2-트랙
고정밀 서버 / 경량 오프라인 선택
환각 0 원칙
없는 값을 지어내지 않는 설계
1회 등록
양식 스키마 등록 시 전 트랙 반영
손글씨 OK
필기체·왜곡 문서 대응 (고정밀 트랙)
LIVE DEMO — SIMULATION
양식이 데이터가 되는 과정
문서에서 기입값의 위치를 찾고, 값을 읽고, 검증 플래그와 함께 구조화 데이터로 반환하는 흐름의 시뮬레이션입니다.
신 청 서
성명
김 ○ ○
연락처
010-1234-5678
신청 구분
☑ 신규 ☐ 변경
신청일
2026. 7. 8.
금액
1,500,000원
비고
(빈칸)
{
"성명": "김○○",
"연락처": "010-1234-5678",
"신청구분": "신규", // checkbox
"신청일": "2026-07-08", // 정규화
"금액": "1500000", // valid ✓
"비고": "" // 빈칸은 빈칸으로
}
* 반복 재생되는 시나리오 시뮬레이션입니다. 실제 제품은 스캔·촬영 이미지 입력으로 동작하며, 손글씨는 고정밀 트랙에서 처리됩니다.
🧪 Interactive Simulation
샘플 문서를 직접 골라, 추출 과정을 단계별로 살펴보세요.
스캔 → 기입값 인식 → JSON 반환에 이르는 흐름을 재현한 인터랙티브 시뮬레이션입니다. 실제 학습 모델을 실행하지는 않습니다.
ARCHITECTURE
환경에 맞춰 고르는 두 개의 트랙
정확도가 최우선인 기관과 오프라인·경량이 필수인 현장은 요구가 다릅니다. 같은 양식 정의를 공유하는 두 엔진 중 선택하고, 필요하면 병행합니다.
TRACK 1 — PRECISION
고정밀 트랙 (비전-언어 모델 기반)
대형 비전-언어 모델에 양식별 어댑터를 학습시켜 최고 정확도를 냅니다. 서버 GPU 환경에서 동작합니다.
image → 양식 자동 분류
→ 양식별 어댑터 추출 (1-pass)
→ 검증·정규화 → JSON
→ 양식별 어댑터 추출 (1-pass)
→ 검증·정규화 → JSON
- 복잡한 다단 표 · 병합셀 · 체크박스
- 손글씨(필기체) 기입값 인식
- 팩스 노이즈 · 회전 · 왜곡 대응
- 대형 금융기관 · 공공기관 · 대기업 대상
TRACK 2 — EDGE
경량 트랙 (자체 OCR 엔진 기반)
대형 모델 없이 자체 파인튜닝 OCR과 양식 스키마 매핑만으로 동작합니다. 완전 오프라인·자체 보유형입니다.
image → 자체 OCR (full-page)
→ 스키마 앵커 매핑 (no LLM)
→ 값 영역 추출 → JSON
→ 스키마 앵커 매핑 (no LLM)
→ 값 영역 추출 → JSON
- GPU 서버 불필요 — 로컬 · 오프라인
- 클라우드 우회 · 데이터 주권 요건 충족
- 엣지 디바이스 · 로봇 · 모바일 탑재 가능
- 중소기업 · 현장 시스템 대상
EXTRACTION PRINCIPLES
신뢰할 수 있는 추출의 4원칙
추출 결과가 DB에 들어가고 업무가 그 위에서 돌아가려면, 정확도 숫자보다 '어떤 실수를 하지 않는가'가 중요합니다.
기입값은 무조건 추출형식 검증에 실패한 값도 지우지 않고 플래그와 함께 보존합니다. 판단은 사람이, 보존은 시스템이.
환각 제로빈칸은 빈칸("")으로 반환합니다. 없는 값을 그럴듯하게 지어내지 않는 것이 설계 원칙입니다.
검증은 표시, 삭제 아님주민번호·날짜·금액 형식 검증은 valid 플래그로만 표시됩니다 — 값이 사라지는 일은 없습니다.
빈 행만 제거사용자가 아무것도 적지 않은 템플릿 빈 행만 제거하고, 데이터가 있는 행의 빈 필드는 유지합니다.
ONBOARDING
새 양식 등록은 한 번이면 됩니다
양식 스키마 — 한 화면에서 등록, 전 트랙 반영
템플릿 이미지를 올리면 셀 구조를 자동 검출하고, 필드 이름·값 영역·데이터 유형(텍스트/날짜/금액/체크박스)·반복 행을 정의합니다. 한 번의 등록으로 고정밀 트랙과 경량 트랙 양쪽에 동시에 적용됩니다.
- 표 셀 자동 검출 + 템플릿 OCR 보조
- 필드 유형별 검증 규칙 자동 연결
- 기존 양식은 보호되고 신규만 반영되는 안전장치
template.png 업로드
→ 셀 자동 검출
→ 필드/유형/반복행 정의
→ Track 1 + Track 2 동시 반영
→ 셀 자동 검출
→ 필드/유형/반복행 정의
→ Track 1 + Track 2 동시 반영
같은 문서, 두 개의 답 — 교차 검수
같은 이미지를 두 트랙에 동시에 넣어 결과를 비교할 수 있습니다. 트랙 간 불일치는 검수가 필요한 지점을 정확히 알려주고, 양식의 난이도를 판별해 트랙 배분을 결정하는 근거가 됩니다.
- 단건·배치 모두 지원
- 불일치 필드 하이라이트
- 난이도 판별 → 단순 양식은 경량 트랙으로 비용 절감
doc.png → Track 1 → A안
doc.png → Track 2 → B안
→ diff → 검수 포인트
doc.png → Track 2 → B안
→ diff → 검수 포인트
운영할수록 좋아지는 엔진
운영 중 쌓이는 문서와 검수 결과는 다음 모델의 학습 재료가 됩니다. 현재는 규칙과 모델이 함께 일하는 구조에서, 모델이 추출의 주체가 되는 구조로 진화하는 로드맵을 진행하고 있습니다.
- 검수 완료 데이터의 자동 라벨링 파이프라인
- 미지 양식 일반화를 위한 모델 중심 아키텍처 로드맵
- 엣지 실시간 추론을 위한 경량화(양자화) 계획
운영 데이터 축적
→ 자동 라벨링
→ 재학습
→ 미지 양식 일반화 (로드맵)
→ 자동 라벨링
→ 재학습
→ 미지 양식 일반화 (로드맵)
USE CASES
수기 문서가 있는 모든 업무에
병합셀이 많은 다단 표, 체크박스, 손글씨 기입, 팩스 수신 왜곡까지 겹치는 가장 까다로운 문서군입니다. 고정밀 트랙이 양식별 어댑터로 대응하며, 검증 플래그 체계가 심사·검수 업무 흐름에 그대로 연결됩니다.
인수증, 검수표, 작업일지처럼 형식이 표준화된 문서는 경량 트랙이 오프라인으로 처리합니다. 현장 PC나 모바일에서 서버 없이 동작해 도입 비용이 낮습니다.
문서를 외부 클라우드로 보낼 수 없는 조직을 위해, 경량 트랙은 완전 자체 보유형으로 공급됩니다. 모델과 엔진이 조직 내부에서만 동작하며 외부 API 호출이 없습니다.
비전 AI는 JaalAI 로봇의 시각 인식 역량의 일부입니다. 문서를 읽는 능력은 로봇이 현장의 라벨·표지·계기를 읽는 능력으로 확장됩니다. 로보틱스 프로젝트 →
SPECIFICATIONS
기술 사양
| 항목 | 고정밀 트랙 | 경량 트랙 |
|---|---|---|
| 엔진 | 비전-언어 모델 + 양식별 어댑터 | 자체 파인튜닝 OCR + 스키마 매핑 |
| 인프라 | 서버 GPU | 로컬 PC / 엣지 (GPU 불필요) |
| 네트워크 | 온프레미스 가능 | 완전 오프라인 |
| 손글씨 | 지원 | 인쇄체 중심 |
| 적합 문서 | 복잡·고난도 양식 | 단순~중간 표준 양식 |
| 요소 | 내용 |
|---|---|
| 표 구조 | 다단 표 · 병합셀 · 반복 행(리스트) 추출 |
| 필드 유형 | 텍스트 · 날짜 · 금액 · 주민/사업자번호 · 체크박스(선택형) |
| 이미지 품질 | 스캔 · 촬영 · 팩스 (노이즈/회전/왜곡 보정 — 고정밀 트랙) |
| 출력 | 구조화 JSON + 필드별 valid 플래그 + 좌표(bbox) |
| 형태 | 내용 |
|---|---|
| API 서버 | REST API — 사내 시스템 연동 (온프레미스) |
| 배치 처리 | 디렉토리 단위 대량 문서 일괄 처리 |
| 검수 UI | 추출 결과 육안 검수 화면 제공 |
| 양식 등록 도구 | 신규 양식 온보딩 도구 포함 |
* 신규 양식 온보딩과 현장 맞춤 조정은 도입 프로세스에 포함됩니다.