문서를 구조화된 데이터로 — 모든 시각적 입력을 정리된 행과 열로 바꾸는 AI 추출
대부분의 추출 도구는 텍스트를 읽는 것과 열로 정리하는 것을 분리합니다. 이는 두 단계로 이루어지며, 두 번째 단계는 사용자에게 맡겨집니다. 이 파이프라인은 한 번에 구조화된 데이터를 출력합니다. 각 값의 의미를 충분히 이해하여 처음부터 올바른 열에 배치합니다.
페이지당 5~10초 · 최대 99% 정확도 · PDF / JPG / PNG / WebP · 문서별 설정 불필요
단일 패스 비전 파이프라인이 2단계 OCR 파이프라인으로는 불가능한 기능
기존 추출 방식은 문자를 읽는 단계(OCR)와 이를 열로 정리하는 단계로 나뉩니다. 비전 파이프라인은 이 두 단계를 하나로 통합하여 픽셀을 입력하면 구조화된 행이 출력됩니다. 이러한 기능은 읽기와 구조화가 동시에 이루어질 때만 가능합니다.
중간 텍스트 단계가 없습니다. AI가 페이지를 보고 값을 지정된 열에 직접 배치합니다 — 평면 OCR 출력을 구문 분석하거나 추출 후 구조화 스크립트를 작성할 필요가 없습니다.
PDF, JPG, PNG, WebP, 스크린샷, 사진 — 모두 동일한 파이프라인으로 진입합니다. 형식별 전처리, 형식 기반 라우팅, 형식별 파서 구성이 필요하지 않습니다.
3개 열 또는 20개 열을 정의하세요 — 파이프라인은 먼저 문서 유형 분류기를 학습시키지 않고 의미적 역할에 따라 필드 값을 스키마에 매핑합니다. 스키마 복잡성에 추가 비용이 들지 않습니다.
추출을 넘어서: 계산 열과 추론 열을 정의하세요 — 모두 단일 파이프라인 패스 중에 해결됩니다.
날짜는 출처와 관계없이 단일 형식으로 변환됩니다. 금액은 통화 기호와 천 단위 구분 기호를 제거합니다. 정리는 파이프라인 내에서 이루어집니다.
출력은 XLSX, CSV 또는 JSON으로 제공됩니다 — 각 행은 하나의 문서이고, 각 열은 스키마와 일치합니다. 추가 변환 없이 피벗 테이블, 데이터베이스 가져오기 또는 ERP 업로드에 바로 사용할 수 있습니다.
이러한 기능은 읽기와 구조화가 하나의 작업인 파이프라인을 설명합니다 — 함께 연결하는 두 개의 도구가 아닙니다.
문서-구조화-데이터 파이프라인은 항상 두 단계로 이루어져 있었습니다. 첫 번째 단계는 모든 투자를 받았고, 두 번째 단계는 사용자에게 맡겨졌습니다.
OCR은 수십 년 전에 "문자 읽기"를 해결했습니다. 하지만 읽는 것과 구조화하는 것은 다릅니다. 실제 작업은 그 사이에 있으며, 항상 수동으로 이루어져 왔습니다.
기존 파이프라인: 먼저 읽고, 나중에 정리
OCR은 평문 텍스트를 출력합니다. "INV-2024-8932" 문자열과 "$12,345.00"이 같은 블롭(blob)에 들어옵니다. 어느 것이 송장 번호이고 총액인지 구분하려면 두 번째 처리 단계가 필요합니다. Reddit 사용자들은 "표가 지저분하거나 특정 속성이 접두사나 필드 이름 없이 독립 값으로 나타날 때"를 설명합니다.
문서 변환은 형식은 바꾸지만 열의 의미는 보존하지 않습니다. PDF를 Excel로 변환하면 표가 시각적으로 보일 수 있지만, 단가 열과 확장 비용 열을 여전히 식별해야 합니다. 형식 변환 시간은 절약되지만, 구조화 작업은 수동으로 남습니다.
템플릿 파서는 형식별로 영역을 그립니다. 각 변형마다 별도의 설정이 필요합니다. 새로운 공급업체 형식이나 레이아웃 변경이 발생할 때마다 영역-필드 매핑이 깨집니다. 형식이 템플릿 수를 초과하면 파이프라인이 확장되지 않습니다.
비전 AI 파이프라인: 한 번에 이해하고, 바로 구조화된 데이터로 출력
비전 언어 모델이 페이지를 시각적 전체로 읽고, 각 부분이 의미하는 바를 이해합니다. 상단 근처의 굵은 숫자를 합계로 인식하고, 수량이 있는 행 블록을 라인 아이템 테이블로 파악합니다. 출력은 이미 구조화되어 있습니다: 값은 사용자가 정의한 열에 바로 들어가며, 수동 구조화 단계가 완전히 생략됩니다.
맞춤 열 추출: 출력 스키마를 한 번만 정의하면 AI가 위치가 아닌 의미를 기준으로 값을 찾습니다. Invoice Number, Date, Total, Vendor Name 같은 필드 이름을 입력하세요 — 그것이 바로 스키마입니다. 공급업체가 레이아웃을 변경해도 스키마는 바뀌지 않습니다. 새로운 문서 유형이 워크플로우에 추가되어도 아무것도 다시 구축할 필요가 없습니다.
분류 단계가 없습니다 — 모든 문서가 동일한 파이프라인을 통과합니다. 새 공급업체의 송장, 영수증 사진, 스캔한 계약서가 함께 업로드됩니다. 각 페이지는 사용자가 정의한 열로 구성된 행을 생성합니다. 페이지에 없는 필드는 해당 셀이 비어 있게 됩니다 — 실패도, 가짜 값 생성도 없습니다.
동일한 시작 입력, 동일한 최종 목표. 하나의 파이프라인은 원시 문자와 구조화 문제를 넘겨줍니다. 다른 하나는 분석할 준비가 된 정리된 열을 제공합니다.
규정 준수 팀이 단일 파이프라인으로 30년치 종이 기록을 디지털화하는 방법
오래된 기록 보관소는 수십 년간의 형식 변화를 담고 있습니다. 타자기로 작성된 양식, 도트 매트릭스 인쇄물, 카본지, 손으로 쓴 원장 등이 섞여 있죠. 전통적인 방식은 OCR 후 수동으로 구조화하는 과정이 필요합니다. 하지만 원패스 파이프라인은 이 두 과정을 동시에 처리합니다.
스캔 200건, 30년치, 한 번의 업로드
규정 준수 팀이 200개의 문서를 스캔합니다. 1985년 송장, 1998년 납품서, 2010년 계약서, 2024년 영수증 등이 섞여 있습니다. 모두 PDF로 스캔되어 함께 업로드됩니다. 시대, 문서 유형, 스캔 품질별로 미리 분류할 필요가 없습니다. 파이프라인은 각 페이지를 시각적 입력으로 받아들이며, 형식이나 연대에 대한 어떤 가정도 하지 않습니다.
문서 분류 단계 불필요. 품질 기반 라우팅 불필요. 30년간의 다양한 형식을 처리하는 단일 파이프라인.
보관 스키마 정의 — 파이프라인이 모든 시대를 매핑
출력 열을 정의합니다: 문서 유형, 날짜, 거래 상대, 참조 번호, 총 금액, 주요 조항 포함 여부. 타자기 송장은 송장 번호와 총액을 제공합니다. 도트 매트릭스 납품서는 다른 레이아웃으로 추적 참조 번호와 날짜를 제공합니다. 레이저 인쇄 계약서는 발효일과 거래 상대를 제공합니다. 모두 동일한 출력 열로 매핑됩니다. 시대별 설정이 필요 없습니다.
하나의 스키마. 세 개의 시대. 형식 기반 설정 제로.
200개 행, 완전 검색 가능, 분석 준비 완료
CSV로 내보냅니다. 문서 200개 → 행 200개. 출처 형식에 관계없이 날짜가 표준화됩니다. 금액은 숫자 값으로 정규화됩니다. 이제 규정 준수 담당자는 단일 PDF를 열지 않고도 Excel에서 날짜 범위, 거래 상대, 문서 유형별로 전체 기록 보관소를 검색, 필터링, 분석할 수 있습니다. 파이프라인은 단순히 문자를 읽는 것이 아니라, 분석 가능한 데이터베이스로 구조화했습니다.
텍스트 파일이 아닌 구조화된 데이터. 검색, 피벗 테이블 또는 데이터베이스 가져오기에 바로 사용 가능.
단일 패스 파이프라인이 효과적인 경우와 2단계가 여전히 필요한 경우
OCR과 구조화를 단일 패스로 통합하면 가능성이 달라집니다. 하지만 일부 문서 시나리오에서는 여전히 단계를 분리하는 것이 유리합니다.
단일 패스가 뛰어난 경우
형식 다양성이 높은 문서 아카이브. 수십 년간의 레이아웃 변화를 아우르는 수천 개의 스캔 문서. 각 페이지는 독립적으로 처리되므로 파이프라인이 문서의 출처 시대를 알 필요가 없습니다.
정의된 출력 스키마를 사용한 명명된 필드 추출. 출력에 표시될 열을 정확히 제어합니다. 필드가 3개든 30개든 파이프라인 속도에는 차이가 없습니다. 스키마에 없는 필드는 무시되며 별도 파일로 덤프되지 않습니다.
단일 배치 내 혼합 품질 입력. 깨끗한 PDF, 오래된 스캔본, 휴대폰 사진 등 품질이 다양해도 파이프라인이 각각 독립적으로 처리합니다. 품질 낮은 스캔본이 동일 배치 내 깨끗한 PDF의 추출 품질에 영향을 미치지 않습니다.
파이프라인 보강이 필요할 때
깊게 중첩되고 테두리 없는 다중 열 레이아웃. 3개 이상의 좁은 텍스트 열이 그리드선이나 구분선 없이 구성된 문서입니다. 시각적 경계가 없으면 행과 열의 대응 관계가 모호해집니다. 이러한 경우 열 위치별로 분할하는 전용 테이블 추출 도구를 사용하면 더 신뢰할 수 있는 결과를 얻을 수 있습니다.
전체 텍스트 변환이 아닌 필드 추출. 이 파이프라인은 사용자가 지정한 필드만 추출하며, 단어 하나하나를 빠짐없이 변환하지는 않습니다. 20페이지 분량의 계약서 전체 텍스트나 법률 문서의 모든 문단이 필요하다면, 전용 변환 또는 전체 텍스트 OCR 파이프라인이 적합한 도구입니다.
매우 높은 일일 처리량에서의 페이지당 지연 시간. 개별 페이지는 5~10초 내에 처리됩니다. 1,000페이지 배치의 경우 단일 파이프라인에서 약 1~2시간이 소요됩니다. 지속적인 대용량 처리 작업의 경우 파이프라인 처리량이 운영 시간에 부합하는지, 아니면 전용 문서 처리 큐가 필요한지 평가하세요. 구성 없이 개별 문서를 임시로 추출하려면 자동 추출 페이지를 참조하세요.
자주 묻는 질문
"문서를 구조화된 데이터로" 변환하는 것은 OCR이나 문서 변환과 어떻게 다른가요?
OCR은 이미지 속 텍스트를 기계가 읽을 수 있는 문자로 변환합니다. 즉, "이 페이지에 어떤 글자가 있는가?"라는 질문에 답합니다. 문서 변환은 파일을 한 형식에서 다른 형식으로 바꾸는 것입니다. 예를 들어 PDF를 Word로, 이미지를 텍스트로 변환합니다. 둘 다 구조화된 데이터를 생성하지는 않습니다. "문서를 구조화된 데이터로" 변환한다는 것은 출력 결과가 사용자가 정의한 열과 행으로 구성된다는 의미입니다: Invoice Number, Date, Total Amount, Vendor Name. AI는 페이지에서 각 값이 무엇을 의미하는지 이해하고 올바른 열에 배치합니다. 차이점은 읽기 속도가 아니라, 출력 결과가 분석에 바로 사용될 준비가 되었는지, 아니면 여전히 수동으로 구조화해야 하는지에 있습니다.
모든 문서에서 "Invoice Number"나 "Total Amount"와 같은 특정 필드를 추출할 수 있나요?
네, 가능합니다. 이것이 바로 맞춤 열 추출입니다. 필요한 열 이름을 입력하세요 — Invoice Number, Due Date, Total Amount, Vendor Name — 그러면 AI가 위치가 아닌 의미적 역할을 기준으로 각 값을 찾아냅니다. 동일한 열 정의는 유형별 설정 없이도 송장, 영수증, 계약서, 구매 주문서, 은행 거래 명세서에서 동일하게 작동합니다.
문서를 업로드하기 전에 전처리하거나 분류해야 하나요?
아니요, 그럴 필요 없습니다. 파이프라인은 사전 분류, 형식 변환, 파일 이름 변경을 요구하지 않습니다. PDF, JPG, PNG, WebP 스크린샷을 함께 업로드하면 각 페이지는 독립적으로 처리됩니다. 서로 다른 유형의 문서가 동일한 배치에 있어도 분류 라우팅 없이 동일한 파이프라인을 거칩니다. AI가 한 번도 본 적 없는 문서 유형도 일반적인 송장 형식과 동일한 방식으로 처리됩니다. 모델이 훈련된 문서 유형 분류기를 매칭하는 대신 시각적 콘텐츠 이해를 통해 읽기 때문입니다. 정확도를 높이기 위해 준비해야 할 유일한 사항은 이미지가 밝고, 초점이 잘 맞으며, 최소 150 DPI 이상인지 확인하는 것입니다.
문서에 제가 요청하지 않은 필드가 있으면 어떻게 되나요? 그래도 모든 것을 추출하나요?
아니요 — 파이프라인은 사용자가 정의한 열만 추출합니다. Invoice Number, Date, Total을 지정하면 페이지의 다른 모든 내용은 무시됩니다. 변환은 모든 것을 보존합니다. 추출은 사용자의 스키마를 따릅니다.
동일 배치에 송장, 계약서, 스크린샷 등 여러 문서 유형이 섞여 있어도 처리되나요?
네, 가능합니다. 파이프라인은 문서 분류기가 아닌 각 페이지의 시각적 콘텐츠를 기준으로 읽습니다. 한 배치에 서로 다른 업체의 송장, 손글씨 영수증 사진, 스캔된 계약서를 함께 업로드하세요. 각 문서는 하나의 행이 됩니다. 한 페이지에는 있지만 다른 페이지에는 없는 필드는 비워둡니다. 오류 없이, 가짜 값 없이, 사전 분류도 필요 없습니다.
더 읽어보기: AI가 문서를 '읽는' 방법: 비기술자용 가이드 (2026) — AI가 문서를 보고, 이해하고, 데이터를 추출하는 과정을 쉬운 용어로 설명합니다 · 문서 변환과 문서 추출: 같은 것이 아닙니다 — 변환과 추출이 근본적으로 다른 이유와, 잘못된 선택이 수 시간의 정리 작업을 초래하는 이유를 설명합니다
관련 추출 워크플로우
데이터 추출 자동화
종단 간 자동화 — 모든 문서 형식에서 설정 병목 현상을 제거하는 의미 기반 열 이름 추출.
비정형 데이터 추출
픽셀을 직접 읽는 비전 AI로 표를 분석할 수 없는 문서 처리.
자동 데이터 추출
첫 번째 문서부터 자동으로 — 학습 불필요, 공급업체별 설정 불필요, 업로드와 동시에 추출 시작.
AI 데이터 추출
AI가 OCR을 넘어 문서 콘텐츠를 이해하는 방식 — 단순히 어떤 문자가 나타나는지가 아니라 필드의 의미를 인식.
템플릿 불필요 문서 추출
템플릿 기반 추출이 대규모에서 실패하는 이유 — 그리고 의미 기반 추출이 형식별 설정 없이 모든 레이아웃을 처리하는 방법.