회사에서 Expense나 Invoice 업무를 하다 보면 의외로 많은 시간을 문서에 적혀 있는 내용을 다시 시스템에 입력하는 일에 사용하게 됩니다.
영수증에는 이미 날짜와 금액, 세금, 가맹점 정보가 적혀 있고 Invoice에도 Invoice Number, Vendor, Invoice Date, Amount 등이 모두 표시되어 있습니다.
그런데 사람이 다시 화면을 보고 하나씩 입력합니다.
이때 활용할 수 있는 기술이 바로 OCR입니다.
저도 업무 자동화 기능을 접하면서 OCR을 단순히 '사진에서 글자를 읽어주는 기술'로 생각했는데, 실제 업무에서는 그다음 단계가 더 중요하다는 생각이 들었습니다.
문자를 읽는 것에서 끝나는 것이 아니라,
문서 업로드 → 정보 인식 → 필요한 항목 추출 → 사용자 확인 → 시스템 입력
까지 연결되어야 실제 업무 자동화가 되기 때문입니다.
오늘은 OCR이 무엇인지부터 영수증과 Invoice를 어떻게 읽는지, 그리고 회사 업무에서는 어떻게 활용할 수 있는지 쉽게 정리해보겠습니다.
OCR이란?
OCR은 Optical Character Recognition, 우리말로는 광학 문자 인식이라고 합니다.
쉽게 설명하면 이미지나 스캔된 문서에 들어 있는 글자를 컴퓨터가 읽을 수 있는 문자 데이터로 변환하는 기술입니다.
예를 들어 영수증 사진에 다음과 같이 적혀 있다고 가정해보겠습니다.
ABC Restaurant
09/20/2026
Subtotal $42.50
Tax $2.81
Total $45.31
사람에게는 그냥 영수증이지만 컴퓨터 입장에서는 처음에는 하나의 이미지일 뿐입니다.
OCR을 사용하면 이미지 안의 문자를 인식해서 ABC Restaurant, 09/20/2026, $45.31 같은 정보를 데이터로 변환할 수 있습니다.
OCR과 AI는 무엇이 다를까?
OCR을 이야기할 때 AI와 함께 언급되는 경우가 많아 둘을 같은 것으로 생각하기 쉽습니다.
하지만 개념적으로는 구분해서 보는 것이 이해하기 쉽습니다.
기본적인 OCR의 역할이 문자를 읽는 것이라면, 문서 처리용 AI는 읽은 정보가 무엇을 의미하는지 분류하고 구조화하는 데 활용될 수 있습니다.
예를 들어 OCR이,
09/20/2026Invoice #INV-2026-1035Total $1,250.00
를 읽었다고 해보겠습니다.
업무 시스템에서는 단순한 문자열보다,
Invoice Date = 09/20/2026Invoice Number = INV-2026-1035Total Amount = $1,250.00
처럼 각각의 값이 어떤 Field인지 구분되어야 더 유용합니다.
그래서 실제 문서 자동화에서는 문자 인식 + 문서 구조 분석 + 필요한 Field 추출이 함께 사용되는 경우가 많습니다.
영수증 OCR은 어떻게 작동할까?
영수증을 예로 들어보겠습니다.
사용자가 휴대폰으로 영수증 사진을 찍거나 파일을 업로드합니다.
시스템은 이미지에서 글자를 읽고 필요한 정보를 찾아냅니다.
일반적인 영수증이라면 다음과 같은 정보를 추출할 수 있습니다.
Merchant / Transaction Date / Subtotal / Tax / Tip / Total Amount
여기까지 처리되면 사람이 영수증을 보고 모든 값을 다시 입력하는 대신 OCR이 먼저 입력한 내용을 확인하고 잘못된 부분만 수정하는 방식으로 업무를 바꿀 수 있습니다.
이 차이가 중요합니다.
기존 방식이,
영수증 확인 → 모든 항목 직접 입력 → 저장
이었다면 OCR을 적용한 방식은,
영수증 업로드 → OCR 자동 인식 → 결과 확인 → 수정 → 저장
이 됩니다.
Invoice에서는 OCR을 어떻게 활용할까?
Invoice는 영수증보다 데이터가 더 복잡할 수 있습니다.
예를 들어 하나의 Invoice에서 다음과 같은 정보가 필요할 수 있습니다.
Vendor Name
Invoice Number
Invoice Date
Due Date
Currency
Subtotal
Tax
Total Amount
PO Number
경우에 따라 Line Item까지 추출해야 할 수도 있습니다.
예를 들어 Invoice에,
Consulting Service / Qty 10 / Unit Price $150 / Amount $1,500
이 적혀 있다면 이를 각각의 데이터로 나누는 것입니다.
이 정보가 정확하게 추출된다면 이후 ERP나 회계 시스템의 Invoice Request 화면에 자동으로 채워주는 방식으로 확장할 수 있습니다.
OCR이 업무 자동화에서 유용한 이유
OCR의 장점은 단순히 타이핑 몇 번을 줄여주는 것에 그치지 않습니다.
Invoice가 한 달에 몇 건뿐이라면 사람이 입력해도 큰 문제가 없을 수 있습니다.
하지만 영수증이나 Invoice가 수백 건씩 처리된다면 상황이 달라집니다.
같은 정보를 반복해서 입력하는 시간이 늘어나고, 숫자를 잘못 입력하거나 Invoice Number를 틀리게 입력하는 등의 실수 가능성도 생깁니다.
OCR을 사용하면 사람이 처음부터 모든 정보를 입력하는 업무를 'AI가 입력한 결과를 확인하는 업무'로 바꾸는 것이 가능합니다.
저는 이 변화가 OCR 자동화의 핵심이라고 생각합니다.
OCR 결과를 바로 저장하면 안 되는 이유
여기서 중요한 부분이 하나 있습니다.
OCR이 읽었다고 해서 결과가 항상 정확한 것은 아닙니다.
사진이 흔들렸거나 영수증이 구겨져 있을 수도 있고, 글씨가 흐리거나 특이한 Invoice 양식을 사용할 수도 있습니다.
$1,250.00을 $1,250.08처럼 잘못 읽는다면 회계 업무에서는 문제가 될 수 있습니다.
그래서 실제 업무에서는 다음과 같은 구조가 더 안전합니다.
OCR 인식 → 사용자 확인 → 수정 → 최종 저장
즉, OCR은 입력을 도와주지만 최종 확인은 사람이 하는 Human-in-the-loop 방식입니다.
특히 금액이나 세금, Vendor, Invoice Number처럼 회계 처리에 중요한 항목은 검증 절차를 두는 것이 좋습니다.
원본 이미지와 OCR 결과를 같이 보여주면 편하다
OCR 화면을 만든다면 개인적으로 중요하다고 생각하는 UI가 있습니다.
바로 원본 문서와 OCR 결과를 한 화면에서 비교하는 방식입니다.
예를 들어 화면 왼쪽에는 영수증을 보여주고 오른쪽에는,
Merchant: ABC Restaurant
Date: 09/20/2026
Subtotal: $42.50
Tax: $2.81
Total: $45.31
처럼 인식된 결과를 보여주는 것입니다.
사용자는 화면을 왔다 갔다 하지 않고 원본과 결과를 바로 비교할 수 있습니다.
잘못된 값만 수정한 뒤 Confirm 버튼을 누르면 됩니다.
Confidence Score도 활용할 수 있다
문서 인식 시스템에서는 추출 결과가 얼마나 확실한지 나타내는 신뢰도 정보를 활용할 수도 있습니다.
예를 들어,
Vendor: 98%
Invoice Date: 96%
Invoice Number: 91%
Total Amount: 99%
처럼 결과를 보여주는 방식입니다.
신뢰도가 낮은 항목만 별도로 강조하면 사용자가 모든 Field를 같은 수준으로 확인하는 대신 확인이 더 필요한 값에 집중할 수 있습니다.
다만 Confidence가 높다고 해서 값이 반드시 맞다는 뜻은 아니므로 중요한 데이터에는 별도의 검증 기준이 필요합니다.
OCR 다음에는 자동 검증을 붙일 수 있다
OCR로 데이터를 읽었다면 다음 단계는 Validation입니다.
예를 들어 Invoice Number와 Vendor 조합이 기존 데이터에 이미 존재하는지 확인하면 Duplicate Invoice 가능성을 표시할 수 있습니다.
또한,
Total = Subtotal + Tax
인지 확인하거나,
Invoice Date가 비정상적인 날짜인지,
PO Number가 실제 존재하는지,
Currency가 예상된 통화인지 등을 확인할 수 있습니다.
그러면 OCR은 단순한 문자 인식 도구에서 업무 검증을 시작하는 출발점이 됩니다.
Expense 업무에도 활용할 수 있다
직원 Expense 처리도 OCR과 잘 맞는 업무입니다.
예를 들어 직원이 출장 중 식사비를 결제했다고 생각해보겠습니다.
기존에는 영수증을 보고 날짜, Merchant, 금액 등을 직접 입력해야 합니다.
OCR을 적용하면 영수증을 촬영한 뒤 기본 정보를 먼저 채울 수 있습니다.
여기에 회사의 Expense Rule을 연결하면 한 단계 더 확장할 수 있습니다.
예를 들어 Expense Category 후보를 보여주거나 Corporate Card Transaction과 금액·날짜를 비교하여 일치 가능성이 있는 거래를 제안할 수도 있습니다.
여기서도 시스템이 모든 것을 자동으로 확정하기보다는 추천 → 사용자 확인 → 제출 방식이 현실적입니다.
OCR과 ERP를 연결하면 어떻게 될까?
OCR의 활용도가 높아지는 지점은 ERP와 연결했을 때입니다.
전체 흐름을 생각하면 다음과 같습니다.
Invoice Upload
↓
OCR Recognition
↓
Vendor / Invoice Number / Date / Amount 추출
↓
Validation
↓
사용자 확인
↓
Approval
↓
ERP Invoice 생성
이렇게 연결되면 사람이 Invoice를 보면서 ERP에 동일한 정보를 다시 입력하는 과정을 상당 부분 줄일 수 있습니다.
하지만 실제 ERP에 데이터를 생성하는 단계에서는 Permission, Validation, Duplicate Check, Approval Rule, Audit History 등을 함께 고려해야 합니다.
AI에게 Account를 추천하게 할 수도 있을까?
OCR이 Invoice나 영수증 내용을 읽은 다음 AI를 활용해 Expense Account 후보를 추천하는 것도 생각해볼 수 있습니다.
예를 들어,
Uber → Travel / Transportation
Hotel → Travel / Lodging
Office Depot → Office Supplies
같은 방식입니다.
하지만 이 부분은 단순한 OCR보다 훨씬 조심해야 합니다.
같은 Vendor라도 구매 목적에 따라 Account가 달라질 수 있기 때문입니다.
따라서 AI가 회계 계정을 자동 확정하기보다는,
Suggested Account: Travel Expense
처럼 추천하고 담당자가 확인하는 구조가 더 현실적입니다.
OCR 도입 전에 먼저 확인해야 할 것
OCR이라고 하면 인식률부터 확인하고 싶어지지만 업무에서는 그 전에 질문해야 할 것이 있습니다.
어떤 문서를 처리할 것인가?
그리고,
어떤 Field가 실제로 필요한가?
Invoice에 있는 모든 정보를 읽을 필요는 없습니다.
업무 시스템에서 Vendor, Invoice Number, Date, Amount만 필요하다면 우선 이 네 가지를 정확하게 추출하는 것부터 시작하는 편이 좋습니다.
그다음 Tax, PO Number, Line Item 등으로 확장할 수 있습니다.
처음부터 모든 종류의 문서와 모든 Field를 처리하려고 하면 프로젝트가 빠르게 복잡해질 수 있습니다.
OCR 자동화에서 사람이 없어지는 것은 아니다
OCR 자동화를 이야기하면 '사람이 하던 일을 AI가 모두 처리한다'고 생각하기 쉽습니다.
하지만 실제 업무에서는 역할이 조금 다릅니다.
기존에는 사람이,
읽기 → 판단 → 입력 → 확인
을 모두 했다면,
OCR을 적용하면,
AI가 읽고 입력 → 사람이 확인하고 판단
하는 구조로 바뀔 수 있습니다.
반복적인 데이터 입력은 줄이고 사람은 예외 상황과 판단이 필요한 부분에 집중하는 것입니다.
특히 재무·회계 데이터처럼 정확성이 중요한 업무에서는 이런 구조가 더 중요합니다.
OCR을 활용할 수 있는 다른 업무
영수증과 Invoice 외에도 OCR을 활용할 수 있는 문서는 많습니다.
계약서, 신청서, 주문서, Purchase Order, Shipping Document, 세금 관련 문서 등 이미지나 PDF 형태로 들어오는 정보를 시스템 데이터로 바꿔야 하는 업무라면 OCR을 검토해볼 수 있습니다.
다만 문서 종류에 따라 형식과 필요한 정확도가 다르기 때문에 OCR을 사용할 수 있느냐보다 OCR 이후 어떤 업무 프로세스로 연결할 것인가가 더 중요합니다.
마무리｜OCR의 진짜 가치는 '읽기' 다음에 있다
OCR은 이미지나 문서에 있는 글자를 컴퓨터가 읽을 수 있는 데이터로 바꾸는 기술입니다.
하지만 회사 업무에서 OCR의 진짜 가치는 글자를 읽는 것만으로 끝나지 않습니다.
문서 Upload → OCR → 필요한 정보 추출 → Validation → 사용자 확인 → Approval → ERP
처럼 실제 업무 프로세스와 연결될 때 자동화의 효과가 커집니다.
영수증이나 Invoice에 이미 적혀 있는 내용을 사람이 다시 입력하고 있다면 OCR을 검토해볼 만합니다.
다만 목표를 처음부터 **'100% 자동 처리'**로 잡기보다는,
사람이 모든 데이터를 입력하는 업무에서, 시스템이 먼저 입력하고 사람이 확인하는 업무로 바꾼다.
정도로 시작하는 것이 현실적입니다.
결국 좋은 OCR 자동화는 사람을 없애는 기술이라기보다 사람이 반복적으로 입력하는 시간을 줄이고, 확인과 판단에 더 집중할 수 있게 만드는 도구라고 볼 수 있습니다.
0 Comments