AI OCR 관련 상식 알아보기

 

인공지능(AI) 이란? 

* 컴퓨터가 인간처럼 학습하고 추론하며 문제를 해결하는 기술을 의미한다.

* AI OCR 솔루션은 다양한 문서 패턴을 이해하고 분석하는 데 AI 기술을 활용한다.

 

머신러닝(ML)이란? 

* AI의 한 분야로, 컴퓨터가 명시적인 프로그래밍 없이 데이터로부터 학습하고 성능을 향상시키는 기술이다.

* ML 알고리즘은 수많은 문서 데이터를 분석하여 OCR 인식률을 높이고, 문서의 특정 영역을 정확하게 추출하는 방법을 스스로 학습한다.

 

학습 플랫폼이란? 

* 단순히 결과를 제공하는 데 그치지 않고, 사용자가 제공하는 새로운 문서 데이터나 피드백을 통해 스스로 학습할 수 있는 환경을 말한다.

* 이는 마치 학생이 공부를 통해 실력이 향상되는 것처럼, AI OCR 솔루션도 학습을 통해 문서 처리 능력이 계속해서 발전하는 것이다.

 

[ AI OCR 솔루션 문서인식 기능 ]

* AI OCR 솔루션들은 필기체 같은 비정형 문자, 명도 차이가 큰 흑백 문서, 구겨지거나 왜곡된 문서, 표 서식 문서 모두 OCR이 가능하여야 한다.

 

< 필기체 같은 비정형 문자 >

* 비정형 문자는 표준적인 인쇄된 글꼴이 아닌, 손으로 쓴 글씨체를 의미하는데, 필기체는 사람마다 모양이 다르고 흘려 쓰거나 알아보기 어려운 경우도 많아 OCR 기술로는 인식하기 매우 어렵다.

* 이는 솔루션이 고급 AI 및 머신러닝 기술을 활용하여 다양한 필기체의 특징을 학습하고, 흐릿하거나 불규칙한 필기체에서도 높은 인식률을 보장할 수 있다는 것을 의미한다. 이는 수기로 작성된 문서의 디지털화 및 데이터 추출에 매우 유용하다.

 

< 명도 차이가 큰 흑백 문서 >

* 명도 차이가 큰 흑백 문서는 글자와 배경색의 대비가 뚜렷하지 않거나, 빛 반사 등으로 인해 특정 부분이 너무 어둡거나 밝게 나타나는 문서를 의미하는데, 이러한 문서는 OCR 엔진이 문자를 정확하게 구분하기 어렵게 만든다.

* 이는 솔루션이 이미지 전처리 기술 및 AI 기반 분석 능력을 통해 명도 차이를 보정하고, 흑백 문서에서도 안정적인 OCR 성능을 제공할 수 있다는 것을 의미하는데, 이는 오래된 문서나 스캔 품질이 좋지 않은 문서의 처리 능력에 대한 자신감을 보여준다.

 

< 구겨지거나 왜곡된 문서 >

* 구겨지거나 왜곡된 문서는 종이가 접히거나 휘어져 글자가 휘어지거나 일그러져 보이는 문서를 의미하는데, 이러한 왜곡은 OCR 엔진이 문자의 형태를 정확하게 인식하는 데 어려움을 초래한다.

* 이는 솔루션이 이미지 보정 기술 및 형태 분석 능력을 통해 문서의 찌그러짐이나 기울어짐을 보정하고, 왜곡된 문자에서도 텍스트를 추출할 수 있다는 것을 의미하는데, 이는 실생활에서 흔히 발생하는 문서 형태에 대한 강력한 처리 능력을 시사한다.

 

< 표 서식 문서 >

* 표 서식 문서는 행과 열로 구성된 표 형태의 문서를 의미한다.

* 일반적인 OCR은 텍스트 인식에 집중하는 반면, 표 서식 문서의 경우 텍스트 내용뿐만 아니라 표의 구조(행, 열, 셀 구분 등)까지 정확하게 인식하고 데이터 형태로 추출하는 것이 중요하다.

* 이는 솔루션이 표 인식 전문 기술을 내장하여 복잡한 표 구조를 정확하게 파악하고, 표 안의 텍스트 데이터를 체계적으로 추출할 수 있다는 것을 의미한다. 이는 데이터 분석 및 활용에 매우 중요한 기능입니다.

 

* 새로운 문서 인식에 새로운 ML 모델을 위해 커스텀 개발이 없어야 하고, 추가 비용도 발생하지 않아야 한다.

* 일반적으로 새로운 유형의 문서를 효과적으로 인식하기 위해서는 해당 문서의 특징을 학습하는 새로운 ML 모델을 개발하거나 기존 모델을 미세 조정하는 작업이 필요할 수 있는데, 이러한 커스텀 개발은 시간과 전문 인력이 요구되며, 솔루션 도입 및 운영 비용을 증가시키는 요인이 된다.

* 따라서 솔루션이 다양한 문서 형태에 대해 유연하게 적응할 수 있는 구조를 갖추고 있거나, 사용자가 직접 새로운 문서 유형을 학습시키거나 설정할 수 있는 사용자 친화적인 인터페이스 또는 도구를 제공하여 커스텀 개발 없이도 새로운 문서 인식이 가능해야 한다.

* 일부 솔루션의 경우, 새로운 문서 유형에 대한 학습이나 설정을 지원하더라도 추가적인 라이선스 비용, 교육 비용, 또는 기술 지원 비용을 청구할 수 있다.

* 그럼으로 솔루션 도입 후에도 예측 가능한 비용으로 운영할 수 있어야 하며, 새로운 요구사항 발생 시 추가적인 재정적 부담 없이 솔루션을 확장하여 사용할 수 있어야 한다.

* 솔루션을 실제 업무에 적용하여 문서를 처리하는 과정에서, OCR 결과에 오류가 발생하거나 사용자의 판단에 따라 데이터가 수정(교정)될 수 있다.

* 이는 시스템이 이러한 사용자가 교정한 데이터를 자동으로 수집하고 저장할 수 있는 기능을 갖추고 있다는 의미로, 이 교정 데이터는 솔루션의 성능을 개선하는 데 매우 중요한 학습 자료가 된다. 마치 학생이 오답 노트를 통해 약점을 보완하는 것과 유사한 원리이다.

* 수집된 교정 데이터는 일정 주기에 따라(예: 매일, 매주, 매월 등) 머신러닝(ML) 모델을 재학습시키는 데 활용된다.

* ML 모델은 이 새롭게 학습된 데이터를 기반으로 문서의 특징을 더욱 정확하게 파악하고, 다음 문서 처리 시 OCR 인식률을 높이거나 데이터 추출 정확도를 향상시키는 방향으로 업데이트된다.

* 이는 솔루션이 한 번 구축되면 성능이 고정되는 것이 아니라, 실제 운영 과정에서 발생하는 피드백을 통해 스스로 발전하는 능력을 갖추고 있다는 것을 의미한다.

* 일반적으로 ML 모델을 재학습시키고 배포하는 과정은 데이터 준비, 학습 실행, 성능 평가, 모델 배포 등 여러 단계를 거치며, 각 단계마다 데이터 관리자나 시스템 관리자의 수동적인 개입이 필요할 수 있다.

* 만약, 솔루션이 이러한 전 과정을 자동으로 처리할 수 있는 기능을 내장하고 있다면, 해당 AI OCR 솔루션이 단순히 자동화된 문서 처리 기능을 제공하는 것을 넘어, 스스로 학습하고 발전하는 지능적인 시스템 운영 환경을 제공한다는 것을 의미이다. 이는 장기적인 관점에서 솔루션의 효율성과 유지보수 용이성을 크게 향상시키는 중요한 특징이다.

* AI OCR 솔루션을 통해 문서에서 인식되어 추출된 특정 데이터 항목에 대하여 비즈니스 로직에 부합하는 검증 규칙을 직접 설정할 수 있는 기능을 제공하기도 하는데, 이러한 규칙은 데이터의 형식, 범위, 조건 등을 포함할 수 있다.

 

[ AI OCR 솔루션 검증 기능 ]

* 현업사용자는 실제로 AI OCR 솔루션을 사용하여 문서를 처리하고 데이터를 활용하는 업무 담당자들을 의미하는데, 이들은 IT 전문가가 아닐 수 있음으로 특정 기술적인 지식 없이도 솔루션을 쉽게 이해하고 조작할 수 있어야 한다.

* AI OCR 솔루션이 단순히 문자를 인식하고 데이터를 추출하는 것에서 멈추지 않고, 추출된 데이터의 정확성을 사용자가 직접 검토하고 필요한 경우 수정하여 최종적으로 저장할 수 있는 기능을 제공해야 한다.

* 문서 이미지를 사용자가 편리하게 보고 작업할 수 있도록 이미지/확대/축소 및 회전 기능을 제공한다.

* OCR 엔진이 인식한 텍스트 결과를 화면에 표시할 때, 그 정확도에 대한 정보를 함께 제공하여 사용자가 결과를 신뢰하고 효율적으로 검토 및 수정할 수 있도록 설계되어야 한다.

 

• 색상 강조: 인식률이 낮은 글자나 단어를 다른 색상으로 표시하여 사용자가 쉽게 오류 가능성이 높은 부분을 식별할 수 있도록 한다. 예를 들어, 신뢰도가 낮은 글자는 빨간색으로, 중간 정도는 노란색으로, 높은 글자는 검은색으로 표시할 수 있다.
• 신뢰도 점수 표시: 각 인식 결과 옆에 퍼센트(%) 또는 숫자 형태로 신뢰도 점수를 표시하여 사용자가 정확도를 직관적으로 파악할 수 있도록 한다.
• 경계 상자 강조: 인식된 텍스트 주변의 경계 상자 색상이나 스타일을 달리하여 신뢰도를 나타낼 수 있다. 예를 들어, 신뢰도가 낮은 인식 결과는 점선으로 표시할 수 있다.
• 레이어 표시: 원본 이미지 위에 OCR 결과를 겹쳐서 보여줄 때, 신뢰도에 따라 투명도를 조절하거나 특정 시각 효과를 적용하여 사용자가 오류 가능성을 인지하도록 한다.
• 오류 가능성 알림: 인식률이 매우 낮은 경우, 사용자에게 경고 메시지나 아이콘을 표시하여 주의를 환기시킨다.

 

*  텍스트 영역/값에 대한 객체란? OCR 엔진이 인식한 텍스트의 각 단어, 문장, 또는 특정 필드 값 등을 화면 상에서 하나의 독립적인 요소(객체)로 취급하여 표시한다는 의미인데, 각 객체는 화면상의 위치, 내용 등의 속성을 가진다.

* 사용자 선택 시 포커싱이란? 사용자가 마우스 클릭이나 터치 등의 방식으로 특정 텍스트 영역 또는 값을 선택하면, 해당 객체가 시각적으로 강조 표시(포커싱)되는 것을 의미한다. 포커싱은 일반적으로 테두리 강조, 색상 변경, 애니메이션 효과 등을 통해 이루어져 사용자가 현재 어떤 부분을 선택했는지 명확하게 알 수 있도록 한다.

* 수정 기능은 포커싱된 텍스트 영역 또는 값에 대해 사용자가 직접 내용을 편집하고 수정할 수 있는 기능을 제공한다는 의미이다. 이는 텍스트를 직접 입력하거나, 드롭다운 메뉴에서 선택하거나, 팝업 창을 통해 수정하는 등 다양한 방식으로 구현될 수 있다.

* AI OCR 솔루션의 검증 기능이 특정 문서 형식에 종속적이지 않고, 다양한 문서 타입에 대해 유연하게 적용될 수 있어야 하는데 이를 위해서는 아래와 같은 환경이 갖추어져야 한다.

 

• 룰 기반 엔진: 검증 규칙을 코드 형태로 하드코딩하는 대신, 사용자가 쉽게 정의하고 관리할 수 있는 룰 기반 엔진을 탑재하고 있을 수 있다.
• 데이터 모델링 유연성: 다양한 문서 구조와 필드에 유연하게 대응할 수 있는 데이터 모델링 방식을 채택할 수 있다.
• 템플릿 기반 설정: 새로운 문서 타입에 대한 검증 규칙 설정을 위한 사용자 친화적인 템플릿 또는 인터페이스를 제공할 수 있어야 한다.

 

* 스캔되거나 촬영된 문서 이미지 속에 포함된 표 형태의 데이터가 있을 경우 이는 단순히 텍스트로 나열된 데이터가 아니라, 행과 열로 명확하게 구분된 구조를 가지고 있어야 한다.

* 표 형태의 데이터에 대한 OCR 처리 결과를 엑셀(.xlsx), CSV(.csv) 등과 같은 스프레드시트 형식의 파일로 저장하거나, 다른 시스템으로 전송할 수 있어야 한다. 이러한 형식은 데이터를 분석, 편집, 공유하기에 용이하게 한다.

* 이는 솔루션이 단순히 표 안의 텍스트만 인식하는 것이 아니라, 표의 구조(행, 열, 셀 구분)를 이해하고, 인식된 데이터를 엑셀 파일의 셀에 맞춰 정확하게 배치하는 기능을 제공한다는 의미이다.