계약 데이터 추출이란?
수동 검토 없는 핵심 필드

계약 데이터 추출의 실제 의미

계약 데이터 추출은 단순히 계약서를 스캔하거나, OCR을 적용하거나, 계약 검토 워크플로우에 전달하는 것과는 다릅니다. 스캔은 이미지를 제공하고, OCR은 텍스트 페이지를 제공합니다. 반면 추출은 구조화된 필드를 제공합니다. 즉, 한 열에는 계약 상대방 이름, 다른 열에는 발효일, 필터링 가능한 셀에는 갱신 조건, 스프레드시트에서 합계를 낼 수 있는 개별 행으로 분할된 지급 일정이 제공됩니다.

핵심 과제는 계약 데이터가 길고 조밀한 문서에 존재하며, 필드가 여러 섹션과 때로는 부록에 흩어져 있다는 점입니다. 발효일은 1페이지의 전문에 나타날 수 있습니다. 갱신일은 14페이지의 독립된 옵션 조항에 숨겨져 있을 수 있습니다. 지급 조건은 마지막에 첨부된 수수료 일정 부록의 세 페이지에 걸쳐 있을 수 있습니다. 준거법 조항은 32페이지의 "일반 조항"이라는 제목 아래 잡다한 섹션에 숨겨져 있을 수 있습니다. 인간 독자는 이러한 각 필드가 무엇을 의미하는지 알고 스캔하여 찾을 수 있습니다. 문제는 소요되는 시간과 50개의 계약서에서 각각 12개의 필드를 스캔하면서 정확성을 유지할 수 있는 사람이 없다는 사실입니다.

계약 데이터 추출 도구는 이러한 의미론적 검색을 기계 속도로 복제합니다. 템플릿 기반 OCR 도구처럼 각 필드가 페이지의 어디에 있는지 지정하도록 요구하는 대신, 최신 추출 도구는 찾고자 하는 내용을 지정하고 AI가 문맥을 이해하여 위치를 찾도록 합니다. 그 차이는 "날짜"에 대한 Ctrl+F 검색(서명 날짜, 수정 날짜, 참조 날짜를 포함한 모든 페이지의 모든 날짜를 반환)과 계약상 발효일이 어떤 날짜인지 아는 도구의 차이와 같습니다.

중요한 필드는 사용 사례에 따라 다르지만, 세 가지 난이도 계층으로 나뉩니다:

티어 1 필드는 현대 AI 도구로 98~99% 정확도로 추출됩니다. "본 계약은 [날짜]에 [당사자 A]와 [당사자 B] 간에 체결되었다"와 같은 예측 가능한 패턴으로 나타나기 때문입니다. 티어 2 필드는 더 많은 맥락적 파싱이 필요합니다. 지급 일정은 고유한 구조(금액, 날짜, 인도물의 표로, 종종 여러 페이지에 걸침)를 가지며, 계약 금액은 한 계약서 5페이지에서는 "총 수수료"로, 다른 계약서 3페이지에서는 "대가" 또는 "계약 가격"으로 명시될 수 있기 때문입니다. 티어 3 필드(면책 조항, 불가항력 조항 등)는 가장 까다롭습니다. 조밀하고 가변적인 법률 언어로 작성되어 있으며, 추출 질문은 종종 "이 조항이 무엇을 말하는가"가 아니라 "이 조항이 존재하는가와 그 범위는 무엇인가"이기 때문입니다. 이러한 필드를 대규모로 추출하는 실용적인 가이드는 계약서에서 특정 필드를 추출하는 방법을 참조하세요.

계약 데이터 추출 vs 계약 검토 vs OCR vs CLM — 주요 차이점

이 네 용어는 서로 다른 활동을 설명하지만, 마치 상호 교환 가능한 것처럼 사용됩니다. 이를 혼동하면 작업에 맞지 않는 도구를 구매하게 됩니다.

계약 검토는 법적 분석입니다. 변호사가 계약서를 읽어 위험을 평가하고, 조건을 협상하며, 서명 여부에 대해 조언합니다. LegalOn, Spellbook, LexCheck와 같은 검토 도구는 AI를 사용하여 위험한 조항을 식별하고, 조건을 플레이북과 비교하며, 수정 제안을 합니다. 이들은 "이 계약에 서명해야 하나요?"라는 질문에 답할 뿐, "이 계약서에 무엇이 있나요?"라는 질문에는 답하지 않습니다. 검토는 이미 계약서를 읽었다고 가정합니다. 상대방, 금액, 갱신 날짜 열이 있는 200개 계약의 스프레드시트를 제공하지 않습니다.

계약 라이프사이클 관리(CLM) 플랫폼(Ironclad, DocuSign CLM, Agiloft, Sirion)은 계약 생성, 협상, 체결, 보관, 의무 추적, 갱신 등 전체 계약 여정을 관리합니다. 많은 CLM에 일부 추출 기능이 포함되어 있지만, 이는 구현에 수개월이 걸리고 엔터프라이즈 요금이 부과되는 플랫폼 내에 내장되어 있습니다. CLM 추출은 CLM 자체 데이터베이스에 메타데이터를 채우기 위해 구축되었습니다. 분석, 공유 또는 다른 시스템에 공급할 수 있는 독립형 스프레드시트를 제공하기 위한 것이 아닙니다. 소규모 법무팀과 비법무 부서의 경우 "50개 계약에서 데이터를 추출해야 합니다"와 "CLM을 구현합시다" 사이의 격차는 전체 예산과 일정입니다.

OCR(광학 문자 인식)은 텍스트 이미지를 기계가 읽을 수 있는 문자로 변환합니다. 이는 원자재일 뿐 완제품이 아닙니다. 계약서에 OCR을 적용하면 필드 레이블, 구조, 1페이지의 효력 발생일과 33페이지 부록의 참조 날짜를 구분할 방법 없이 40페이지의 미분화된 텍스트가 생성됩니다. OCR은 추출의 입력일 뿐, 추출을 대체하지 않습니다.

계약 데이터 추출은 "PDF 폴더"와 "사용 가능한 구조화된 데이터" 사이의 다리입니다. 계약서를 읽고 당사자, 날짜, 금액, 조항과 같은 필드를 스프레드시트의 열로 출력하는 특정 단계입니다. 이 스프레드시트를 CLM에 공급하거나, 계약 데이터베이스에 로드하거나, Excel에서 직접 분석할 수 있습니다. 추출은 데이터 단계입니다. 검토는 판단 단계입니다. CLM은 워크플로 단계입니다. 이들은 상호 보완적이며 경쟁 관계가 아닙니다. 추출을 먼저 제대로 수행하면 구조화된 데이터가 수동으로 입력되는 대신 깔끔하게 흘러들어가 검토와 CLM 모두가 개선됩니다.

계약 데이터 추출 작동 방식

인터페이스는 간단합니다. 그 뒤에는 지난 2년간 근본적으로 변화한 파이프라인이 작동합니다.

기존 방식 — 위치 기반 추출. 전통적인 추출 도구(및 대부분의 CLM 내장 추출)는 템플릿 방식으로 작동합니다. "계약일"은 1페이지 헤더 아래, "본 계약" 문구 세 줄 뒤에 있다고 시스템에 알려줍니다. 하지만 모든 계약이 다른 용어를 사용합니다. "계약일" 대신 "발효일", "종료일" 대신 "본 계약은 종료 시까지 유효함" 등으로 표현되며, 위치는 서식, 부록, 수정 이력에 따라 달라집니다. A사의 MSA에서 작동하는 템플릿이 B사에서는 실패합니다. 결과적으로 지속적인 유지보수가 필요한 템플릿 라이브러리가 생기고, 템플릿이 일치하지 않으면 추출이 조용히 실패합니다.

현대적 방식 — 의미 기반 추출. AI 기반 추출은 위치가 아닌 의미로 작동합니다. 각 계약 형식에서 각 필드가 어디에 있는지 시스템을 훈련시키는 대신, 찾고자 하는 것을 정의합니다: "상대방", "계약일", "계약 금액", "갱신 조건". 비전 기반 대규모 언어 모델인 AI는 전체 문서를 읽고, 각 텍스트 블록이 문맥에서 무엇을 의미하는지 이해한 후 출력 열에 매핑합니다. 이것이 사용자 정의 열 추출입니다: 원하는 열 이름을 입력하면 AI가 각 필드가 의미하는 바를 이해하여 어느 페이지 어디에서든 일치하는 데이터를 찾습니다. 출력을 정의하면 AI가 입력을 읽습니다.

실제 배치 추출이 어떻게 작동하는지 살펴보겠습니다:

계약 데이터 추출이 필요한 경우

모든 조직에 추출이 필요한 것은 아닙니다. 10개의 활성 계약을 관리하는 개인 실무자는 간단한 스프레드시트로 날짜와 값을 수동 업데이트하며 추적할 수 있습니다. 추출이 가치를 발휘하는 시점은 문서의 양과 다양성이 수동 검색 및 데이터 입력이 단순한 잡일이 아니라 한 달에 며칠씩 소모하는 수준을 넘어설 때입니다.

가장 일반적인 네 가지 임계점은 다음과 같습니다.

1. 검색 시간이 분석 시간보다 더 많이 소요될 때. CLOC가 DocuSign과 함께 1,300명의 계약 전문가를 대상으로 실시한 설문조사에 따르면, 단일 계약서 내에서 특정 문구를 찾는 데 평균 2시간 이상 소요됩니다. 올바른 문서를 찾는 데 45분, 관련 섹션을 정확히 찾는 데 추가로 84분이 걸립니다. LegalOn의 2026년 사내 법무 AI 현황 보고서에 따르면 법무팀은 계약 검토당 평균 3시간을 소비하며, 연간 500건의 계약을 처리하는 부서는 250일 중 188일을 검토에만 사용합니다. 병목 현상은 검색이며, 추출은 검색 시간을 필드당 몇 분에서 계약당 몇 초로 단축시킵니다.

2. 계약 포트폴리오 전반의 의무 사항을 추적할 때. 단일 계약의 갱신일은 기억하기 쉽습니다. 하지만 종료 시점이 다른 40개의 계약, 자동 갱신 조항, 다양한 통지 기간은 그렇지 않습니다. 종료 기간이 PDF 18페이지에 묻혀 있어 갱신 마감일을 놓치면 불리한 조건으로 자동 갱신되거나 시간에 쫓겨 대체 공급업체를 급히 찾아야 하는 등 연간 계약 가치 전체를 손실할 수 있습니다. 추출은 이를 캘린더 관리 문제에서 스프레드시트 문제로 전환합니다. 정렬, 필터링, 알림 설정이 가능한 갱신 날짜 열 하나면 됩니다. 이 특정 워크플로에 대한 자세한 가이드는 대량 계약 갱신 및 만료 추적을 참조하세요.

3. 데이터베이스에 입력해야 할 계약이 배치로 도착할 때. 한 달에 30명의 신규 직원을 온보딩하는 인사 부서는 시작일, 급여, 수습 기간, 통지 조건 등 고용 계약 데이터를 추출하여 HRIS에 입력해야 합니다. 공급업체 기반을 통합하는 조달 팀은 200개의 공급업체 계약에서 계약 가치, 지불 조건, 만료일을 한눈에 볼 수 있어야 합니다. 수동 대안은 각 파일을 열고 20~80페이지를 읽은 후 데이터를 입력하는 것인데, 이 과정은 문서 양이 늘어날수록 정확도가 떨어지고 지루함이 오류율을 높입니다.

4. 한 시스템에서 다른 시스템으로 마이그레이션하거나 시스템이 전혀 없던 상태에서 시작할 때. 레거시 계약 데이터는 공유 드라이브, 이메일 첨부 파일, 파일 캐비닛에 흩어져 있습니다. CLM이나 계약 데이터베이스로 이동하려면 기존 계약의 데이터로 시스템을 채워야 하며, 이 마이그레이션 단계에서 프로젝트가 자주 중단됩니다. 2026년 Juro 설문조사에 따르면 비즈니스의 11%만이 계약 관리를 "매우 효과적"이라고 평가했으며, 명확한 소유권 부재와 열악한 보관이 불만족의 주요 원인이었습니다. 추출은 "폴더에 500개의 계약이 있다"는 상태에서 "시스템에 구조화된 데이터가 있다"는 상태로의 간극을 법무 비서 팀의 수동 입력 없이 메워줍니다. 비용이 걱정되는 팀은 개인 변호사 및 소규모 법인을 위한 저렴한 계약 추출 가이드를 참조하세요.

계약 추출 도구 선택 시 확인할 사항

추출 도구는 기본 OCR 래퍼부터 AI 기반 플랫폼까지 다양합니다. 실제로 차별화되는 기준은 다음과 같습니다:

템플릿 및 학습 불필요. 파싱 템플릿을 만들거나 샘플 계약으로 모델을 학습시켜야 하는 도구는 추출이 아니라 템플릿 관리입니다. 공급업체에 물어보세요: "한 번도 본 적 없는 상대방의 계약서를, 한 번도 접한 적 없는 형식으로 드리면, 상대방 이름, 발효일, 준거법을 첫 시도에 추출할 수 있습니까?" 답변이 "모델을 학습시켜야 합니다" 또는 "추출 영역을 정의해야 합니다"라면, 추출 기능이 아닌 설정 작업을 구매하는 것입니다.

다중 페이지 및 부속서 처리. 계약서는 20~80페이지에 달하는 긴 문서로, 실제로 필요한 데이터가 포함된 부속서, 일정표, 수정안이 함께 있습니다. 처음 세 페이지만 읽거나 각 페이지를 독립 문서로 처리하는 도구는 부속서 B의 지급 일정과 수정안 1의 갱신 조건을 놓칠 수 있습니다. 도구는 전체 문서를 하나의 논리적 단위로 읽을 수 있어야 합니다.

지급 일정을 위한 표 추출. 많은 계약서에는 수수료 일정, 마일스톤 지급 타임라인, 관련 금액이 포함된 인도물 목록 등 표가 포함됩니다. 표는 페이지에 걸쳐 있고, 일관되지 않은 열 레이아웃을 사용하며, 텍스트와 숫자 셀이 혼합되어 있어 가장 까다로운 추출 과제입니다. "계약 가치: $150,000"을 반환하지만 그 아래 12행의 지급 일정을 추출하지 못하는 도구는 데이터의 일부만 제공하는 것입니다. 가장 간단한 계약이 아닌, 표가 가장 많은 계약서로 테스트하세요.

일괄 처리 및 통합 출력. 50개의 계약서를 한 번에 업로드하고 모든 필드가 채워진 하나의 스프레드시트를 받을 수 있습니까? 일괄 처리는 "이 도구는 계약당 시간을 절약한다"와 "이 도구는 전체 포트폴리오를 처리한다"의 차이를 만듭니다. 출력은 계약당 한 행, 모든 필드에 대한 열이 있는 단일 테이블이어야 하며, 즉시 필터, 정렬, 분석할 수 있어야 합니다.

마케팅 수치가 아닌 정직한 정확도. "99% 정확도"는 일반적인 주장이지만, 일반적으로 표준 형식 계약서에 명확하게 인쇄된 1계층 필드를 의미합니다. 2계층 필드(지급 조건, 복잡한 재무 구조)와 3계층 조항(면책 범위)은 더 낮은 비율로 추출되며, 좋은 도구는 이를 사전에 알려줘야 합니다. 가장 유용한 정확도 지표는 "도구가 주장하는 것"이 아니라 "실제 계약서에서 달성하는 것"입니다. 특히 비정형 서식, 조밀한 표, 스캔된 서명이 있는 문서를 포함하여 실제 문서로 먼저 테스트하세요.

자주 묻는 질문

다음 단계

계약 데이터 추출은 구체적이고 측정 가능한 문제를 해결합니다. 바로 계약서에 이미 존재하지만 활용할 수 없는 형태로 묻혀 있는 데이터를 찾는 데 소모되는 시간입니다. CLOC 데이터에 따르면, 분석을 시작하기 전에 정보를 찾는 데 계약당 2시간이 걸리며, 이는 대부분의 법무 및 운영팀이 이미 체감하고 있는 병목 현상, 즉 판단이 아닌 검색의 문제를 수치로 보여줍니다.

이를 해결하는 도구는 이미 존재하며, 엔터프라이즈 CLM 도입이나 수개월의 템플릿 구성이 필요하지 않습니다. 연간 수십 건 이상의 계약을 처리하고 "다음 분기에 갱신되는 계약은?", "모든 공급업체 계약의 총 약정 지출액은?" 같은 질문에 정기적으로 답해야 한다면, 데이터 추출은 그 질문을 연구 프로젝트에서 스프레드시트 필터로 바꿔주는 핵심 단계입니다. 추출이 더 넓은 문서 워크플로우에 어떻게 적용되는지 종합적으로 알아보려면 AI 문서 추출 가이드를 참조하세요. 또는 자체 계약서로 직접 테스트해보고 싶다면 샘플을 업로드하여 지금 바로 확인해보세요.