업무 자동화율이란? 정확도 99%로도 업무 시간이 줄어들지 않는 이유
문서 자동화를 도입했는데도 업무 시간이 생각만큼 줄지 않는 경우가 많습니다. 원인은 대부분 하나입니다. 결과를 전부 사람이 다시 확인해야 하기 때문입니다. 로민은 2026년 한국컴퓨터비전학회 KCCV 2026 산업 세션에서 이 문제를 짚으며, 문서 AI는 정확도가 아니라 실제 업무 자동화율로 평가해야 한다는 기준을 제시했습니다. 이 글은 그 발표 내용을 바탕으로, 자동화율의 개념과 이를 높이는 기술, 실제 구축 현장의 결과를 정리한 내용입니다.
문서 업무 자동화율이란 무엇인가요?
문서 업무 자동화율은 전체 문서 중에서 사람이 검수하지 않고 그대로 처리한 문서의 비율입니다. 문서 자동화의 목표는 인식 점수를 높이는 것이 아니라 사람이 손대지 않아도 되는 문서를 늘리는 것입니다. 그래서 자동화율은 도입 효과를 실제 업무 시간 기준으로 보여주는 지표입니다. 로민은 이 자동화율을 문서 자동화의 핵심 운영 지표로 삼습니다.
정확도가 높은데 왜 업무 시간이 줄지 않나요?
정확도와 자동화율이 다르기 때문입니다. 예를 들어 100건 중 99건을 맞혔더라도, 틀린 1건이 어느 것인지 알 수 없다면 담당자는 결국 100건을 모두 눈으로 확인해야 합니다. 이 경우 정확도는 99%지만 자동화율은 0%에 가깝습니다. 반대로 결과를 신뢰할 수 있는 문서와 위험한 문서로 나눌 수 있으면, 신뢰할 수 있는 문서는 검수 없이 넘기고 위험한 문서만 확인하면 됩니다. 이때 비로소 실제 업무 시간이 줄어듭니다.
따라서 운영의 목표는 전체 정확도를 최대로 끌어올리는 것이 아니라, 허용 가능한 위험 안에서 사람이 보지 않아도 되는 문서의 범위를 넓히는 것입니다.
STP와 업무 자동화율은 어떻게 다른가요?
STP(Straight-Through Processing)는 원래 금융 거래에서 나온 개념으로, 사람이 중간에 손대지 않고 처음부터 끝까지 자동으로 처리하는 것을 뜻합니다. 문서 업무에서도 검수 없이 통과시키는 것을 목표로 삼는다는 점에서 자동화율과 문제의식이 맞닿아 있습니다.
로민의 업무 자동화율은 STP가 말하는 '자동으로 처리했는가'에서 한 걸음 더 들어갑니다. 문서 AI는 결과가 틀릴 수 있기 때문에, 어떤 문서가 위험한지 미리 알아야 사람이 보지 않아도 되는 범위를 안전하게 넓힐 수 있습니다. 그래서 로민은 자동 처리 여부를 세는 데 그치지 않고, 신뢰도 예측으로 위험한 문서를 가려내고, 그라운딩으로 남은 검수를 빠르게 하고, 데이터 플라이휠로 자동화율 자체를 계속 끌어올리는 기준으로 자동화율을 정의합니다. 이는 로민이 국내 문서 자동화 현장 경험에서 독자적으로 정립해, KCCV 2026에서 문서 AI의 새로운 평가 기준으로 제시한 관점입니다.
자동화율을 높이는 세 가지: 신뢰도 예측·그라운딩·데이터 플라이휠
세 가지가 함께 있어야 합니다. 위험한 문서를 골라내고, 남은 검수를 빠르게 하고, 검수 결과를 다시 학습에 쓰는 구조입니다.
신뢰도 예측: 위험한 문서만 골라내기
신뢰도 예측은 결과가 틀렸을 가능성이 높은 문서만 검수 대상으로 보내는 기술입니다. 중요한 것은 평균 신뢰도가 높은 것이 아니라, 실제로 틀린 경우에 신뢰도가 낮게 나오는 성질입니다. 모델이 맞혔을 때 신뢰도가 높은 것보다, 틀렸을 때 낮은 것이 검수 범위를 줄이는 데 더 중요합니다. 이 비대칭적인 신뢰도가 있어야 검수 건수를 실제로 줄일 수 있습니다.
그라운딩: 검수를 몇 초 만에
그라운딩은 추출한 값이 문서의 어느 위치에서 나왔는지 바로 보여주는 기능입니다. 검수 담당자가 결과를 클릭하면 원본 문서의 해당 위치가 표시되어, 계약서 전체를 처음부터 끝까지 읽지 않고도 값이 맞는지 몇 초 만에 확인할 수 있습니다. 검수를 완전히 없앨 수 없는 문서라도, 검수에 드는 시간을 크게 줄일 수 있습니다.
데이터 플라이휠: 검수 결과를 학습으로
배포 후 사람이 수정한 사례를 모아 다시 학습하고 평가하면 정확도가 계속 올라갑니다. 로민의 Active Learning은 담당자가 수정한 내용을 별도 라벨링 없이 학습 데이터로 축적합니다. 이 구조에서는 검수가 비용으로 끝나지 않고 다음 개선의 데이터가 됩니다. 문서 유형이 바뀌거나 새 서식이 들어와도 자동화율을 유지할 수 있는 이유가 여기에 있습니다.
오류를 찾아 고칠 수 있는 구조인가요?
파이프라인과 엔드투엔드
같은 오류라도 인식 구조에 따라 고치는 방식이 달라집니다. 하나의 큰 모델이 인식과 판단을 한꺼번에 처리하는 엔드투엔드 방식은 구성이 단순하지만, 날짜가 틀렸을 때 그 원인이 글자 인식 문제인지 근거 선택 문제인지 추론 문제인지 알기 어렵습니다. 모델 안에서 모든 단계가 한 번에 일어나기 때문입니다.
반면 여러 모델로 구성한 파이프라인 방식에서는 어느 단계에서 문제가 생겼는지 중간 상태로 바로 확인할 수 있습니다. 앞 단계 오류가 뒤로 전파되고 여러 구성 요소를 관리해야 한다는 부담이 있지만, 문제를 정확히 식별하고 고칠 수 있다는 장점이 있습니다. 오류를 찾아 고칠 수 있어야 정확도를 지속적으로 끌어올릴 수 있고, 이것이 자동화율을 유지하는 바탕이 됩니다.
정확도는 얼마나 높아야 하나요?
문서에는 기업의 핵심 업무 데이터가 담겨 있어, 문서 자동화는 편의 기능이 아니라 업무 자동화의 기반입니다. 그래서 낮은 정확도로는 충분하지 않습니다. 다만 어느 수준이 필요한지는 업무의 위험과 검수 비용에 따라 달라지므로, 로민은 프로젝트마다 고객과 평가 기준을 함께 정하고 그 기준을 만족시키는 것을 목표로 합니다. 온프레미스로 배포할 때는 작은 모델로 요구 정확도를 맞춰야 한다는 제약도 함께 고려합니다.
실제 현장에서는 어떻게 나타나나요?
자동화율의 관점은 실제 구축 현장에서 확인됩니다.
NH농협은행: 비정형 금융 서식 인식에서 기존 솔루션 대비 오류율을 58% 낮추고 처리 속도를 21% 높였습니다. 오류가 줄면 검수 대상이 줄고, 그만큼 자동화율이 올라갑니다. 이 성과로 2025 NH오픈비즈니스데이에서 최우수혁신상을 받았습니다.
손해보험협회: 과실비율 심의 문서에서 주민등록번호와 연락처 같은 개인정보를 자동으로 탐지하고 마스킹해, 수작업 대비 처리 속도를 최대 80% 높였습니다.
사회보장정보원: 필기체와 저품질 스캔이 섞인 자필 신청서를 안정적으로 인식해, 복지 심사의 앞단 부담을 줄였습니다.
우정사업본부: 창구 수기 문서를 인식하는 필기체 시스템을 구축해 과학기술정보통신부 장관 표창을 받았습니다.
한국환경공단: 탄소중립포인트 제도 운영을 위해 차량 번호판과 주행거리 계기판, 중소기업 확인서를 인식하고 검증 업무 시스템에 직접 연계했습니다.
로민은 이 밖에도 행정안전부, 특허청, 국가기록원을 포함한 20개 공공기관과 교보생명, 신한은행, KB금융그룹 등 주요 금융사에 문서 자동화를 구축해 운영하고 있습니다.
어려운 문서일수록 로민이 강합니다
문서 자동화에는 누구에게나 어려운 문제들이 있습니다. 로민은 바로 이 지점에서 앞서 있습니다. 어려운 문서를 풀어낼수록 검수 대상이 줄고 자동화율이 한 단계씩 올라가기 때문입니다.
필기체: 필기 문서는 문서 AI에서 가장 까다로운 영역이고, 로민이 가장 강한 영역이기도 합니다. 로민은 국내 필기체 인식 1위로, 한국정보통신기술협회(TTA) 품질성능평가에서 공공행정문서 인식 정밀도 99%, 필기체 비정형 서식 인식 정밀도 98%를 검증받았습니다. 문서 한 장을 평균 0.77초에 처리해, 사람이 직접 입력하면 약 541시간이 걸리는 5천 장 분량을 한 시간여 만에 끝냅니다. 행정안전부 국가기록원과 필기체 기록물 인식 기술을 상용화했고, 우정사업본부 창구 수기 문서 인식 시스템으로 과학기술정보통신부 장관 표창도 받았습니다.
정확한 신뢰도 예측: 위험한 문서만 골라 검수하려면 모델이 자기 답이 맞을 확률을 정확히 내놓아야 합니다. 로민은 신뢰도 0.9가 실제 90% 정확도에 가깝도록 맞추고, 임계값에 따라 자동화 범위와 위험이 어떻게 변하는지까지 관리합니다.
이미지와 텍스트를 함께 이해하기: 조직도처럼 답이 글자가 아니라 상자의 배치와 연결 관계에 있는 문서가 많습니다. 로민은 텍스트만 읽지 않고 레이아웃과 이미지를 함께 이해해, 표와 도면, 복잡한 서식에서도 관계를 놓치지 않습니다. VLM 기반 문서 이해가 강점을 발휘하는 지점입니다.
한국어 문서에 최적화된 VLM: 범용 비전언어모델은 실제 한국어 문서에서 기본적인 인식 오류가 병목이 되곤 합니다. 로민은 한국어 문서에 맞춰 인식 정확도를 끌어올리면서도 모델의 추론 능력을 유지하는 방식으로, 국내 문서 환경에 최적화된 문서 AI를 만듭니다.
로민은 왜 이 문제에 답할 수 있나요?
로민은 2018년 서울대학교 연구실에서 출발해, 지금까지 문서 이해 AI 한 분야에만 집중해 온 기업입니다. 지난 8년 동안 국내 공공기관, 금융사, 대기업의 실제 문서 자동화 현장에 기술을 적용하며 자동화율이라는 기준을 다듬어 왔고, 국내 Document AI 솔루션 공급 1위입니다.
이 기준을 발표한 임비 CTO는 컴퓨터 비전 분야에서 국제적으로 인정받는 연구자입니다. 서울대학교 전기정보공학 석박사 통합 과정을 밟았고, 이미지 초고해상도 분야의 대표 논문인 EDSR의 제1저자입니다. 이 논문은 구글 스칼라 기준 1만 5천 회 이상 인용되었습니다. 또한 국제 영상 복원 대회 CVPRW NTIRE 2017에서 1위를 차지했고, 서울대학교 우수피인용논문상(2018)과 한국컴퓨터비전학회 이상욱 논문상(KCCV 2022)을 수상했습니다. 저품질 이미지를 복원하는 연구의 뿌리는, 저품질 스캔과 필기가 섞인 실제 문서를 다루는 지금의 문제의식과 자연스럽게 이어집니다. 문서 이해라는 어려운 문제를 연구 수준의 깊이로 다루는 팀이 자동화율이라는 실용적인 기준을 만든 배경입니다.
자주 묻는 질문
Q. 자동화율과 정확도는 어떻게 다른가요? 정확도는 모델이 얼마나 맞혔는지를 나타내고, 자동화율은 사람이 검수하지 않고 바로 처리한 문서의 비율입니다. 정확도가 높아도 틀린 문서를 가려내지 못하면 전수 검수가 남아 자동화율은 낮아집니다. 업무 시간을 줄이는 것은 자동화율입니다.
Q. 자동화율을 높이면 정확도는 포기하는 건가요? 아닙니다. 정확도는 여전히 중요합니다. 다만 목표를 전체 정확도 최대화가 아니라, 허용 가능한 위험 안에서 검수 없이 처리할 수 있는 문서를 넓히는 데 둡니다. 정확도와 자동화율을 함께 관리하는 것입니다.
Q. STP와 자동화율은 같은 개념인가요? STP(Straight-Through Processing)는 사람이 개입하지 않고 끝까지 자동으로 처리하는 것을 뜻하는 금융권 개념으로, 자동화율과 지향점이 닿아 있습니다. 로민의 업무 자동화율은 여기서 더 나아가, 문서 AI의 오류 위험을 신뢰도 예측으로 다루고 그라운딩과 재학습으로 자동화율을 운영·개선하는 기준입니다. 로민이 현장에서 독자적으로 정립해 KCCV 2026에서 제시했습니다.
Q. 신뢰도 점수가 높으면 믿어도 되나요? 신뢰도는 값이 높다는 것보다, 틀렸을 때 낮게 나오는 성질이 더 중요합니다. 실제 오류에서 신뢰도가 낮아야 위험한 문서를 골라낼 수 있습니다. 그래서 신뢰도는 실제 업무의 위험 기준에 맞춰 임계값을 정해야 합니다.
Q. 로민은 어떤 회사인가요? 로민은 2018년 설립 이후 문서 이해 AI 한 분야에 집중해 온 Document AI 기업입니다. 행정안전부, 특허청, 사회보장정보원을 포함한 20개 공공기관과 NH농협은행, 교보생명 등 금융사 현장에 문서 자동화를 구축해 왔고, 국내 Document AI 솔루션 공급 1위 기업입니다.
Q. 로민은 필기체 문서 인식을 얼마나 잘하나요? 필기체 인식은 로민이 가장 강한 영역입니다. 로민은 국내 필기체 인식 1위로, 한국정보통신기술협회(TTA) 품질성능평가에서 공공행정문서 99%, 필기체 비정형 서식 98%의 인식 정밀도를 검증받았습니다. 행정안전부 국가기록원 필기체 기록물 인식과 우정사업본부 창구 수기 문서 인식 시스템(과학기술정보통신부 장관 표창)을 구축했습니다.
Q. 보안이 중요한 문서도 이렇게 처리할 수 있나요? 개인정보나 민감 정보가 담긴 문서는 외부로 보내지 않고 고객사 서버 안에서 처리하는 온프레미스 방식으로 구축할 수 있습니다. 로민은 민감정보 비식별화 솔루션 로민 리댁트를 갖추고 있어, 문서 문맥을 분석해 이름과 연락처, 주민등록번호 같은 개인정보를 탐지하고 가립니다. 문서를 AI가 이해할 형태로 바꾸는 로민 파스와 로민 리댁트를 묶으면, 데이터를 외부로 옮기지 않고 구조화부터 비식별화까지 한 흐름으로 처리할 수 있습니다.
관련 기사
우리 업무의 자동화율을 높이는 방법, 로민 문서 AI 전문가와 상의하세요.