스캔한 PDF도 ChatGPT가 읽을 수 있을까…문자인식 정확도의 한계

스캔 PDF는 일반 PDF와 처리 방식 달라…ChatGPT 요금제·문서 분석 기능에 따라 읽기 가능 여부 차이

OCR로 이미지 속 문자 추출 가능하지만 숫자·표·손글씨 오인식 위험…원본 대조와 검증 필요

종이 계약서를 스캔한 PDF 파일이나 오래된 연구보고서를 ChatGPT에 올리면 인공지능(AI)이 내용을 읽고 분석할 수 있을까. 최근에는 업무자료를 직접 입력하지 않고 PDF 파일을 첨부해 요약하거나 필요한 정보를 찾아달라고 요청하는 방식이 활용되고 있다. 그러나 화면에 문자가 보인다는 이유만으로 모든 PDF가 같은 방식으로 분석되는 것은 아니다.

컴퓨터에서 작성한 문서를 PDF로 저장한 경우에는 문자 정보가 파일 내부에 포함돼 있을 수 있다. 반면 종이문서를 스캐너로 읽어 만든 PDF는 페이지 전체가 이미지로 저장된 경우가 많다. 두 파일은 화면에서 비슷하게 보이지만 문자를 추출하는 과정에는 상당한 차이가 있다.

일반적인 텍스트 PDF에서는 파일에 포함된 디지털 문자 정보를 이용해 내용을 검색하고 분석할 수 있다. 그러나 이미지로 구성된 스캔 PDF는 문자 정보를 직접 추출할 수 없는 경우가 있으며, 이때는 광학문자인식(OCR)이나 이미지 분석 기능이 필요하다.

2026년 10월 현재 OpenAI의 공식 안내에 따르면 ChatGPT Enterprise는 PDF에 포함된 이미지와 도표 등 시각적 요소를 해석하는 ‘Visual Retrieval’ 기능을 지원한다. 반면 다른 요금제의 일반적인 문서 검색에서는 디지털 텍스트를 추출하는 방식이 적용되므로 이미지로만 구성된 PDF의 내용을 동일하게 읽을 수 있다고 보장할 수 없다.

다만 스캔 PDF에 이미 OCR로 생성된 텍스트 계층이 포함돼 있다면 문자인식이 별도로 필요하지 않을 수도 있다. 또한 PDF 페이지를 이미지로 변환해 분석하는 방식이나 별도의 OCR 도구를 활용하는 방법도 존재한다. 따라서 스캔 PDF를 읽을 수 있는지에 대한 답은 파일의 구조와 사용하는 기능, 실제 처리 절차에 따라 달라진다.

중요한 것은 AI가 문서를 읽었다고 설명하는 사실보다 실제로 어떤 내용을 인식했는지 확인하는 일이다. 특히 금액과 날짜, 계약 조항, 연구 수치처럼 작은 문자 차이에도 의미가 달라지는 자료에서는 추출 결과를 원본과 대조하는 과정이 필수적이다.

━━━━━━━━━━━━━━━━━━━━

스캔 PDF와 일반 PDF는 무엇이 다를까

━━━━━━━━━━━━━━━━━━━━

PDF는 문서의 글꼴과 배치, 이미지 등을 일정한 형태로 보존하기 위해 널리 사용되는 파일 형식이다. 그러나 모든 PDF가 동일한 내부 구조를 갖는 것은 아니며, 어떤 방법으로 만들어졌는지에 따라 추출할 수 있는 정보도 달라진다.

워드프로세서에서 작성한 문서를 PDF로 저장하면 일반적으로 문자를 선택하거나 복사할 수 있는 형태의 텍스트 정보가 포함된다. 이러한 파일은 프로그램이 내부의 문자 정보를 읽을 수 있으므로 검색과 요약, 특정 문구 확인 등의 작업에 활용하기 쉽다.

반면 종이문서를 스캔해 만든 PDF는 각 페이지가 사진과 유사한 이미지로 저장될 수 있다. 화면에서는 계약서의 문장이 선명하게 보이더라도 프로그램이 실제 문자를 바로 추출하지 못할 수 있다.

이러한 차이는 같은 내용의 문서를 분석할 때도 영향을 미친다. 원본에 디지털 텍스트가 포함돼 있다면 해당 정보를 추출할 수 있지만, 이미지 형태라면 문자 위치와 형태를 분석하는 과정이 추가로 필요하다.

특히 오래된 공문서나 종이로 보관하던 회의록, 인쇄된 연구자료를 스캔한 PDF는 이미지 기반 문서일 가능성이 있다. 반면 최근에 전자문서 시스템에서 생성한 PDF는 검색 가능한 문자 정보를 포함하는 경우가 많다.

다만 파일의 제작 방식만으로 구조를 단정해서는 안 된다. 스캔한 PDF에도 OCR 처리를 거쳐 검색 가능한 텍스트 계층이 추가돼 있을 수 있으며, 디지털 PDF 내부에도 이미지로 저장된 표나 그림이 포함될 수 있다.

따라서 AI에 PDF를 분석하도록 요청하기 전에는 문자를 선택하거나 복사할 수 있는지, 검색 기능이 작동하는지 확인하는 것이 좋다. 이러한 점검은 해당 PDF에 텍스트 정보가 존재하는지 판단하는 출발점이 될 수 있다.

━━━━━━━━━━━━━━━━━━━━

OCR은 이미지 속 문자를 어떻게 읽어낼까

━━━━━━━━━━━━━━━━━━━━

광학문자인식은 이미지에 포함된 문자와 숫자를 분석해 기계가 처리할 수 있는 텍스트로 변환하는 기술이다. 종이문서를 스캔한 이미지나 사진 속 글자를 검색 가능한 문자 정보로 바꾸는 작업에 활용된다.

과거에는 인쇄된 글자의 형태를 인식하는 방식이 중심이었다면 최근에는 기계학습과 딥러닝을 활용한 OCR 기술이 발전하면서 다양한 문서 구조와 글꼴을 처리할 수 있게 됐다.

예를 들어 종이 계약서를 스캔한 뒤 OCR을 수행하면 이미지에서 추출한 조항과 금액, 날짜 등을 텍스트로 변환할 수 있다. 이렇게 생성된 텍스트는 검색이나 요약, 데이터 추출 작업에 사용할 수 있다.

그러나 OCR은 단순히 눈에 보이는 글자를 그대로 복사하는 작업이 아니다. 이미지에 포함된 문자 모양을 해석하고 서로 구분하는 과정이므로 원본의 품질과 글자 형태에 영향을 받는다.

마이크로소프트는 Azure AI Vision의 OCR 기술 안내에서 스캔 품질과 해상도, 대비, 조명, 회전 상태, 글자의 크기와 밀도 등이 인식 정확도에 영향을 미칠 수 있다고 설명한다.

따라서 같은 문서라도 스캔 상태에 따라 인식 결과가 달라질 수 있다. 종이의 구김이나 얼룩, 그림자, 기울어진 페이지 등이 포함돼 있다면 문자를 추출하는 과정에서 문제가 발생할 가능성이 있다.

또한 OCR로 추출된 텍스트가 문법적으로 자연스럽다고 해서 원본과 완전히 일치한다고 단정해서는 안 된다. 일부 문자를 잘못 인식했더라도 문장 전체가 정상적으로 보이는 경우가 있기 때문이다.

OCR의 성능은 실제 사용하려는 문서의 종류와 품질에 따라 검증해야 한다.

━━━━━━━━━━━━━━━━━━━━

ChatGPT는 모든 스캔 PDF를 직접 읽을 수 있을까

━━━━━━━━━━━━━━━━━━━━

ChatGPT는 PDF를 업로드해 질문하거나 내용을 요약하는 기능을 제공하지만, 이미지 기반 PDF를 처리하는 방식은 요금제와 사용 환경에 따라 달라진다.

OpenAI의 공식 ‘PDF Visual Retrieval’ 안내에 따르면 ChatGPT Enterprise는 PDF에 삽입된 이미지와 그래프, 도표 등 시각적 요소를 읽고 분석할 수 있다. 따라서 문서 내부의 디지털 텍스트뿐 아니라 시각적인 내용까지 함께 검토하는 작업이 가능하다.

그러나 다른 요금제에서 제공되는 일반적인 문서 검색은 주로 디지털 텍스트를 추출하는 방식으로 작동한다고 OpenAI는 설명한다. 이 경우 스캔 PDF가 이미지로만 구성돼 있다면 필요한 문자를 직접 검색하거나 분석하는 데 제약이 발생할 수 있다.

특히 이러한 차이는 사용자가 어떤 파일을 업로드했는지에 따라 실제 결과로 나타날 수 있다. 스캔 PDF에 OCR 텍스트가 이미 포함돼 있다면 일반적인 텍스트 추출 방식에서도 내용을 확인할 수 있지만, 이미지 정보만 존재한다면 별도의 처리 과정이 필요하다.

따라서 모든 ChatGPT 계정에서 스캔 PDF를 업로드하기만 하면 내용을 정확하게 읽을 수 있다고 설명하는 것은 적절하지 않다.

한 가지 대안은 스캔 PDF를 OCR 프로그램으로 먼저 처리해 검색 가능한 PDF나 텍스트 파일로 변환하는 것이다. 다른 방법으로는 PDF 페이지를 이미지로 추출한 뒤 이미지 분석 기능을 이용하는 방식을 검토할 수 있다.

다만 페이지 이미지를 분석하는 방법도 모든 글자를 정확하게 인식한다는 보장은 없다. 특히 작은 숫자나 복잡한 표, 흐릿한 각주 등이 포함된 문서는 별도의 확인이 필요하다.

실제 업무에서는 사용 중인 계정과 기능이 어떤 방식으로 문서를 처리하는지 먼저 확인하고, 필요한 경우 OCR을 별도로 수행하는 것이 바람직하다.

━━━━━━━━━━━━━━━━━━━━

숫자 한 자리의 오인식이 중요한 이유

━━━━━━━━━━━━━━━━━━━━

OCR에서 발생하는 오류 가운데 업무상 영향이 큰 유형은 숫자의 오인식이다. 일반 문장에서는 문맥을 통해 잘못 인식된 단어를 추정할 수 있는 경우도 있지만, 숫자는 한 자리만 달라져도 전체 의미가 크게 바뀔 수 있다.

예를 들어 계약서에 기록된 금액이 1억5000만원인데 OCR이 1500만원으로 잘못 추출했다면 실제 계약금액과 상당한 차이가 발생한다. 이러한 오류는 숫자 하나의 문제처럼 보이지만 계약 조건이나 재무 판단에 영향을 미칠 수 있다.

금액뿐 아니라 날짜와 기간, 비율도 주의해야 한다. 계약기간이 3년인지 8년인지, 이자율이 1.5%인지 7.5%인지에 따라 문서의 의미는 전혀 달라질 수 있다.

특히 작은 글씨로 인쇄된 표와 각주에서는 숫자의 형태를 구별하기 어려운 경우가 있다. OCR이 숫자 0과 영문자 O, 숫자 1과 영문자 I 등을 혼동할 가능성도 존재한다.

또한 쉼표와 소수점이 잘못 인식되면 숫자의 크기나 의미가 달라질 수 있다. 천 단위 구분기호와 소수점이 혼재된 자료에서는 더욱 주의해야 한다.

마이크로소프트는 OCR의 정확도가 문서 상태와 글자 특성에 따라 달라질 수 있으며 실제 적용 환경에서 별도의 성능 평가가 필요하다고 설명한다.

따라서 스캔 PDF에서 금액이나 비율, 날짜를 추출하는 작업에서는 인식된 숫자를 원본 이미지와 대조해야 한다.

특히 재무제표와 계약서, 입찰서류처럼 숫자 한 자리의 차이가 실질적인 결과에 영향을 미치는 자료에서는 자동 추출 결과를 검토 없이 확정해서는 안 된다.

━━━━━━━━━━━━━━━━━━━━

표가 포함된 스캔 PDF는 왜 더 어려울까

━━━━━━━━━━━━━━━━━━━━

PDF에 포함된 표는 일반 문장과 다른 구조를 갖는다. 여러 행과 열에 정보가 배치돼 있으며, 각각의 숫자는 해당 행과 열의 제목에 따라 의미가 결정된다.

OCR이 개별 문자를 정확하게 인식하더라도 표의 구조를 잘못 해석하면 자료의 의미가 달라질 수 있다.

예를 들어 기업의 손익계산서에서 매출액과 영업이익, 당기순이익이 서로 다른 행에 기록돼 있다고 가정해 보자. 금액 자체를 정확하게 추출했더라도 행의 순서가 바뀌면 다른 항목의 수치로 연결될 수 있다.

또한 표의 열이 여러 기간으로 구성돼 있다면 특정 연도의 숫자가 다른 연도의 실적으로 잘못 배치될 가능성도 있다.

이처럼 표를 분석하는 과정에서는 문자 인식뿐 아니라 문서의 배치와 구조를 파악하는 기술이 필요하다.

마이크로소프트의 Azure AI Document Intelligence는 문서에서 표의 행과 열, 셀 위치 등을 추출하는 기능을 제공한다. 다만 표가 여러 페이지에 걸쳐 있거나 병합된 셀이 포함된 경우에는 구조를 정확하게 연결하는 데 추가 처리가 필요할 수 있다.

따라서 스캔 PDF에 표가 포함돼 있다면 AI가 추출한 숫자만 확인하는 것으로는 충분하지 않다. 각 값이 원본의 어느 행과 열에 해당하는지 함께 대조해야 한다.

특히 회계자료와 통계표를 엑셀로 변환할 때는 열 제목과 단위, 각주의 내용이 제대로 연결됐는지 확인하는 것이 중요하다.

표의 숫자가 모두 맞더라도 행과 열의 관계가 잘못됐다면 분석 결과는 신뢰하기 어렵다.

━━━━━━━━━━━━━━━━━━━━

손글씨가 포함된 PDF도 OCR로 인식할 수 있을까

━━━━━━━━━━━━━━━━━━━━

스캔 PDF에는 인쇄된 글자뿐 아니라 손글씨가 포함될 수 있다. 신청서의 이름과 주소, 수기로 작성한 계약 조건, 회의 메모 등이 대표적이다.

손글씨는 사람마다 글자 형태와 간격, 필기 습관이 다르기 때문에 인쇄된 문자보다 인식하기 어려운 경우가 많다.

특히 글자가 겹치거나 흘려 쓴 문장, 수정 흔적이 포함된 문서는 OCR 결과가 불완전할 수 있다. 원본이 흐릿하거나 글씨 크기가 작다면 이러한 문제가 더욱 두드러질 수 있다.

다만 모든 OCR 서비스의 손글씨 인식 능력이 동일한 것은 아니다. 지원하는 언어와 모델, 학습된 데이터, 사용 환경에 따라 차이가 발생한다.

마이크로소프트는 OCR 기술 문서에서 언어별 지원 범위와 인식 한계를 안내하고 있다. 따라서 손글씨 인식이 가능하다는 일반적인 설명만으로 한국어 수기 문서의 정확성을 보장할 수는 없다.

예를 들어 손으로 작성한 날짜에서 숫자 1과 7이 비슷하게 나타난다면 원본을 사람이 확인해야 할 수 있다. 한글 이름이나 주소도 글자 하나가 잘못 인식되면 다른 사람이나 장소를 의미할 가능성이 있다.

특히 서명은 일반적인 문자 추출과 구분해야 한다. 서명 이미지가 존재한다는 사실을 확인하는 것과 해당 서명이 누구의 것인지 또는 법적 효력이 있는지 판단하는 것은 전혀 다른 문제다.

AI가 손글씨를 인식하더라도 확인되지 않은 내용을 임의로 보완해서는 안 된다.

━━━━━━━━━━━━━━━━━━━━

기울어진 스캔과 낮은 해상도는 정확도에 영향을 준다

━━━━━━━━━━━━━━━━━━━━

스캔 PDF의 품질은 문자 인식 결과에 영향을 미치는 중요한 변수다. 종이문서가 비뚤어진 상태로 스캔되거나 이미지의 해상도가 낮으면 글자의 윤곽이 불분명해질 수 있다.

특히 복사와 재스캔을 반복한 문서는 원본보다 글자 품질이 나빠질 가능성이 있다. 작은 글씨와 각주가 흐려지거나 글자 사이의 간격이 줄어들면서 OCR의 인식이 어려워질 수 있기 때문이다.

문서가 기울어진 경우에는 이미지의 회전 상태를 보정하는 작업이 도움이 될 수 있다. 불필요한 여백을 정리하거나 대비를 개선하는 방법도 고려할 수 있다.

그러나 이미지 보정이 항상 정확도를 높이는 것은 아니다. 지나친 선명도 조정이나 대비 변경은 원래 문자의 일부를 손상시킬 수도 있다.

따라서 이미지 전처리 과정에서는 원본을 보존하고, 수정된 이미지가 실제 문자를 더 정확하게 보여주는지 확인해야 한다.

또한 모든 문서에 동일한 보정 방식을 적용하는 것도 적절하지 않을 수 있다. 오래된 종이문서와 최근에 출력한 계약서, 사진으로 촬영한 영수증은 이미지 상태가 다르기 때문이다.

OCR 서비스를 선택할 때는 실제로 사용할 문서와 유사한 시험자료를 준비해 인식 성능을 확인하는 것이 바람직하다.

문서의 해상도와 글자 상태가 좋지 않은 경우에는 AI가 확실하지 않은 문자를 추정하는 대신 확인이 필요한 영역으로 표시하도록 해야 한다.

━━━━━━━━━━━━━━━━━━━━

페이지의 순서가 바뀌거나 일부가 누락되면 어떻게 될까

━━━━━━━━━━━━━━━━━━━━

여러 페이지로 구성된 스캔 PDF를 분석할 때는 각 페이지의 내용뿐 아니라 전체 문서의 구성도 확인해야 한다.

예를 들어 계약서가 20페이지로 구성돼 있는데 일부 페이지가 누락됐다면 AI가 남아 있는 내용만으로 계약 조건을 설명할 수 있다. 이 경우 실제 계약서에 포함된 중요한 예외 조항이나 부속서의 내용을 놓칠 가능성이 있다.

또한 페이지가 중복 스캔됐거나 순서가 뒤바뀐 문서에서는 내용을 잘못 연결할 수 있다. 특히 여러 페이지에 걸쳐 문장이 이어지는 보고서는 이러한 문제가 해석에 영향을 미친다.

따라서 스캔 PDF를 분석할 때는 전체 페이지 수와 인식 가능한 페이지 수를 먼저 확인하는 것이 좋다.

다만 파일의 페이지 수와 문서에 인쇄된 페이지 번호는 다를 수 있다. 표지와 목차, 부록 등이 포함된 경우 PDF의 실제 페이지 순서와 문서 내부의 페이지 번호가 일치하지 않을 수 있기 때문이다.

AI가 특정 정보를 찾았다고 설명한다면 해당 정보가 파일의 어느 페이지에 존재하는지 확인할 필요가 있다.

특히 법률문서나 연구보고서에서는 문장 하나가 아니라 앞뒤 문맥을 함께 읽어야 의미를 이해할 수 있는 경우가 많다.

따라서 한 페이지에서 추출한 문구만으로 전체 문서의 결론을 단정해서는 안 된다.

━━━━━━━━━━━━━━━━━━━━

OCR이 만든 문장을 AI가 자연스럽게 고치면 문제가 될까

━━━━━━━━━━━━━━━━━━━━

OCR로 추출한 텍스트에는 띄어쓰기 오류와 오탈자, 문장 분리 문제 등이 포함될 수 있다. AI는 이러한 문장을 자연스럽게 수정하거나 내용을 이해하기 쉬운 형태로 정리할 수 있다.

그러나 원문을 정확하게 보존해야 하는 업무에서는 이러한 수정이 문제가 될 수 있다.

예를 들어 계약서에 기재된 부정 표현이 OCR 과정에서 빠졌다고 가정해 보자. AI가 잘못 추출된 문장을 자연스럽게 정리하면 원문과 다른 계약 조건이 만들어질 수 있다.

실제 문서에서는 ‘지급하지 않는다’와 ‘지급한다’의 차이처럼 글자 몇 개가 의미를 정반대로 바꾸는 경우가 존재한다.

OCR이 이러한 부분을 잘못 인식했는데 AI가 문맥에 맞춰 문장을 보완하면 결과는 더욱 자연스러워 보일 수 있다. 그러나 자연스러운 문장이라는 이유만으로 원본과 정확하게 일치한다고 볼 수는 없다.

따라서 원문 추출과 문장 교정, 내용 요약은 서로 다른 작업으로 구분해야 한다.

계약서나 법률문서에서는 OCR로 추출한 원문을 먼저 확인하고, 필요한 경우 별도의 교정본을 작성하는 방식이 적절하다.

원본과 교정본 사이에 어떤 부분이 변경됐는지도 확인할 수 있어야 한다.

AI가 이해하기 쉬운 문장을 만드는 능력과 원문을 충실하게 재현하는 능력은 구분해서 평가해야 한다.

━━━━━━━━━━━━━━━━━━━━

ChatGPT로 스캔 PDF를 분석할 때 먼저 확인할 사항

━━━━━━━━━━━━━━━━━━━━

스캔 PDF를 ChatGPT로 분석하려면 먼저 파일 내부에 검색 가능한 텍스트가 포함돼 있는지 확인하는 것이 좋다.

문자 선택과 검색 기능이 정상적으로 작동한다면 디지털 텍스트가 존재할 가능성이 있다. 반대로 페이지 전체가 이미지로 구성돼 있다면 일반적인 텍스트 추출 방식만으로 내용을 확인하기 어려울 수 있다.

다음으로 사용 중인 ChatGPT 환경이 PDF의 시각적 내용을 처리할 수 있는지 확인해야 한다. OpenAI는 Enterprise의 PDF 시각적 검색 기능과 다른 요금제의 텍스트 기반 문서 검색을 구분해 설명하고 있다.

시각적 분석이 지원되지 않는 환경에서는 별도의 OCR 처리를 거쳐 검색 가능한 PDF나 텍스트 파일을 만드는 방법을 검토할 수 있다.

이후 AI에 내용을 분석하도록 요청할 때는 먼저 문서의 구조와 추출 가능한 정보의 범위를 확인하도록 해야 한다.

예를 들어 다음과 같은 요청문을 활용할 수 있다.

“첨부한 PDF가 검색 가능한 텍스트 PDF인지, 스캔 이미지로 구성된 PDF인지 먼저 확인해 주세요.

문서의 전체 페이지 수와 실제로 읽을 수 있는 페이지를 구분해 주세요.

이미지로 구성된 페이지를 직접 분석할 수 없는 환경이라면 내용을 추정하지 말고 해당 제한을 알려주세요.

읽을 수 있는 페이지에서는 제목과 주요 항목, 날짜, 금액 등을 추출하고 원본 페이지 위치를 표시해 주세요.

숫자와 계약기간, 비율, 고유번호 등은 추정해서 수정하지 말고 정확하게 확인할 수 없는 부분을 별도로 표시해 주세요.

표가 포함돼 있다면 행과 열의 관계를 유지해 추출하고, 구조를 확실하게 복원할 수 없는 표는 검토 대상으로 분류해 주세요.

마지막으로 누락되거나 인식이 불확실한 페이지 및 항목을 목록으로 작성해 주세요.”

이 요청문은 PDF 분석 과정에서 발생할 수 있는 오류를 줄이기 위한 예시다. 실제 ChatGPT를 이용한 OCR 정확도 시험 결과는 아니다.

특히 중요한 문서에서는 AI가 내용을 모두 읽었다는 설명보다 실제 추출한 문구와 원본 페이지가 일치하는지 확인하는 절차가 필요하다.

━━━━━━━━━━━━━━━━━━━━

별도의 OCR 프로그램을 먼저 사용하는 방법도 있다

━━━━━━━━━━━━━━━━━━━━

스캔 PDF를 분석해야 하는 경우에는 ChatGPT에 바로 업로드하는 방식 외에도 별도의 OCR 프로그램을 이용할 수 있다.

OCR 프로그램은 스캔 이미지에서 문자 정보를 추출하고 검색 가능한 PDF나 텍스트 파일을 생성하는 데 활용된다.

예를 들어 PDF의 원본 이미지를 유지하면서 그 위에 검색 가능한 문자 계층을 추가하는 방식이 있다. 이 경우 사용자는 원본 문서의 모양을 확인하면서 문자 검색 기능을 활용할 수 있다.

Adobe Acrobat은 스캔 PDF에 OCR을 적용해 검색 가능한 텍스트를 생성하는 기능을 제공한다. Microsoft의 Azure AI Document Intelligence 역시 스캔 문서에서 문자와 표 등 구조화된 정보를 추출하는 기능을 지원한다.

이러한 도구를 통해 문자를 먼저 추출한 뒤 ChatGPT에 요약이나 정보 분석을 요청하는 절차를 마련할 수 있다.

그러나 별도 OCR 프로그램을 사용한다고 해서 모든 인식 오류가 해결되는 것은 아니다. 인쇄 상태가 좋지 않거나 표 구조가 복잡한 문서에서는 추출 결과를 확인해야 한다.

또한 OCR 프로그램마다 지원하는 언어와 파일 형식, 처리 방식이 다를 수 있으므로 실제 문서에 적합한지 확인해야 한다.

특히 기업의 계약서와 고객정보처럼 민감한 자료를 외부 OCR 서비스에 업로드할 때는 정보보안 정책과 데이터 처리 조건을 검토해야 한다.

OCR과 ChatGPT를 함께 활용한다면 어느 단계에서 어떤 오류가 발생할 수 있는지 구분해 관리하는 것이 중요하다.

━━━━━━━━━━━━━━━━━━━━

OCR 결과의 정확도는 어떻게 측정할 수 있을까

━━━━━━━━━━━━━━━━━━━━

OCR의 정확성을 평가하려면 정답을 알고 있는 원본 문서와 추출된 텍스트를 비교하는 방법을 사용할 수 있다.

예를 들어 원본 문서의 일부 페이지를 사람이 확인해 정확한 텍스트로 작성한 뒤 OCR 결과와 비교할 수 있다. 이를 기준으로 빠진 문자와 잘못 인식된 문자, 추가된 문자를 계산하는 방식이다.

문자인식 성능을 평가하는 지표 가운데 하나는 문자 오류율이다. 원본과 추출 결과 사이에서 문자 단위로 발생한 치환과 삭제, 삽입 오류를 기준으로 계산할 수 있다.

그러나 문자 오류율이 낮다고 해서 모든 업무에 활용할 수 있다는 의미는 아니다. 전체 문장에서 작은 비중을 차지하는 계약금액이나 날짜가 잘못 인식됐다면 업무상 영향은 매우 클 수 있기 때문이다.

예를 들어 1000개의 문자 가운데 한 글자만 잘못 인식했더라도 그 글자가 계약금액의 숫자라면 결과를 그대로 사용할 수 없다.

따라서 중요한 문서에서는 전체 문자 정확도와 함께 핵심 항목의 추출 정확도를 별도로 평가해야 한다.

특히 계약서에서는 금액과 기간, 당사자명, 의무 및 예외 조항 등을 중점적으로 확인할 수 있다. 재무제표에서는 주요 금액과 회계 기간, 표의 행·열 연결 관계를 점검하는 것이 중요하다.

마이크로소프트는 OCR의 실제 정확도가 사용 환경에 따라 달라질 수 있으므로 대표적인 시험자료를 통해 성능을 평가할 것을 권장한다.

이번 기사는 공식 기술문서와 문자인식 원리를 바탕으로 작성됐으며, ChatGPT를 대상으로 스캔 PDF의 OCR 정확도를 직접 측정한 결과는 포함하지 않았다.

━━━━━━━━━━━━━━━━━━━━

기업 문서의 자동화에서는 사람의 검수가 필요한 이유

━━━━━━━━━━━━━━━━━━━━

스캔 PDF를 자동으로 처리하면 기존 종이문서에 기록된 정보를 검색하거나 분석하는 과정이 편리해질 수 있다. 계약서와 청구서, 연구보고서, 과거 업무기록 등을 디지털 정보로 전환하는 데 활용할 수 있기 때문이다.

그러나 문서를 읽는 작업이 자동화됐다고 해서 모든 확인 절차를 생략할 수 있는 것은 아니다.

특히 OCR로 추출한 결과가 실제 업무 시스템에 자동 입력되는 경우에는 오류가 후속 작업으로 이어질 수 있다. 청구금액을 잘못 인식하면 정산 오류가 발생할 수 있으며, 날짜를 잘못 추출하면 계약기간이나 지급일 관리에 영향을 줄 수 있다.

따라서 자동 처리 과정에서는 인식 결과를 검증하는 기준을 마련해야 한다.

일부 OCR 서비스는 추출된 정보의 신뢰도를 나타내는 값을 제공한다. 이러한 정보를 활용해 인식이 불확실한 항목을 별도로 검토하는 방법을 고려할 수 있다.

다만 신뢰도 점수가 높다고 해서 실제 내용이 반드시 정확한 것은 아니다. 중요한 숫자와 문구는 원본 대조가 필요할 수 있다.

업무상 영향이 작은 문서는 일정한 검증 기준에 따라 자동 처리 범위를 확대할 수 있지만 계약금액과 법적 의무, 개인정보 등 중요한 항목은 별도의 승인 절차를 마련하는 것이 바람직하다.

AI 자동화의 목표는 사람이 수행하는 모든 검토를 없애는 것이 아니라 반복적인 문서 처리 부담을 줄이고 중요한 오류에 검수 역량을 집중하도록 하는 데 있다.

━━━━━━━━━━━━━━━━━━━━

스캔 PDF 분석의 신뢰성은 원본 대조에서 결정된다

━━━━━━━━━━━━━━━━━━━━

ChatGPT는 PDF의 내용을 분석하고 요약하거나 필요한 정보를 찾는 작업을 지원한다. 그러나 스캔 PDF의 분석 가능 여부는 파일 내부에 디지털 텍스트가 포함돼 있는지, 사용하는 서비스가 이미지 기반 PDF를 처리할 수 있는지에 따라 달라진다.

2026년 10월 현재 OpenAI는 ChatGPT Enterprise에서 PDF의 이미지와 도표 등 시각적 콘텐츠를 분석하는 기능을 제공한다고 안내하고 있다. 반면 다른 요금제의 일반적인 문서 검색은 디지털 텍스트를 추출하는 방식이므로 이미지로만 구성된 PDF를 동일하게 처리할 수 있다고 보장할 수 없다.

스캔 PDF를 분석해야 한다면 별도의 OCR 도구를 이용해 검색 가능한 문서로 변환하거나, 지원되는 이미지 분석 기능을 사용하는 방법을 검토할 수 있다.

그러나 OCR로 문자를 추출했다고 해서 원본의 모든 정보가 정확하게 복원되는 것은 아니다. 낮은 해상도와 기울어진 스캔, 손글씨, 복잡한 표 구조 등은 인식 결과에 영향을 미칠 수 있다.

특히 금액과 날짜, 계약 조항처럼 일부 문자의 차이가 업무상 중요한 결과를 만드는 자료에서는 원본 이미지와 추출 결과를 직접 대조해야 한다.

AI가 자연스럽게 정리한 문장도 실제 원문과 동일한지 확인할 필요가 있다. 문맥에 맞춰 보완한 문장이 원래 문서에 존재했다는 보장은 없기 때문이다.

기업이 스캔 PDF 분석을 자동화하려면 문서의 종류와 중요도에 따라 검증 수준을 달리하고, 인식이 불확실한 항목을 사람이 확인할 수 있도록 처리 절차를 마련해야 한다.

결국 스캔 PDF를 AI가 읽을 수 있는지보다 중요한 질문은 읽어낸 내용을 어디까지 신뢰할 수 있느냐는 것이다. 신뢰할 수 있는 문서 분석은 OCR 결과를 그대로 받아들이는 것이 아니라 원본과 비교하고 오류를 추적할 수 있는 과정에서 완성된다.

━━━━━━━━━━━━━━━━━━━━

주요 확인 자료

━━━━━━━━━━━━━━━━━━━━

OpenAI, 「Visual Retrieval with PDFs FAQ」, ChatGPT Enterprise의 PDF 시각적 검색 기능 안내, 2026년 10월 확인.

OpenAI, 「Uploading files and audio to ChatGPT」, 문서 내 이미지 처리 및 요금제별 제한 안내, 2026년 10월 확인.

Microsoft Learn, 「Read model OCR data extraction」, Azure AI Document Intelligence 문자인식 기술문서.

Microsoft Learn, 「Capabilities and limitations of optical character recognition」, OCR 정확도와 주요 제약 안내.

Microsoft Learn, 「Document layout analysis」, 문서의 표와 구조 분석 기능 안내.