도소매나 제조업을 하다 보면 익숙한 풍경이 있습니다. 거래처 A는 엑셀로, B는 PDF로, C는 카카오톡 사진으로, D는 이메일 본문에 표를 붙여서 발주서를 보냅니다. 거래처가 5개면 양식도 5가지입니다. 이것을 매번 받아서 내부 엑셀에 다시 옮겨 적는 것이 담당자의 하루를 채웁니다.
거래처 수가 늘수록 이 작업의 양도 그대로 늘어납니다. 새 거래처가 생길 때마다 그 회사만의 양식이 하나 추가됩니다. 담당자가 아프거나 자리를 비우면 취합이 멈추고, 담당자가 바뀌면 그 사람이 익힌 방식이 처음부터 다시 시작됩니다. 이 구조가 비효율적이라는 건 누구나 알지만, 개선하는 방법을 모르는 경우가 많습니다. 특히 "거래처 양식을 통일해야 한다"는 방향으로 먼저 생각하기 때문에, 통일이 안 되는 현실 앞에서 개선 자체를 포기하는 경우도 있습니다. 양식을 통일하지 않고도 취합이 되는 방법이 있습니다.
이 글은 그 작업을 줄이는 방법을 단계별로 다룹니다. 거창한 시스템 이야기가 아닙니다. 지금 당장 쓸 수 있는 방법부터 시작해서, 자동화가 현실적으로 도움이 되는 시점의 판단 기준까지 순서대로 정리합니다. 거래처 양식 통일 없이도 취합이 되는 구조를 만드는 것이 목표입니다.
왜 거래처 양식을 통일할 수 없는가
거래처에 "우리 양식으로 보내 달라"고 요청하면 처음 한두 번은 시도됩니다. 그러다 슬그머니 원래 방식으로 돌아갑니다. 이유는 단순합니다. 그쪽도 쓰던 방식이 있기 때문입니다. 구매팀에서 내려주는 표준 발주서, 이미 다른 거래처에도 같이 보내는 서식, 담당자가 수년간 써온 엑셀 양식이 있습니다. 우리 한 곳을 위해 그것을 바꾸는 것은 상대방에게도 비용입니다.
상대가 중소기업이면 더 그렇습니다. 구매팀이 따로 있는 대기업은 표준화된 전자구매 포털(EDI)로 발주서를 보내기도 하지만, 중소기업 간 거래는 그 단계까지 가기 어렵습니다. 담당자 한 명이 여러 업체에 각자 다른 양식으로 발주를 보내는 것이 일반적입니다.
2026년 현재 국내 B2B 거래에서 중소기업 간 발주 방식은 이메일 첨부 PDF나 자체 제작 엑셀 파일이 여전히 다수를 차지합니다. 해외 구매 자동화 분야의 2026년 전문 분석에 따르면, B2B 주문의 약 80%가 PDF 형태로 오며 거래처는 자신들의 양식을 바꾸지 않는 것이 일반적입니다. 이 현실에 맞서 싸우는 것보다, 다양한 양식을 처리하는 체계를 내 쪽에서 만드는 편이 훨씬 현실적입니다. 거래처에 양식 통일을 요청하는 데 들이는 에너지를 내부 취합 체계를 만드는 데 쓰는 것이 더 빠른 방법입니다.
수동 취합의 구조를 먼저 잡아라
자동화보다 먼저 해야 할 일이 있습니다. 내부 취합 시트의 구조를 잡는 것입니다. 어떤 거래처 양식이 오더라도 담당자가 결국 옮겨 적어야 하는 정보는 대체로 같습니다.
자동화를 시도하다 실패하는 사례의 상당수가 이 단계를 건너뛴 경우입니다. 기존 취합 파일이 "각자 알아서 쓰는" 형태라면, 어떤 자동화 도구도 그 불규칙함을 먼저 다뤄야 합니다. 취합 구조 정비가 자동화 전에 반드시 선행되어야 하는 이유입니다.
거래처명, 발주일자, 품목명, 수량, 단가 또는 금액, 납기일, 배송지 또는 특이사항. 이 항목들을 고정된 열로 만든 취합 시트를 하나 만드는 것이 시작입니다. 어떤 양식이 오더라도 이 시트에 복사해 넣는 것이 기본 흐름이 됩니다.
이 단계만 해도 취합 속도가 달라집니다. 시트 구조가 없으면 파일마다 어디에 어떻게 정리할지 매번 판단해야 합니다. 고정된 구조가 있으면 기계적으로 채울 수 있고, 담당자가 바뀌어도 방식이 유지됩니다. 취합 시트의 구조가 잡혀 있어야 이후에 자동화를 연결할 때도 "어디에 넣을지"가 정해져 있어서 설계가 단순해집니다.
열 이름을 정할 때 두 가지를 주의합니다. 첫째, 같은 항목을 팀마다 다르게 부르지 않도록 합니다. "거래처명"과 "업체명"이 같은 열에 혼재하면 나중에 필터링이 어렵습니다. 둘째, 날짜는 하나의 형식으로 통일합니다. YYYY-MM-DD 형식 하나로 정해두면 날짜 기준 정렬과 계산이 나중에 훨씬 편합니다. 이 두 가지가 표준화되어 있으면, 이후에 어떤 자동화 도구를 쓰더라도 연결이 훨씬 단순해집니다.
파워 쿼리로 반자동화하는 방법
같은 양식으로 오는 거래처가 복수라면, 엑셀의 파워 쿼리(Power Query)를 활용해 수동 복사 작업을 크게 줄일 수 있습니다. 파워 쿼리는 코딩 없이 클릭으로 설정하는 데이터 취합 도구로, 엑셀 2016 이후 버전과 Microsoft 365에 기본 포함되어 있습니다.
작동 방식은 이렇습니다. 거래처 B에서 매주 같은 형식의 엑셀 발주서가 온다면, 파워 쿼리로 그 파일의 특정 열을 가져와 취합 시트에 합치는 쿼리를 한 번 만들어 둡니다. 이후에는 새 파일을 같은 폴더에 넣고 새로 고침 버튼 하나만 누르면 취합됩니다. 매달 같은 파일이 쌓이는 구조라면, 새 파일이 폴더에 들어오는 순간 자동으로 취합 시트에 반영되게 만들 수도 있습니다.
파워 쿼리의 장점은 세 가지입니다. 원본 파일을 건드리지 않아 실수로 망가뜨릴 위험이 없습니다. 열 이름 기준으로 동작하기 때문에 열 위치가 조금 달라져도 상대적으로 잘 됩니다. 여러 파일을 하나로 합치는 기능도 내장되어 있어서, 월별 파일을 쌓아서 합치는 작업에 유용합니다.
다만 한계가 있습니다. 파워 쿼리는 양식이 동일한 파일에 잘 맞지만, 거래처마다 양식이 전혀 다른 경우에는 거래처별로 쿼리를 따로 만들어야 합니다. 같은 거래처도 담당자가 바뀌면서 양식이 달라지거나, 열 이름이 조금 바뀌면 쿼리가 오류를 냅니다. 완전 자동화보다는 반자동 수준으로 이해하는 것이 맞습니다. 파워 쿼리가 취합 수작업의 7080%를 줄여준다면, 나머지 2030%는 사람이 확인하는 방식으로 운영하는 것이 현실적입니다.
AI 추출로 양식 차이를 흡수하는 방법
거래처마다 양식이 다르고, 같은 거래처도 가끔 형식이 바뀐다면 파워 쿼리만으로는 한계가 있습니다. 이 경우 AI 언어 모델(ChatGPT, Claude 등)을 활용한 추출이 현실적인 대안입니다.
방식은 이렇습니다. PDF나 이미지 형태의 발주서를 AI에 넣고, "이 문서에서 거래처명, 품목, 수량, 납기일을 꺼내줘"라고 지시하면 AI가 문서의 의미를 파악해서 해당 항목을 뽑아냅니다. 고정된 좌표나 표의 위치가 아니라 "이것이 품목이구나"라는 맥락을 이해하고 찾기 때문에, 양식이 달라져도 적용됩니다. 기존 OCR(문자 인식 기술)이 양식마다 따로 설정이 필요한 것과 다른 점입니다.
2026년 현재 ChatGPT-4o 기준으로 일반적인 발주서나 주문서에 인쇄된 항목의 추출 성능은 이전 세대보다 크게 향상됐습니다. PDF 형태는 물론 엑셀 캡처 사진, 이메일 본문에 붙여넣은 표에서도 항목을 꺼낼 수 있습니다. 같은 거래처 발주서라도 월별로 양식이 조금씩 달라지는 경우에도 적용이 됩니다. 표의 위치가 바뀌거나 열 이름이 다른 언어로 적혀 있어도 의미를 파악해서 추출합니다.
이를 흐름으로 잡으면, 담당자가 발주서 파일을 AI에 업로드하면 AI가 항목을 추출하고, 그 결과를 취합 시트에 붙여 넣는 반자동 흐름이 됩니다. 더 나아가 이메일로 들어오는 발주서를 AI가 자동으로 읽어 시트에 기록하는 완전 자동화도 구현 가능합니다. 이 경우 담당자가 발주서를 열어보지 않아도 시트에 쌓이는 구조가 됩니다. ChatGPT나 구글 앱스 스크립트를 조합하면 이메일 수신 시 자동으로 항목을 추출해 시트에 넣는 흐름을 실제로 구현한 사례들이 있습니다.
방법별 비교 — 어떤 상황에 무엇이 맞는가
| 방법 | 적합한 상황 | 주요 한계 |
|---|---|---|
| 수동 취합 (구조화 시트) | 거래처 5개 이하, 월 30건 미만 | 담당자 교체 시 방식 붕괴 위험 |
| 파워 쿼리 반자동화 | 같은 양식 거래처 복수, 발주가 규칙적 | 양식 변경 시 쿼리 재설정 필요 |
| AI 추출 (ChatGPT 등) | 양식이 다양하고 발주가 매일 발생 | 정확도 검증 절차 필수 |
| 외주 자동화 구축 | 하루 20건 이상, 검증 포함 완전 자동화 필요 | 초기 구축 기간과 비용 발생 |
표에서 한 가지 덧붙입니다. 하루 발주 건수가 기준이 되는 이유는, 건수가 많을수록 수동 확인 자체가 또 다른 반복 작업이 되기 때문입니다. 20건 미만이면 AI 추출 결과를 사람이 훑어보는 것이 현실적이지만, 20건을 넘으면 확인하는 데만도 시간이 걸립니다. 그 시점이 되면 검증을 포함한 완전 자동화 구축을 고려할 때입니다.
정확도 한계와 검증 절차 설계
AI 추출을 쓰더라도 결과를 그대로 믿으면 안 됩니다. 특히 다음 상황에서 오류가 많이 납니다.
수기로 채운 발주서입니다. 인쇄된 양식에 손으로 숫자를 채운 경우입니다. AI OCR은 인쇄된 텍스트에 강하지만 손글씨 인식에서는 오류가 더 납니다. 숫자 1과 7, 0과 6을 혼동하는 경우가 실무에서 발생합니다.
복잡한 표 구조입니다. 셀이 병합되어 있거나, 표가 여러 개로 나뉘어 있거나, 비고란과 품목란이 섞인 경우입니다. AI가 어떤 셀이 어떤 항목인지 잘못 판단할 수 있습니다.
스캔 품질이 낮은 경우입니다. 흐릿하게 인쇄된 서류나 사진 해상도가 낮은 경우입니다. 기술이 발전해도 입력 자체가 불분명하면 결과도 불분명합니다.
품목명이 약어나 내부 코드로만 표기된 경우입니다. "AA-203" 같은 코드가 무엇인지 AI는 알 수 없습니다. 추출은 됐지만 맞는 항목인지 확인이 필요합니다.
이런 경우를 고려해 검증 절차를 함께 설계해야 합니다. 실무적으로 효과적인 방법은 두 가지입니다.
첫째, 핵심 항목만 빠르게 확인하는 구조를 만드는 것입니다. 금액 합계, 수량 합계처럼 계산으로 검증할 수 있는 항목을 자동 계산하게 해두고, 결과값이 이상하면 그 발주서만 열어서 확인하는 방식입니다. 전체를 다 보는 것이 아니라 이상 신호가 있는 것만 보는 구조입니다. 100건 중 2~3건만 확인하면 되는 상황과, 100건 전체를 확인해야 하는 상황은 담당자의 부담이 완전히 다릅니다.
둘째, 처음 한 달은 AI 추출 결과와 원본을 대조하는 시간을 갖는 것입니다. 어떤 유형의 발주서에서 오류가 많은지 파악이 되면, 그 유형은 예외 처리로 별도 관리하거나 AI 지시문(프롬프트)을 보완해 정확도를 높일 수 있습니다. 처음부터 완벽하게 하려 하지 않고, 운영하면서 개선하는 방식이 현실적입니다.
완벽한 자동화는 없습니다. 검증 절차가 있는 자동화가 검증 없는 수동 입력보다 오히려 오류를 더 잘 잡는 경우가 많습니다. 수동 입력은 "옮겼다"는 사실을 검증하지 않지만, AI 추출 결과는 합계 값이나 항목 수 같은 검증 지점을 자동으로 만들 수 있기 때문입니다.
어디서부터 외주나 자동화 구축이 맞는가
스스로 해볼 수 있는 범위가 있고, 구축을 맡기는 것이 더 효율적인 범위가 있습니다.
직접 해볼 수 있는 상황입니다. 거래처 수가 10개 이하이고 발주 건수가 하루 20건 미만인 경우입니다. ChatGPT 같은 AI 도구를 기본적으로 쓸 수 있는 담당자가 있고, 파워 쿼리 기초 설정을 배울 의향이 있다면 반자동 수준까지 직접 구성할 수 있습니다. 파워 쿼리는 유튜브 기본 강의 2~3개로 실무 적용 수준까지 익힐 수 있습니다.
구축을 맡기는 것이 나은 상황입니다. 하루 발주 건수가 20건을 넘어 수동 확인 자체가 부담인 경우입니다. 이메일·카카오톡·PDF가 혼재하고 유형이 복잡한 경우, 발주 데이터가 재고나 납기 관리까지 자동으로 연결되어야 하는 경우, 담당자 개입 없이 자동으로 처리되어야 하는 상황이라면 구축 의뢰가 현실적입니다.
발주 건수가 많아지면 수동 검증 자체가 또 다른 반복 작업이 됩니다. 그 시점이 되면 검증을 포함한 자동화 흐름 전체를 구축하는 것이 장기적으로 더 효율적일 수 있습니다. 구축 비용이 들더라도, 그것이 매달 담당자가 쓰는 시간보다 낮다면 구축이 맞습니다.
비슷한 원리로 구축을 진행한 실제 사례가 있습니다. 보험설계사가 보험사에서 보내오는 PDF를 매번 손으로 엑셀에 옮기던 작업을, Claude와 프롬프트 설계로 자동화한 것입니다. 발주서 취합과 원리가 같습니다. 상세한 내용은 보험설계사 PDF 엑셀 자동화 사례에서 확인하실 수 있습니다.
외주 구축을 고려할 때 자주 하는 실수가 있습니다. "이것저것 다 연결한 완성된 시스템"을 처음부터 목표로 잡는 것입니다. 가장 번거로운 한 가지를 먼저 자동화하고, 그것이 실제로 쓰이는 것을 확인한 뒤 범위를 넓히는 방식이 훨씬 안정적입니다. 거래처 5곳이 서로 다른 양식을 보낸다면, 그중 건수가 가장 많은 2~3곳의 발주서부터 자동화하는 것이 시작점입니다.
자주 받는 질문
Q. 거래처가 팩스로 발주서를 보내는데, 이것도 자동화가 되나요?
팩스로 받은 서류는 스캔 또는 사진 형태로 바꾸는 단계가 먼저입니다. 요즘은 팩스를 PDF로 바꿔주는 팩스 수신 서비스(모바일 팩스 앱 등)가 있어서, 팩스를 PDF로 자동 변환한 뒤 AI 추출 흐름에 연결하는 방식이 가능합니다. 팩스 원지를 수동으로 스캔해야 하는 상황이라면, 스캔 단계만큼은 사람이 해야 합니다.
Q. 거래처가 10곳인데 양식이 전부 다릅니다. 파워 쿼리로 처리할 수 있나요?
파워 쿼리는 같은 양식의 파일을 반복 처리하는 데 강합니다. 거래처별로 양식이 전부 다르다면, 거래처별로 쿼리를 따로 만들어야 합니다. 10개 거래처라면 10개의 쿼리가 필요할 수 있습니다. 처음 설정하는 시간이 들지만, 한 번 만들어두면 이후에는 파일만 교체하면 됩니다. 단, 거래처가 양식을 바꾸면 쿼리도 수정해야 합니다. 양식이 자주 바뀌는 거래처가 많다면 AI 추출이 더 현실적입니다.
Q. AI가 추출한 결과를 자동으로 시트에 넣는 방법이 있나요?
있습니다. ChatGPT API나 Claude API를 구글 앱스 스크립트(Google Apps Script)와 연결하면, 이메일에 첨부된 발주서를 자동으로 읽어 시트에 기록하는 흐름을 만들 수 있습니다. 이 수준이 되면 코딩 지식이 일부 필요합니다. 직접 구현하기 어렵다면 이 흐름을 구축해주는 외주를 의뢰하는 것이 더 빠릅니다.
Q. 파워 쿼리 대신 엑셀 VLOOKUP이나 INDEX/MATCH로는 안 되나요?
VLOOKUP이나 INDEX/MATCH는 이미 있는 데이터를 참조하는 함수입니다. 여러 파일에서 데이터를 취합하는 용도로는 맞지 않습니다. 파워 쿼리가 "여러 파일에서 가져오는" 용도에 적합하고, VLOOKUP은 "한 파일 안에서 다른 시트를 참조하는" 용도에 맞습니다. 두 기능의 역할이 다릅니다.
Q. 취합 자동화를 시작하기 전에 기존 데이터를 정리해야 하나요?
기존 데이터 전체를 정리할 필요는 없습니다. 자동화가 읽어야 할 열과 형식만 먼저 통일하고, 나머지는 자동화가 안정된 뒤 단계적으로 정리하는 방식이 실용적입니다. "전부 정리된 다음에 자동화"를 기다리면 시작이 안 되는 경우가 많습니다. 자동화에 필요한 최소한만 정리하고 시작하는 편이 실제로 빠릅니다.
엑셀 파일 형식이 거래처마다 달라서 자동화 연결에 실패한 경험이 있다면, 엑셀 파일 표준화 문제가 자동화를 막는 이유도 함께 읽어보시면 도움이 됩니다. 데이터 형식 통일이 어디까지 필요한지의 판단 기준을 담았습니다.
자동화 구축을 검토하고 싶다면 30분 무료 진단에서 현재 발주 처리 방식을 가져오시면 됩니다. 지금 몇 개의 거래처에서 어떤 방식으로 발주서가 오는지, 하루에 몇 건 정도인지를 가지고 오시면 됩니다. 직접 해볼 수 있는지, 구축이 필요한지를 보고 판단해 드립니다. 영업 전화는 없습니다.