OCR은 아실 겁니다.
여기, 모든 것을 바꿔놓은 3년의 도약이 있습니다.

기억과 현실 사이의 간극

2020년의 OCR은 이랬습니다: 문서를 스캔하면 소프트웨어가 문자를 읽고 텍스트 파일을 만들어 줍니다. 문서가 깨끗하고 글꼴이 표준이면 잘 작동했습니다. 하지만 레이아웃이 복잡하거나, 손글씨가 있거나, 스캔이 기울어져 있으면 작동하지 않았습니다. 각 필드가 페이지 어디에 있는지 알려주는 템플릿을 직접 만들거나, 사람이 출력 결과를 수동으로 고쳐야 했습니다.

그것이 한계였습니다. 수십 년 동안 업계 전체는 그 한계 안에서 최적화에만 집중했습니다 — 더 빠른 스캔, 더 나은 전처리, 더 정교한 템플릿 엔진. 하지만 핵심적인 한계는 결코 바뀌지 않았습니다: OCR은 문자를 읽을 수 있었습니다. 하지만 문서를 읽을 수는 없었습니다.

문서는 단순한 문자 더미가 아닙니다. 송장에는 공급업체명, 송장 번호, 품목, 마감일, 총액이 있으며, 이 필드들은 글자 모양 이상의 의미를 지닙니다. "$3,247.00"이라는 숫자는 OCR 엔진에게는 단순한 픽셀 패턴일 뿐입니다. 하지만 사람에게는 지불해야 할 금액이며, 이를 "$324.700"으로 잘못 읽는 것과 "$3,247.00"으로 정확히 읽는 것의 차이는 올바른 청구서를 지불하는 것과 회계상의 혼란을 만드는 것의 차이입니다.

전통적인 OCR은 그 간극을 결코 넘지 못했습니다. 그리고 문서 업무를 하는 대부분의 사람들(회계사, 사무 관리자, 소상공인, 지출을 추적하는 프리랜서)에게 '문서 자동화'는 여전히 '스캔'과 동의어였습니다. 왜냐하면 그게 전부였기 때문입니다.

그런데 2023년이 왔습니다. 그리고 OCR이 30년 동안 해결하려고 애썼던 문제 — 문서가 '무엇을 말하는지'가 아니라 '무엇을 의미하는지' 이해하는 것 — 이 갑자기 OCR이 전혀 아닌 다른 무언가에 의해 해결되었습니다.

바뀐 세 가지 (아무도 알려주지 않은 변화)

2020년 이후 이 분야를 떠나 있었다면, 놓친 내용을 알려드립니다. 문서 처리의 20년 역사 전체가 아니라, 모든 것을 뒤집어놓은 세 가지 변화만 설명드리겠습니다.

변화 1: 문자 단위 매칭에서 전체 페이지 이해로

기존 OCR은 이렇게 작동했습니다: 페이지를 픽셀 단위로 스캔하고, 각 패턴을 문자 모양 데이터베이스와 비교한 후 가장 일치하는 결과를 출력했습니다. 출력은 평문 텍스트 스트림이었고, 문단, 표, 필드 관계에 대한 개념이 없었습니다. "송장 번호"와 "총 금액"을 원한다면, 해당 필드가 페이지의 어디에 있는지 시스템에 알려주는 템플릿이 필요했습니다. 레이아웃이 바뀌면 템플릿은 작동하지 않았습니다.

비전 언어 모델(VLM)로 구축된 새로운 세대는 그렇게 작동하지 않습니다. 이미지를 텍스트로 변환한 후 별도 단계로 텍스트의 의미를 파악하는 대신, 인간이 하는 것처럼 전체 페이지를 한 번에 읽습니다. 레이아웃을 봅니다. "총 납부액" 레이블 옆의 "$3,247.00"이 납부해야 할 금액이고, "소계" 옆의 "$1,499.00"은 다른 것임을 이해합니다. 글꼴, 크기, 색상이 모두 같더라도 말이죠.

이것은 더 나은 OCR 엔진이 아닙니다. 근본적으로 다른 접근 방식입니다. 모델은 문서를 시각적 전체(텍스트, 레이아웃, 공간 관계를 모두 한 번에)로 처리하고, 단순한 문자가 아닌 의미를 추출합니다. "송장 #" 레이블과 "INV-2026-0417" 숫자는 두 개의 개별 텍스트가 아닙니다. 그것은 관계입니다. 그리고 VLM은 관계를 이해합니다.

변화 2: 학습 필요에서 제로 학습으로

얼마 전까지만 해도, 문서 추출을 설정하는 모든 과정은 거의 정해진 공식을 따랐습니다. 샘플 문서를 모으고, 필드에 레이블을 붙이고, 모델을 학습시키고, 테스트하고, 재학습하고, 배포하는 식이었죠. 다른 형식의 송장을 사용하는 새로운 업체가 생겼다면? 더 많은 샘플을 모으고, 더 많은 필드에 레이블을 붙이고, 다시 학습시켜야 했습니다. 문서 처리 업계는 이 과정을 '온보딩'이라는 이름으로 정당화했습니다. 하지만 이는 온보딩이 아니라, 업무 흐름에 새 문서 형식이 들어올 때마다 반복해서 내야 하는 일종의 '세금'이었습니다.

비전 언어 모델은 이 단계를 완전히 없앴습니다. 사람처럼 언어와 레이아웃을 이해하기 때문입니다. 즉, 위치를 암기하는 것이 아니라 의미를 파악합니다. 따라서 여러분의 문서를 학습할 필요가 전혀 없습니다. 같은 업체의 송장 50개를 보여주지 않아도 51번째부터 데이터를 추출할 수 있습니다. 심지어 하나도 보여줄 필요가 없습니다. 한 번도 본 적 없는 업체의 문서를 업로드하면, AI가 필드를 스스로 찾아냅니다. 특정 업체가 정보를 어디에 배치하는지 암기했기 때문이 아니라, 송장이 무엇인지 이해하고 있기 때문입니다.

이것이 실제로 의미하는 바는 아무리 강조해도 지나치지 않습니다. 기존 방식에서는 20개 업체의 문서를 처리하려면 20개의 서로 다른 템플릿을 유지 관리해야 했고, 업체가 양식을 바꾸기만 하면 각 템플릿이 무용지물이 되었습니다. 새로운 방식에서는 하나의 시스템으로 20개 업체를 모두 처리할 수 있습니다. 그리고 21번째, 22번째 업체도 추가 설정 없이 처리 가능합니다. 형식 독립성은 프리미엄 기능이 아닙니다. 그것은 기본입니다.

변화 3: 기업 전용에서 월 9달러로

기술적인 설명보다 상황을 더 잘 보여주는 숫자가 있습니다. 2024년 중반, OpenAI는 GPT-4o-mini를 출시했는데, 텍스트 입력 가격이 토큰 100만 개당 0.15달러였습니다. 비교를 위해, 2023년의 오리지널 GPT-4는 입력 토큰 100만 개당 60달러였습니다. 이는 단순한 할인이 아닙니다. 18개월도 안 되어 400배의 가격 폭락입니다.

이것이 문서 처리에 의미하는 바는 구조적입니다. 2023년 이전에는 ABBYY, Kofax 또는 Rossum을 도입하는 기업 방식의 AI 기반 문서 추출에는 수만 달러의 초기 비용과 지속적인 유지보수 비용이 발생했습니다. 대안은 템플릿 기반 OCR이었는데, 초기 비용은 저렴했지만 템플릿 유지 관리에 지속적으로 비용이 소모되었습니다. 두 옵션 모두 개인 회계사, 3인 규모 건설 사무소, 또는 월 40장의 송장을 처리하는 프리랜서에게는 적합하지 않았습니다.

그 계산이 완전히 뒤집혔습니다. 기업용 문서 인텔리전스를 구동하는 동일한 비전 AI 기술이 이제 소비자 가격으로 제공됩니다. 게다가 조달 부서가 아닌 개인을 위해 설계된 도구로 말이죠. 가입하고, 송장을 업로드하고, 원하는 열을 입력하면 30초 안에 스프레드시트를 얻을 수 있습니다. 영업 전화도, 구현 컨설턴트도, 교육 기간도 필요 없습니다. 그저 도구가 작업을 수행할 뿐이며, 비용은 월 9달러입니다. 이를 가능하게 한 기반 AI 비용은 두 자릿수로 떨어졌고, 그 절감액은 그대로 접근성 향상으로 이어졌습니다.

전체 IDP 시장은 2024년 32억 달러에서 2030년까지 140억 달러 이상으로 성장할 것으로 예상되며, 연평균 성장률(CAGR)은 35%입니다. 하지만 이 숫자 뒤에 숨은 이야기는 단순히 기업의 확장만을 의미하지 않습니다. 이는 잠재 시장이 아래로 확장되고 있음을 의미합니다. 즉, 문서 자동화가 그들을 위해 책정된 가격이 아니었기 때문에 문서 자동화 시장에 진입하지 못했던 사람들에게까지 시장이 열리고 있다는 뜻입니다.

이것이 실제로 업무에 의미하는 바

이 이야기를 단순한 기술 뉴스로 치부하고 넘어가기 쉽습니다. 하지만 이러한 변화가 중요한 이유는 모델 아키텍처나 API 가격 곡선과는 전혀 관련이 없습니다. 갑자기 자동화가 가능해진 작업의 종류와 관련이 있습니다.

30개 다른 공급업체의 송장. 기존 방식이라면 30개의 템플릿 또는 30번의 수동 입력이 필요했습니다. 이제는 한 번 업로드하면 됩니다. AI는 각 공급업체의 서식 차이를 신경 쓰지 않습니다. 여러분이 하듯이 각 송장을 읽습니다. 특정 위치에 필드가 있으리라 기대하는 대신, 필드를 찾아내는 방식입니다.

손으로 작성된 양식. 필기 인식에 대한 기존 OCR 정확도는 45~60% 수준에 머물렀습니다. 최신 비전 모델은 필기와 인쇄물이 혼합된 콘텐츠에서 85~93%의 정확도를 달성합니다. 여전히 완벽하지는 않지만, "사용 불가"에서 "가벼운 검토와 함께 유용함"으로의 임계점을 넘었습니다. 현장 기술자의 수기 검사 보고서, 손으로 작성된 배송 메모, 휘갈겨 쓴 영수증 — 자동화에서 완전히 제외되었던 문서들이 이제 자동화 영역 안으로 들어왔습니다.

한 번만 처리하는 문서. 신규 고객과의 계약. 일회성 공급업체 견적. 다시 볼 일이 없는 전문의의 의료 양식. 템플릿 기반 시스템은 여기서 실패했습니다. 한 번만 볼 문서를 위해 템플릿을 만드는 것은 어불성설이기 때문입니다. 제로 트레이닝 추출은 바로 이러한 상황, 즉 설정 없이 임의의 문서를 처리하도록 설계되었기 때문에 효과적입니다.

공통점은 속도가 아닙니다. 바로 마찰 제거입니다. 기존 방식은 모든 입력 지점에서 마찰을 만들었습니다. 새 형식 → 새 템플릿 → 새 예외 → 사람의 검토. 새로운 모델은 이를 다음과 같이 축소합니다. 업로드 → 추출 → 검토. 더 적은 단계, 더 적은 결정, 작업이 쌓일 곳이 더 적어집니다.

30초 만에 차이를 확인하세요

글로 설명하는 것에는 한계가 있습니다. 진정한 "아, 이거구나" 하는 순간은 직접 그 차이를 경험할 때 옵니다. 아래는 라이브 데모입니다. 원하는 필드(예: "송장 번호", "공급업체명", "총 금액")를 입력하고 송장을 업로드한 후 어떤 일이 일어나는지 지켜보십시오. 템플릿도, 학습도 필요 없습니다. 여러분이 AI에게 원하는 것을 알려주기만 하면 AI가 찾아냅니다.

궁금한 점에 대한 빠른 답변

OCR은 이제 쓸모없나요?

아닙니다. 하지만 역할이 축소되었습니다. OCR은 여전히 순수 디지털화(인쇄된 페이지 스캔을 검색 가능한 텍스트로 변환)에 적합한 도구입니다. 하지만 인보이스 필드, 영수증 합계, 계약 조항 유형 등 구조화된 데이터를 추출하는 데는 OCR만으로는 부적합합니다. 질문은 "OCR을 써야 하나, AI를 써야 하나?"가 아니라 "내 작업이 문서를 이해하는 것인지, 단순히 옮겨 적는 것인지"입니다. 이해가 필요하다면 OCR은 해결책이 아닙니다.

이 변화는 실제로 언제 일어났나요?

변화는 2023~2025년에 걸쳐 축적되었습니다. GPT-4 with vision은 2023년에 출시되었습니다. GPT-4o는 2024년 5월에 멀티모달 속도와 정확성을 가져왔습니다. GPT-4o-mini는 2024년 7월에 가격을 낮춰 일반 소비자용 도구의 문을 열었습니다. 2025년 초까지 문서 처리 시장은 레거시 OCR 업체가 AI 기능을 추가하는 진영과 AI 네이티브 도구가 새로운 패러다임을 기반으로 구축되는 진영으로 양분되었습니다. 그 격차는 빠르게 굳어졌습니다.

AI 추출이 실제로 OCR보다 더 정확한가요?

깨끗하고 인쇄된 단일 형식 문서의 경우, 최신 OCR과 AI 모두 99% 이상의 문자 정확도를 보여 차이는 미미합니다. 하지만 혼합 레이아웃, 필기체 또는 형식 변동성이 있는 문서에서는 AI 추출이 훨씬 뛰어납니다. 2025년 초 독립적인 벤치마크에 따르면, 기존 OCR 정확도는 복잡하고 다양한 공급업체의 문서에서 60~75%로 떨어지는 반면, 비전 언어 모델은 필드 수준 정확도를 95% 이상 유지합니다. 더 중요한 것은, AI 추출은 레이아웃이 변경되어도 작동이 중단되지 않는다는 점입니다. 이는 템플릿 기반 OCR을 대규모로 유지 관리하기 어렵게 만드는 실패 모드입니다.

필기체는 어떤가요?

솔직히 말씀드리면, 필기체는 여전히 가장 어려운 경우이며 완벽하게 처리하는 시스템은 없습니다. 기존 OCR은 일반적인 필기체에서 45~60%의 정확도를 보이는 반면, AI 기반 추출은 85~93%에 도달합니다. 이는 이전에는 불가능했던 가벼운 검토 워크플로우를 가능하게 할 만한 극적인 개선이지만, 완전 자동화에는 충분하지 않습니다. 문서가 100% 필기체라면 결과를 검토하는 데 시간을 할애해야 합니다. 대부분 인쇄본이고 가끔 필기 메모가 있는 경우라면 문제없습니다.

AI 추출 시 내 문서는 안전한가요?

선택한 도구에 따라 완전히 다릅니다. 일부 AI 문서 도구는 추출 후 파일을 저장하지 않고 메모리에서만 처리합니다. 다른 도구는 학습이나 로깅을 위해 문서를 보관합니다. 은행 정보가 포함된 송장, 계약서, 의료 양식 등 민감한 문서를 업로드하기 전에 제공업체의 데이터 처리 정책을 확인하세요. 특히 다음 사항을 살펴보세요: 처리 후 파일 저장 여부, 데이터가 모델 학습에 사용되는지 여부, 업로드한 파일을 요청 시 삭제할 수 있는지 여부.

AI 문서 추출은 개인에게 부담 없는 가격인가요?

네 — 이는 환경을 바꾼 세 가지 변화 중 하나입니다. 2023년 이전에는 아니었습니다. AI 문서 추출은 기업 계약과 연간 5자리 금액의 약정을 의미했습니다. 오늘날에는 개인과 소규모 팀을 위한 월 9~20달러의 소비자 도구가 존재합니다. 기반 AI 비용이 400배 하락하면서 이것이 가능해졌습니다. IT 부서, 학습 데이터셋, 조달 프로세스가 필요하지 않습니다. 브라우저와 문서만 있으면 됩니다.

여전히 OCR을 사용 중이거나 문서 자동화를 전혀 사용해 본 적이 없다고 해서 뒤처진 것은 아닙니다. 지난 3년이 누구도 알려주지 않은 속도로 변화했기 때문입니다.