- 공문서 AI 학습 과정서 지적되는 PDF 재변환 비효율, 원본 분석으로 해소

 

정부가 AI 학습을 위한 공공 데이터 개방을 본격 추진하는 가운데, 공문서를 PDF로 변환하는 기존 방식의 비효율성이 부각되고 있다. 이에 사이냅소프트가 HWP 등 원본 문서를 그대로 분석하는 문서 AI 기술을 통해 공공 데이터 혁신의 대안을 제시했다.

 

정부는 AI 경쟁력 강화를 위해 공문서 데이터화를 핵심 과제로 내세우고 있으나, 실제 현장에서는 HWP 문서를 PDF로 변환한 뒤 다시 텍스트를 추출해야 하는 이중 작업 문제가 지적돼 왔다. 특히 이미지 기반 PDF의 경우 데이터 투명성이 떨어져 AI 학습에 추가 전처리가 불가피하다.

 

PDF 변환 없이 HWP 원본 직접 분석

사이냅소프트는 이러한 구조적 비효율을 해결하기 위한 방안으로 ‘사이냅 도큐애널라이저’를 제시했다. 해당 솔루션은 PDF 변환 과정 없이 HWP, HWPX, ODT 등 원본 포맷에서 데이터를 직접 추출·분석하는 문서 구조 분석 솔루션이다. 이를 통해 공공 문서 데이터화 과정에서 발생하는 시간과 비용 부담을 줄일 수 있다.

 

HWP·오피스·이미지까지 포맷 제약 없는 처리

도큐애널라이저는 아래아한글(HWP·HWPX)을 비롯해 MS 오피스(DOC/DOCX, XLS/XLSX, PPT/PPTX), 개방형 포맷 ODT, TXT 파일까지 원본 형태 그대로 분석한다. PDF나 이미지 파일 역시 OCR과 문서 스타일 인식을 통해 시각적 정보를 구조화된 데이터로 변환할 수 있다. 포맷 변환을 전제로 한 기존 문서 처리 방식과 달리, 문서 유형에 따른 제약을 최소화한 것이 특징이다.

 

표·레이아웃까지 구조화…LLM 학습 바로 활용

이 솔루션은 단순 텍스트 추출을 넘어 문단 구조, 표, 이미지, 객체 정보를 정교하게 식별한다. 문서 제목, 생성자, 작성·수정 일자 등 메타데이터와 속성 정보까지 함께 추출해 공공 데이터 구축에 요구되는 이력 관리와 신뢰성 확보를 지원한다. 분석 결과는 Markdown, JSON, XML, LaTeX 등 4종의 머신 리더블 포맷으로 자동 변환돼 LLM 학습과 데이터베이스 구축에 바로 활용할 수 있다.

 

특히 다단 편집이나 복잡한 표가 포함된 문서에서도 읽기 순서와 레이아웃을 정확히 재현해, 별도의 후처리 없이 고품질 데이터 확보가 가능하다.

 

RAG 정확도 높이는 ‘출처 하이라이팅’

도큐애널라이저는 RAG 환경에서 문제가 되는 응답 신뢰성 문제를 개선하기 위해 ‘출처 하이라이팅’ 기능을 제공한다. AI가 생성한 답변의 근거가 된 문서 원문 위치를 함께 표시함으로써, 공공·기업 환경에서 요구되는 검증 가능성과 설명력을 강화했다.

 

공공에서 민간까지 확산되는 도입 사례

현재 도큐애널라이저는 한국주택금융공사를 비롯한 공공기관과 주요 대기업에 도입됐으며, 협업툴 기업 토스랩(잔디) 등 SaaS 환경으로도 공급 범위를 확대하고 있다. 공공 데이터 구축뿐 아니라 기업 내부 문서 자산의 AI 활용까지 적용 범위를 넓히고 있다.

 

사이냅소프트 전경헌 대표는 “데이터 혁신의 핵심은 비정형 문서를 얼마나 정확하고 빠르게 정형 데이터로 전환하느냐에 달려 있으며, 도큐애널라이저는 공공과 기업의 AX 구현에 소요되는 시간과 비용을 줄이는 해법”이라고 밝혔다.

 

#사이냅소프트 #Synapsoft #도큐애널라이저 #DocumentAnalyzer #HWP #공공데이터 #문서AI #RAG #LLM