 도구는 다중 출처 문제에서도 한계를 드러냅니다. "ADP W-2, 2024 형식"용 템플릿은 "Paychex W-2, 2024 형식"에서 데이터를 추출할 수 없으며, "소규모 고용주의 종이 W-2 사진, 2024 형식, Box 3 수기 수정 포함"은 말할 것도 없습니다. 세무사는 모든 급여 제공업체와 각 클라이언트 고용주가 사용하는 모든 템플릿 라이브러리를 유지해야 하며, 각 제공업체가 양식 레이아웃을 수정할 때마다 매년 업데이트해야 합니다. 유지보수 부담만으로도 실제 규모에서는 접근 방식이 비현실적입니다.

의미 기반 이해: 위치 대신 의미로 자동화의 가능성을 바꾸다

템플릿 기반 추출의 대안은 의미 기반 문서 이해입니다. 이는 사람이 W-2를 읽는 방식, 즉 각 필드가 의미하는 바를 인식하고 위치에 의존하지 않는 AI 모델입니다. W-2에서 "임금, 팁, 기타 보상"을 보면, ADP PDF의 왼쪽 상단, Paychex PDF의 오른쪽 상단, 또는 종이 양식의 휴대폰 사진 중앙에 있든 관계없이 Box 1임을 알 수 있습니다. 의미 기반 AI도 동일한 판단을 내립니다. "임금, 팁, 기타 보상"을 개념으로 식별하고, 그 옆의 금액이 인쇄되었든, 수기로 작성되었든, 취소선으로 수정되었든 관계없이 추출합니다.

좌표 기반 추출에서 개념 기반 추출로의 전환이 W-2 자동화를 처음으로 기술적으로 실현 가능하게 만듭니다. 특정 템플릿에서 Box 1이 어디에 있는지 정의하는 대신 시스템에 이렇게 지시합니다: “Wages, tips, other compensation이라고 표시된 금액을 추출하세요.” 시스템은 전체 양식을 읽고 해당 레이블이 어디에 있든 찾아 그 옆의 값을 반환합니다. 이 접근 방식은 때로 열 이름 추출이라고도 불리며, 페이지 좌표가 아닌 의미론적 이름으로 원하는 필드를 정의합니다. 이 방식은 모든 급여 제공자, 수기 수정 사항, 휴대폰 사진을 단 한 번에 처리합니다. 왜냐하면 어떤 것이 어디에 있는지 미리 알 필요가 없기 때문입니다.

이것이 바로 PDF에서 W-2 데이터를 추출하여 구조화된 스프레드시트로 만드는 것이 대규모로 가능해지는 지점입니다. 준비자는 열 이름(“Box 1 Wages,” “Box 2 Federal Tax Withheld,” “Box b EIN,” “Employee SSN”)을 정의하고, 의미론적 모델은 어떤 급여 제공자가 어떤 양식을 생성했는지에 관계없이 배치 내 모든 W-2에서 각 값을 찾습니다. 출력은 직원당 한 행씩 있는 단일 Excel 시트로, Drake 또는 UltraTax으로 가져올 준비가 되어 있으며 수동으로 입력하는 필드는 하나도 없습니다.

완전한 W-2 자동화를 위해 필요한 것 — 그리고 세 가지 요소가 마침내 갖춰진 이유

W-2 데이터 입력의 완전 자동화 — 고객 문서 수령부터 세무 소프트웨어 가져오기까지 — 는 기존에 별도 시스템에 존재했던 세 가지 기능을 필요로 합니다:

1. 형식에 구애받지 않는 필드 추출 — ADP, Paychex, Gusto, 스캔한 종이 사본, 휴대폰 사진에서 제공자별 템플릿 없이 동일한 필드를 정확히 읽어냅니다.
2. 교차 필드 검증 — Box 4(사회보장세)가 Box 3 × 6.2%와 일치하는지, Box 2(연방 원천징수)가 Box 1 임금 대비 타당한지, SSN 형식이 유효한지 자동으로 확인합니다. 이는 작성자의 판단 단계이며 — 추출 시점에 이루어져야 하며, 이후 검토 중이 아닙니다.
3. 구조화된 내보내기 — 추출 및 검증된 데이터를 세무 소프트웨어가 직접 사용할 수 있는 형식(XLSX, CSV)으로 제공하여 재입력 단계를 완전히 제거합니다.

첫 번째 요소인 형식에 구애받지 않는 추출은 의미론적 AI가 가능하게 합니다. 두 번째 요소인 교차 필드 검증은 계산된 열이 워크플로에 추가하는 기능입니다: 추출 시점에 "Box 4 = Box 3 × 0.062 확인"과 같은 계산을 정의하고, 데이터가 스프레드시트에 도달하기 전에 불일치를 표시할 수 있습니다. 세 번째 요소인 구조화된 내보내기는 작성자의 문서 더미와 세무 소프트웨어의 가져오기 화면 사이의 최종 연결 다리입니다. 이 세 가지 요소는 오늘날 각각 존재합니다. 부족했던 것은 이들을 하나로 묶는 단일 도구였습니다.

W-2 데이터 입력 문제는 47년간 해결되지 않았습니다. 이를 해결할 기술이 없어서가 아니라 접근 방식이 잘못되었기 때문입니다. 템플릿 기반 시스템은 W-2 양식을 추출 모델에 맞추려고 했습니다. 반면 의미 기반 시스템은 W-2 양식이 실제로 도착하는 방식(다양하고, 물리적이며, 불완전한) 그대로 읽고 데이터를 추출합니다. 도구가 양식에 적응하도록 하고 양식이 도구에 적응하도록 요구하지 않는 이 차이가 마침내 자동화를 가능하게 하는 구조적 전환입니다.

자주 묻는 질문

종이 W-2 사진에서 데이터를 추출할 수 있나요, 아니면 깨끗한 PDF여야 하나요?

의미 기반 AI 모델은 깨끗한 디지털 PDF를 처리하는 것과 동일한 방식으로 종이 W-2 사진을 처리합니다. 즉, 템플릿을 일치시키는 대신 각 필드 레이블의 의미를 읽습니다. 고객이 찍어 문자로 보낸 Copy B의 스마트폰 사진도 유효한 입력입니다. 사진의 품질(적절한 조명과 초점)은 중요하지만 형식은 중요하지 않습니다. JPG, PNG, PDF를 모두 지원합니다.

서로 다른 급여 제공업체의 W-2 50개를 한 번에 처리할 수 있나요?

네. 일괄 처리는 여러 출처의 W-2 배치를 위해 특별히 설계되었습니다. 단일 세션에 50개 파일(ADP PDF, Paychex PDF, 종이 양식 사진)을 모두 업로드하고, 원하는 출력 열(Box 1 임금, Box 2 연방세, Box 4 사회보장세, 직원 이름, 직원 SSN, 고용주 EIN)을 한 번만 정의하면 시스템이 직원당 한 행씩 구성된 단일 Excel 스프레드시트를 반환합니다. 추출은 파일 템플릿이 아닌 필드 의미를 기반으로 하므로, 급여 제공업체별로 다른 레이아웃에 대해 별도 설정이 필요하지 않습니다.

W-2 양식의 수기 수정 사항을 AI가 읽을 수 있나요?

필기 인식 기술로 훈련된 의미론적 AI 모델은 동일한 필드에서 인쇄된 텍스트와 수기 수정 사항을 구분할 수 있습니다. Box 3에 인쇄된 숫자가 지워지고 수기로 대체된 경우, 시스템은 이를 수정된 값으로 인식하여 읽습니다. 다만, 심하게 손상되거나 번진 필기는 정확도가 떨어질 수 있습니다. 이런 경우 추출된 결과를 원본 이미지와 대조 확인하는 것이 필요하며, 이는 추출 방식과 관계없이 표준적인 품질 관리 절차입니다.

전자 신고 시 AI 도구로 추출한 W-2 데이터를 IRS에서 인정하나요?

IRS는 세무 대리인이 고객의 원천 자료를 디지털화하는 방식을 규제하지 않으며, 제출된 신고서의 정확성을 규제합니다. 세무 대리인은 세무 소프트웨어에 입력된 데이터(수동 입력, 급여 내보내기에서 가져오기, AI 추출 등)가 원본 W-2와 일치하는지 확인할 책임이 있습니다. AI 추출은 데이터 입력 단계이며, 세무 대리인의 검증과 전문적 판단은 여전히 규정 준수 단계로 남아 있습니다.

W-2 추출에서 템플릿 기반 OCR과 의미론적 AI의 차이점은 무엇인가요?

템플릿 기반 OCR은 위치를 기준으로 데이터를 추출합니다. 즉, "이 사각형 안에 있는 텍스트를 읽어라"는 방식입니다. 급여 제공업체의 W-2 형식마다 별도의 템플릿이 필요하며, 명시적으로 학습되지 않은 양식에서는 작동하지 않습니다. 반면 의미 기반 AI는 의미를 기준으로 데이터를 추출합니다. 즉, "'임금, 팁, 기타 보상'이라고 표시된 필드를 찾아 그 옆에 있는 금액을 반환하라"는 방식입니다. ADP, Paychex, Gusto, 스캔한 종이, 휴대폰 사진 등 모든 W-2 레이아웃에서 작동합니다. 레이블이 페이지의 어디에 있는지는 중요하지 않기 때문입니다. 좌표 기반 템플릿 대신 열 이름 추출을 사용하면, 출처에 관계없이 동일한 설정으로 배치의 모든 W-2를 처리할 수 있습니다.

추출된 W-2 데이터를 자동으로 교차 확인할 수 있나요? 예를 들어, 원천징수된 사회보장세가 임금의 6.2%인지 확인하는 것과 같은 작업이 가능한가요?

네, 가능합니다. 계산된 열을 사용하면 추출 중에 검증 공식을 정의할 수 있습니다. Box 3 × 6.2%를 계산하여 추출된 Box 4 값과 비교하고 불일치를 표시하는 열을 추가할 수 있습니다. 또한 Box 1 임금이 Box 3 사회보장 임금과 Box 5 메디케어 임금의 합계를 초과하지 않는지 확인할 수도 있습니다. 이러한 교차 검증은 세무사가 수동으로 수행하는 것과 동일한 절차로, 추출 시점에 이루어지므로 데이터가 세무 소프트웨어 입력 화면에 도달하기 전에 불일치가 발견됩니다.

수동 입력이 끝나고 자동화가 시작되는 지점

W-2 양식은 자동화를 염두에 두고 설계되지 않았습니다. 6부 배포, 종이 우선 구조, 수기 수정 허용 등 모든 구조적 특징은 사람이 읽을 것을 전제로 합니다. 47년 동안 기술 기업들은 W-2를 다른 정형 문서처럼 취급하며 이 문제를 해결하려 했습니다. 즉, 템플릿을 만들고, 좌표를 맞추고, 텍스트를 추출하는 방식이었습니다. 이 접근법은 W-2가 템플릿이 요구하는 방식으로 정형화되어 있지 않았기 때문에 실패했습니다. W-2는 공통된 필드 의미를 공유하는 시각적으로 다양한 문서군이며, 이에 효과적인 유일한 추출 방식은 위치가 아닌 의미를 읽는 방식입니다.

의미 기반 추출은 작업 단위를 "양식 하나, 템플릿 하나, 입력자 한 명"에서 "배치 하나, 열 정의 하나, 클릭 한 번"으로 바꿉니다. 세무사는 여전히 결과를 검증합니다. 이는 전문가의 판단이며 사라지지 않을 것입니다. 하지만 종이에서 숫자를 읽고 화면으로 옮기는 데 소요되던 시간, 즉 1978년 양식 디자인이 2026년 세금 시즌에 남긴 유산은 대체될 것입니다.