사무실마다 비슷한 장면이 있습니다. 거래처에서 PDF로 온 거래명세서를 열어놓고, 회사 엑셀 장부를 나란히 켜고, 한 칸씩 숫자를 옮겨 적는 일. 공급사가 열다섯 곳이면 열다섯 번, 매달 반복됩니다. 담당자가 자리를 비우면 일이 쌓이고, 바빠지면 빠뜨리는 항목이 생깁니다.
이 일이 사라질 수 있을까요. 완전히 자동화할 수 있는 경우도 있고, 막상 해보면 자동화보다 수작업이 나은 경우도 있습니다. 지금 시점에서 솔직하게 정리해보겠습니다.
어떤 서류들이 문제인가
"PDF를 엑셀로 옮기는 일"이라고 묶여 있지만, 서류 종류에 따라 자동화 난이도가 크게 다릅니다.
구조가 일정한 서류는 상대적으로 다루기 쉽습니다. 같은 거래처에서 늘 같은 양식으로 오는 세금계산서, 정해진 양식으로 만드는 견적서, 회계 시스템에서 뽑아낸 거래 내역서. 이런 서류는 어디에 무엇이 있는지가 예측 가능합니다. 자동화 설계도 상대적으로 안정적입니다.
구조가 불규칙한 서류는 다릅니다. 거래처마다 양식이 제각각인 거래명세서, 손으로 작성한 현장 작업 일지, 사진으로 찍어 보내는 영수증. 이런 서류들은 자동화 난이도가 훨씬 높습니다. 어떤 달에는 A 거래처 양식이 바뀌고, 어떤 달에는 새 거래처가 추가됩니다. 이런 변화에 자동화가 대응하려면 추가 설계가 필요합니다.
텍스트가 이미지로 들어간 서류는 또 다른 문제입니다. PDF를 열어보면 글자처럼 보이지만 실제로는 스캔 사진인 경우입니다. 팩스로 받은 자료, 종이 서류를 복합기로 스캔한 파일이 여기에 해당합니다. 이런 파일에서 텍스트를 꺼내려면 OCR — 이미지에서 문자를 인식하는 기술 — 이 필요합니다. OCR은 완벽하지 않고, 스캔 품질에 따라 정확도가 크게 달라집니다.
어떤 종류의 서류인지 먼저 파악하는 것이 자동화 방향을 잡는 출발점입니다.
수작업 입력의 실제 오류율
"그래도 사람이 하면 정확하지 않냐"고 생각하시는 분들이 많습니다. 부분적으로는 맞습니다. 사람은 문맥을 이해하고, 이상한 숫자가 있으면 한 번 더 확인합니다.
그런데 실제 데이터를 보면 다릅니다. 수작업 입력의 오류 발생률은 전체 입력 건수의 24% 수준입니다. 거래 100건을 손으로 입력하면 24건에서 잘못 들어갑니다. 월 300건의 거래가 있는 회사라면 매달 6~12건의 오류가 발생한다는 뜻입니다. 월말에 장부를 정리하면서 합계가 맞지 않아 처음부터 다시 뒤지는 일이 여기서 생깁니다.
중소기업 경리 담당자가 매월 처리해야 하는 은행 거래내역만 해도, 계좌 한 개당 평균 300~500건입니다. 법인 계좌가 여러 개이고 거래명세서·세금계산서까지 더하면 월간 입력 건수가 금방 수천 건이 됩니다.
오류를 사후에 찾아서 수정하는 것도 결국 사람의 시간입니다. 금액이나 계좌번호가 잘못 들어가면 그 영향이 더 커집니다. 특히 같은 일을 매달, 매주 반복하면 작은 오류가 조금씩 쌓입니다.
사람이 틀리지 않는 것이 아니라, 사람도 틀리는데 그걸 인식하지 못하고 있는 경우가 많습니다.
자동화 방법 세 가지
방법 1: 엑셀 기능만으로 처리하기
PDF가 텍스트 기반 — 파일을 열어서 마우스로 클릭하면 글자가 선택되는 — 이라면, 내용을 복사해서 엑셀에 붙여 넣는 것이 시작입니다. 여기에 엑셀의 텍스트 나누기, VLOOKUP, 파워쿼리 같은 기능을 조합하면 반복적인 정리 작업 일부를 줄일 수 있습니다.
파워쿼리는 특히 유용합니다. 정해진 경로에서 파일을 자동으로 읽어와서, 정해진 방식으로 정리한 뒤, 지정한 엑셀 시트에 쌓아주는 흐름을 만들 수 있습니다. 엑셀 안에서 마우스 클릭만으로 설정할 수 있어서 VBA나 프로그래밍 지식이 없어도 됩니다.
이 방법이 맞는 경우: 서류 양식이 늘 일정하고, 월 처리 건수가 30건 미만이며, 담당자가 엑셀을 어느 정도 다룰 수 있을 때.
한계: 서류 양식이 조금만 달라지면 처음부터 다시 설정해야 합니다. 새로운 거래처가 생기거나 기존 거래처가 양식을 바꾸면 그때마다 사람이 대응해야 합니다. 자동화라기보다 반자동화에 가깝습니다.
방법 2: OCR 도구로 이미지 텍스트 변환
스캔 PDF나 이미지 기반 서류를 처리해야 한다면 OCR 소프트웨어가 필요합니다. Adobe Acrobat의 PDF 편집 기능, ABBYY FineReader, 국내에서는 사이냅소프트 같은 전문 OCR 솔루션들이 여기에 해당합니다. 이미지에서 텍스트를 추출한 뒤 엑셀로 가져오는 방식입니다.
이 방법이 맞는 경우: 스캔 품질이 일정하고, 같은 양식의 서류가 반복적으로 들어올 때.
한계: OCR은 글자를 읽는 것이지 내용을 이해하는 것이 아닙니다. "이 숫자가 견적 금액인지 부가세인지"를 OCR은 모릅니다. 추출된 텍스트를 어떤 엑셀 칸에 넣을지 대응 관계를 별도로 설계해야 합니다. 스캔 상태가 나쁘면 인식 오류가 크게 늘어납니다. 필기 내용이 섞여 있으면 더 어렵습니다.
또한 OCR은 서류 구조를 모릅니다. 같은 페이지에 공급자명·공급가액·부가세가 있어도, OCR은 그 관계를 알지 못하고 그냥 텍스트를 순서대로 나열합니다. 구조를 매핑하는 작업이 사람의 몫으로 남습니다.
방법 3: AI 추출 도구 활용
2026년 현재, AI를 활용한 문서 추출 도구들은 단순 OCR을 넘어 문서의 구조를 이해하고 항목을 분류할 수 있습니다. "공급자명은 여기, 합계 금액은 저기"를 학습하거나 프롬프트로 지시해서 알아내는 방식입니다. Claude, ChatGPT 같은 AI에 PDF를 직접 업로드해서 항목을 추출하는 것도 이 범주입니다.
이 방식은 OCR과 다른 점이 있습니다. OCR은 이미지에서 텍스트를 꺼내는 것이지만, AI 추출은 텍스트를 꺼내는 것과 구조를 이해하는 것을 동시에 합니다. 어떤 숫자가 공급가액이고 어떤 숫자가 부가세인지를 문맥으로 파악합니다. 양식이 조금 달라져도 어느 정도 대응이 됩니다.
최신 AI 추출 도구들은 인보이스의 주요 항목 — 공급자명, 문서번호, 날짜, 공급가액 등 — 을 97% 이상의 필드 수준 정확도로 추출합니다. 실제 도입 사례를 보면 자동화 이후 수작업 데이터 입력이 80~90% 감소한다는 보고가 나옵니다.
이 방법이 맞는 경우: 서류 양식이 다양하거나 처리 건수가 많을 때. 기존 OCR로 어려웠던 구조 파악을 AI가 보완해줍니다.
한계: 아래에서 자세히 설명합니다.
97% 정확도의 의미와 함정
AI 추출 도구 업체들이 흔히 내세우는 수치가 있습니다. "97~99% 정확도". 실제로 이 수치는 의미가 있지만, 해석에 주의가 필요합니다.
97%는 보통 필드 수준의 정확도를 말합니다. 추출한 개별 항목들 중 97%가 맞다는 뜻입니다. 공급자명·문서번호·날짜·공급가액 등을 각각 추출했을 때 100개 항목 중 97개가 맞다는 것입니다.
문제는 문서 수준의 정확도입니다. 하나의 서류에서 15개 항목을 추출한다고 했을 때, 각 항목 정확도가 97%라면 모든 항목이 다 맞는 문서의 비율은 수학적으로 약 64%입니다. 나머지 36%의 서류에는 어딘가 최소 한 곳 오류가 있다는 뜻입니다.
이것이 "AI가 했으니 다 맞겠지"라고 생각하고 검증을 생략하면 안 되는 이유입니다. 방식이 다를 뿐, 자동화 이후에도 오류는 발생합니다.
또 한 가지 구분이 있습니다. 흔히 광고에서 말하는 "99% 정확도"는 문자 수준의 정확도인 경우도 있습니다. 이미지에서 글자 하나하나를 인식하는 정확도입니다. "8"을 "B"로 읽지 않는 비율이 99%라는 것입니다. 이것은 가장 기초적인 측정 방식이고, 실제 업무에서 중요한 필드 수준이나 문서 수준 정확도와는 다른 이야기입니다.
수작업 입력의 2~4% 오류율과 비교하면 AI 추출이 분명히 낫습니다. 하지만 AI 추출이 수작업보다 나은 이유는 오류가 전혀 없어서가 아니라, 오류를 찾아내기 쉬운 구조로 만들 수 있기 때문입니다.
검증 절차를 처음부터 함께 설계해야 한다
자동화의 목적은 "사람이 아무것도 안 해도 된다"가 아닙니다. 사람이 해야 할 일의 성격을 바꾸는 것입니다. 한 줄씩 옮겨 적는 일을 없애고, 추출된 결과에서 이상한 값을 찾아 확인하는 일로 전환하는 것입니다.
자동화 구축 시 검증 절차를 함께 설계해야 하는 이유입니다. 추출 자동화만 만들고 검증은 나중에 생각하면, 오류가 발생해도 모르고 넘어가게 됩니다.
합계 대조: 추출된 항목들의 합계가 원본 서류의 합계와 맞는지 자동으로 확인합니다. 틀리면 표시가 뜨도록 해두면, 사람은 표시가 있는 항목만 확인하면 됩니다. 전수 검토를 몇 건의 집중 검토로 줄이는 방법입니다. 이 방식만 잘 설계해도 오류 대부분을 걸러낼 수 있습니다.
이상값 감지: 지난달 대비 갑자기 크게 달라진 금액, 음수 값, 비어 있는 필드를 자동으로 표시합니다. 자동화 도구가 이것을 해줄 수도 있고, 엑셀 조건부 서식으로 구현할 수도 있습니다. 어느 쪽이든 사람이 화면 전체를 훑어볼 필요 없이, 표시된 항목에 집중할 수 있습니다.
샘플 검토: 전수 확인 대신, 무작위로 일정 비율 — 예를 들어 전체의 10% — 만 사람이 직접 대조하는 방식입니다. 대량 처리 시 현실적인 방법입니다. 오류율이 낮고 합계 대조가 이미 동작하고 있다면, 샘플 검토로도 품질을 유지할 수 있습니다.
추출 실패 감지: AI가 잘 읽지 못한 항목이 있으면 빈칸으로 두도록 설계합니다. 틀린 값을 채워 넣는 것보다 빈칸이 훨씬 검증하기 쉽습니다. "추출 불확실 항목"에 별도 표시를 하는 것도 좋습니다. 사람이 그 항목만 원본 서류와 대조하면 됩니다.
이 절차들을 자동화 구축 시 처음부터 함께 설계하면, 실제로 현장에서 쓰기 좋은 시스템이 됩니다.
자동화가 맞는 경우와 수작업이 나은 경우
지금까지 설명한 내용을 바탕으로 판단 기준을 정리하겠습니다.
자동화가 효과적인 경우
같은 거래처에서 같은 양식의 서류가 월 30건 이상 들어오는 경우. 처리 건수가 많을수록 자동화의 효과가 커집니다. 건수가 많아질수록 사람 시간이 선형으로 늘어나지만, 자동화는 건수가 늘어도 시간이 거의 늘지 않습니다.
서류의 텍스트 품질이 일정한 경우. 인쇄된 PDF이거나, 스캔 품질이 좋은 경우. 이 조건이 갖춰지면 AI 추출 정확도가 안정적으로 유지됩니다.
입력 오류가 실제 업무에 영향을 주고 있는 경우. 잘못 입력된 숫자 때문에 정산이 맞지 않거나, 오류를 찾는 데 별도의 시간이 드는 경우. 오류 비용이 클수록 자동화의 효과가 커집니다.
입력 담당자의 시간이 다른 일에 더 필요한 경우. 담당자의 시간을 단순 입력이 아닌 판단과 소통에 쓸 수 있게 되면 업무 전체의 질이 달라집니다.
수작업이 더 나은 경우
월 처리 건수가 10건 미만이고 양식도 제각각인 경우. 자동화 구축과 유지에 드는 노력이 절약되는 시간보다 클 수 있습니다. 이런 경우 반자동화 — 엑셀 기능으로 일부만 정리하는 방식 — 가 현실적입니다.
서류 품질이 낮은 경우. 손으로 쓴 내용이 많거나, 스캔 상태가 나쁘면 AI도 읽기 어렵습니다. 자동화 후에도 사람이 전수 확인해야 한다면 절감 효과가 거의 없습니다.
예외 케이스가 규칙보다 많은 경우. "이 거래처 건은 이렇게 처리하고, 저 거래처 건은 다르게 처리해야 해"라는 예외가 복잡하면, 예외 처리 로직을 설계하는 것이 본체보다 더 힘들어집니다. 예외가 많다는 것은 그 자체로 "업무 방식 정리가 먼저 필요하다"는 신호일 수 있습니다.
지금 당장 시도해볼 수 있는 것
별도 구축이나 외주 없이 지금 바로 해볼 수 있는 방법이 있습니다.
Claude나 ChatGPT에 서류 PDF를 직접 업로드하고 "이 항목들을 엑셀에 넣을 수 있게 정리해줘"라고 해보세요. 텍스트 기반 PDF라면 상당히 잘 됩니다. 이미지 기반 PDF도 최신 모델들은 이미지를 보고 텍스트를 읽어낼 수 있습니다.
프롬프트를 구체적으로 쓸수록 결과가 좋아집니다. "공급자명, 날짜, 공급가액, 세액을 각각 셀에 들어갈 수 있게 쉼표로 구분해서 정리해줘"처럼 원하는 형식을 명시하세요. 출력이 엑셀에 붙여 넣기 좋은 형태로 나옵니다.
이 방식이 지속 가능한 자동화는 아닙니다. 매번 수동으로 파일을 올려야 하고, 결과를 복사해서 엑셀에 붙여 넣어야 합니다. 하지만 이 시도 자체가 중요한 정보를 줍니다.
AI가 우리 서류를 어느 정도 잘 읽는지, 어떤 항목에서 자주 틀리는지, 어떤 양식에서는 잘 안 되는지를 실제 서류로 확인할 수 있습니다. 이 경험이 있어야 실제 자동화를 구축할 때 방향을 제대로 잡을 수 있습니다. 몇 번 해보면 "우리 서류는 자동화가 될 것 같다"거나 "이 부분은 사람이 계속 확인해야 할 것 같다"는 감이 생깁니다.
도구 선택 시 확인해야 할 것
서류 입력 자동화에 쓸 수 있는 도구들이 2026년 현재 많이 있습니다. 도구를 고를 때 확인해야 할 기준이 있습니다.
처리 가능한 서류 유형: 텍스트 PDF만 되는지, 스캔 이미지도 되는지, 한국어 서류에서 정확도가 어떤지. 한국어 OCR은 영문보다 인식 오류가 높은 도구들이 있어서 실제 우리 서류로 테스트해봐야 합니다.
보안과 데이터 처리 방식: 우리 서류 내용이 어디에 저장되고, 도구 업체의 AI 학습 데이터로 사용되는지 여부. 매출·계약 서류 같은 민감한 정보가 많은 경우 기업용 플랜 또는 데이터 학습 비사용 옵션을 제공하는 도구를 써야 합니다. 도입 전에 반드시 확인하세요. Claude나 ChatGPT도 기업용 플랜에서는 대화 내용을 학습에 사용하지 않도록 설정할 수 있습니다.
기존 시스템과의 연동: 추출 결과가 지금 쓰는 엑셀이나 ERP 시스템에 바로 들어갈 수 있는지, 아니면 중간에 수동 작업이 필요한지. 연동이 안 되면 복사-붙여넣기가 반복되어 자동화 효과가 떨어집니다.
예외 처리 방식: 도구가 잘 읽지 못하는 항목이 있을 때 어떻게 표시하는지. 틀린 값을 채워 넣는 것보다 빈칸으로 두는 것이 낫습니다. 빈칸은 눈에 띄지만 틀린 값은 모르고 지나치기 쉽습니다.
처리량과 속도: 월 처리 건수가 많다면 도구가 얼마나 빠르게 처리하는지, 동시에 여러 파일을 처리할 수 있는지도 확인해야 합니다.
전문가가 필요한 시점
직접 해보다 이런 상황이 오면 전문가와 이야기할 시점입니다.
이메일로 자동 수신되는 서류를 사람 개입 없이 처리하고 싶을 때. 단순히 추출하는 것에서 나아가, 이메일 수신 → 서류 감지 → 추출 → 엑셀 입력 → 검증 표시까지의 자동화 흐름 전체를 설계해야 합니다. 각 단계를 연결하는 작업이 필요합니다.
추출 결과를 기존 ERP, 회계 소프트웨어, 주문 관리 시스템과 연결하고 싶을 때. 시스템 간 연결에는 각 시스템의 API 구조를 파악하는 것이 필요합니다. 서류 추출만큼이나 연결 설계가 중요합니다.
서류 양식이 너무 다양해서 항목 대응이 복잡할 때. 어떤 필드를 어떤 엑셀 칸에 넣어야 하는지 규칙이 복잡하면, 그 규칙을 체계적으로 설계하고 유지하는 것이 중요합니다.
보험사 PDF를 엑셀 템플릿에 자동으로 입력되게 만든 사례가 있습니다. 거창한 시스템이 아니라, AI 설정과 프롬프트 설계만으로 구축했고, 본인이 직접 운영할 수 있도록 인수인계까지 마쳤습니다. 이런 유형의 작업이 어떻게 진행되는지 사례 페이지에서 확인해보세요.
자주 묻는 질문
Q. 거래처마다 양식이 다른데, 각각 따로 자동화해야 하나요?
항목 수가 많지 않다면 각각 따로 설계하는 것이 맞습니다. 양식이 다르면 어디서 무엇을 읽어야 하는지가 다르기 때문입니다. 반면 AI를 활용하면 "어떤 양식이든 공급자명·날짜·금액을 읽어라"는 방식으로 접근해 양식별 개별 설계 없이 어느 정도 통합이 가능합니다. 다만 실제로 얼마나 잘 되는지는 우리 서류로 직접 테스트해봐야 압니다. 거래처 수가 많다면 처음에 가장 건수가 많은 몇 개 거래처부터 시작하는 것이 현실적입니다.
Q. 자동화하고 나서 원본 서류는 어떻게 보관해야 하나요?
자동화 여부와 무관하게, 원본 서류는 법령이 정한 보관 기간에 맞게 그대로 보관해야 합니다. 세금계산서 등 세무 서류는 일반적으로 5년 이상 보관 의무가 있습니다. 자동화는 입력 과정의 노동을 줄이는 것이지, 원본 보관 의무를 없애는 것이 아닙니다. 세금계산서 원본 PDF를 클라우드 폴더에 날짜별·거래처별로 자동 정리하는 것도 자동화의 일부로 함께 설계할 수 있습니다.
Q. 반복 입력 업무를 없애면 그 직원은 어떻게 되나요?
입력 작업이 없어진다고 그 사람이 필요 없어지지 않습니다. 입력에 쓰던 시간이 다른 일로 이동합니다. 검증, 예외 처리, 거래처 관계 관리, 더 복잡한 판단이 필요한 업무로 전환됩니다. 단순 반복보다 판단이 필요한 일에 집중할 수 있게 됩니다. 실제로 많은 경우에 "이제 다른 것도 자동화할 수 있을까요?"라는 후속 요청으로 이어집니다.
Q. 지금 쓰는 엑셀 양식을 그대로 유지하면서 자동화할 수 있나요?
대부분의 경우 가능합니다. 자동화는 기존 엑셀 파일을 바꾸는 것이 아니라, 데이터를 채워 넣는 방식을 바꾸는 것입니다. 기존 엑셀의 구조에 맞게 항목을 매핑하면, 지금 쓰던 형식 그대로 유지하면서 입력 과정만 자동화할 수 있습니다. 담당자도 기존 파일을 그대로 사용하기 때문에 새로 배울 것이 거의 없습니다.
Q. AI 도구에 우리 서류 내용을 넣어도 안전한가요?
도구 선택과 사용 방식에 따라 다릅니다. 개인용 무료 플랜에서는 입력 내용이 학습 데이터로 사용될 수 있습니다. 기업용 플랜에서는 이것을 차단할 수 있습니다. 거래처명, 금액, 계약 내용이 담긴 서류를 처리한다면 반드시 기업용 플랜 이상을 사용하고, 데이터 처리 방침을 확인하세요. 도구 선택 전에 이 부분을 먼저 살펴보는 것이 맞습니다.
서류 입력 자동화의 핵심은 "전부 자동화"가 아닙니다. 어떤 서류를 어떤 방식으로 자동화할지 고르는 것, 그리고 검증 절차를 처음부터 함께 설계하는 것입니다. 도구만 도입하면 된다는 생각보다, 현재 서류 흐름 전체를 먼저 살펴보는 것이 순서입니다.
어디서 시작할지 막막하다면 30분 무료 진단으로 현재 흐름을 같이 살펴보겠습니다. 영업 전화는 없습니다.