이미지 속 문자를 텍스트로 변환하는 기술입니다. 인쇄체를 읽는 것과 실제 업무 문서를 읽는 것은 다른 문제이며, 손글씨와 표, 도장이 한 장에 섞이는 순간 난이도가 달라집니다.

이미지와 텍스트를 함께 이해하는 모델로, 문자뿐 아니라 문서의 배치와 맥락을 같이 해석합니다. 규칙 기반 OCR이 놓치던 병합 셀과 체크박스, 저화질 팩스 문서에서 성능 차이가 벌어집니다.

문서의 제목과 표, 목록, 그림 같은 구성 요소와 위계를 분석해 기계가 사용할 수 있는 데이터로 바꾸는 작업입니다. 텍스트만 뽑아내면 구조가 사라지기 때문에, 이후 RAG와 검색의 품질은 이 단계에서 결정됩니다.

문서에서 업무에 필요한 항목만 골라 키와 값의 쌍으로 추출하는 기술입니다. OCR이 무엇이 적혀 있는지를 답한다면 KIE는 그 글자가 업무적으로 무엇인지를 답합니다.

페이지에서 제목과 본문, 표, 머리말 같은 영역을 구분하고 읽는 순서를 정하는 처리입니다. 다단 편집이나 표 안의 표처럼 사람도 헷갈리는 구조에서 정확도 차이가 드러납니다.

접수된 파일이 어떤 서식인지 판별하고 필요하면 문서 단위로 나누는 처리입니다. 여러 서류가 하나의 PDF로 병합되어 들어오는 금융 업무에서는 이 단계가 전체 자동화의 병목이 됩니다.

표의 행과 열, 병합된 셀 구조를 그대로 살려 데이터로 옮기는 처리입니다. 셀 값만 읽고 구조를 잃으면 항목과 금액의 연결이 끊어져 업무에 사용할 수 없습니다.

하나의 업무 건을 구성하는 여러 문서에서 같은 항목의 값을 서로 대조해 일치 여부를 판정하는 처리입니다. 문서 한 장의 인식 정확도가 아무리 높아도 서류 사이에서 대표자명과 계좌번호가 어긋나면 업무는 진행되지 않으므로, 심사 자동화는 이 단계에서 완성됩니다.

문서 분류와 정보 추출, 문서 간 검증, 조건 판단, 담당자 승인, 시스템 실행까지를 하나의 업무 흐름으로 이어 붙인 자동화 설계입니다. 기능을 따로 두면 구간 사이마다 사람이 다리 역할을 하게 되므로, 한 건이 끝까지 도달하는지를 기준으로 설계합니다.

목표를 받아 필요한 도구를 스스로 골라 쓰고 여러 단계를 이어서 진행하는 AI입니다. 문서 업무에서는 추출된 데이터를 근거로 조건을 판단하고 시스템에 등록하는 실행 단계를 맡습니다.