문서 추출과 스프레드시트 컬럼 사이의 복사-붙여넣기 격차를 해소하는 자동 데이터 입력
40년 동안 '데이터 입력 자동화'는 텍스트를 읽지만 레이아웃 매칭 방식으로 덤프하는 OCR에 불과했습니다. 결국 모든 필드를 수동으로 복사, 붙여넣기, 재배열해야 했죠. 컬럼명 추출은 아무도 해결하지 못한 부분을 해결합니다. AI가 추출한 데이터를 사용자가 지정한 컬럼명과 순서에 맞춰 직접 매핑합니다. 페이지당 처리 시간은 평균 3분의 수동 입력 대신 5~10초면 충분합니다.
페이지당 5~10초 · 인쇄 텍스트 최대 99% 정확도 · 문서 유형별 설정 불필요 · 혼합 배치 처리
추출 가능한 필드 — 모든 문서 유형에 적용
모든 데이터 입력 작업은 "어떤 열이 필요한가?"라는 질문에서 시작합니다. 아래 필드는 예시입니다. 원하는 열 이름을 입력하면 AI가 각 페이지에서 해당 값을 찾아 의미를 이해하고 문서 유형에 관계없이 추출합니다. 이것이 사용자 정의 열 추출입니다: 입력한 열 이름이 최종 스프레드시트의 정확한 헤더가 됩니다.
송장, 영수증, 양식, 명세서 등 구조화된 데이터가 있는 모든 문서에 적용 가능합니다. AI는 페이지 내 위치가 아닌 의미를 기준으로 각 필드를 찾습니다.
아무도 해결하지 못한 병목: 데이터 추출 ≠ 올바른 컬럼에 데이터 입력
'데이터 입력 자동화'의 각 세대는 당시의 기술적 과제를 해결했지만, 동일한 인간의 작업은 그대로 남겨두었습니다. OCR(1980년대)은 스캔된 페이지에서 텍스트를 읽었지만 구조화되지 않은 문자 스트림을 출력했습니다. RPA(2000년대)는 애플리케이션 간 키 입력을 모방했지만 양식 레이아웃이 변경되면 작동이 중단되었습니다. 템플릿 추출(2010년대)은 알려진 레이아웃의 필드를 매핑했지만 공급업체별 구성이 필요했습니다. 세 가지 모두 추출된 데이터를 생성했습니다. 그러나 그 어떤 것도 필요한 컬럼에, 필요한 순서로 데이터를 넣어주지 못했습니다. 추출된 값을 가져와 스프레드시트 컬럼에 수동으로 배치하는 최종 복사-붙여넣기 작업은 40년간 자동화 도구의 변하지 않은 과제였습니다. 기존 파이프라인이 여전히 복사-붙여넣기를 필요로 하는 이유와 컬럼명 추출이 추출 계층 자체에서 그 격차를 어떻게 해소하는지 설명합니다.
기존 데이터 입력 방식: 먼저 추출, 나중에 매핑
스캔 → OCR은 구조화되지 않은 텍스트 스트림을 생성합니다. 소프트웨어가 페이지에서 문자를 읽어 읽기 순서대로 출력합니다. 머리글, 바닥글, 라인 항목, 합계가 모두 섞여 나옵니다. 인식된 텍스트는 얻지만 열 구조는 없습니다. 추출 단계에서 생성된 출력은 스프레드시트에 입력되기 전에 여전히 구문 분석, 정리, 수동 재구성이 필요합니다. 평균적으로 이 전처리만 문서당 2~3분이 소요됩니다. 실제 데이터가 열에 도달하기 전에 말이죠.
복사 → 출력에서 특정 값을 시각적으로 찾아 추출합니다. 위치로 필드를 식별하는 템플릿 기반 도구를 사용하더라도 매핑된 필드가 올바른 필드인지 누군가 확인해야 합니다. 특히 새 공급업체의 송장에서 "합계" 위치가 다를 때 그렇습니다. Reddit 사용자들은 물리적 데이터를 Excel에 넣는 "가장 효율적인" 방법이 여전히 수동 복사-붙여넣기라고 설명합니다. OCR 이후에도 데이터가 사용 가능한 열 레이아웃이 아니기 때문입니다. 각 필드를 개별적으로 찾아 전송해야 합니다.
붙여넣기 → 서식 지정 → 확인. 6개의 수동 단계, 각 단계에서 오류 발생 가능. 값을 스프레드시트에 복사한 후에도 날짜 형식 표준화, 통화 기호 제거, 소수점 위치 수정, 금액 교차 확인이 필요합니다. 1~4%의 수동 데이터 입력 오류율에서 500개 문서 배치에서는 5~20개의 오류가 발생하여 재무 보고서, 공급업체 지불, 규정 준수 서류에 영향을 미칩니다. 확인 단계는 안전망이 아니라 주요 품질 관리 메커니즘이며 여전히 수동입니다. 도구는 텍스트를 추출했습니다. 사람이 나머지 모든 것을 했습니다.
열 이름 파이프라인: 출력을 먼저 정의하고, 열로 직접 추출
원하는 열 이름을 입력하세요. 추출 전에 출력 구조를 정의합니다. 모든 것을 추출한 후 어디에 넣을지 고민하는 대신, AI에 미리 알려줍니다: 스프레드시트에는 문서 날짜, 공급업체, 금액, 세금, 카테고리, 상태 열이 있습니다. 입력한 열 이름이 출력 파일의 정확한 헤더가 됩니다. AI는 각 문서를 특정 대상에 맞춰 읽습니다. 모든 것을 추출하고 나중에 필요한 것을 찾으라고 하지 않습니다. 이것이 사용자 정의 열 추출입니다: 목적지를 정의하면 AI가 채웁니다.
AI가 추출된 값을 명명된 열에 직접 매핑합니다. 하나의 변환 계층입니다. 공급업체 PDF의 "송장 날짜", 휴대폰 영수증 사진의 "거래 날짜", 스캔된 양식의 레이블 없는 날짜 필드 — AI는 이 세 가지를 모두 "문서 날짜" 열로 해석합니다. 위치나 정확한 레이블 일치가 아닌 의미를 읽기 때문입니다. 이 단일 단계는 복사, 붙여넣기, 서식 지정, 확인의 네 가지 수동 단계를 하나의 AI 패스로 대체합니다. 출력은 이미 열 구조로 도착합니다. 열 매핑은 책상이 아닌 추출 계층에서 이루어집니다. 처리 속도는 페이지당 5~10초이며, 인쇄된 텍스트의 경우 최대 99% 정확도를 제공합니다.
검토 — 재입력이 아닙니다. 인간의 역할이 데이터 입력 작업자에서 품질 검사자로 전환됩니다. 추출된 값이 올바른 열에 직접 들어가면, 작업이 "모든 문서의 모든 필드를 입력하는 것"에서 "출력을 스캔하고 이상한 부분을 점검하는 것"으로 바뀝니다. 이 도구는 계산 열도 지원합니다. 열 이름에 "라인 합계(수량 × 단가)"와 같은 계산을 정의하면 AI가 추출 중에 수학을 수행하므로 나중에 수식을 작성할 필요가 없습니다. 추론 열을 사용하면 AI가 추출 중에 문서를 분류할 수 있습니다. "송장 / 영수증 / 명세서 / 구매 주문서"와 같은 옵션이 있는 "카테고리" 열을 정의하면 문서 자체에 카테고리 필드가 없더라도 AI가 자동으로 분류를 할당합니다. XLSX, CSV 또는 JSON으로 내보내기 — 각 행은 문서이고, 각 열은 사용자가 명명한 필드입니다.
입력부터 검증까지: 실제 워크플로우는 이렇게 진행됩니다
월말 데이터 입력 작업 — 여러 출처에서 쌓인 송장, 영수증, 서류 더미 — 에서 컬럼명 방식은 기존 도구가 남겨둔 반복적인 단계를 제거합니다.
업로드 — 분류·정렬 불필요
월말 배치에는 10개 공급업체의 PDF 송장, 휴대폰 사진·스크린샷 영수증, 스캔 PDF 은행 명세서, 구매 주문서 2건이 섞여 있습니다. 모두 한 번에 업로드하세요. 문서 유형별 사전 분류, 처리 전 분류, 파일별 템플릿 선택이 필요 없습니다. PDF, JPG, PNG, WebP, 스캔 이미지를 동일 업로드에서 지원합니다.
열 이름 지정 — 배치 전체에 한 번만
스프레드시트에 원하는 열 이름을 입력하세요: 문서일자, 공급업체, 문서번호, 설명, 금액, 세금, 카테고리, 마감일. AI가 문서 유형과 관계없이 배치 내 모든 파일에 이 열 이름을 적용합니다. 한 공급업체 PDF의 "Invoice Date"와 영수증의 "Transaction Date"는 모두 "문서일자"로 매핑됩니다. AI가 필드 레이블을 의미적으로 해석합니다. 계산 열도 정의할 수 있습니다. 예: 라인 합계 (수량 × 단가) — AI가 추출 중 계산을 수행합니다.
다운로드 — 문서당 한 행, 열은 내가 정의한 대로
각 문서는 통합 Excel 파일의 한 행이 됩니다. 열은 사용자가 정의한 8개 — 레이아웃 재구성으로 인한 추가 열, 병합된 셀, 형식 변환으로 인한 빈 행이 없습니다. 영수증에 세금 데이터가 없으면 해당 행의 셀은 비어 있고, 옆 송장의 세금 금액은 정상 입력됩니다. XLSX, CSV, JSON으로 내보내기 가능 — ERP 가져오기, 피벗 테이블, 연말 정산에 추가 정리 없이 바로 사용 가능합니다. 수동 입력 시 약 2.5시간이 걸리는 50개 문서 배치를 약 4~8분에 처리합니다.
열 이름 추출이 안정적으로 처리하는 항목과 문서 자체의 한계로 인해 정확도가 제한되는 경우
열 이름 접근 방식은 데이터 입력에서 복사-붙여넣기 단계를 제거합니다. 그러나 추출 정확도는 여전히 원본 품질과 필드 명확성에 따라 달라집니다. 이는 도구의 한계가 아니라 비정형 문서에서 데이터를 읽는 본질적인 특성입니다.
가장 효과적인 경우
레이블이 있는 문서 — 레이블 내용과 관계없이. 인식 가능한 레이블 근처에 값이 나타나기만 하면 AI가 이를 사용자의 열 이름에 매핑합니다. "송장 날짜", "거래 날짜", "명세서 날짜", "발행일" 모두 사용자의 "문서 날짜" 열로 매핑됩니다. 명확하게 인쇄된 텍스트의 경우 최대 99% 정확도.
공통 필드 개념을 공유하는 혼합 문서 유형. 송장, 영수증, 구매 주문서, 은행 명세서, 비용 보고서를 함께 업로드해도 모든 문서에 동일한 열 이름이 적용됩니다. 새 문서 유형에 대해 추가 설정이 필요하지 않습니다.
수백 개의 파일을 일괄 처리. 혼합 유형과 형식의 문서 200개를 업로드하면 각 문서가 단일 스프레드시트의 한 행이 됩니다. 출력물은 후처리 없이 즉시 사용할 수 있습니다. 수집 링크를 사용하면 다른 사람이 계정 없이도 문서를 처리 대기열에 직접 업로드할 수 있는 링크를 공유할 수 있습니다.
양식 필드 내 필기 입력. 레이블이 있는 양식 필드의 필기, 특히 "합계:"와 같은 인쇄된 레이블이 컨텍스트를 제공하는 경우 안정적으로 추출됩니다. 레이블이나 구조화된 레이아웃이 없는 순수 자유 형식 필기 노트는 가독성에 따라 결과가 달라집니다.
확인이 필요한 항목
원본 품질이 심각하게 저하된 경우. 복사본을 다시 복사한 문서, 과도하게 압축된 이미지, 구겨진 종이를 어두운 조명에서 찍은 사진 등은 어떤 추출 방식을 사용하든 정확도를 떨어뜨립니다. AI는 문맥을 활용해 노이즈를 보정하지만, 원본 품질 저하는 정확도에 가장 큰 영향을 미치는 요소입니다.
레이블 없이 단독으로 있는 숫자 값. 페이지에 숫자 값이 주변 레이블이나 문맥 없이 단독으로 나타나는 경우(예: 문단에 홀로 있는 숫자), AI가 해당 값이 어느 열에 속하는지 정확히 판단하지 못할 수 있습니다. 대부분의 업무 문서는 레이블-값 쌍으로 구성되지만, 서술형 보고서에서는 이런 문제가 발생할 수 있습니다.
양식이나 표 구조 없이 완전히 비정형화된 텍스트. 긴 형식의 편지, 서술형 보고서, 레이블 필드나 표 형식이 없는 산문 문서는 AI가 활용할 수 있는 기준점이 적습니다. AI가 식별 가능한 정보는 추출하지만, 비정형 텍스트를 일괄 처리하는 것보다 필드별 스캔 방식이 더 신뢰할 수 있습니다.
비표준 체크박스 또는 체크 표시 방식. 인쇄된 체크박스(선택/미선택)는 안정적으로 읽힙니다. 하지만 동그라미, 별표, 손으로 그린 엑스표 등 자유형 기호는 데이터로 일관되게 해석되지 않을 수 있습니다. 문서가 데이터 입력을 위해 자유형 표기에 의존하는 경우 수동 확인이 필요할 수 있습니다.
자주 묻는 질문
열 이름 추출 방식은 일반 OCR 데이터 입력 자동화와 어떻게 다른가요?
OCR은 페이지의 텍스트를 읽어 문자 스트림이나 레이아웃 매칭 그리드 형태로 출력합니다. 사용자는 여전히 출력에서 관련 셀을 찾아 스프레드시트 열에 수동으로 복사해야 하며, 날짜 형식 표준화, 불필요한 문자 제거, 잘못된 순서로 정렬된 필드 재배열 등의 작업이 필요합니다. 열 이름 추출은 이 과정을 뒤집습니다. 먼저 출력 구조("문서 날짜, 거래처, 금액, 세금, 카테고리")를 정의하면, AI가 추출된 값을 해당 이름의 열에 직접 매핑합니다. 출력되는 스프레드시트는 이미 사용자가 정의한 열 레이아웃으로 제공됩니다. 추출 후 복사-붙여넣기, 열 재정렬, 문서별 정리 작업이 필요 없습니다. 또한 계산 열을 지원합니다. "라인 합계(수량 × 단가)"를 열 이름으로 정의하면 AI가 추출 중에 계산을 수행합니다. 또한 추론 열을 지원합니다. 옵션이 있는 "카테고리" 열을 정의하면 AI가 각 문서를 추출하면서 분류합니다. 수동 데이터 입력은 페이지당 평균 약 3분이 소요되지만, 이 도구는 페이지당 5~10초에 처리하며 인쇄된 텍스트에 대해 최대 99%의 정확도를 제공합니다.
혼합된 문서 유형에서 날짜, 금액, 거래처, 구매 주문 번호를 한 번에 추출할 수 있나요?
네, 가능합니다. 문서 날짜, 금액/합계, 거래처/고객명, 구매 주문 번호와 같은 열은 동일한 업로드에서 송장, 영수증, 구매 주문서, 명세서 등에서 추출할 수 있습니다. AI는 필드 레이블을 의미적으로 해석합니다. 한 문서의 "Invoice Date", 다른 문서의 "Transaction Date", 세 번째 문서의 레이블 없는 날짜 필드 모두 사용자의 "문서 날짜" 열로 매핑됩니다. 특정 문서에 필드가 없는 경우(예: 구매 주문 번호가 없는 영수증) 해당 셀은 비워둡니다. 오류로 인해 배치가 중단되지 않습니다. 각 문서는 출력 스프레드시트에서 하나의 행이 됩니다. Google Sheets 애드온을 사용하면 스프레드시트를 떠나지 않고 추출된 데이터를 Google Sheet로 직접 보낼 수 있습니다.
자동화된 데이터 입력이 수동 타이핑에 비해 실제로 얼마나 시간을 절약해 주나요?
수동 데이터 입력은 필드 찾기, 값 입력, 날짜 및 통화 형식 지정, 금액 확인 등을 고려할 때 페이지당 평균 약 3분이 소요됩니다. 이 도구는 페이지를 5~10초에 처리하여 약 18배 더 빠릅니다. 월 500개의 문서를 처리하는 팀의 경우, 약 25시간의 수동 입력 작업이 약 1~1.5시간의 검토 시간으로 단축됩니다. 사람의 역할은 모든 필드를 입력하는 데이터 입력 작업자에서 출력물의 이상 징후를 스캔하는 품질 검사자로 전환됩니다. 각 문서가 이미 사용자의 열 구조에 매핑되어 도착하기 때문에, 검토 단계는 모든 셀을 확인하는 대신 빈칸이나 예외 사례를 스캔하는 것입니다.
문서 형식마다 템플릿을 설정하거나 AI를 학습시켜야 하나요?
템플릿, 학습, 형식별 설정이 전혀 필요하지 않습니다. 원하는 열 이름(예: "송장 번호, 공급업체, 금액, 세금, 마감일")을 입력하기만 하면, AI가 템플릿이 아닌 필드의 의미를 이해하여 각 문서에서 해당 값을 찾아냅니다. 새 공급업체의 송장 형식이 필드 위치, 레이블 문구, 페이지 레이아웃이 달라도 배치 내 다른 문서와 동일하게 처리됩니다. AI는 의미론적 의미를 읽어 이해합니다. 한 문서에서 "Invoice #"로, 다른 문서에서 "Ref No"로 표시된 숫자가 모두 사용자가 "문서 번호" 열에서 요청한 문서 식별자임을 파악합니다. 따라서 워크플로우에 새 문서 소스를 추가할 때 추가 구성이 전혀 필요하지 않습니다.
손으로 작성된 문서나 체크박스가 있는 스캔 양식은 어떻게 처리되나요?
레이블이 있는 양식 필드 내 손글씨 항목은 안정적으로 추출됩니다. 특히 "합계:" 또는 "환자 이름:"과 같은 인쇄된 레이블이 옆에 있는 손글씨 값에 맥락을 제공하는 경우 더욱 그렇습니다. Vision Large Model은 문서를 텍스트 레이어가 아닌 시각적으로 읽기 때문에, 양식 필드의 손글씨 숫자와 텍스트를 합리적인 정확도로 인식합니다. 인쇄된 레이블이나 구조화된 레이아웃이 없는 순수 자유 형식 손글씨 메모는 필체 가독성에 따라 결과가 크게 달라집니다. 인쇄된 체크박스 필드(체크/미체크)는 데이터로 일관되게 읽힙니다. 손으로 그린 기호(원, 별표, 십자 표시 등)를 선택 표시로 사용하는 경우 이진 응답으로 안정적으로 해석되지 않을 수 있으며, 이러한 관례에 의존하는 문서는 해당 필드에 대한 수동 확인이 필요합니다.