스캔 PDF를 엑셀로: 원하는 열만 추출, 페이지 전체가 아닌
레이아웃 변환기는 스캔의 시각적 구조를 깨진 행과 병합된 셀로 내보냅니다. 일반 데이터 추출기는 모든 필드를 가져오지만, 그 후 필터링에 시간을 써야 합니다. 열 이름 기반 추출은 요청한 행과 열만 정확히 추출하여 바로 사용 가능한 스프레드시트를 제공합니다.
페이지당 5~10초 · 인쇄 텍스트 최대 99% 정확도
모든 스캔 PDF에서 추출할 수 있는 데이터
원하는 열 이름을 입력하세요. AI는 데이터의 위치가 아닌 의미를 이해하여 스캔된 페이지 어디에서든 해당 값을 찾아냅니다. 모든 업체 형식과 스캔 품질에서 작동합니다.
입력한 열 이름의 예시입니다. AI가 스캔된 모든 페이지에서 일치하는 값을 찾아 하나의 깔끔한 스프레드시트로 출력합니다.
스캔 PDF에는 두 가지 문제가 쌓여 있습니다 — 대부분의 도구는 하나만 해결하고 다른 하나는 무시합니다
스캔 PDF에는 텍스트 레이어가 없고 이미지만 있습니다. 이로 인해 두 가지 복합 문제가 발생합니다: 픽셀에서 문자를 인식한 다음, 각 값이 어떤 필드에 속하는지 이해해야 합니다. 일반적인 접근 방식이 실패하는 지점과 열 이름 기반 추출이 완전히 다른 전제에서 시작하는 이유를 설명합니다.
기존 방식이 실패하는 지점
레이아웃 변환기는 스캔본을 디지털 PDF처럼 처리합니다. 시각적 그리드를 재구성하여 화면상으로는 정확해 보이지만, 금액을 텍스트 문자열로 저장하고, 여러 줄로 된 행을 분할하며, 셀 병합을 생성합니다. 결과물은 데이터를 필터링하거나 합산하기 전에 수동 정리가 필요합니다.
범용 데이터 추출기는 모든 것을 추출합니다 — 여전히 수동 필터링이 필요합니다. 스캔된 인보이스에서 40개 이상의 감지된 값(공급업체 헤더, 14개 라인 항목, 3개 세금 행, 바닥글 메모, 페이지 번호)이 표면화될 수 있습니다. 완전한 덤프를 얻은 후, 필요 없는 행을 삭제하는 데 시간을 소비하게 됩니다.
템플릿 기반 도구는 공급업체 간에 실패합니다. 한 공급업체의 인보이스 형식에 맞춰 제작된 템플릿은 다른 공급업체가 다른 레이아웃을 사용하는 순간 잘못된 출력을 생성합니다. 이는 항상 발생합니다. 여러 공급업체의 배치를 처리하려면 형식별로 별도의 템플릿이 필요합니다.
컬럼명 추출 작동 방식
추출 전에 출력 형태를 먼저 정의합니다. 원하는 컬럼명을 입력하세요 — 공급업체명, 송장번호, 품목, 금액, 납기일 — AI는 이를 목표로 삼습니다. 페이지 레이아웃을 재구성하지 않고, 의미를 읽어 요청한 항목만 채웁니다.
비전 모델은 위치가 아닌 의미를 기준으로 읽습니다. "송장번호"는 개념으로 이해됩니다. 오른쪽 상단, 왼쪽 하단, 페이지 중간 어디에 있든 — 스캔이 약간 기울어져 있거나 글꼴이 비표준이더라도 — 모델은 송장번호가 무엇인지 이해하기 때문에 해당 레이블 옆의 값을 찾아냅니다.
하나의 컬럼 정의로 배치 내 모든 공급업체를 처리합니다. 30개 다른 공급업체의 스캔된 송장 50장을 업로드하세요. 6개의 컬럼명이 모두에 적용됩니다 — 공급업체별 템플릿이나 형식별 설정이 필요 없습니다. 처리 시간은 페이지당 5~10초입니다 (수동 입력 시 페이지당 약 3분 소요).
스캔된 송장 배치에서 특정 필드 추출하는 방법
스캔한 PDF 업로드
스캔된 송장 폴더가 있습니다: 고해상도 평판 스캔본, 휴대폰으로 촬영한 사진, 팩스로 받은 문서 등이 섞여 있습니다. PDF, JPG, PNG, WebP 등 다양한 형식이 한 배치에 섞여 있어도 괜찮습니다. 업로드 전에 전처리나 기울기 보정이 필요하지 않습니다.
열 이름을 한 번만 입력
공급업체명, 송장번호, 송장일자, 품목 설명, 금액, 세금, 합계를 입력하세요. AI가 이 열 정의를 배치 내 모든 문서에 적용합니다. 각 공급업체의 서식 레이아웃을 알 필요 없이, 스캔본을 읽고 의미를 이해하여 해당 값을 찾아냅니다.
병합된 엑셀 파일 다운로드
각 스캔 페이지가 하나의 행이 됩니다. 열은 사용자가 정의한 그대로 정확히 생성되며, 레이아웃 재구성 실패로 인한 추가 열이나 빈 행이 없습니다. 특정 페이지에서 필드를 찾지 못한 경우, 잘못된 값 대신 빈 셀로 남습니다. XLSX, CSV, JSON 형식으로 내보낼 수 있습니다.
작동하는 경우와 정확도가 낮아질 수 있는 경우
스캔 문서의 품질은 매우 다양합니다. 정확도가 유지되는 부분과 저하되는 부분을 이해하면 결과를 확인해야 할 시점을 결정하는 데 도움이 됩니다.
최적 사용 환경
인쇄 문서의 선명한 스캔본. 150 DPI 이상의 평판 스캔, 또는 조명이 좋은 상태에서 정면으로 촬영한 사진. 인쇄 텍스트의 경우 최대 99% 정확도로 금액, 날짜, 참조 번호를 안정적으로 인식합니다.
레이블이 있는 필드-값 형식. "송장 번호" 또는 "총 금액" 같은 레이블 필드 옆에 데이터가 있는 송장, 구매 주문서, 양식, 명세서. AI는 위치가 아닌 레이블을 기준으로 값을 식별합니다.
일관된 열 대상을 가진 다중 공급업체 배치. 30개 공급업체의 스캔된 송장 50장에서 동일한 6개 필드가 필요하다면, 하나의 배치와 하나의 열 이름 세트로 공급업체별 템플릿 설정 없이 병합된 스프레드시트를 생성합니다.
주의가 필요한 경우
심각하게 저하된 원본 자료. 복사본의 복사본, ~100 DPI 미만의 팩스 출력물, 또는 잉크가 심하게 번진 문서는 정확도가 떨어집니다. 모델이 노이즈를 보상하기 위해 컨텍스트를 읽지만 한계가 있으므로, 품질이 낮은 출처의 결과는 반드시 확인하세요.
인쇄 양식의 빽빽한 손글씨 주석. 스캔본의 인쇄 텍스트는 최대 99% 정확도를 달성합니다. 손글씨는 정확도가 낮고 가독성에 따라 달라집니다. 깔끔한 손글씨는 잘 읽히지만, 필기체가 심하거나 연필 자국이 희미한 경우 수동 검토가 필요합니다.
레이블이 없는 문단에 포함된 값. 필요한 데이터가 주변 레이블 없이 문장 안에 숫자로 묻혀 있는 경우(예: "총 의무 금액은 42,000달러를 초과하지 않음") AI가 안정적으로 추출하지 못할 수 있습니다. 명확한 레이블이 있는 필드-값 형식이 가장 효과적입니다.
자주 묻는 질문
스캔 PDF와 디지털 PDF의 차이는 무엇이며, 추출 방식에 어떤 영향을 미치나요?
디지털 PDF는 텍스트 레이어가 내장되어 있어 일반 도구로 텍스트를 선택하고 복사할 수 있습니다. 반면 스캔 PDF는 문서를 사진으로 찍은 것으로 텍스트 레이어 없이 픽셀로만 구성됩니다. 일반 도구는 OCR로 문자를 추측한 후 레이아웃을 재구성하는 두 단계를 거치며 각 단계에서 오류가 발생합니다. 이 도구는 사람이 읽는 방식처럼 비전 대형 모델이 스캔을 한 번에 인식하고 구조를 이해합니다. 선명한 인쇄 텍스트 기준 최대 99% 정확도를 제공합니다.
송장 번호나 합계처럼 원하는 열만 추출할 수 있나요, 아니면 모든 데이터를 가져오나요?
열을 직접 선택할 수 있습니다. 송장 번호, 공급업체명, 품목 설명, 금액 등 원하는 필드명을 입력하면 AI가 각 스캔 페이지에서 해당 값만 추출합니다. 입력한 열 이름이 출력 엑셀 파일의 정확한 헤더가 됩니다. 열을 지정하지 않으면 AI가 문서의 주요 필드를 자동으로 식별해 구조화된 테이블을 생성합니다. 추출 가능한 항목을 확인하는 출발점으로 유용합니다.
저품질이나 희미한 스캔에서도 정확하게 추출되나요?
정확도는 원본 품질에 따라 달라집니다. 선명한 평판 스캔이나 인쇄 텍스트를 정면에서 촬영한 사진은 최대 99% 정확도를 보입니다. 희미한 텍스트, 과도한 압축, 비스듬한 각도의 스캔은 정확도가 낮아집니다. 비전 모델이 주변 맥락을 활용해 노이즈를 보정하지만 한계가 있습니다. 품질이 낮은 원본은 출력 결과를 확인하는 것이 좋습니다. 원본 문서에서 직접 깨끗하게 스캔한 파일이 가장 좋은 입력입니다.
여러 공급업체의 스캔 PDF를 일괄 처리해 하나의 통합 스프레드시트로 만들 수 있나요?
네 가능합니다. 여러 공급업체의 스캔 PDF를 한 번에 업로드하세요. 레이아웃, 형식, 파일 유형(PDF, JPG, PNG 혼합)이 달라도 상관없습니다. 하나의 열 이름 집합을 정의하면 AI가 모든 문서에 적용합니다. 각 페이지가 출력의 한 행이 됩니다. 처리 속도는 페이지당 5~10초로 수동 입력보다 약 18배 빠릅니다 (수동 페이지당 약 3분 대비). 출력은 단일 병합 XLSX 또는 CSV 파일입니다.
스캔 PDF에 인쇄 필드와 필기 항목이 섞여 있으면 어떻게 처리되나요?
인쇄 양식에 필기 내용이 있는 혼합 문서는 필기가 비교적 읽기 쉬운 경우 잘 처리됩니다. AI는 인쇄 레이블과 필기 값을 함께 읽어 문서를 분리된 OCR 패스가 아닌 전체적으로 처리합니다. 깔끔한 블록체 필기는 안정적으로 추출됩니다. 흘림체, 희미한 연필 표시, 인쇄 텍스트 위에 겹쳐진 주석은 해당 필드의 정확도를 낮추므로 수동 검토가 필요합니다.