VLM(비전 언어 모델)이란?
글자를 한 자씩 훑는 대신 문서 한 장을 그림처럼 통째로 보면서, 어디가 표이고 어디가 항목 이름인지 배치와 문맥으로 판단하는 인공지능 모델입니다. 거래처마다 양식이 달라도 규칙을 미리 등록하지 않고 읽어 냅니다. 다만 이 방식이 끌어올린 구간은 앞의 다섯 단계 가운데 ① 읽기 하나입니다.
문서 자동화, AI가 읽으면 끝일까?｜VLM 도입 뒤 남는 세 가지 작업
문서 자동화를 처음 검토하시는 분을 위해 문서 한 장이 처리되는 다섯 단계를 먼저 그려 봅니다. VLM 기반 AI OCR이 끌어올린 구간은 그중 읽기 한 단계이며, 서류를 맞춰 보는 일과 확인 목록, 근거 기록이 왜 그대로 남는지를 발주서·거래명세서 정산 업무를 예로 들어 풀었습니다.
Sep 10, 2026
AI가 문서를 대신 읽어 준다는 이야기를 듣고 문서 자동화 도입을 알아보기 시작하면, 우리 팀 일이 과연 얼마나 줄어드는지가 궁금해지실 겁니다.
소개 자료는 문서를 얼마나 정확하게 읽는지까지만 말해 주어서, 읽은 뒤에 사람이 무엇을 해야 하는지는 잘 드러나지 않습니다.
그래서 일부 문서로 테스트를 돌려 볼 때는 잘되는 것 같다가도, 현업에 붙이려면 어디서부터 계획을 세울지 막막해집니다. 이 글에서는 문서 한 장이 처리되는 과정을 그린 다음, 읽는 일이 해결되어도 남는 일 세 가지를 정리했습니다.
문서 한 장은 어떤 순서로 처리되나요?
문서 자동화라는 말은 한 덩어리처럼 들리지만, 실제로는 여러 단계가 이어 붙은 흐름입니다.
어느 단계를 누가 맡는지 알아야 도입 뒤에 무엇이 남는지 보이므로, 발주서 한 장이 정산팀에 들어와 ERP에 입력되기까지를 다섯 단계로 나눠 보겠습니다.
① 읽기 및 추출 — 종이나 PDF에서 발주번호, 품목명, 수량, 단가, 공급가액을 뽑습니다
② 정확도값 표시 — 값마다 얼마나 확실한지 점수로 남깁니다
③ 추출 항목 검수 — 발주서·거래명세서·세금계산서의 수량과 금액이 맞는지 봅니다
④ 확인 목록 고르기 — 점수가 낮거나 서로 안 맞는 값만 사람에게 넘깁니다
⑤ 시스템 연동 — 확인된 값을 ERP의 매입 전표로 옮깁니다
정확도라는 이름으로 말하는 부분은 대부분 ① 한 단계이고, 나머지 네 단계는 따로 설계해야 합니다.
💡
읽는 단계만 좋아지면 어떻게 되나요?
다섯 단계를 놓고 보면 읽기가 좋아졌다는 말이 ‘일이 없어졌다’는 뜻은 아니라는 점이 짐작되실 것입니다. 그런데도 잘 읽으면 끝난다는 기대가 생긴 데에는 배경이 있습니다.
“읽는 시간은 크게 줄어들지만,
맞춰 보고 확인하는 일은 줄어들지 않은 채 그대로 남습니다.”
오랫동안 문서 업무의 병목은 실제로 읽기였고, 손으로 옮겨 적는 시간이 워낙 컸기에 그 구간만 해결되면 나머지는 따라온다고 보기 쉬웠습니다. 그런데 읽는 속도가 빨라지면 뒤 단계로 넘어오는 건수도 늘어나서, 확인할 양은 오히려 앞당겨져 쌓입니다. 업계의 논의가 읽는 정확도에서 다음 동작을 정하는 쪽으로 옮겨 간 것도 이 경험이 쌓인 결과입니다.
2025년 8월 미국 MIT 연구진이 기업의 생성형 AI 시범 사업을 조사한 보고서에서도 약 95%가 손익에 잡히는 성과 없이 확산 단계로 넘어가지 못했습니다. 해외 기업을 손익 기준으로 본 조사지만, 시험과 현업 사이에 따로 설계가 필요하다는 점은 문서 업무도 같습니다.
그래서 남는 일 세 가지
앞 절의 결론을 실제 업무로 옮기면 세 가지가 남습니다. 정산·구매 업무를 예로 각각이 어떤 장면에서 나타나는지 보겠습니다.
① 서류 여러 장을 서로 맞춰 보기
AI가 읽는 단위는 문서 한 장이지만, 정산팀의 판단은 한 장에서 끝나지 않습니다. 발주서에는 10개인데 거래명세서에는 부분 납품으로 9개만 적힌 경우, 세 장을 놓고 발주번호와 품목명으로 짝지어야 판단이 섭니다. 거래처가 품목명을 줄여 쓰거나 세금계산서 합계가 부가세 반올림으로 1원 어긋나기도 합니다. 어떤 항목을 무엇과 견줄지는 회사마다 달라 업무 규칙으로 정해 두셔야 합니다.
② 어느 값이 미덥지 않은지 표시하기
읽어 낸 값이 늘 맞을 수는 없으니, 어느 값을 사람이 볼지 좁혀 주는 장치가 필요합니다. 여기서 점수를 문서 한 장에 하나만 매기는지, 값 하나하나에 매기는지가 갈립니다. 문서마다 점수 하나면 담당자는 스무 칸을 처음부터 다시 보지만, 값마다 점수가 붙으면 공급가액과 납기일 두 칸만 보면 됩니다.
③ 왜 그렇게 읽었는지 남겨 두기
값이 맞았는지만 남기고 근거가 없으면 나중에 되짚을 방법이 없습니다. 회계팀이 세무 검사에 대비하거나 거래처와 금액을 다툴 때는 어느 값이 언제, 몇 점으로, 어느 서류에서 나왔는지가 남아 있어야 합니다. 사람이 확인하는 절차를 실패가 아니라 신뢰의 전제로 보는 흐름도 같은 맥락입니다.
검토할 때 무엇을 물어봐야 할까?
세 가지를 알고 나면 서비스 제공업체에게 던질 질문도 달라집니다. 아래 다섯 가지는 읽기 성능 다음에 확인하실 항목이며, 답이 막히는 곳이 우리 팀이 떠안을 몫입니다.
서류 여러 장을 한 건으로 묶는지, 맞춰 보는 기준은 누가 정하는지
확실함의 점수를 문서 한 장에 매기는지 값마다 매기는지
값마다 근거와 점수를 기록으로 남기고 내보내는지
사람이 고친 값이 다음 처리에 반영되는지, 얼마나 걸리는지
읽기 정확도를 어떤 문서 몇 종을 어떤 조건에서 잰 것인지
솔직히 첫 번째는 어떤 제품도 대신 정해 드릴 수 없습니다. 어느 항목을 무엇과 견주고 몇 원까지 차이를 허용할지는 회사의 회계 정책이라, 도입 초기에 이 규칙을 정리할 시간을 일정에 넣어야 합니다. 건너뛰면 읽기만 빨라진 채 확인 목록이 쌓인 상태에서 멈춥니다.
🔖
About Papers GO AI
Papers GO AI는 비정형 문서를 구조화된 디지털 데이터로 자동 변환하는 VLM 기반 AI-OCR 플랫폼입니다. 손글씨, 팩스, 영수증처럼 형태가 제각각인 문서도 샘플 한 건만 업로드하면 AI 위자드가 추출 템플릿을 자동으로 생성합니다. 분류·추출·검수, 그리고 시스템 연동까지 전 과정을 하나의 플랫폼에서 완성합니다.
읽는 단계부터 확인해 보고 싶으시다면
남은 세 가지를 설계하려면 우리 문서가 어느 단계에서 얼마나 걸리는지부터 보셔야 합니다. 그 출발점은 읽기 단계를 실제 문서로 돌려 보는 일입니다.
악어디지털의 페이퍼스고 AI는 AI 위자드가 샘플 문서만 보고 뽑을 항목과 분류 기준을 만들어, 양식을 미리 등록하지 않고 시작하실 수 있습니다. 값마다 확실함의 점수를 남겨 확인 목록을 좁히고, 사람이 고친 값은 액티브 러닝으로 다음부터 반영합니다. 확인된 값은 API로 ERP나 RPA에 넘어가게 됩니다.
💭이어서 보면 좋을 추천 포스트
Share article