OCR 수정 이력을 품질 개선에 연결하는 법

OCR 결과를 사람이 고쳤다면 그 기록은 단순한 입력 수정이 아니라 품질 개선 자료입니다. 어떤 필드가 어떤 문서 유형에서 자주 틀리는지 알 수 있기 때문입니다. 다만 수정된 값을 곧바로 학습 정답으로 쓰면 사람의 실수까지 반복될 수 있습니다.

원본과 수정값을 함께 남긴다

OCR 원문, 수정 후 값, 원본 이미지 좌표, 수정자, 수정 시각을 연결합니다. 한글 자모 오류인지 표의 열 매핑 오류인지 분류할 수 있어야 모델과 후처리 중 어디를 고칠지 결정할 수 있습니다. 예를 들어 금액을 1,000원에서 10,000원으로 고친 경우 단순 문자 오인식일 수도 있지만 다른 행의 금액을 가져온 구조 오류일 수도 있습니다. 수정 전후 이미지 위치를 함께 봐야 원인을 제대로 분류할 수 있습니다.

수정 사유를 선택하게 한다

문자 인식 오류, 잘못된 필드 연결, 원본 문서의 오기, 업무 규칙 예외는 해결책이 다릅니다. 수정 화면에서 짧은 사유 코드를 선택하도록 하면 나중에 분석 비용을 줄일 수 있습니다.

정답 데이터는 별도 검수한다

사람이 고친 값도 피로도나 업무 맥락 때문에 틀릴 수 있습니다. 영향이 큰 금액·고객 식별자·안전 정보는 이중 검수 또는 표본 감사를 거쳐 평가 데이터로 승격합니다.

문서 유형별로 개선한다

서식이 다른 문서를 하나의 평균 정확도로 보면 약한 유형이 가려집니다. 발행처, 스캔 품질, 손글씨 여부별 오류율을 보고 가장 큰 재작업 비용을 만드는 유형부터 개선합니다.

재평가에서 성과를 확인한다

수정 기록을 반영해 모델이나 규칙을 바꾼 뒤에는 과거에 보지 않은 문서로 정확도와 사람 검토 시간을 비교합니다. 수정 건수가 줄어도 누락 오류가 늘면 개선이라고 할 수 없습니다.

현장에 적용할 때의 순서

1. OCR 원본·수정값·사유를 필드별 기록
2. 중요 수정값 검수 후 평가셋 반영
3. 문서 유형별 재작업 비용 비교

주의할 실패: 모든 사람 수정값을 무검증 정답으로 사용

관찰할 지표: 필드별 오류율·검토 시간·누락 건수

적용 전 체크리스트

• 원본·수정값·좌표·수정 사유를 연결한다
• 중요 필드의 수정값은 표본 또는 이중 검수한다
• 문서 유형별 오류율과 검토 시간을 따로 본다

참고 자료

Google Cloud Document AI Documentation. 문서 구조화 추출의 기본 기능은 Google Cloud 공식 문서를 참고했습니다. 수정 이력 검수와 평가 절차는 실무 제안입니다.

이미지와 도식은 이해를 돕기 위한 개념 시각화입니다. 특정 고객의 실제 설비·데이터·화면을 재현한 것이 아닙니다.

#OCR #사람검토 #문서AI #수정이력 #데이터라벨링 #품질개선 #업무자동화 #검증데이터 #오류분석 #AI운영