해결하고자 하는 문제
특정기업에서 수백건의 Invoice를 받고있는데, 이들 중에서 필요한 정보를 따로 추출하여서 이를 엑셀 시트에 기록하고 있음
특히 Invoice의 형태가 다르기 때문에, 특정 부분만을 읽도록 자동화 시키기가 매우 어려움
예상한 해결방안 : PDF에서 텍스트 추출->기존 데이터(엑셀)에서 매칭값 찾아서 ->정해진 포맷(엑셀)로 아웃풋을 전달
GPT에게 해결방안 문의
이를 해결하기 위해서, 가장 먼저 GPT에게 입력 시 해당 정보를 읽어내는지 여부를 확인
ChatGPT4 내에서 Advance Data Analysis 기능을 이용하더라도, 정확한 정보를 추출하지못하는 문제가 발생. 특히 어찌저찌 추출하여도, 구성이 조금씩 깨지는 것을 발견
GPT가 아닌 별도 툴 사용
ChatGPT로는 한계가 있다고 생각하여, 별도 OCR 툴을 사용하기로 결정!
이때, 검색을 통해서 알게된 기업이 Nanonets. App 평점기업인 G2 사이트에서도 높은 평점을 기록하기 때문에 해당 기업의 툴을 사용해보기로 결정
Nanonets 사용방법
Nanonets를 가입하면, 다음과 같이 Pre-Built OCR기능을 제공. 이때 우리는 인보이스를 다룰 것이기 때문에, Invoice 항목을 선택.
사용방법은 매우 간단하다! 선택한 기능에서, 다음과 같이 file을 업로드하면 완료!
그럼 아래와 같이, Invoice에서 특정 정보를 추출한 값을 볼 수 있습니다.
표 형식으로 되어있다면, 해당 내용을 상당히 정확하게 가져온다. 특히 한국어도 제대로 가져오는 점을 확인했음. 다만, 위에서 보시다시피 필요한 모든 정보 중 일부가 빠져있을 경우, 수정을 해야하는데 그때 Pro버전 결제를 요구합니다. 해당 기능을 정말 Heavy하게 쓰시는 분이 아니라면, 하단에 첨부한 무료버전 사용법을 참고하시길 바랍니다.
저의 경우 데모를 신청하여서 현지 직원과 사용법에 대해서 좀 더 이야기를 나눴습니다. Pro버전 결제 시 AI 학습 모델을 사용할 수 있는데, 추출하려는 PDF 파일의 형태가 매번 다른 경우 이러한 AI 학습모델이 굉장히 유효했습니다.
특히, 초기에 찾고자하는 정보를 제대로 세팅한다면(세팅하는 시간도 5분 정도로 오래걸리지 않는다), 10페이지나 되는 자료를 올려도 그 곳에서 원하는 정보만을 제대로 읽어오는 모습을 보였습니다. 다만 이는 비용이 정말 비싸니, 기업 레벨에서 사용을 권장합니다.
자 동화시스템 구축
Nanonets의 장점은 자동화시스템(Workflow)를 내부 툴에서 구축할 수 있다는 점이다. 저는 다음과 같은 시스템을 구축하였습니다.
Google Drive 내 특정 폴더에 파일 업로드 →
Nanonets에서 설정한 OCR 모델이 자동으로 정보 추출 →
추출한 정보가 정확한지 검토시스템 추가 →
Google Spreadsheet에 추출한 정보를 입력
이를 통해 얻게된 최종 Google Spreadsheet 결과물!
이 모든 작업을 약 30분 안에 완료하였습니다.
결론
단순히 OCR 기능을 넘어 Workflow 설정까지! 이 모든 작업을 한꺼번에 할 수 있기때문에 정말 편리하다고 생각함. 그리고 이를 설정하는 과정이 어렵지 않아, 초보자도 쉽게 사용가능!
형태가 고정된 문서(이력서, 설문지 등)이라면 무료플랜으로도 충분히 사용가능하다!
다만, 형태가 복잡한 문서라면 Pro 기능을 사용해야하는데, 이때 가격은 확실히 부담이 된다. OCR 기능이 필요한 기업에서 활용하면 좋겠고, 개인이 이용한다면 다른 툴을 한번 고려해봐도 좋겠습니다. (docparser)
참고)무료버전 사용방법 : Create Your Own!
Pre-built 서비스로 원하는 바를 모두 구현하기 어렵다면, Create Your Own 기능을 통해서 무료로 사용가능! 500개 의 OCR 추출까지는 무료로 제공함을 확인.
OCR 추출이 어렵지않은 형태(정형화된 형태)라면, 해당 기능을 사용해서 비용을 아끼는 것을 추천