OCR로 글자를 읽은 뒤에도 문서 입력이 끝나지 않는 이유

오늘의 인사이트 요약

• OCR은 이미지 속 글자를 텍스트로 읽습니다.

• 정보 추출은 필요한 항목과 값을 연결합니다.

• 원문 대조와 업무 규칙 검증은 별도로 남습니다.

스캔한 문서의 글자는 읽혔는데 거래일과 합계를 다시 골라 입력하고 계신가요? 글자를 읽는 일과 업무 항목에 값을 연결하는 일은 다릅니다. 오늘은 OCR과 AI 정보 추출의 차이를 살펴보고, 문서 처리 결과를 시스템에 저장하기 전에 확인할 검수 항목을 알아보겠습니다.

1. OCR은 문서에서 무엇을 읽을까?

OCR은 이미지 속 글자를 컴퓨터가 다룰 수 있는 텍스트로 바꾸는 기술입니다. 문서에서 거래일이나 합계처럼 필요한 항목을 골라 저장하는 정보 추출은 그다음 과제입니다. 두 기능을 함께 제공하는 제품도 있지만, 글자를 읽었다고 업무 입력까지 끝난 것은 아닙니다.

OCR은 광학 문자 인식의 약자입니다. 종이를 스캔하거나 휴대전화로 찍은 사진에서는 글자도 이미지의 일부인데, OCR이 이를 문자열로 바꾸면 검색하거나 복사할 수 있습니다. 문서 인식 도구에 따라 글자의 위치와 문단, 읽는 순서 같은 정보도 함께 돌려줍니다.

PDF라는 확장자만으로는 OCR이 필요한지 알기 어렵습니다. 디지털 문서에서 만든 PDF에는 이미 텍스트가 포함될 수 있고, 스캔한 PDF에는 페이지 사진만 들어 있을 수 있습니다. 글자를 선택할 수 있는지 살펴보되, 선택된 글자와 실제 화면이 다르면 기존 텍스트의 품질도 확인합니다.

표를 읽는 것과 항목을 이해하는 것은 어떻게 다를까?

표의 숫자를 읽어도 어느 열이 수량이고 어느 열이 단가인지는 별도 해석이 필요합니다. 병합된 셀이나 여러 줄짜리 항목은 행과 열의 관계까지 맞아야 활용할 수 있습니다. 글자가 모두 보여도 서로 다른 행의 값을 한 묶음으로 합치면 업무 데이터로 쓰기 어렵습니다.

같은 OCR이라도 반환하는 정보의 범위는 다릅니다. 이미지 속 단어와 위치, 문서의 문단 정보를 어떤 형태로 받는지 살펴보고 싶다면 Google Cloud Vision의 OCR 안내를 참고해 보세요. 제품을 비교할 때는 글자 수보다 필요한 출력 형태가 나오는지 확인하는 편이 좋습니다.

2. AI 정보 추출은 OCR과 무엇이 다를까?

정보 추출은 읽은 내용 중에서 업무에 필요한 값을 골라 항목 이름에 연결하는 일입니다. 예를 들어 가상의 거래명세서에서 날짜와 금액을 모두 읽는 것이 OCR이라면, 그중 발행일과 최종 합계를 구분해 저장하는 것은 정보 추출에 해당합니다. 문서의 모든 숫자가 저장 대상은 아닙니다.

서식이 일정하면 위치나 정해진 규칙으로 항목을 고를 수 있습니다. 표현과 배치가 다양하면 AI로 항목의 의미를 파악하는 방식을 검토할 수 있고, 규칙과 AI를 함께 쓸 수도 있습니다. 이미지에서 곧바로 항목을 추출하는 모델도 있어 반드시 별도 OCR 서비스를 먼저 호출하는 것은 아닙니다.

읽은 값과 판단한 값을 어떻게 구분할까?

원문에 없는 값을 문맥으로 채워 넣으면 추출과 추정이 섞입니다. 합계가 없을 때 계산으로 만든 값은 문서에서 읽은 값과 구분하고, 찾지 못한 항목은 빈 값이나 검토 필요 상태로 남기는 편이 좋습니다. 문서 자동화의 문자 인식·분류·추출 기능을 나눠 살펴보려면 Document AI 개요가 도움이 됩니다.

이름에 AI나 OCR이 들어가도 제품마다 처리할 수 있는 문서와 언어는 다릅니다. 지원 언어와 문서 유형은 선택한 기능별로 확인합니다. Google의 문서도 OCR과 추출 처리기를 구분해 지원 범위를 안내하므로, 한글 문서를 검토할 때는 처리기별 지원 목록에서 실제 사용할 기능을 확인해 보세요.

3. 문서 자동화 결과는 어떻게 검수할까?

검수에는 실제로 받을 문서의 좋은 상태와 어려운 상태를 함께 넣습니다. 선명한 스캔본뿐 아니라 기울어진 사진, 흐린 인쇄, 도장이 겹친 글자, 여러 장으로 나뉜 문서를 포함하는 식입니다. 아직 확보하지 못한 유형은 검증 완료 목록에서 빼고 이후 확인 대상으로 남깁니다.

문자 하나가 맞는지와 항목이 맞는지는 나눠 봅니다. 가령 금액의 모든 자릿수를 읽었어도 공급가액을 합계로 넣었다면 항목 추출 오류입니다. 테스트 결과에는 누락·오인식·항목 혼동을 구분해 적습니다. 실제 업무에서 허용하기 어려운 오류부터 검토하되 전체 평균만으로 특정 중요 항목의 문제를 덮지 않습니다.

낮은 신뢰도만 사람이 확인하면 충분할까?

도구의 신뢰도 점수는 검토 대상을 고르는 참고값이며 업무 전체의 정확도를 보장하지 않습니다. 중요 항목에는 별도의 대조 규칙을 두고 원본 페이지와 추출 값을 나란히 보여주면 수정 근거를 찾기 쉽습니다. 입력 품질과 신뢰도에 따라 검토 수준을 정하는 방법은 Amazon Textract의 모범 사례에서 더 자세히 보실 수 있습니다.

시스템 저장까지 연결한다면 승인 여부, 수정 전후 값, 원본 식별자를 함께 남깁니다. 검토 중인 결과가 확정 데이터에 섞이지 않게 하고, 같은 파일을 다시 처리했을 때 기존 값을 덮어쓸지도 정합니다. OCR 도입의 완료 조건은 파일을 읽는 데서 끝나지 않고 담당자가 오류를 찾아 고친 뒤 올바른 값을 사용할 수 있는지까지 이어집니다.

문서 처리와 기존 시스템을 함께 연결합니다

똑똑한개발자는 업무 분석부터 시스템 구축과 운영 개선까지 연결해 AX 적용을 돕습니다. 문서에서 추출할 항목뿐 아니라 검토한 결과를 기존 시스템에 어떻게 전달할지도 업무 흐름에 맞춰 설계합니다.

우리 업무에 필요한 문서 자동화 범위를 정하고 시스템 연동까지 검토하고 싶다면 아래 똑똑한개발자 링크로 문의해 주세요. 감사합니다.