챗GPT·클로드로도 문서 자동화가 되는데, Document AI Agent는 왜 필요할까?
핵심 요약 (TL;DR)
챗GPT, 클로드 같은 생성형 AI로도 문서 인식, 요약, 소량의 값 추출은 가능합니다. 반복되는 대량 문서 업무에는 결과 형식 고정, 확인 필요 값 선별, 원문 근거 연결, 업무 시스템 연동이 함께 필요합니다. Document AI Agent는 OCR과 생성형 AI 모델을 이 처리 구조에 결합한 AI입니다. 담당자는 신뢰도가 낮은 값만 확인·수정하고, 확정된 데이터는 업무 시스템에 연동됩니다. 도입 효과는 인식 정확도와 함께 문서 업무 자동화율로 평가합니다. 로민은 인식 난도가 높은 문서를 대상으로 한 금융 고객 프로젝트 내부 평가에서 문서 인식 정확도 99.7%, 문서 업무 자동화율 97.5%를 기록했습니다. 교보생명 사고보험금 처리 시간을 절반으로 줄였고, 현대자동차 설계 도면의 부품표와 주석을 데이터로 구조화했습니다.
기업의 생성형 AI 활용이 정보 검색과 요약에서 실제 업무 처리로 확대되고 있습니다. 챗GPT나 클로드 같은 생성형 AI에 문서를 입력하면 내용을 읽고 필요한 값을 정리할 수 있기 때문에, 별도의 다큐먼트 AI 없이 생성형 AI만으로 문서 업무를 자동화하는 방안을 검토하는 기업도 늘고 있습니다.
Document AI Agent는 OCR과 생성형 AI 모델을 문서 업무 처리 구조에 결합해, 구조화부터 분류, 추출, 검수, 업무 시스템 연동까지 단계별로 수행하는 AI입니다. 담당자는 AI가 신뢰도가 낮다고 표시한 값만 확인합니다.
사람이 다시 확인하지 않아도 되는 처리 비율은 문서 업무 자동화율 글에, AI에 맡길 업무를 고르는 기준은 위임 가능성 글에 정리했습니다.
챗GPT·클로드 같은 생성형 AI만으로 문서 업무를 자동화할 수 있나요?
문서를 읽고 요약하거나 소량의 값을 추출하는 업무는 생성형 AI만으로 처리할 수 있습니다.
계약서 한 건의 주요 조항을 확인하거나 보고서 몇 건을 요약하는 업무에는 생성형 AI를 바로 활용할 수 있습니다. 같은 종류의 문서를 매일 반복 처리하고 그 결과를 업무 시스템에 입력하는 업무에는 추가 조건이 필요합니다. 결과 형식이 매번 같아야 하고, 다시 확인할 값이 구분되어야 하며, 확정된 값만 업무 시스템에 연동되어야 합니다.
반복되는 문서 업무에 범용 생성형 AI를 바로 적용하면 어떤 문제가 생기나요?
결과 형식, 검수 범위, 원문 근거, 시스템 연동, 보안의 다섯 가지 영역에서 추가 작업이 필요합니다.
결과 형식 불일치
같은 요청에도 항목 이름과 순서, 날짜·금액 표기 형식이 달라질 수 있습니다. API의 출력 형식 지정 기능을 사용하면 형식은 고정할 수 있지만, 추출값의 변동은 별도로 관리해야 합니다. 2024년 연구에서는 같은 입력에 같은 결과가 나오도록 설정한 대형 언어 모델 5종의 정확도가 10회 반복 실행 사이에 최대 15%까지 차이를 보였습니다.
확인 필요 값 구분 불가
답변에는 어떤 값을 다시 확인해야 하는지 표시되지 않습니다. 담당자는 결과 전체를 원문과 대조해야 합니다. 2024년 발표된 연구에서는 생성형 AI에게 답변의 확신 정도를 직접 물으면 실제 정확도보다 높게 답하는 과신 경향이 확인되었습니다. 모델이 스스로 밝힌 확신만으로는 확인할 값을 선별하기 어렵습니다.
원문 근거 확인 부담
추출한 값이 원문의 어느 위치에 있는지 바로 확인하기 어렵습니다. 값마다 원문을 다시 찾아야 하기 때문에 검수 시간이 늘어납니다. 생성형 AI의 출처 표시 능력을 평가한 2023년 연구에서는 장문 질의응답 과제에서 성능이 가장 높은 모델도 답변의 약 절반에서 근거를 완전히 제시하지 못했습니다.
업무 시스템 연동 개발
문서 수신, 결과 저장, ERP 입력까지 연결하려면 별도 개발이 필요합니다. 처리 건수가 늘어나면 오류 처리와 재처리 기준도 함께 마련해야 합니다.
외부 전송 보안 검토
외부 생성형 AI 서비스에 문서를 전송할 때는 개인정보와 기밀정보의 반출 여부를 검토해야 합니다. 금융권은 망분리 규제의 단계적 전면해제가 추진되고 있으나 시행 시점은 확정되지 않았습니다. 공공기관도 외부 서비스 사용에 보안 검토가 필요합니다. 추진 일정은 금융권 보안체계 혁신방안 글에 정리했습니다.
Document AI Agent란 무엇인가요?
Document AI Agent는 기존 AI OCR의 글자 인식에 문서 구조화, 검수, 업무 시스템 연동 단계를 더한 문서 업무 처리 AI입니다.
기존 AI OCR은 문서의 글자를 인식해 데이터로 바꾸는 단계까지 처리했고, 구조화와 검수, 업무 시스템 입력은 담당자가 직접 처리해야 했습니다. Document AI Agent는 문서의 표와 문단 구조를 파악하고, 문서 종류를 구분하고, 필요한 값을 추출한 뒤, 값마다 신뢰도를 계산해 확인이 필요한 값을 선별합니다. 검수를 마친 값은 업무 시스템에 연동합니다.
범용 생성형 AI 직접 처리와 Document AI Agent는 무엇이 다른가요?
두 방식 모두 생성형 AI 모델을 사용하지만, 반복되는 대량 업무를 처리하는 구조가 다릅니다.
구분 | 범용 생성형 AI 직접 처리 | Document AI Agent |
|---|---|---|
결과 형식 | 요청마다 형식 변동 가능 | 고정된 항목 구조 |
확인 필요 값 | 별도 표시 없음 | 신뢰도 점수로 선별 |
원문 근거 | 답변 단위 확인 | 추출값별 원문 위치 표시 |
처리 방식 | 건별 요청 중심 | 수신부터 연동까지 일괄 처리 |
업무 시스템 연동 | 별도 개발 | 확정 데이터 연동 |
구축 환경 | 외부 서비스 중심 | 온프레미스·프라이빗 클라우드·SaaS(API) |
적합 업무 | 일회성 분석·요약 | 반복되는 대량 문서 업무 |
두 방식은 함께 사용할 수 있습니다. 일회성 문서 분석과 요약에는 범용 생성형 AI를, 매일 반복되는 문서 처리와 업무 시스템 입력에는 Document AI Agent를 적용합니다.
2025년 발표된 문서 파싱 성능 비교 연구에서도 문서 처리 전용 도구가 범용 비전 언어 모델보다 표준 문서의 텍스트와 표 인식에서 높은 정확도를 보였고, 범용 모델은 신문처럼 밀도가 높은 문서에서 성능이 낮아졌습니다.
Document AI Agent는 어떤 순서로 문서를 처리하나요?
Document AI Agent는 수신, 구조화, 분류, 추출, 검수, 연동의 6단계로 문서를 처리합니다.
1단계. 문서 수신: 메일, 사내 DB, API, MCP로 문서를 받습니다.
2단계. 문서 구조화: 표, 문단, 제목, 서명 위치를 파악해 문서 구조를 데이터로 정리합니다.
3단계. 문서 분류: 한 파일에 섞인 여러 문서를 나누고 종류를 구분합니다.
4단계. 정보 추출: 문서 종류별로 필요한 항목과 값을 추출합니다.
5단계. 검수: 값마다 신뢰도를 계산하고, 신뢰도가 낮은 값만 담당자가 확인·수정합니다.
6단계. 업무 시스템 연동: 확정된 데이터만 ERP, 그룹웨어, 심사 시스템 등에 연동합니다.
검수를 거치지 않은 값은 업무 시스템에 연동하지 않습니다. 승인이나 판정 같은 업무 판단은 담당자가 회사 기준에 따라 진행합니다.
정확도가 높은데도 사람이 확인해야 하는 이유는 무엇인가요?
정확도는 전체 결과 중 정답 비율을 나타내는 지표로, 오류 값의 위치는 표시하지 않기 때문입니다.
정확도가 99%여도 틀린 1%가 어디에 있는지 모르면, 담당자는 결과 전체를 다시 확인해야 합니다. Document AI Agent는 값마다 신뢰도 점수를 제공해 확인할 값을 선별합니다. 담당자는 신뢰도가 낮은 값만 확인하고, 나머지 값은 다음 단계로 전달합니다. 이 때문에 Document AI Agent는 인식 정확도와 함께 문서 업무 자동화율로 평가합니다. 문서 업무 자동화율은 사람이 다시 확인하지 않아도 되는 처리 비율입니다.
Document AI Agent는 어떤 업무에 적용되나요?
양식이 다양하고 처리 건수가 많으며, 추출한 값을 업무 시스템에 입력해야 하는 문서 업무에 적용됩니다.
산업 | 대표 문서 | 적용 업무 |
|---|---|---|
공공 | 민원 서류, 기록물 | 민원 접수, 기록물 데이터화 |
금융 | 사업자등록증, 신분증, 대출 서류 | 심사 서류 확인, 고객 정보 등록 |
보험 | 보험금 청구서, 진단서, 영수증 | 보험금 청구 심사 |
제조 | 시험성적서(CoA), 작업지시서, 도면 | 입고검사, 설비 이력 관리 |
무역·물류 | C/I, P/L, B/L, 수출입신고필증 | 통관·정산 데이터 입력 |
헬스케어 | 건강검진 결과서, 진료기록 | 검사 결과 데이터화 |
로민은 Document AI Agent를 어떻게 구현하나요?
로민(Lomin)은 문서 구조화부터 분류, 추출, 검수, 학습까지 문서 처리 단계별 기능을 제공하는 Document AI Agent입니다.
생성형 AI를 도입한 기관도 문서 데이터는 로민으로 구축합니다. 행정안전부는 범정부 생성형 AI에 활용할 공공 문서를 로민으로 구조화했고, 우리은행 AI 에이전트 사업에서는 업무 문서 150종의 인식과 구조화를 로민이 담당합니다. 로민은 금융·공공 중심 고객사 80여 곳에 도입되었으며, 가트너 IDP Top Performance에 선정되었고 국내 Document AI 솔루션 공급 1위를 기록했습니다.
로민의 강점 | 근거 |
|---|---|
문서 업무 자동화율 | 금융 고객 프로젝트 내부 평가에서 문서 인식 정확도 99.7%, 문서 업무 자동화율 97.5% |
생성형 AI·AI 에이전트용 문서 데이터 구축 | |
손글씨 인식 | 우정사업본부 우체국 창구 손글씨 접수용지 인식 |
도면·기술 문서 구조화 | |
양식이 다양한 문서 처리 | |
인식 오류 감소 | NH농협은행 실증에서 기존 OCR 대비 인식 오류율 58% 감소 |
업무 시스템 연동 | LS증권 계약서·약관 버전 비교와 법무 시스템 연동 |
보안과 도입 검증 | CSAP·KPaaS·KACI 인증, 사내 구축 지원, 금융·공공 중심 고객사 80여 곳 |
문서 처리 단계별 기능
로민 파스(Lomin Parse): 문서의 표, 문단, 도면 구조를 데이터로 정리합니다. OCR 기능을 포함하며 PDF, 스캔본, 엑셀 파일을 처리합니다.
로민 클래시파이(Lomin Classify): 한 파일에 섞인 여러 문서를 나누고 종류를 구분합니다.
로민 익스트랙트(Lomin Extract): 문서 종류별로 필요한 항목과 값을 추출합니다.
로민 트레인(Lomin Train): 담당자의 수정 결과를 학습에 반영합니다.
신뢰도 점수와 그라운딩
로민은 추출값마다 신뢰도 점수를 제공해 확인이 필요한 값을 선별합니다. 특히 그라운딩 기능은 추출값이 원문의 어느 위치에서 나왔는지 표시합니다. 담당자는 원문과 추출값을 함께 보며 바로 확인하고 수정할 수 있습니다. 검수는 로민 화면뿐 아니라 연동을 통해 고객사 시스템 안에서도 진행할 수 있습니다.
검수 결과의 학습 반영
담당자의 수정 결과는 Active Learning으로 학습에 반영됩니다. 모델을 처음부터 다시 만들지 않고 수정된 결과만 추가로 학습하기 때문에, 확인이 필요한 값의 비율이 점차 줄어듭니다. 학습 구조는 액티브 러닝 글에 정리했습니다.
구축 방식과 보안
로민은 CSAP 인증과 KPaaS·KACI 인증을 취득했습니다. 온프레미스, 프라이빗 클라우드, SaaS(API) 방식으로 구축할 수 있어 문서를 외부로 반출할 수 없는 환경에서도 도입할 수 있습니다.
도입 사례
교보생명 사고보험금 심사 업무에서는 심사 문서 40여 종을 로민으로 분류·추출해, 접수부터 지급까지 처리 시간을 절반으로 줄였습니다. 형식이 서로 다른 심사 서류를 문서 종류별로 나누고 필요한 항목을 추출하는 단계를 자동화한 사례입니다.
한국수출입은행 해외투자·무역금융 업무에서는 서류의 수기 입력을 로민의 문서 인식으로 대체하고, 인식 결과를 통계 시스템까지 연동했습니다. 문서 인식부터 업무 시스템 입력까지 자동화한 사례입니다.
자주 묻는 질문
챗GPT·클로드 같은 생성형 AI만으로 문서 자동화를 구축할 수 있나요?
소량·일회성 업무에는 생성형 AI만으로 처리할 수 있습니다. 반복되는 대량 업무에는 결과 형식 고정, 확인 필요 값 선별, 원문 근거 연결, 업무 시스템 연동을 별도로 구성해야 합니다. Document AI Agent는 이 처리 구조를 함께 제공합니다.
Document AI Agent도 생성형 AI를 사용하나요?
사용합니다. Document AI Agent는 OCR과 VLM 같은 생성형 AI 모델을 함께 활용하고, 처리 결과를 검수와 연동이 가능한 구조화 데이터로 정리합니다.
Document AI Agent를 도입하면 사람의 확인이 필요 없나요?
신뢰도가 낮은 값은 담당자가 확인합니다. AI가 선별한 값만 확인하기 때문에 검수 시간이 줄어듭니다. 승인이나 판정 같은 업무 판단은 담당자가 회사 기준에 따라 진행합니다.
업체마다 양식이 다른 문서도 처리할 수 있나요?
처리할 수 있습니다. Document AI Agent는 문서의 구조와 문맥을 함께 파악해 값을 추출합니다. 처음 접하는 양식에서 신뢰도가 낮게 표시된 값은 담당자가 확인·수정하고, 이 수정 결과를 학습에 반영해 정확도를 개선합니다.
보안이 중요한 금융·공공기관도 도입할 수 있나요?
도입할 수 있습니다. 로민은 CSAP 인증과 KPaaS·KACI 인증을 취득했고, 온프레미스, 프라이빗 클라우드, SaaS(API) 방식을 지원합니다. 문서를 외부로 반출하지 않는 사내 구축도 가능합니다.
어떤 지표로 도입 효과를 측정하나요?
문서 업무 자동화율로 측정합니다. 문서 업무 자동화율은 사람이 다시 확인하지 않아도 되는 처리 비율로, 인식 정확도와 함께 확인하면 실제 업무 시간 감소 효과를 파악할 수 있습니다.
마치며
생성형 AI는 문서를 읽고 요약하는 업무에 바로 활용할 수 있습니다. 반복되는 문서 업무를 자동화하려면 결과 형식, 확인할 값, 원문 근거, 업무 시스템 연동까지 갖춘 처리 구조가 필요합니다. 업무를 완성하는 Document AI Agent 로민은 신뢰도 점수와 그라운딩, Active Learning으로 담당자가 확인할 값을 최소화합니다.
로민과 만나 우리 회사 문서의 자동화율을 직접 확인해 보세요.
참고 자료
Atil, B. et al. (2024). Non-Determinism of "Deterministic" LLM Settings. arXiv:2408.04667
Gao, T. et al. (2023). Enabling Large Language Models to Generate Text with Citations. EMNLP 2023
로민, 한국수출입은행 '지능형 OCR 도입 사업' 수행사로 선정
로민, 우정사업본부 문서 AI 실증 사업 완료… 창구 수기문서 자동 인식 적용
로민, ‘범정부 초거대 AI’ 사업에 문서 데이터 처리 솔루션 공급 완료
로민, NH농협은행과 VLM 기반 문서 AI 경쟁력 입증