.svg)
AI 솔루션 문의하기
국내 금융 청구서나 어음에는 위변조를 막기 위해 금액을 아라비아 숫자와 한글 표기로 함께 적는 관행이 남아 있으며 두 표기가 서로 일치하는지를 확인하는 작업이 인식 과정에서 중요하게 다루어져야 합니다. 숫자만 인식하고 한글 표기와의 대조를 생략하면 정작 이 이중 표기 방식이 원래 갖추고 있던 위조 방지 기능 자체가 데이터 처리 단계에서 무력화되는 셈입니다. 두 표기를 각각 인식한 뒤 서로 대조하는 절차를 라벨링 스키마에 명시적으로 포함시켜야 합니다.
손으로 적은 금액 위에 다른 숫자로 덧쓰거나 지운 흔적이 남아 있는 경우 이 정정이 정당한 수정인지 아니면 위조를 시도한 흔적인지를 구분해야 하는 상황이 생깁니다. 일반적인 손글씨 인식은 최종적으로 남은 형태만 읽어내면 충분하지만 금융 문서에서는 정정이 이루어졌다는 사실 자체를 별도로 표시해 두어야 이후 위변조 여부를 판단할 근거가 남습니다. 정정 흔적의 유무와 그 위치를 함께 기록하는 항목을 스키마에 추가하는 편이 안전합니다. 정정 사유가 함께 기재되어 있다면 그 내용도 별도 항목으로 옮겨 두는 편이 나중의 검토 작업에 도움이 됩니다.
디지털화되지 않은 채 남아 있는 과거의 거래 장부는 오랜 세월 동안 잉크가 흐려지고 종이가 변색되어 숫자와 글자의 경계가 흐릿해진 경우가 많습니다. 이런 자료를 학습데이터에 포함시키려면 손상 정도가 다양한 여러 시기의 장부를 고르게 확보해야 인식 모델이 실제 디지털화 작업 현장에서 마주치는 다양한 상태에 대응할 수 있습니다. 상태가 양호한 최근 문서로만 학습을 마치면 오래된 장부를 다룰 때 정확도가 크게 떨어지는 결과로 이어집니다. 장부에 쓰인 필기구의 종류에 따라서도 잉크 번짐의 양상이 달라질 수 있어 이런 세부 조건까지 함께 살피는 편이 안전합니다.
인쇄된 양식으로 발급된 청구서에 담당자가 손으로 금액이나 항목을 수정해 덧붙이는 경우가 있으며 이런 문서는 인쇄체와 손글씨가 한 화면 안에 함께 존재합니다. 인쇄체 인식과 손글씨 인식을 하나의 파이프라인으로 동시에 처리하려 하면 서로 다른 인식 방식이 충돌해 어느 한쪽의 정확도가 떨어지는 결과로 이어질 수 있습니다. 인쇄체 영역과 손글씨 영역을 먼저 구분한 뒤 각각에 맞는 인식 방식을 적용하는 이단계 접근이 필요합니다. 이런 정정이 여러 번 반복된 문서는 최종적으로 유효한 값이 어느 것인지를 함께 표시해 두어야 혼선을 막을 수 있습니다.
청구서나 계약 관련 문서에는 서명란이 함께 포함되어 있으며 이 서명은 문자 인식의 대상이 아니라 신원 확인의 대상으로 다루어져야 합니다. 서명을 일반 손글씨와 같은 방식으로 텍스트화하려는 시도는 무의미할 뿐 아니라 서명이 담고 있는 진위 확인이라는 본래 기능을 놓치게 만듭니다. 서명 영역은 문자 인식 대상에서 제외하고 별도의 서명 검증 절차로 넘기는 구조가 필요합니다. 서명이 문서의 다른 손글씨 영역과 겹쳐 있는 경우에는 두 영역의 경계를 먼저 명확히 나누는 작업이 선행되어야 합니다.
손으로 쓴 숫자에서 자릿수를 구분하는 쉼표와 소수점을 나타내는 점은 필체에 따라 구분하기 어려운 경우가 있으며 이 둘을 혼동하면 금액의 자릿수 자체가 완전히 달라지는 심각한 오류로 이어집니다. 이런 오류는 겉보기에는 사소한 인식 실수처럼 보이지만 실제 금액과 비교했을 때 수십 배에서 수백 배까지 차이가 날 수 있어 다른 어떤 오류보다 신중하게 다루어야 합니다. 숫자 뒤에 이어지는 자릿수의 개수를 함께 확인하는 이차 검증 절차를 마련해 두는 편이 안전합니다.
은행이나 카드사마다 청구서의 항목 배치와 손글씨가 들어가는 위치가 다르며 이런 서식 차이는 인식 모델이 특정 위치만을 기준으로 학습되었을 때 다른 기관의 문서에서 오류를 일으키는 원인이 됩니다. 여러 기관의 서로 다른 서식을 폭넓게 수집해 두지 않으면 특정 서식에서만 정확도가 높은 편향된 모델이 만들어질 위험이 있습니다. 기관별 서식 견본을 미리 확보해 두는 작업이 이런 편향을 줄이는 기초가 됩니다. 같은 기관이라도 시기에 따라 서식이 개정되는 경우가 있어 발급 시점별로 서식을 구분해 관리하는 습관도 필요합니다.
거래 전표나 청구서 여백에 담당 직원이 남긴 짧은 메모는 공식적인 기재 항목은 아니지만 이후 처리 과정에서 참고 자료로 쓰이는 경우가 있습니다. 이런 메모를 공식 항목과 같은 기준으로 처리하면 불필요한 정보가 정식 데이터에 섞여 들어가는 반면 아예 무시하면 실무에서 참고하던 맥락이 사라지는 문제가 생깁니다. 메모 영역을 별도로 구분해 참고용 항목으로 표시해 두는 절차가 이 균형을 지켜줍니다.
해외 거래와 관련된 청구서에는 한글과 영문 그리고 숫자가 함께 손으로 기재되는 경우가 있으며 언어가 전환되는 지점에서 인식 오류가 발생하는 빈도가 높아지는 경향을 보입니다. 하나의 언어만을 전제로 학습된 모델은 이런 혼용 상황에서 언어 전환 지점의 문자를 다른 언어의 글자로 잘못 인식하는 오류를 반복할 수 있습니다. 언어가 섞인 실제 사례를 별도로 모아 학습에 반영하는 절차가 필요합니다.
손글씨 청구서를 다루는 여러 라벨러가 같은 문서를 두고도 서로 다른 판단을 내리는 경우가 생길 수 있으며 이런 편차는 데이터 규모가 커질수록 누적되어 전체 품질을 흔들 수 있습니다. 표본을 뽑아 라벨러 간의 판단을 정기적으로 비교하고 기준이 벌어진 지점을 찾아 조정하는 절차를 운영해야 이런 편차가 데이터 전반에 조용히 쌓이는 상황을 막을 수 있습니다. 조정 과정에서 나온 합의 사항은 이후 작업의 참고 자료로 함께 남겨두는 편이 좋습니다.
.svg)
.svg)
