PDF 표를 엑셀로 변환하기, 숫자와 표 구조는 그대로 유지될까

ChatGPT·Excel Power Query·Adobe Acrobat으로 PDF 표 추출 가능…파일 형태에 따라 결과 달라져

숫자 인식이 정확해도 행·열 연결과 단위가 바뀌면 분석 오류…원본과 변환 결과 대조해야

기업의 재무보고서나 연구자료, 공공기관의 통계보고서에는 중요한 수치가 표로 정리돼 있는 경우가 많다. 이러한 자료를 PDF로 전달받았을 때 숫자를 다시 계산하거나 다른 자료와 비교하려면 엑셀로 옮기는 작업이 필요하다. 표가 몇 개에 불과하다면 직접 입력할 수도 있지만, 수십 페이지에 걸쳐 통계표가 이어지는 보고서라면 상당한 시간과 노력이 필요하다.

최근에는 ChatGPT 같은 인공지능(AI)과 전용 PDF 변환 도구를 이용해 표를 추출하고 엑셀 파일로 정리하는 방법을 활용할 수 있다. 사용자는 PDF를 첨부한 뒤 특정 페이지의 표를 엑셀 형식으로 변환하도록 요청하거나, 여러 페이지에 분산된 표를 하나의 데이터 목록으로 정리하도록 지시할 수 있다.

그러나 PDF에 표시된 표를 엑셀로 옮기는 작업은 단순히 숫자를 복사하는 과정이 아니다. PDF는 문서의 시각적 배치를 보존하는 데 적합한 형식이지만, 화면에 보이는 표가 반드시 엑셀처럼 명확한 행과 열 구조로 저장돼 있는 것은 아니다. 이러한 차이 때문에 변환 과정에서 숫자의 위치가 달라지거나 제목과 데이터의 연결 관계가 손상될 가능성이 있다.

2026년 10월 현재 OpenAI는 ChatGPT가 PDF와 스프레드시트 파일을 분석하고 Python을 이용한 데이터 변환을 지원한다고 안내하고 있다. 다만 이미지 기반 표와 복잡한 문서 배치에서는 정확한 값을 안정적으로 추출하지 못할 수 있다는 제한도 명시하고 있다. 마이크로소프트는 Excel Power Query를 통해 PDF 파일에서 인식된 표를 가져오는 기능을 제공하며, Adobe Acrobat 역시 PDF를 Excel 형식으로 내보내는 기능을 지원한다.

이러한 기술은 반복적인 자료 입력 부담을 줄일 수 있지만 원본의 모든 숫자와 구조를 완벽하게 보존한다는 보장은 없다. 특히 재무제표와 통계보고서처럼 값의 위치와 단위, 주석이 중요한 문서에서는 추출 결과를 별도의 데이터로 검증해야 한다.

PDF 표 변환에서 핵심적인 질문은 엑셀 파일을 만들 수 있느냐가 아니다. 변환된 숫자가 원본과 일치하고, 각각의 값이 원래 속했던 행과 열에 정확하게 연결돼 있는지를 확인할 수 있느냐다.

━━━━━━━━━━━━━━━━━━━━

PDF에 보이는 표가 엑셀의 표와 다른 이유

━━━━━━━━━━━━━━━━━━━━

엑셀에서 작성된 표는 일반적으로 행과 열, 셀이라는 구조를 갖는다. 사용자는 특정 셀에 숫자나 문자를 입력하고, 다른 셀을 참조하는 수식을 작성할 수 있다. 데이터가 올바르게 구성돼 있다면 거래처별 매출을 집계하거나 조건에 따라 행을 필터링하는 작업도 수행할 수 있다.

반면 PDF는 이러한 데이터 처리 구조를 반드시 유지하도록 설계된 형식이 아니다. 문서의 작성 과정에서 표의 모양은 보존되더라도 원래의 셀 구분이나 계산식, 데이터 유형이 그대로 남아 있지 않을 수 있다.

예를 들어 엑셀에서 작성한 재무제표를 PDF로 저장하면 화면에는 행과 열이 정확하게 정렬된 표가 표시된다. 그러나 PDF 내부에서는 숫자와 문자가 각자의 위치에 배치된 형태로 저장될 수 있으며, 이를 다시 엑셀로 옮기려면 어떤 값이 같은 행이나 열에 속하는지 판단하는 과정이 필요하다.

특히 표의 일부 셀이 병합돼 있거나 여러 단계의 제목이 존재하는 경우에는 구조를 복원하는 작업이 복잡해진다. 숫자의 위치가 조금만 잘못 해석돼도 다른 항목에 연결될 수 있기 때문이다.

이 문제는 PDF를 만든 방식에 따라 달라진다. 원래 디지털 문서에서 생성된 PDF와 종이문서를 스캔한 PDF는 문자를 추출하는 조건이 다르며, 스캔 문서에서는 이미지에서 문자와 표 구조를 인식하는 과정이 추가로 필요할 수 있다.

따라서 PDF에서 표를 추출할 때는 먼저 해당 파일에 검색 가능한 문자 정보가 존재하는지, 표가 어떤 형태로 구성돼 있는지 확인해야 한다. 이 단계에서 문서 구조를 잘못 이해하면 이후 엑셀에서 계산한 결과가 정확하더라도 잘못된 자료를 바탕으로 분석하게 될 수 있다.

━━━━━━━━━━━━━━━━━━━━

숫자는 맞는데 행과 열이 바뀌면 어떤 문제가 생길까

━━━━━━━━━━━━━━━━━━━━

PDF 표 변환에서 중요한 오류 가운데 하나는 개별 숫자를 정확하게 추출했더라도 해당 숫자가 원래 위치했던 행이나 열에 잘못 연결되는 상황이다. 재무자료와 통계표에서는 이러한 문제가 단순한 문자 오인식보다 큰 영향을 미칠 수 있다.

예를 들어 재무보고서에 2025년과 2026년의 매출액과 영업이익이 나란히 기록돼 있다고 가정해 보자. 매출액과 영업이익이라는 행 제목이 있고, 두 연도가 각각 다른 열을 구성하는 구조다.

변환 과정에서 숫자 네 개를 모두 정확하게 추출하더라도 2025년 매출액이 2026년 열에 배치되거나 영업이익에 해당하는 금액이 매출액 행으로 이동한다면 결과 파일은 원본과 다른 정보를 전달하게 된다.

이러한 오류는 겉으로 쉽게 드러나지 않을 수 있다. 엑셀 파일에서는 행과 열이 정상적으로 구성된 것처럼 보이고 각 셀에도 숫자가 입력돼 있지만, 실제로는 값이 서로 다른 항목에 연결돼 있기 때문이다.

특히 AI가 변환된 엑셀 파일을 다시 분석한다면 이 오류가 후속 계산으로 이어질 수 있다. 전년 대비 증감률을 계산하거나 수익성을 분석하는 과정에서 잘못된 기준값이 사용될 가능성이 있다.

따라서 PDF 표를 엑셀로 변환한 뒤에는 숫자 자체뿐 아니라 각 숫자에 대응하는 행 제목과 열 제목을 함께 확인해야 한다.

재무제표처럼 항목과 기간이 명확한 자료에서는 원본 표의 일부 항목을 선정해 값과 위치를 동시에 대조하는 방법이 도움이 된다. 중요한 항목은 표본 검사를 넘어 전체 확인이 필요할 수 있다.

━━━━━━━━━━━━━━━━━━━━

병합된 셀과 여러 단계의 제목은 어떻게 변환될까

━━━━━━━━━━━━━━━━━━━━

PDF 표에는 하나의 제목 아래 여러 열이 배치되는 구조가 자주 등장한다. 예를 들어 상단에는 ‘2026년 매출’이라는 제목이 있고 그 아래에 국내와 해외 매출이 나뉘어 있거나, 사업부별 실적이 분기와 지역에 따라 여러 단계로 구분될 수 있다.

이러한 표에서는 하나의 숫자가 어떤 상위 항목과 하위 항목에 속하는지 정확하게 해석해야 한다. 그러나 PDF 변환 도구가 병합된 셀을 적절하게 복원하지 못하면 제목이 일부 열에만 남거나 다른 열로 이동할 가능성이 있다.

예를 들어 1분기와 2분기 아래 각각 매출액과 영업이익이 배치된 표를 생각해 보자. 상위 제목이 누락되면 같은 ‘매출액’이라는 열 이름이 두 번 나타날 수 있으며, 사용자는 어느 열이 어느 분기에 해당하는지 구분하기 어려워질 수 있다.

또한 병합된 행 제목이 여러 세부 항목에 공통으로 적용되는 경우에는 일부 행의 분류 정보가 비어 있는 것처럼 나타날 수 있다. 이를 단순한 결측값으로 판단해 삭제하거나 임의로 채우면 원래 표의 의미가 손상될 수 있다.

데이터 분석에 적합한 엑셀 구조로 변환하려면 이러한 상위 제목을 각 기록에 명확하게 연결하는 방식이 필요할 수 있다.

예를 들어 하나의 표를 ‘연도’, ‘분기’, ‘지역’, ‘매출액’이라는 열로 재구성하면 피벗테이블과 조건부 분석에 활용하기 쉬워진다. 다만 이 과정은 원본의 시각적 형태를 그대로 복제하는 작업이 아니라 분석 목적에 맞춰 구조를 다시 설계하는 작업이다.

따라서 원본의 표 모양을 보존할 것인지, 분석 가능한 데이터 목록으로 재구성할 것인지 먼저 결정해야 한다. 두 목적을 구분하지 않으면 변환 결과를 평가하는 기준도 모호해진다.

━━━━━━━━━━━━━━━━━━━━

PDF 표의 단위가 사라지면 숫자의 의미가 바뀐다

━━━━━━━━━━━━━━━━━━━━

PDF 표를 엑셀로 변환할 때는 숫자의 단위를 반드시 확인해야 한다. 원본 보고서에서는 표의 제목이나 오른쪽 상단에 ‘단위: 백만원’, ‘단위: 천 명’, ‘단위: %’ 등의 설명이 별도로 표시되는 경우가 많다.

이러한 단위 표시는 표 안의 개별 숫자와 떨어져 있지만 실제 값을 해석하는 데 필수적인 정보다.

예를 들어 기업의 매출액이 표에 1250으로 기록돼 있고 단위가 백만원이라면 실제 금액은 12억5000만원이다. 그러나 엑셀로 변환하는 과정에서 단위 설명이 누락되면 사용자는 해당 숫자를 1250원이나 1250만원 등으로 잘못 이해할 수 있다.

더욱 복잡한 문제는 하나의 페이지에 서로 다른 단위의 표가 존재하는 경우다. 매출액은 백만원 단위로 표시되고 영업이익률은 퍼센트로 기록돼 있다면 각 숫자를 같은 방식으로 처리해서는 안 된다.

국제 비교자료에서는 통화 단위도 중요하다. 원화와 달러, 유로로 표시된 수치를 하나의 열에 배치하면서 통화 정보를 보존하지 않으면 의미 있는 비교가 어려워진다.

따라서 변환 작업에서는 숫자와 함께 단위를 별도의 열이나 메타정보로 기록하는 방식이 유용할 수 있다.

특히 여러 PDF의 통계표를 하나의 엑셀 파일로 합치는 경우에는 표마다 적용되는 단위를 확인해야 한다. 동일한 항목이라는 이유만으로 서로 다른 단위의 값을 합산하는 것은 적절하지 않다.

AI에 PDF 표 변환을 요청할 때도 숫자의 단위를 추정하지 말고 원본에서 확인된 단위를 함께 표시하도록 해야 한다.

━━━━━━━━━━━━━━━━━━━━

괄호와 마이너스 기호가 사라지면 재무제표가 달라진다

━━━━━━━━━━━━━━━━━━━━

재무보고서에서는 음수를 괄호로 표시하는 경우가 있다. 예를 들어 손실액을 ‘-250’ 대신 ‘(250)’으로 기록하는 방식이다. 이러한 표기는 회계자료에서 사용되지만 데이터 변환 과정에서는 주의가 필요하다.

PDF에서 ‘(250)’이라는 값이 추출됐을 때 엑셀에서 이를 어떻게 저장했는지 확인해야 한다. 단순한 문자열로 남아 있을 수도 있고, 특정 변환 규칙에 따라 음수로 처리될 수도 있다.

문제는 괄호가 제거되면서 250이라는 양수로 변환되는 상황이다. 원본은 손실이나 차감 항목을 의미했는데 변환 결과가 양수로 바뀌면 합계와 수익성 계산에 영향을 줄 수 있다.

마이너스 기호 역시 중요하다. PDF에 사용된 문자가 일반적인 하이픈인지 수학적 마이너스 기호인지에 따라 일부 프로그램에서 숫자 변환 방식이 달라질 수 있다.

또한 일부 표는 0과 값 없음, 해당 없음을 서로 다른 기호로 표시한다. 예를 들어 숫자 0, 빈칸, 대시(-)가 같은 의미라고 단정할 수 없으며 실제 의미는 원본 보고서의 작성 기준에 따라 달라질 수 있다.

따라서 재무제표를 변환할 때는 음수와 공란, 특수 기호를 먼저 점검해야 한다. 특히 손실액과 비용, 차감 항목이 포함된 자료에서는 변환 전후의 부호가 일치하는지 확인할 필요가 있다.

AI가 숫자를 정상적으로 인식했다는 사실만으로 값의 부호까지 정확하게 해석했다고 판단해서는 안 된다.

━━━━━━━━━━━━━━━━━━━━

소수점과 천 단위 구분기호도 오류를 만들 수 있다

━━━━━━━━━━━━━━━━━━━━

국가별 자료를 PDF에서 추출할 때는 숫자 표기 방식의 차이도 고려해야 한다. 한국에서는 일반적으로 쉼표를 천 단위 구분기호로, 마침표를 소수점으로 사용하지만 모든 국가가 같은 방식을 사용하는 것은 아니다.

예를 들어 ‘1,234.56’이라는 표기와 ‘1.234,56’이라는 표기는 국가별 관례에 따라 같은 수량을 나타낼 수 있다. 그러나 이러한 차이를 구분하지 않고 숫자로 변환하면 전혀 다른 값으로 인식되거나 변환이 실패할 수 있다.

특히 여러 국가의 재무자료나 통계보고서를 하나의 엑셀 파일로 결합하는 경우에는 숫자 표기 규칙을 확인해야 한다. 자료마다 다른 규칙을 사용했다면 일괄적인 변환 방식으로는 정확한 결과를 얻기 어렵다.

또한 소수점 이하 자릿수가 많은 자료에서는 반올림과 표시 형식의 차이를 구분해야 한다. 원본 PDF가 소수점 둘째 자리까지 표시하고 있는데 실제 계산 자료에는 더 많은 자릿수가 존재했을 가능성도 있다.

PDF에 표시된 값만을 추출했다면 원래 엑셀 파일에 저장돼 있던 숨겨진 자릿수까지 복원할 수는 없다.

이러한 차이는 통계 분석과 과학적 측정자료, 환율 및 금리 계산처럼 소수점의 정확성이 중요한 업무에서 영향을 미칠 수 있다.

따라서 PDF 표를 엑셀로 변환하는 작업에서는 원본의 숫자 표기와 변환 후의 실제 숫자값을 구분해 확인해야 한다. 필요한 경우 원본 문자열과 변환된 숫자를 별도의 열로 보존하는 방법도 고려할 수 있다.

━━━━━━━━━━━━━━━━━━━━

페이지를 넘어 이어지는 표는 왜 주의해야 할까

━━━━━━━━━━━━━━━━━━━━

장문의 연구보고서나 재무자료에서는 하나의 표가 여러 페이지에 걸쳐 이어지는 경우가 있다. 첫 번째 페이지에 표의 제목과 열 이름이 표시되고 다음 페이지부터 데이터가 계속되는 구조다.

이러한 표를 엑셀로 변환할 때는 각 페이지에서 추출된 자료를 올바른 순서로 연결해야 한다.

예를 들어 20페이지부터 23페이지까지 지역별 통계표가 이어진다고 가정해 보자. 20페이지에는 상단 제목과 일부 지역의 데이터가 포함되고, 다음 페이지에는 제목 없이 나머지 지역의 기록이 계속될 수 있다.

변환 도구가 각 페이지를 독립적인 표로 인식하면 하나의 표가 여러 개로 나뉠 수 있다. 이때 사용자가 이를 다시 합치는 과정에서 열 순서를 잘못 연결하거나 중간 행을 누락할 가능성이 있다.

반대로 각 페이지에 반복되는 표 제목을 실제 데이터 행으로 처리하면 분석 결과에 불필요한 기록이 포함될 수 있다.

마이크로소프트는 Power Query의 PDF 커넥터를 통해 PDF에 포함된 표를 가져오고 필요한 경우 변환 과정을 수행하는 기능을 제공한다. 그러나 페이지에 걸친 복잡한 표의 구조를 언제나 자동으로 완벽하게 복원한다고 볼 수는 없다.

따라서 여러 페이지에 이어진 표에서는 시작 페이지와 종료 페이지를 확인하고, 원본 행 수와 추출된 데이터 행 수를 비교해야 한다.

특히 페이지가 바뀌는 지점의 마지막 행과 첫 번째 행을 대조하면 누락이나 중복 연결을 발견하는 데 도움이 된다.

━━━━━━━━━━━━━━━━━━━━

표 안의 각주와 설명문이 빠지면 분석도 달라진다

━━━━━━━━━━━━━━━━━━━━

통계보고서의 표에는 숫자만 기록되는 것이 아니다. 표 아래에는 조사 방법이나 기준 연도, 제외 대상 등을 설명하는 각주가 포함될 수 있으며, 이러한 정보는 숫자를 올바르게 해석하는 데 중요한 역할을 한다.

예를 들어 특정 연도의 고용률이 표에 65%로 제시돼 있다고 가정해 보자. 표 아래의 각주에는 해당 수치가 특정 연령대만을 대상으로 조사한 결과라는 설명이 포함돼 있을 수 있다.

이때 엑셀로 변환하면서 숫자 65만 추출하고 조사 대상을 표시하지 않으면 사용자는 이를 전체 인구의 고용률로 잘못 이해할 가능성이 있다.

재무보고서에서도 비슷한 문제가 발생한다. 표에 표시된 금액이 연결 기준인지 별도 기준인지, 특정 사업부가 제외됐는지 등의 조건이 본문이나 각주에 설명될 수 있다.

이러한 정보는 숫자 계산의 대상이 아니기 때문에 변환 과정에서 쉽게 누락될 수 있지만 실제 분석에서는 필수적인 의미를 갖는다.

따라서 PDF 표를 엑셀로 변환할 때는 각주와 표 제목, 단위 설명을 별도로 보존해야 한다. 필요한 경우 같은 시트에 주석 영역을 만들거나 원본 페이지와 함께 관리하는 방식도 고려할 수 있다.

특히 여러 보고서의 통계표를 하나로 결합할 때는 각 표의 조사 방법과 기준이 동일한지 확인해야 한다.

숫자 자체가 정확하더라도 그 숫자가 무엇을 의미하는지 설명하는 정보가 사라졌다면 변환 결과를 완전하다고 평가하기 어렵다.

━━━━━━━━━━━━━━━━━━━━

ChatGPT로 PDF 표를 엑셀 파일로 변환할 수 있을까

━━━━━━━━━━━━━━━━━━━━

ChatGPT는 업로드된 PDF와 스프레드시트 파일을 분석하고 데이터를 표 형태로 정리하는 작업을 지원한다. 필요한 경우 Python 코드를 이용해 추출한 데이터를 변환하거나 새로운 엑셀 파일을 작성하는 방식도 활용할 수 있다.

그러나 모든 PDF의 표를 안정적으로 추출할 수 있다는 의미는 아니다. OpenAI는 공식 데이터 분석 안내에서 이미지 기반 표와 스캔 파일, 복잡한 시각적 배치가 포함된 문서에서는 정확한 값을 안정적으로 추출하지 못할 수 있다고 설명한다.

특히 스캔 PDF에서는 문자와 표 구조를 이미지에서 인식하는 작업이 필요할 수 있다. 사용하는 계정과 기능에 따라 PDF의 시각적 내용을 처리하는 범위도 달라질 수 있으므로 실제 이용 환경을 확인해야 한다.

ChatGPT의 활용 가능성이 높은 작업 가운데 하나는 추출 가능한 표의 구조를 정리하는 것이다. 예를 들어 여러 페이지에 있는 매출표를 동일한 열 구성으로 재정리하거나, 표 제목과 단위를 보존하면서 분석용 데이터 목록을 만드는 작업을 요청할 수 있다.

이때 중요한 것은 AI가 실제로 확인한 값과 추정한 값을 구분하는 일이다. 문서에서 정확하게 읽을 수 없는 숫자가 있다면 앞뒤 문맥을 이용해 그럴듯한 값을 채우기보다 확인이 필요하다고 표시해야 한다.

또한 데이터 정리 결과를 새로운 엑셀 파일로 만들었다면 원본 표의 행 수와 열 수, 주요 금액이 일치하는지 검증해야 한다.

AI가 엑셀 파일을 생성할 수 있다는 사실과 원본 PDF의 표를 정확하게 복원했다는 사실은 분명하게 구분해야 한다.

━━━━━━━━━━━━━━━━━━━━

Excel Power Query는 PDF 표를 어떻게 가져올까

━━━━━━━━━━━━━━━━━━━━

마이크로소프트는 Excel의 Power Query를 통해 PDF 파일에 포함된 데이터를 가져오는 기능을 제공한다. 사용자는 Excel의 데이터 메뉴에서 파일을 선택하고 PDF를 지정한 뒤, 인식된 표를 가져오거나 변환할 수 있다.

공식 안내에 따르면 지원되는 환경에서는 ‘데이터 가져오기’에서 ‘파일’과 ‘PDF에서’를 선택하면 PDF 내부에서 발견된 표가 탐색기에 표시된다. 사용자는 필요한 표를 선택한 뒤 Excel에 불러오거나 Power Query 편집기에서 데이터를 정리할 수 있다.

이러한 방식은 단순한 문서 복사와 차이가 있다. 인식된 표를 확인한 뒤 불필요한 행과 열을 제거하거나 데이터 형식을 변경하는 등의 작업을 수행할 수 있기 때문이다.

특히 같은 형태의 PDF 자료를 반복적으로 가져와야 하는 업무에서는 데이터 변환 절차를 일정하게 관리하는 데 도움이 될 수 있다.

그러나 Power Query가 인식한 표 역시 원본과 비교해야 한다. 병합된 셀이나 반복되는 제목, 페이지를 넘어 이어지는 표는 추가적인 정리 작업이 필요할 수 있다.

또한 Power Query의 PDF 연결 기능은 Excel 버전과 운영 환경에 따라 이용 가능 여부가 달라질 수 있으며, 필요한 구성 요소가 설치돼 있어야 할 수 있다.

따라서 실제 업무에 적용하기 전에는 사용하는 프로그램에서 PDF 가져오기 기능을 지원하는지 확인하는 것이 좋다.

Power Query의 장점은 데이터를 불러온 뒤 변환 절차를 관리할 수 있다는 데 있지만, 처음 인식된 표가 정확한지 검증하는 책임까지 없어지는 것은 아니다.

━━━━━━━━━━━━━━━━━━━━

Adobe Acrobat의 Excel 변환 기능은 무엇이 다를까

━━━━━━━━━━━━━━━━━━━━

Adobe Acrobat도 PDF를 Excel 스프레드시트 형식으로 변환하는 기능을 제공한다. 이 기능은 사용자가 PDF에 표시된 표와 데이터를 다른 프로그램에서 활용할 수 있도록 하는 데 목적이 있다.

PDF 전체를 변환하거나 필요한 표를 추출하는 방식은 사용 중인 제품과 기능에 따라 달라질 수 있다. 스캔 문서에서는 문자 인식 과정이 필요할 수도 있다.

그러나 변환 도구가 생성한 엑셀 파일의 셀 구조와 데이터 유형이 원본과 완전히 일치한다고 가정해서는 안 된다. 특히 원본 PDF가 복잡한 배치로 구성돼 있다면 일부 셀을 나누거나 합치는 과정에서 원래의 의미가 달라질 수 있다.

예를 들어 여러 줄로 구성된 표 제목이 하나의 셀에 합쳐지거나, 별도의 행으로 분리될 수 있다. 표 아래에 기록된 설명문이 데이터 행에 포함되는 경우에도 후속 분석에서 문제가 발생할 수 있다.

따라서 Adobe Acrobat과 Power Query, ChatGPT 가운데 어떤 도구를 사용할지 결정할 때는 변환 가능 여부뿐 아니라 원본 구조를 얼마나 정확하게 재현하는지 확인해야 한다.

반복적으로 같은 형식의 표를 처리하는 업무인지, 서로 다른 구조의 연구보고서에서 필요한 숫자를 추출하는 업무인지에 따라 적합한 도구가 달라질 수 있다.

단순한 기능 목록만으로 어느 도구의 정확도가 높다고 단정할 수 없으며, 실제 업무자료를 이용한 비교 검증이 필요하다.

━━━━━━━━━━━━━━━━━━━━

분석용 엑셀과 원본 모양을 복원한 엑셀은 다르다

━━━━━━━━━━━━━━━━━━━━

PDF 표를 엑셀로 변환할 때는 결과 파일을 어떤 용도로 사용할지 먼저 결정해야 한다. 원본 문서의 표를 최대한 비슷하게 복원하려는 작업과 데이터 분석에 적합한 구조로 재정리하려는 작업은 목적이 다르기 때문이다.

예를 들어 재무제표의 원래 배치와 제목, 병합된 셀을 그대로 유지하려면 문서의 시각적 구조를 보존하는 것이 중요하다. 이러한 파일은 원본과 대조하기 쉽지만 데이터 정렬이나 피벗테이블 분석에는 불편할 수 있다.

반면 월별 매출자료를 분석하려면 각 행에 하나의 기록이 들어가고 각 열에 명확한 항목명이 존재하는 형태가 유용하다. 원본 PDF에 병합된 제목과 여러 단계의 표 구조가 있다면 이를 별도의 열로 분해해야 할 수도 있다.

이러한 변환 과정에서 화면상 모양은 원본과 달라지지만 데이터의 의미와 관계가 정확하게 보존됐다면 분석에는 더 적합한 형태가 될 수 있다.

따라서 엑셀 변환의 성공 여부를 단순히 원본과 비슷하게 보이는지로 판단해서는 안 된다.

보고서를 다시 제작하려는 목적이라면 서식과 배치의 보존이 중요할 수 있지만, 통계 분석이 목적이라면 각 값의 의미와 분류 기준, 데이터 유형이 정확하게 유지되는지가 중요하다.

실무에서는 원본 형태를 확인할 수 있는 시트와 분석용으로 정리한 시트를 별도로 만드는 방법도 고려할 수 있다.

두 결과를 구분하면 원본을 검토하면서도 계산과 데이터 분석에 적합한 구조를 사용할 수 있다.

━━━━━━━━━━━━━━━━━━━━

ChatGPT에 PDF 표 변환을 요청하는 방법

━━━━━━━━━━━━━━━━━━━━

ChatGPT로 PDF 표를 엑셀로 변환하려면 어떤 페이지의 표를 추출할지, 원본 배치를 유지할지, 분석용으로 재구성할지 명확하게 지정하는 것이 좋다.

특히 여러 페이지에 표가 분산돼 있거나 단위와 각주가 중요한 문서에서는 변환 전에 표의 구조를 확인하도록 요청해야 한다.

다음은 재무보고서의 표를 엑셀로 정리하는 상황을 가정한 요청문이다.

“첨부한 PDF에서 재무 관련 표를 추출해 엑셀 파일로 정리해 주세요.

먼저 문서의 전체 페이지 수와 표가 포함된 페이지를 확인하고, 실제로 읽을 수 있는 표와 정확한 추출이 어려운 표를 구분해 주세요.

각 표의 제목과 행 이름, 열 이름, 기준 기간, 단위를 원본에서 확인한 그대로 기록해 주세요.

숫자의 쉼표와 소수점, 마이너스 기호, 괄호 표기를 확인하고 임의로 변경하지 마세요.

표의 병합된 셀과 여러 단계의 제목이 있다면 각 숫자가 어떤 항목에 속하는지 명확하게 표시해 주세요.

원본의 구조를 확인할 수 있는 시트와 분석용 데이터 시트를 별도로 작성해 주세요.

표에 포함된 각주와 기준 설명을 누락하지 말고 원본 페이지를 함께 기록해 주세요.

읽기 어렵거나 의미가 불확실한 숫자는 추정하지 말고 검토 필요로 표시해 주세요.

변환이 끝나면 원본과 결과 파일의 행 수, 열 수, 주요 합계와 소계를 비교하고 확인이 필요한 항목을 별도로 보고해 주세요.

가능하다면 추출과 변환에 사용한 처리 방법을 설명해 주세요.”

이 요청문은 PDF 표 변환의 정확도를 높이기 위한 작업 조건의 예시다. 실제 ChatGPT의 표 추출 정확도를 측정한 시험 결과는 아니다.

특히 원본에 계산식이 포함돼 있었더라도 PDF에 그 수식이 그대로 보존돼 있지 않을 수 있으므로, 엑셀 변환 결과에 계산식이 자동으로 복원된다고 기대해서는 안 된다.

필요한 경우 결과 파일에 새로 작성할 계산식을 별도로 정의해야 한다.

━━━━━━━━━━━━━━━━━━━━

변환된 엑셀은 어떤 순서로 검증해야 할까

━━━━━━━━━━━━━━━━━━━━

PDF 표 변환의 정확도를 확인하려면 먼저 원본에 포함된 표가 모두 추출됐는지 확인해야 한다. 특정 페이지의 표가 누락됐거나 일부 행만 변환됐다면 후속 분석의 결과가 불완전해질 수 있기 때문이다.

다음으로 각 표의 행과 열 구조를 검증해야 한다. 열 제목과 데이터의 위치가 원본과 일치하는지, 병합된 셀 때문에 일부 항목이 다른 행에 연결되지 않았는지 살펴봐야 한다.

세 번째는 숫자값의 검증이다. 금액과 수량, 비율 등의 값이 정확하게 옮겨졌는지 확인하고, 음수와 소수점, 특수 기호가 의도한 형식으로 저장됐는지 검토해야 한다.

네 번째는 단위와 각주의 보존 여부다. 숫자가 정확하게 추출됐더라도 원본의 단위나 적용 범위가 사라지면 분석에서 잘못된 의미로 사용될 수 있다.

다섯 번째는 합계와 소계의 대조다. 원본 표에 전체 합계와 세부 항목의 합계가 함께 기록돼 있다면 변환된 자료에서도 같은 관계가 유지되는지 확인할 수 있다.

다만 원본이 반올림된 수치를 표시하고 있다면 세부 항목을 더한 결과와 표시된 합계 사이에 소액의 차이가 존재할 수 있다. 이 경우 무조건 변환 오류라고 판단하기보다 원본의 반올림 기준을 확인해야 한다.

또한 일부 표에는 중간 합계가 실제 데이터 행과 함께 포함돼 있을 수 있다. 이러한 합계 행을 다시 전체 합산에 포함하면 동일한 금액이 중복 집계될 가능성이 있다.

따라서 분석용 데이터를 작성할 때는 개별 기록과 소계, 전체 합계를 구분하는 것이 중요하다.

━━━━━━━━━━━━━━━━━━━━

표 변환의 정확도는 어떻게 측정할 수 있을까

━━━━━━━━━━━━━━━━━━━━

AI나 전용 프로그램의 PDF 표 변환 성능을 평가하려면 정답을 알고 있는 시험용 문서를 사용할 수 있다. 원본 엑셀 파일에서 여러 종류의 표를 만든 뒤 PDF로 저장하고, 이를 다시 엑셀로 변환해 비교하는 방식이다.

시험에는 단순한 표뿐 아니라 병합된 셀과 여러 단계의 제목, 음수, 소수점, 각주가 포함된 표를 함께 사용할 수 있다. 여러 페이지에 이어지는 표와 이미지로 구성된 표도 별도의 시험 대상으로 구분할 수 있다.

평가에서는 개별 숫자를 정확하게 추출했는지와 표 구조를 올바르게 복원했는지를 구분하는 것이 중요하다.

예를 들어 숫자 100개를 모두 정확하게 추출했더라도 각 숫자가 잘못된 행에 배치됐다면 구조 복원의 정확성이 낮다고 평가해야 한다.

반대로 행과 열 구조가 정확하더라도 일부 금액이 잘못 인식됐다면 실제 분석에 사용하기 어려울 수 있다.

따라서 문자·숫자 인식 정확도와 셀 위치 일치율, 단위 및 각주 보존 여부 등을 별도로 검토하는 방식이 바람직하다.

평가에서는 변환에 걸린 시간뿐 아니라 사람이 수정해야 했던 셀의 수와 검증에 필요한 시간도 함께 기록할 수 있다.

다만 실제 정확도 수치는 사용한 도구와 문서의 형태, 언어, 표의 복잡도에 따라 달라질 수 있으므로 일부 시험 결과를 모든 PDF 문서에 일반화해서는 안 된다.

이번 기사는 공식 기능 안내와 PDF 데이터 변환 원리를 바탕으로 작성했으며, ChatGPT와 Excel Power Query, Adobe Acrobat의 변환 정확도를 직접 비교한 실험 결과는 포함하지 않았다.

━━━━━━━━━━━━━━━━━━━━

기업의 반복적인 PDF 변환 업무는 어떻게 관리할까

━━━━━━━━━━━━━━━━━━━━

기업에서는 매월 거래처로부터 정산서나 매출명세서를 PDF로 전달받아 엑셀에 입력하는 업무가 반복될 수 있다. 공급사별로 문서 형식이 다르거나 표의 위치가 일정하지 않다면 자료를 정리하는 데 시간이 걸릴 수 있다.

이러한 업무에 AI와 PDF 변환 도구를 활용하면 반복적인 입력 과정의 일부를 자동화할 수 있다. 그러나 자동화가 실제 생산성 향상으로 이어지려면 문서별 구조와 검증 기준을 함께 관리해야 한다.

예를 들어 동일한 공급사가 매월 같은 형식의 정산서를 제공한다면 표의 위치와 열 구성, 금액 단위 등을 기준으로 반복적인 변환 절차를 마련할 수 있다.

반면 공급사가 표의 구조를 변경하거나 새로운 항목을 추가한 경우에는 기존 변환 규칙이 적절하게 작동하지 않을 수 있다. 이러한 상황을 발견하지 못하면 이후 자료에도 같은 오류가 반복될 가능성이 있다.

따라서 자동화 과정에서는 예상한 표 구조와 실제 추출된 구조가 일치하는지 확인하는 절차가 필요하다. 열의 수가 달라지거나 필수 항목이 누락됐다면 해당 파일을 검토 대상으로 분류하도록 설계할 수 있다.

또한 변환된 결과를 회계나 재고관리 시스템에 연결하는 경우에는 더욱 신중해야 한다. 잘못 인식된 금액과 수량이 자동으로 입력되면 수정에 필요한 비용이 커질 수 있기 때문이다.

AI를 활용한 반복 업무에서는 원본 파일과 변환 결과, 검증 기록을 함께 보존하는 방식이 바람직하다.

자동화의 목적은 모든 자료를 검토 없이 처리하는 것이 아니라 정상적으로 처리할 수 있는 문서를 효율적으로 분류하고, 오류 가능성이 있는 항목에 담당자의 검토를 집중하도록 하는 데 있다.

━━━━━━━━━━━━━━━━━━━━

재무제표와 공공통계는 더욱 엄격한 검증이 필요하다

━━━━━━━━━━━━━━━━━━━━

PDF 표 변환의 중요성은 문서의 종류와 활용 목적에 따라 달라진다. 내부 참고용 자료에서 일부 숫자를 추출하는 업무와 상장기업의 재무제표를 분석하거나 공공통계를 보도하는 업무는 요구되는 정확성 수준이 같지 않다.

재무제표에서는 매출액과 영업이익, 자산과 부채 등 핵심 항목의 숫자가 정확해야 하며, 연결과 별도 기준의 차이도 구분해야 한다. 특정 연도의 수치가 다른 연도의 열에 잘못 배치되면 기업의 성장률과 수익성 분석이 왜곡될 수 있다.

또한 재무제표에는 재작성된 비교 수치나 회계정책 변경에 관한 설명이 포함될 수 있으므로 숫자만 추출해 분석하는 방식에는 한계가 있다.

공공통계에서는 조사 대상과 표본 수, 기준 시점, 단위가 중요하다. 같은 비율이라도 전체 인구를 대상으로 한 결과인지 특정 연령대만을 조사한 결과인지에 따라 의미가 달라진다.

따라서 언론 보도나 투자 판단에 사용할 자료를 변환할 때는 주요 숫자를 원본과 직접 대조하고, 적용 기준과 각주를 함께 확인해야 한다.

가능하다면 PDF에 표시된 표를 다시 추출하기보다 해당 기관이 제공하는 원본 엑셀이나 CSV 자료를 이용하는 방법도 고려할 수 있다. 원본 데이터 파일이 제공된다면 표의 구조와 데이터 형식이 더 명확하게 보존돼 있을 가능성이 있기 때문이다.

다만 원본 데이터 파일 역시 분석 기준과 수치의 정확성을 검증해야 한다는 원칙에서 예외가 되는 것은 아니다.

━━━━━━━━━━━━━━━━━━━━

PDF 표 변환의 성패는 엑셀 파일 생성 이후에 결정된다

━━━━━━━━━━━━━━━━━━━━

ChatGPT와 Excel Power Query, Adobe Acrobat 등은 PDF에 포함된 표를 추출하거나 엑셀 형식으로 정리하는 작업을 지원한다. 이러한 기술은 종이문서와 PDF에 저장된 수치를 다시 입력하는 부담을 줄이고 반복적인 데이터 처리 업무에 활용될 수 있다.

그러나 PDF 표의 변환은 원본의 숫자와 문자를 옮기는 작업인 동시에 행과 열, 제목과 단위, 각주의 관계를 복원하는 과정이기도 하다.

숫자를 정확하게 인식하더라도 잘못된 연도의 열에 배치되거나 다른 항목의 행에 연결된다면 결과는 부정확하다. 단위와 부호, 소수점이 잘못 처리돼도 후속 계산과 분석에 영향을 미칠 수 있다.

특히 병합된 셀과 여러 단계의 제목, 페이지를 넘어 이어지는 표, 이미지 기반 표에서는 추가적인 검증이 필요하다.

OpenAI는 공식 문서에서 이미지 기반 표와 복잡한 시각적 배치의 정확한 값 추출에 한계가 있을 수 있다고 안내하며, Microsoft는 Power Query를 이용해 PDF의 표를 가져오고 변환하는 기능을 제공한다. 이러한 기능은 자료 활용의 편의성을 높일 수 있지만 모든 표의 구조를 완벽하게 보존한다는 보장은 아니다.

기업은 PDF 표 변환 업무를 도입할 때 단순히 엑셀 파일이 생성됐는지를 확인하는 데 그치지 않아야 한다. 원본과 결과의 구조를 비교하고 핵심 수치와 단위, 주석의 일치 여부를 확인할 수 있는 절차를 마련해야 한다.

특히 중요한 재무자료와 통계자료에서는 변환된 엑셀을 최종 원본으로 취급하지 않고, 수치가 실제 PDF의 어느 위치에서 추출됐는지 확인할 수 있도록 관리하는 것이 바람직하다.

AI 기술이 발전하면서 문서에서 데이터를 추출하는 작업은 점차 자동화될 가능성이 있지만, 자료의 의미와 구조를 정확하게 복원했는지 판단하는 과정은 여전히 중요한 검증 업무로 남는다.

결국 PDF 표를 엑셀로 변환하는 기술의 가치는 파일 형식을 얼마나 빠르게 바꾸는지가 아니라 원본에 기록된 정보를 얼마나 충실하고 검증 가능한 형태로 보존하느냐에 따라 결정된다.

━━━━━━━━━━━━━━━━━━━━

주요 확인 자료

━━━━━━━━━━━━━━━━━━━━

OpenAI, 「ChatGPT로 데이터 분석하기(Data analysis with ChatGPT)」, 공식 도움말, 2026년 10월 확인.

OpenAI, 「ChatGPT에 파일 및 오디오 업로드하기」, 공식 도움말, 2026년 10월 확인.

Microsoft Support, 「데이터 원본에서 데이터 가져오기(Power Query)」, PDF 파일에서 표 가져오기 및 변환 방법.

Adobe Acrobat, 「PDF를 Excel 스프레드시트로 변환하기」, 공식 기능 안내.