Airparser 대안: 새 문서 유형마다 설정하는 작업 중단

각 받은 편지함에 대해 필드를 설명합니다. Airparser의 파서는 LLM 기반이며 스키마 중심입니다. "송장 번호: 상단에 있는 고유 식별자"와 같은 필드를 정의하면 모델이 값을 찾습니다. 그릴 영역이 없어 이전 도구보다 확실히 개선되었지만, 각 받은 편지함에는 자체 필드 정의가 있으므로 문서 유형이 다르면 스키마도 달라집니다.

누락된 값은 특히 금융 데이터에서 할루시네션 위험이 드러나는 부분입니다. Airparser 자체 문서에 따르면 처리 시간이 길어질수록 AI가 데이터를 조작하거나 잘못 해석하는 할루시네션 위험이 증가할 수 있습니다. 송장에 필드가 없으면 텍스트 모델이 그럴듯한 숫자로 빈칸을 채울 수 있습니다. 송장 합계, 세액 또는 계정 코드의 경우, 조작된 값은 빈 셀보다 더 나쁩니다. 사람이 검토하는 루프가 이를 잡아내지만, 자동화의 약속에 수동 단계가 추가됩니다.

복잡한 표는 어려운 부분이며, Airparser 자체 문서에서도 인정합니다. LLM 엔진은 이메일, 이력서, 계약서와 같은 텍스트 중심 문서에서 잘 작동합니다. Airparser의 문제 해결 가이드는 "문서 구조가 LLM 엔진에 너무 복잡한 경우 추출된 데이터가 불완전하거나 부정확할 수 있다"고 인정하며 텍스트 엔진과 비전 엔진 간 전환을 제안합니다. 송장 라인 항목과 은행 명세서 행의 경우, 숫자를 신뢰하기 전에 더 많은 표본 점검이 필요합니다.

스키마 없이: 열 이름만 입력하면 결과를 얻습니다. 필드 설명도, 문서 유형별 설정도 필요 없습니다. "Invoice Number", "Vendor Name", "Total"을 입력하면 비전 AI가 문서를 이미지로 보고, 페이지에서 라벨을 찾아 그 옆의 값을 추출합니다. 사람이 읽는 방식과 동일하게, 텍스트 패턴을 추론하는 대신 라벨을 시각적으로 찾아냅니다. 첫 업로드부터 작동하며, 어떤 레이아웃에서도 설정 없이 사용할 수 있습니다.

페이지 이미지에 읽기를 근거합니다. 모델은 "Total" 라벨과 그 옆의 숫자를 시각적 객체로 인식하므로, 스키마가 요청한 필드를 채우기 위해 값을 생성하는 것이 아닙니다. 이는 누락된 숫자를 임의로 만들어내는 특정 실패 모드를 줄여주지만, 완전한 보장은 아닙니다. 어떤 모델이든 페이지를 잘못 읽을 수 있습니다. 그래서 검토 모드에서 각 셀의 출처 영역을 강조 표시하여, 문서를 다시 입력하는 대신 몇 초 만에 값을 확인할 수 있습니다.

AI가 추출 중에 계산하고 추론합니다. ImageToTable은 페이지에서 값을 읽는 것 외에도 추출 중에 계산을 수행하고(예: "Line Total (Qty × Unit Price)" 같은 계산 열), 문서에 없는 정보를 추론합니다(예: "Category (options: Meals/Transport/Office)" 같은 추론 열). Airparser는 스키마 필드를 채우고 Python 후처리를 제공하는 반면, ImageToTable은 동일한 패스에서 파생 출력을 생성하므로 추출 후 스프레드시트 단계가 필요 없습니다.