AI 원장 → 엑셀 변환기 — AR, AP, 총계정원장, 자재원장 데이터를 구조화된 스프레드시트로 추출

원장 열은 체인과 같습니다. 14행의 마감 잔액이 15행의 기초 잔액이 됩니다. 기존 OCR이 14행의 차변 금액을 잘못 읽어 "2"를 "7"로 바꾸거나 차변과 대변 열을 병합하면, 15행 이후의 모든 잔액이 틀려집니다. 스프레드시트는 여전히 완전해 보이지만, 누계는 더 이상 일치하지 않습니다. 이러한 오류는 추출 작업이 끝난 후 몇 시간 뒤, 조정 과정에서 발견됩니다. 좌표 기반 도구는 행 간 의존성이라는 개념이 없습니다. 숫자를 개별적으로 복사할 뿐이며, 오류 발견은 사용자의 몫으로 남겨둡니다.

대부분의 인쇄된 원장은 표준 다중 열 형식(날짜, 전표 번호, 적요, 차변, 대변, 잔액)을 사용합니다. 일부 형식은 부호 규칙이 있는 단일 "금액" 열을 사용하고, 다른 형식은 차변을 왼쪽 금액 열에, 대변을 오른쪽에 분할합니다. 템플릿 기반 OCR은 두 금액 열을 모두 숫자 셀로 처리하고, 훈련된 열에 값을 할당합니다. 그 결과 차변이 대변 열에, 또는 그 반대가 발생합니다. 출력 데이터는 언뜻 보기에는 정확해 보이지만, 이를 기반으로 계산된 모든 잔액은 틀립니다.

단일 계정의 총계정원장은 수십 페이지에 걸칠 수 있습니다. 5페이지의 마감 잔액은 6페이지의 기초 잔액이 되며, "이월" 또는 "다음으로 이월" 주석이 이를 연결합니다. 각 페이지를 개별 문서로 처리하는 도구는 6페이지의 기초 잔액을 독립된 숫자로 간주하여 누적 체인을 끊어버립니다. 회계사에게 필요한 검증, 즉 "20페이지의 최종 잔액이 기초 잔액에 모든 거래를 더한 값과 일치하는가?"는 각 페이지가 개별적으로 처리될 때 불가능합니다.

커스텀 열 추출(ImageToTable.ai의 핵심 메커니즘)은 좌표 기반 OCR과 다르게 작동합니다. 원하는 열 이름("날짜", "전표번호", "적요", "차변 금액", "대변 금액", "누적 잔액")을 입력하면, AI가 원장 구조 내에서 각 값이 무엇을 나타내는지 이해하여 찾아냅니다. 날짜 패턴(DD/MM/YYYY)은 열 좌표 (120, 45)에 있든 (150, 48)에 있든 날짜로 인식되며, 차변 열의 숫자 값은 AI가 열 헤더 레이블을 읽고 그 아래 값을 연결하여 차변으로 인식합니다. 페이지가 이동하거나 인쇄에 따라 열 너비가 달라져도 동일한 열 정의가 정확하게 추출되며, 템플릿 유지보수가 필요 없습니다.

원장 적요에는 종종 코드화된 의미("BANK CHARGES-0876", "CREDIT NOTE — RETURNS", "JRNL ENT — ACCRUALS")가 포함됩니다. 추론 열(AI가 선택할 분류 옵션이 포함된 열 정의)은 이를 추출 중에 구조화된 범주로 변환합니다. "거래 유형(옵션: 매출/대변 메모/은행 수수료/전표/기타)"과 같은 열을 추가하면 AI가 각 적요를 읽고 가장 가까운 범주에 매칭하여 열을 자동으로 채웁니다. 추출과 분류가 한 번에 이루어지므로, 사후 처리 공식이나 모든 행의 수동 검토가 필요 없습니다.

지역 사무소, 지점 회계사 또는 감사 고객으로부터 인쇄된 원장 PDF를 받는 경우, 계정에서 생성한 공유 가능한 URL인 수집 링크를 통해 각 발신자가 원장 파일을 처리 큐에 직접 업로드할 수 있습니다. 계정이나 로그인이 필요 없습니다. 발신자는 링크를 열고 짧은 확인 코드를 입력한 후 파일을 드롭하기만 하면 됩니다. 업로드된 모든 원장은 대시보드에 표시되며, 동일한 열 정의로 일괄 처리할 준비가 됩니다. 이메일 추적, 첨부 파일 전달, 버전 혼동이 없습니다.