OCR 결과를 전부 사람이 다시 읽으면 자동화의 효과가 작고, 전부 자동 통과시키면 중요한 오류가 남습니다. 검수 대기열은 인식 신뢰도 순서가 아니라 업무 위험과 수정 비용을 함께 고려해 정렬해야 합니다.
문서별 실패 비용을 나눈다
금액, 계좌, 품번, 납기처럼 잘못되면 결제나 생산에 영향을 주는 필드는 우선 검수합니다. 참고용 메모의 작은 오타와 같은 비중으로 다루지 않습니다. 문서 종류와 필드별로 자동 통과, 표본 검수, 필수 검수 기준을 정합니다.
신뢰 점수 하나만 보지 않는다
모델 점수가 높아도 합계가 맞지 않거나 공급자 코드가 ERP에 없으면 위험합니다. 필드 점수, 규칙 위반, 문서 품질, 신규 양식 여부를 결합해 대기열 우선순위를 만듭니다. 점수는 오류 확률의 완전한 보증이 아닙니다.
검수 화면은 비교를 빠르게 한다
검수자가 원문 위치와 추출값을 나란히 보고 한 번에 수정할 수 있어야 합니다. 페이지를 계속 넘겨야 한다면 대기열은 줄지 않습니다. 수정 사유와 최종 확정자를 기록해 같은 오류의 재발을 분석합니다.
처리기한에 따라 순서를 조정한다
오늘 출하에 필요한 작업지시서와 다음 주 정산용 문서의 긴급도가 다릅니다. 위험 점수와 업무 마감 시각을 함께 사용하고, 오래 대기한 문서가 계속 뒤로 밀리지 않게 합니다. 검수 인력의 처리 능력도 계획에 반영합니다.
대기열 자체를 개선 신호로 쓴다
특정 공급자 양식이나 스캔 장비에서 예외가 급증하면 개별 검수만 늘릴 문제가 아닙니다. 원본 품질과 양식 변경을 확인하고 추출 규칙을 조정합니다. 자동 통과율뿐 아니라 오통과율과 한 건당 검수 시간을 함께 측정합니다.
현장에 적용할 때의 순서
- 필드별 위험·마감 시각 정의
- 규칙 위반까지 우선순위 반영
- 오류 유형으로 원인 개선
주의할 실패: 모델 점수만으로 대기열 정렬
관찰할 지표: 오통과율과 검수 소요시간
적용 전 체크리스트
- 필드별 오류 비용과 검수 기준이 정의됐는가
- 규칙 위반과 마감 시각을 대기열에 반영하는가
- 오통과 문서를 별도로 추적하는가
참고 자료
Google Cloud Document AI documentation. 문서 추출의 기본 기능을 참고했습니다. 위험 기반 검수 우선순위는 글의 실무 설계 제안입니다.
이미지와 도식은 이해를 돕기 위한 개념 시각화입니다. 특정 고객의 실제 설비·데이터·화면을 재현한 것이 아닙니다.
#OCR #문서AI #검수대기열 #지능형문서처리 #업무자동화 #예외처리 #데이터검증 #ERP연동 #문서품질 #AI운영
