OCR

1. 최근 한 달 영수증 10장과 스캔 보고서 1건을 골라 Google Cloud Vision·Upstage·CLOVA OCR 데모에 동일하게 넣고 인식률을 비교 기록합니다.
2. 손글씨가 섞인 문서(설문지·메모·서명란)를 별도로 테스트해 한국어 손글씨 인식이 실용 수준인지 점검합니다.
3. Amazon Textract AnalyzeExpense 데모에 인보이스 1건을 넣어 공급사·총액·품목이 표준 필드로 잘 잡히는지 확인합니다.
4. OCR 결과를 그대로 LLM(예: Claude·GPT)에 붙여 넣고 "표 구조 유지·핵심 항목 JSON 추출"을 요청해 OCR+LLM 결합 파이프라인을 시제품으로 만들어 봅니다.
5. 자사 문서 100건 기준으로 "건당 처리 시간·건당 단가·인식 오류율" 세 줄짜리 견적표를 만들어 외주·SaaS·자체 구축 옵션을 비교합니다.

OCR은 글자 자체는 잘 읽지만 표·그래프·문단 의존성 같은 시각 정보가 풍부한 VRD(Visually Rich Document, 시각 정보가 풍부한 문서)에서 핵심 정보를 누락하는 경향이 있습니다.^[11] Upstage 공식 블로그는 "단순 텍스트 추출만으로는 중요한 정보 손실이 발생한다"고 명시하며, LLM 활용 전 단계에서 레이아웃 분석과 마크다운 변환이 필수임을 강조합니다.^[11] 손글씨·저화질 스캔·다국어 혼용·도장·서명 같은 케이스에서는 인식 오류율이 여전히 상승하며, arXiv 2025 논문도 이미지 해상도·시각 복잡도가 멀티모달 LLM의 OCR 정확도에 직접 영향을 준다고 보고합니다.^[12]

진화 방향은 세 갈래입니다.

1. 트랜스포머 기반 End-to-End OCR입니다. TrOCR이 ViT 인코더+Transformer 디코더로 인쇄·필기·장면 텍스트 전 영역에서 최고 성능을 갱신했고, 이후 LayoutLM 계열이 텍스트와 2D 위치를 함께 학습해 문서 구조 이해까지 흡수했습니다.^[04]
2. OCR+LLM 결합입니다. 2025년 출시된 Mistral OCR이나 GPT-4V·Claude·Gemini 멀티모달 모델은 "이 문서가 무엇을 말하는가" 수준의 의미 이해를 OCR 파이프라인에 직접 부착하는 흐름을 만들고 있어, Tesseract 같은 별도 엔진 호출 없이 한 번에 답을 받는 구조로 무게 중심이 옮겨 가고 있습니다.^[05]
3. 도메인 특화 IDP 시장의 성장입니다. 시장 자료 기준 IDP는 연 26%+ 성장률로 2034년 910억 달러까지 확장될 것으로 전망되며, 한국에서는 Upstage가 공공·의료·보험·제조 영역의 도메인 솔루션으로 자리잡고 있습니다.^[05][08]