메일로 오는 서류, 사람이 안 열어봐도 되게 만드는 법

받은편지함이 업무 시스템의 입구가 된 회사가 많습니다. 거래처 정산서, 본선 레포트, 발주 확인서, 계약서 — 전부 메일 첨부로 도착하고, 누군가 열어서 읽고, 값을 옮기고, 파일을 정리합니다. 이 글은 이메일 서류 자동 처리 파이프라인을 설계할 때의 표준 구조와, 실무에서 부딪히는 문제(스캔본, 제각각인 양식, 애매한 값)를 다루는 방법을 정리했습니다.

파이프라인의 표준 5단계

• 수신 — 메일함 감시나 전달 규칙으로 서류를 자동 수집한다 (.eml, PDF, 엑셀 첨부)
• 분류 — 어떤 거래처의 어떤 종류 서류인지 식별한다
• 추출 — 서류에서 필요한 값(시각, 금액, 항목)을 뽑는다
• 검증 — 기준 데이터와 대조해 일치 · 불일치 · 확인 필요로 나눈다
• 기입 — 검증된 값만 집계표나 시스템에 자동 입력한다

다섯 단계 중 회사마다 난이도가 크게 달라지는 곳은 '추출'과 '검증'입니다. 나머지는 대부분 표준 기술로 해결됩니다.

문제 1 — 같은 서류인데 양식이 전부 다르다

거래처가 10곳이면 양식도 10가지입니다. 항목 이름이 다르고, 표 구조가 다르고, 같은 값을 다른 위치에 적습니다. 규칙 기반 파서가 무너지는 지점이 여기입니다. LLM 기반 추출은 '이 서류에서 입항 시각을 찾아라'처럼 의미 기준으로 값을 찾기 때문에 양식 변화에 훨씬 강합니다. 다만 그만큼 검증 단계가 더 중요해집니다 — 유연하게 읽는 만큼, 읽은 값이 맞는지 확인하는 장치가 반드시 따라와야 합니다.

문제 2 — 스캔본 PDF

텍스트가 살아 있는 PDF와 달리 스캔본은 이미지입니다. OCR을 거쳐야 하고, OCR은 숫자를 틀리게 읽을 수 있습니다. 실무 원칙은 두 가지입니다. 첫째, 스캔본에서 읽은 값에는 '전사를 거쳤다'는 사실 자체를 결과에 표시한다. 둘째, 품질이 나빠 신뢰할 수 없는 서류는 파이프라인이 처리하는 척하지 않고, 건너뛰었다는 사실을 명시한다.

문제 3 — 애매한 값은 누가 판정하나

두 서류의 시각이 몇 분 다르면 오류일까요, 기록 관행의 차이일까요? 이름이 다른 두 금액 항목이 실은 같은 비용일까요? 이런 판정을 시스템에 맡기면 반드시 사고가 납니다. 판정 기준이 명확한 것만 시스템이 처리하고, 애매한 것은 유형별 태그를 붙여 담당자의 확인 목록으로 모아주는 구조가 안전합니다. 담당자는 전체를 다시 보는 대신 확인 목록만 보면 됩니다.

도입 전 준비물 3가지

• 최근 2~3개월치 실제 메일과 첨부 서류 샘플
• 지금까지 사람이 만들어 온 집계표 — 그대로 검증 기준이 된다
• 담당자의 30분 — '이 값은 어디서 와서 어디로 가는지'에 대한 설명

이 세 가지가 있으면 며칠 안에 실제 데이터로 추출 정확도를 확인할 수 있습니다. 저희가 해운사 정산 검토를 자동화할 때도 실제 메일로 수신된 본선 레포트와 대리점 정산서로 시작해, 기존 수기 집계와 값이 일치하는지부터 검증했습니다.