문서 AI 구축, 왜 매번 새로운 프로젝트가 되어야 할까요?

가트너 “AI 레디 데이터, 에이전트 레디로 확장해야” < AI < AI/ICT < 기사본문 - 아이티데일리

[아이티데일리] 인공지능(AI) 에이전트 도입이 확대되면서 기존 ‘AI 레디(AI-Ready)’ 데이터 관리 체계를 ‘에이전트 레디(Agent-Ready)’로 확장해야 한다는 제언이 나왔다. 개별 AI 활용 사례에 맞춰 데이터의 적합성을 검증하는 것을 넘어 에이전트 간 데이터 교환과 업무 수행 전 과정에서 적합성을 지속적으로 검증하는 것이 핵심이다.가트너는 최근 ‘AI 레디 데이터는 에이전트 레디 데이터로 확장돼야 한다(AI-Ready Data Needs to Expand to Agent-Ready Data)’ 보고서에서 이 같은

https://www.itdaily.kr/news/articleView.html?idxno=241806

기업 AX가 확대되면서 문서 AI의 역할도 달라지고 있습니다. 이제는 문서를 읽는 것을 넘어, AI 에이전트와 업무 시스템이 활용할 데이터를 얼마나 안정적으로 만들고 운영할 수 있는지도 중요해지고 있습니다.

문서 AI 구축이나 OCR 도입을 위해 여러 솔루션의 견적을 비교한다고 해보겠습니다. 처리할 문서와 추출할 항목을 정하고, 시스템 연동 범위를 확인한 뒤 구축 비용을 비교합니다.

기능과 정확도가 비슷하다면 처음에는 구축비가 낮은 솔루션이 더 경제적으로 보일 수 있습니다.

그런데 문서 AI를 3년, 5년 혹은 그 이상 운영한다면 어떻게 될까요?

새로운 업무가 생기고, 처리할 문서가 추가되거나 기존 문서에서 필요한 정보가 달라질 수 있습니다. 그때마다 기업은 공급사에 수정을 요청하고 그에 대한 추가 비용을 지불하게 되겠죠. 결국, 초기 구축 비용보다 운영 과정에서 발생하는 비용이 더 커지게 되는 아이러니한 상황이 발생하게 됩니다.

그렇다면 OCR 도입이나 문서 AI를 도입할 때 무엇까지 확인해야 할까요?

처음 받은 견적만 비교하면 충분할까요?

결론부터 말하면, 처음 받은 OCR 구축 견적만으로는 향후 3년, 5년 이상의 전체 비용을 판단하기 어렵습니다. 문서 AI 구축 프로젝트를 시작하면 보통 현재 필요한 업무를 기준으로 범위를 정하기 때문이에요.

가상의 A프로젝트를 예로 들어 보겠습니다. 대상 문서로는 신청서, 계약서, 증빙서류를 처리해야 한다고 해볼게요.

어떤 문서를 읽을지 정하고, 문서마다 필요한 항목을 정의합니다.
결과를 어느 업무 시스템으로 전달할지도 결정합니다.

이 범위를 기준으로 OCR 구축 비용과 개발 일정이 산정됩니다.

이렇게 정해진 범위에 따라 OCR 구축이 완료되면 처음 계획했던 A프로젝트는 끝이 납니다. 하지만 이후 실제 업무는 계속해서 바뀝니다. 새로운 상품이 출시되면서 신청서가 추가되거나, 기존 계약서에서 추출해야 할 정보가 달라질 수 있죠.

이러한 변경사항이 처음 계약한 구축 범위에 포함되어 있지 않다면, 어떻게 될까요?

⚠️ 결국 문서 AI 구축은 끝났지만

업무가 바뀔 때 마다 추가 개발과 발주가 필요한 상황이 반복될 수 있습니다.

따라서 OCR 도입이나 문서 AI 구축을 검토할 때는 최초 구축 비용뿐 아니라, 운영 중 발생할 수 있는 추가 개발 및 유지 보수 비용까지 함께 확인해야합니다.

왜 문서 하나가 바뀌면 또 발주해야 할까요?

그 이유는 기존 OCR 구축 방식 중 상당수가 처음 정해진 문서 양식과 추출 기준을 중심으로 설계되기 때문입니다.

일반적으로 OCR은 문서에 있는 글자를 인식하는 기술입니다. 하지만, 기업에서 필요한 것은 단순하게 글자만 읽는 것이 아닙니다. 계약번호/계약일자/금액 처럼 업무에 필요한 정보를 정확하게 구분하고 추출하는 수준을 원하죠.

이를 위해 기존의 일부 OCR 시스템에서는 문서마다 정보를 읽어낼 위치와 규칙을 설정하거나, 특정 문서와 추출 항목에 맞춰 AI 모델을 학습시켜왔습니다.

금융권의 여신 심사 업무를 예로 들어보겠습니다.

은행에서 기업 대출을 심사하기 위해 재무제표와 각종 증빙서류에서 필요한 정보를 추출하도록 OCR을 구축했다고 가정해볼게요. AI 모델을 학습시켰기 때문에 문제가 없었습니다.

그런데 새로운 대출 상품이 출시되면서 기존에는 필요하지 않았던 항목을 추가로 추출하게 되었습니다. 이 경우에는 어떨까요?

기존 추출 규칙을 수정하거나 새로운 데이터를 준비해야할 수 있습니다.
경우에 따라 모델을 추가로 학습시키고, 변경된 결과가 정확한지 다시 검증해야 하죠.

이러한 상황은 다른 산업에서도 발생합니다.

여기서 가장 큰 문제는 이러한 변경을 기업이 그때마다 직접 처리할 수 없는 구조입니다. 처음 계약한 구축 범위를 벗어났다면 결국 공급사에게 다시 개발을 요청하고, 추가 견적과 발주부터 테스트, 검수까지 다시 진행해야합니다.

업무에 필요한 정보를 추가하거나 변경하는 일도
결국 비용과 시간이 드는 새로운 프로젝트와 마찬가지라는 거죠.

KDL은 반복 구축의 비효율에 주목했습니다.

이러한 문제에 대응하기 위해 문서를 이해하는 기술을 발전시키는 동시에, 구축 이후 변화하는 업무 기준을 직접 관리할 수 있는 환경을 마련했습니다.

더 나아가는 VLM OCR

KDL에서는 기존 OCR의 기술적 한계를 개선하기 위해 일찍이 자체 VLM(비전언어모델)기반의 DEEP OCR을 개발하고 상용화했습니다.

VLM OCR은 글자의 위치만 인식하는 방식에서 나아가 문서의 시각적 구조와 맥락을 함께 이해합니다. 이를 통해 정해진 양식에만 의존하지 않고 다양한 형태의 문서에서 필요한 정보를 추출할 수 있죠.

하지만, 문서를 이해하는 기술만으로 반복 구축의 문제가 모두 해결되는 것은 아닙니다. 새로운 추출 항목이 추가되거나 업무 기준이 변경될 때마다 개발을 요청해야 한다면 동일한 문제가 반복될 수 있기 때문입니다.

VLM OCR의 다음, 운영을 위한 DEEP Ops

때문에 이러한 운영상의 비효율을 줄이기 위해 2026년 9월 문서 AI 운영 플랫폼 DEEP Ops를 출시했습니다.

DEEP Ops에서는 담당자가 자연어로 추출 기준을 변경하고, 변경 전후의 결과를 동일한 문서로 비교/검증한 뒤 운영에 반영할 수 있습니다. 새로운 요구사항이 생길 때마다 개발을 요청하는 대신, 기업이 직접 문서 AI를 관리하고 확장할 수 있는 환경을 만드는 것입니다.

DEEP Ops의 구체적인 운영 방식은
문서 AI 운영 플랫폼 DEEP Ops 출시 및 기술 소개에서 확인할 수 있습니다.

구축 이후, 어떤 비용이 다시 생길까요?

다시 돌아와 OCR 구축 비용이나 문서 AI 솔루션 가격을 비교할 때는 최초 견적뿐 아니라 앞으로 운영 과정에서 발생할 비용도 함께 고려해야 합니다.

특히 새로운 문서가 추가되거나 업무 기준이 변경될 때마다 공급사에 개발을 요청해야 한다면, 예상하지 못했던 추가 개발 비용과 유지보수 비용이 발생할 수 있습니다.

구체적으로 어떤 비용이 발생할까요?

*실제 비용과 포함 범위는 솔루션 및 계약 조건에 따라 달라질 수 있습니다.

제조업의 품질관리 업무를 예로 들어보겠습니다.

한 제조기업이 시험성적서를 자동으로 처리하기 위해 문서 AI를 구축했습니다. 그런데 새로운 거래처가 추가되면서 문서 양식과 검사 항목이 달라졌다면 어떨까요?

이때 다음과 같은 비용이 추가로 발생할 수 있습니다.

이처럼 기업이 부담하는 비용은 공급사에 지불하는 개발비만이 아닙니다. 내부 담당자가 투입하는 시간과 인력도 비용에 포함됩니다.

최초 구축부터 추가 개발, 유지보수, 내부 운영까지 시스템을 사용하는 전체 기간에 발생하는 비용을 총소유비용(TCO, Total Cost of Ownership)이라고 합니다.

따라서 OCR 도입이나 문서 AI 구축을 검토할 때는 최초 견적뿐 아니라 향후 3년, 5년간의 예상 비용까지 함께 비교해야 합니다.

구축형과 운영형 문서 AI는 무엇이 다를까요?

가장 큰 차이는 업무가 바뀌었을 때 누가, 어떤 방식으로 시스템을 변경할 수 있느냐입니다.

기존 구축 중심 방식에서는 문서 양식이나 추출 기준이 변경되면 공급사에 수정을 요청해야 하는 경우가 많습니다. 반면 운영 중심 방식은 기업 담당자가 직접 변경하고 관리할 수 있는 범위를 넓힙니다.

그렇다면 실제로 어떤 차이가 있을까요?

*일반적인 운영 방식의 비교이며, 실제 지원 기능과 비용은 솔루션 및 계약 조건에 따라 달라질 수 있습니다.

여기서 중요한 것은 운영형 문서 AI라고 해서 OCR 유지보수나 기술 지원이 완전히 사라지는 것은 아니라는 점입니다.

시스템 장애나 복잡한 연동 작업에는 여전히 전문적인 지원이 필요할 수 있습니다. 다만 기존에는 공급사에 요청해야 했던 문서 추가나 추출 기준 변경을 기업이 직접 처리할 수 있다면 어떨까요?

반복적인 개발 요청과 대기 시간이 줄어들고, 문서 AI 유지보수에 투입되는 비용과 인력도 효율적으로 관리할 수 있습니다.

결국 문서 AI를 선택할 때는 최초 구축 비용뿐 아니라, 구축 이후 기업이 직접 관리할 수 있는 범위가 어디까지인지 함께 확인해야 합니다.

문서가 바뀔때마다 개발자를 기다릴 필요가 없습니다.

운영형 문서 AI를 도입한다고 해서 기업 담당자가 직접 개발해야 하는 것은 아닙니다.
핵심은 개발자의 도움 없이도 업무 담당자가 직접 처리할 수 있는 범위를 넓히는 것입니다.

앞서 살펴본 제조기업의 품질관리 업무를 예로 들어보겠습니다.

새로운 거래처가 추가되면서 시험성적서에 새로운 검사 항목이 생겼습니다. 기존에는 공급사에 변경을 요청하고 개발과 검수가 끝날 때까지 기다려야 했다면, DEEP Ops를 활용할 경우에는 어떻게 달라질까요?

이처럼 담당자가 직접 추출 기준을 변경하고 결과까지 검증할 수 있다면, 매번 공급사에 개발을 요청하거나 일정을 조율하는 부담을 줄일 수 있습니다.

물론 새로운 시스템 연동이나 복잡한 기술 변경에는 별도의 개발이 필요할 수 있습니다. 실제 적용 범위도 문서의 종류와 업무 환경에 따라 달라집니다.

중요한 것은 모든 개발을 없애는 것이 아니라, 반복되는 업무 변경이 새로운 프로젝트가 되지 않도록 만드는 것입니다.

처음 저렴했던 문서 AI, 3년 뒤에도 저렴할까요?

장기 TCO는 구축비보다 '반복되는 과정'에서 달라집니다 TCO는 단순히 가장 저렴한 솔루션을 찾기 위한 개념이 아닙니다. 시스템을 실제로 사용하는 기간 동안 어떤 비용이 계속 발생하는지를 함께 보는 것입니다.
즉 최초 구축 비용이 낮다고 해서 장기적으로 경제적인 것은 아니죠.

비슷한 기능과 정확도를 가진 두 개의 문서 AI솔루션을 비교한다고 가정해 보겠습니다.

A사는 초기 구축비가 저렴하지만, 새로운 문서를 추가하거나 추출 기준을 변경할 때마다 별도의 개발 비용이 발생합니다.

반면 B사는 초기 구축비가 상대적으로 높지만, 담당자가 직접 문서를 추가하고 추출 기준을 변경할 수 있습니다.

두 솔루션을 3년간 운영한다면 어떤 차이가 있을까요?

*가상의 비교 사례이며, 실제 비용과 기능은 솔루션 및 계약 조건에 따라 달라집니다.

A사는 초기 구축 비용이 낮더라도 반복적인 추가 개발과 발주로 인해 총비용이 증가할 수 있습니다. 반면 B사는 직접 관리할 수 있는 범위가 넓어 반복 개발 비용을 줄일 수 있지만, 초기 투자와 내부 운영에 필요한 비용도 고려해야 합니다.

따라서 OCR 도입이나 문서 AI 구축을 검토할 때는 최초 견적뿐 아니라 향후 3년, 5년간 예상되는 총소유비용(TCO)을 함께 비교해야 합니다.

중요한 것은 처음 얼마나 저렴하게 구축했는지가 아니라, 운영 과정에서 얼마나 많은 비용이 반복해서 발생하는가입니다.

업무 자동화의 범위가 넓어질수록 더 중요합니다

한두 종류의 문서를 제한된 업무에서 처리할 때는 변경 횟수가 많지 않을 수 있습니다.

하지만 문서 AI를 여러 부서와 업무로 확대하면 상황이 달라집니다.

계약서만 처리하던 업무가 신청서와 증빙서류로 확대될 수 있습니다.

한 부서에서 시작한 업무 자동화 솔루션이 여러 부서로 확산되면서 각 부서에서 필요한 문서와 추출 항목이 달라질 수도 있습니다.

새로운 상품, 정책, 거래처가 생길 때마다 문서도 계속 추가됩니다.

문서 AI가 처리하는 범위가 넓어질수록 변화의 횟수도 함께 증가할 수 있습니다.

따라서 AI 구축을 검토할 때는 지금 필요한 자동화 범위뿐 아니라 앞으로 확장할 때 어떤 방식으로 시스템을 변경할 수 있는지도 확인해야 합니다.

확장할수록 추가 프로젝트가 많아지는 구조인지, 확장할수록 운영 범위가 넓어지는 구조인지의 차이입니다.

OCR이나 문서 AI를 도입을 고민한다면, 이 질문까지 확인해보십시오

OCR 도입이나 문서 AI 구축을 검토할 때는 정확도와 가격, 구축 기간뿐 아니라 다음 질문도 함께 확인해보는 것이 좋습니다.

특히 마지막 두 질문은 처음 받은 견적서에서는 잘 보이지 않을 수 있습니다.
하지만 실제 문서 AI의 TCO를 비교하려면 반드시 확인해야 하는 항목입니다.

💡 함께 보면 좋은 글

• OCR이란, 딥러닝 문자인식 총정리 — OCR 도입 전에 보는 글

• 문서 파서(Document Parser) 완벽 정리

• 금융권 AI, 은행을 바꾸는 문서 자동화

• AI 대출 심사 자동화 도입 사례

이번 구축이 마지막 '반복 구축 프로젝트'가 되려면

문서는 앞으로도 바뀝니다. 새로운 업무도 생기고, 기존 업무의 기준도 달라집니다.

KDL은 문서를 이해하고 데이터를 구조화하는 것에서 나아가, AI가 활용할 문서 데이터의 생성 기준과 품질까지 지속적으로 운영할 수 있도록 지원합니다.

중요한 것은 문서 AI를 한 번 구축한 뒤 변화가 생기지 않도록 만드는 것이 아닙니다.
변화가 생길 때마다 새로운 프로젝트를 만들지 않는 것입니다.

문서 AI 솔루션을 검토할 때는 지금 필요한 문서를 얼마나 잘 처리하는지와 함께, 앞으로 업무가 달라졌을 때 누가 어떤 방식으로 시스템을 변경할 수 있는지도 확인해보십시오.

새로운 문서와 기준을 운영 과정에서 추가하고 검증할 수 있다면 문서 AI는 매번 다시 구축하는 프로젝트가 아니라 계속 확장해가는 업무 시스템이 될 수 있습니다.

그리고 그때 지금 진행하는 문서 AI 구축은 여러분 회사의 마지막 '반복 구축 프로젝트'가 될 수 있습니다.

다음 프로젝트가 필요한 구조인지 확인해보십시오

DEEP Ops 도입 상담하기

현재 검토하고 있는 문서와 앞으로 추가될 업무를 기준으로 어떤 변경까지 운영 단계에서 직접 대응할 수 있는지 확인해보세요.

자주 묻는 질문

1. OCR 도입 비용은 어떻게 결정되나요?

OCR 도입 비용은 문서의 종류와 처리량, 추출 항목, 시스템 연동 및 인프라 환경에 따라 달라집니다.

따라서 최초 OCR 구축 비용뿐 아니라 추가 개발, 유지보수 등 운영 과정에서 발생할 비용까지 함께 확인해야 합니다.

2. OCR 유지보수 비용은 언제 추가로 발생하나요?

문서 양식이나 추출 기준이 변경되어 기존 계약 범위를 벗어날 경우, OCR 유지보수 비용이나 추가 개발 비용이 발생할 수 있습니다.

따라서 OCR 구축 전에 어떤 변경부터 추가 개발 및 별도 발주가 필요한지 확인하는 것이 중요합니다.

3. VLM OCR을 도입하면 추가 개발 없이 문서 AI를 운영할 수 있나요?

VLM OCR은 문서의 구조와 맥락을 이해해 다양한 문서 양식에 유연하게 대응하지만, 모든 추가 개발이 사라지는 것은 아닙니다.

문서 AI 구축 시에는 문서 인식 성능뿐 아니라 추출 기준을 직접 변경하고 관리할 수 있는지도 확인해야 합니다.

관련 콘텐츠: 문서 무제한, 새 문서마다 다시 구축하지 않는 방식

4. DEEP Ops로 문서 AI 유지보수 비용을 줄일 수 있나요?

DEEP Ops는 담당자가 자연어로 추출 기준을 변경하고 결과를 직접 검증하도록 지원해, 반복적인 개발 요청과 문서 AI 유지보수 부담을 줄일 수 있습니다.

다만 모든 AI 유지보수가 사라지는 것은 아니며, 실제 절감 효과는 업무 환경과 변경 범위에 따라 달라집니다.

5. 문서 AI 솔루션의 총소유비용(TCO)은 어떻게 비교하나요?

문서 AI 솔루션의 총소유비용(TCO)은 최초 구축비에 라이선스, 인프라, 추가 개발, 유지보수 및 내부 운영 비용을 합산해 비교합니다.

동일한 문서 처리량과 예상 변경 횟수를 기준으로 향후 3~5년간의 전체 비용을 비교하는 것이 좋습니다.