총액뿐만 아니라 계량기 수치까지 읽어내는 공과금 청구서 OCR

주요 요점

• 공과금 청구서 OCR은 광학 문자 인식과 AI를 결합하여 전기, 가스, 수도, 통신 청구서에서 구조화된 데이터를 자동으로 캡처하고 원시 텍스트 대신 명명된 필드를 반환합니다.
• 중요한 필드는 단순한 송장 필드가 아닙니다. 계량기 번호, 계량기 수치, 단위별 소비량, kW 단위의 수요, 요금제, 공급 및 송전 요금의 분리야말로 공과금 청구서 OCR을 일반 송장 OCR과 구별 짓는 요소입니다.
• 모든 유틸리티 종류는 다르게 작동합니다. 전기는 수요 및 시간대별 요금을, 가스는 서모(therms) 또는 CCF 단위와 발열량을, 수도는 계량기 수치와 하수도 요금을 포함하며, 통신은 각 회선이 나열된 반복 테이블을 갖추고 있습니다.
• 수동 입력에는 청구서당 812분의 시간과 $1$3의 비용이 소요되며 1~5%의 오류율이 발생합니다. 한 달에 수천 장의 청구서가 있다면 이는 아무도 원하지 않는 전임 업무가 됩니다.
• 템플릿이 필요 없는 AI 추출은 새로운 공급업체와 변경된 디자인 레이아웃을 별도 설정 없이 처리하며, 이는 포트폴리오 확장 시 가장 중요한 해결 과제입니다.

공과금 청구서 OCR이란 무엇인가요?

공과금 청구서 OCR은 광학 문자 인식(OCR)과 AI를 결합하여 전기, 가스, 수도 또는 통신 청구서에서 단순히 늘어선 텍스트가 아닌 명명된 필드를 구조화된 데이터로 자동 캡처하는 기술입니다. 일반 OCR은 페이지를 읽어 텍스트만 넘겨줍니다. 하지만 AI OCR은 페이지를 읽고 필드를 반환하며, 회계 시스템에 필요한 것은 단순한 텍스트 덩어리가 아니기 때문에 이 부분이 핵심입니다.

청구서는 PDF, 스캔 본, 이메일 첨부 파일로 도착하며 항목 배치에 있어 공급업체마다 의견이 다릅니다. 어떤 곳은 계량기 수치를 사이드바에 인쇄하고, 다른 곳은 3페이지의 표에 숨겨 놓기도 합니다. 세 번째 업체는 공급 요금과 송전 요금을 두 페이지에 나눠 표시하며 이를 배려라고 여깁니다. 사람은 이 모든 것을 1초 만에 파악하지만, 템플릿 기반 도구는 속수무책입니다.

한 달에 청구서가 한 장이라면 이런 문제는 중요하지 않습니다. 하지만 지점이 400개라면, 이는 사람이 중간에 끼어 병목이 생기는 데이터 파이프라인이 됩니다.

공과금 청구서에서 어떤 필드를 추출할 수 있나요?

모든 필드를 추출할 수 있습니다. 더 중요한 질문은 어떤 필드를 요구해야 하는가입니다. 공과금 청구서를 진정한 공과금 청구서로 만드는 필드들은 일반 송장에는 절대 나타나지 않기 때문입니다.

숨은 비용은 3번째 행에 있습니다. 계좌번호와 총 결제 금액은 외상 매입금 부서에 지불해야 할 금액을 알려줍니다. 반면 계량기 수치, 소비량, 수요 및 요금제는 운영팀에게 청구서가 애초에 정확했는지, 어느 지점의 비용이 급증하고 있는지, ESG 보고서에 어떤 내용이 들어갈지를 알려줍니다. 일반 송장 추출 도구는 처음 두 행만 읽고 멈추지만, 공과금 청구서 파서는 계속해서 데이터를 읽어냅니다.

전기, 가스, 수도, 통신은 각기 다른 방식으로 접근해야 합니다

이 네 가지를 모두 똑같이 취급하는 것은 공과금 청구서 파싱 프로젝트가 반쪽짜리 결과에 그치게 되는 가장 흔한 원인입니다. 공통 필드는 말 그대로 공통적일 뿐, 진짜 중요한 데이터는 서로 다릅니다.

전기. kWh 단위의 소비량과, 종종 전력 자체보다 더 많은 비용이 청구되는 kW 단위의 최대 수요 수치(peak demand)가 포함됩니다. 시간대별 요금제는 피크, 오프피크, 중간 시간대로 사용량을 나눕니다. 규제가 완화된 시장에서는 공급 요금과 송전 요금이 한 장의 청구서에 두 개의 다른 회사 이름으로 인쇄되며, 그중 하나만 협상이 가능합니다.

가스. 지역에 따라 서모(therms), CCF 또는 MMBtu 단위로 표시되며, 대개 에너지 단위로 보고해야 할 때 필요한 환산 계수가 청구서 어딘가에 인쇄되어 있습니다. 계절별 변동 폭이 매우 크기 때문에 전년 대비 비교만이 유의미한 분석을 제공합니다.

수도. 계량기 수치가 대부분의 역할을 합니다. 하수도 요금은 측정되기보다 수돗물 사용량을 기준으로 계산되는 경우가 많으며, 조경 용수 등은 별도로 계량되기도 합니다. 요금 급증은 곧 누수를 의미하며, 데이터를 통해 이를 발견하는 것이 땅을 파서 찾는 것보다 훨씬 낫습니다.

통신. 사실 하나의 청구서가 아닙니다. 요금제, 사용량, 초과 요금 및 세금이 각각 포함된 회선, 번호 또는 회로의 집합 테이블입니다. 이를 단일 총액으로 묶어버리면 2024년 이후 아무도 사용하지 않은 12대의 전화기를 식별할 수 있는 유일한 데이터를 버리는 셈이 됩니다.

공과금 청구서 데이터 입력의 실제 비용

이는 결코 개별 항목으로 나타나지 않으며, 바로 그 점 때문에 이러한 비효율이 계속 살아남습니다. 관련 연구에서 제시하는 수치는 다음과 같습니다.

• 청구서당 처리 시간: Resolve에 따르면, 복잡도에 따라 직접 데이터를 키보드로 입력하는 데 8~12분이 소요됩니다. 이를 둘러싼 전체 송장 처리 워크플로우는 훨씬 더 오래 걸립니다.
• 청구서당 비용: ERP Software Blog에 따르면, 단순 입력 작업을 기준으로 건당 $1~$3의 직접 데이터 입력 인건비가 듭니다. 여기에 승인, 매칭 및 예외 처리 과정이 더해지면 비용은 더욱 올라갑니다.
• 오류율: Fluxygen에 따르면 구조화된 입력에서는 일반적으로 1~5%의 오류율이 발생하며, 복잡한 다중 필드 문서에서는 더 높아집니다. 청구 데이터의 몇 퍼센트가 알게 모르게 잘못되어 있으며, 수동 프로세스에는 이를 찾아낼 수 있는 장치가 없습니다.
• 자동화가 가져오는 변화: Ramp에 보고된 바와 같이 송장 및 청구서 워크플로우 전반에 걸쳐 수동 방식 대비 최대 약 80%의 시간을 절감할 수 있습니다.
• 기대할 수 있는 정확도: Gartner의 보고서에 따르면 문서 파싱의 추출 정확도는 문서의 품질과 사람의 검증 적용 여부에 따라 90~99%에 달합니다.

한 달에 3,000장의 청구서에 이 수치를 대입하면 계산은 금세 부담스러워집니다. 약 400600시간의 입력 시간이 소요되는데, 이는 다른 업무를 할 수 있는 두 사람의 몫에 해당합니다. 게다가 한 달에 30150장의 청구서에 오류가 포함되며, 이 오류는 분기 마감 시점에야 비로소 표면화되거나 아예 발견되지 않을 수도 있습니다.

공과금 청구서가 일반 송장보다 까다로운 이유

공과금 청구서가 공급업체 송장과 구분되는 점은 네 가지입니다. 모든 공급업체는 자체적인 디자인으로 청구서를 만들고 계속해서 디자인을 변경하므로, 수십 개의 공급업체에 걸친 4가지 유틸리티 항목은 타인의 일정에 따라 움직이는 고정되지 않은 표적과 같습니다. 상당수의 청구서는 조명 상태가 좋지 않은 곳에서 삐딱하게 찍힌 종이 사진 형태로 도착하는데, 이는 비정형 데이터 중에서도 가장 까다로운 형태이며 템플릿 매칭이 포기하게 되는 정확한 지점입니다.

또한 숫자 데이터의 용도에도 차이가 있습니다. 공과금 청구서는 주소 증명 역할뿐만 아니라 세금 및 ESG 보고용 기록으로도 사용되므로 잘못된 수치가 파급력을 갖게 됩니다. 한 달에 수천 장의 청구서가 처리되는 상황에서 2%의 오류율은 단순한 반올림 차이가 아니라 매달 발생하는 중대한 인시던트가 됩니다.

단 하나의 템플릿 없이 공과금 청구서 데이터를 추출하는 방법

Parseur는 대량의 문서 데이터 추출을 위해 구축된 템플릿 없는 AI 파서입니다. 청구서는 전용 메일함, API 또는 감시 중인 폴더를 통해 수신됩니다. Vision AI 엔진은 PDF, 스캔, 사진을 읽어냅니다. Text AI 엔진은 이메일 및 텍스트 형태의 청구서를 읽어냅니다. 두 엔진 모두 사전 학습된 상태로 제공되므로 처음 처리하는 공급업체라도 별도 설정이 전혀 필요하지 않습니다.

원하는 필드를 한 번만 나열하세요. 이후 수신되는 모든 청구서는 어떤 레이아웃으로 도착하든 해당 필드에 정확히 매핑됩니다.

• 템플릿 없음. 디자인이 변경된 청구서가 시스템을 망가뜨리지 않습니다. 애초에 깨질 레이아웃 설정이 없었기 때문입니다.
• 모든 유틸리티 상품. 전기, 가스, 수도, 통신 및 포트폴리오에 추가된 기타 모든 항목을 처리합니다.
• 표를 표 형식 그대로 유지. 통신 청구서의 개별 회선별 요금은 단일 총액으로 통합되지 않고 할당할 수 있는 여러 개의 행 데이터로 산출됩니다.

하루에 수천 장의 청구서를 도착하는 즉시 파싱합니다. Parseur는 GDPR을 준수하는데, 사용자가 입력하는 모든 문서에 고객의 이름, 자택 주소, 계좌번호가 포함되어 있다는 점을 감안할 때 이는 결코 사소한 세부 사항이 아닙니다.

하지만 진짜 테스트는 여러분의 메일로 직접 해보는 것입니다. 3월에 레이아웃을 변경한 업체의 구겨진 스캔본과 같이 폴더에서 가장 상태가 나쁜 청구서를 가져와서 먼저 실행해 보세요. 고려 중인 어떤 도구라도 깨끗한 원본 PDF에서는 완벽하게 데모를 마칠 수 있습니다.

AI 모델을 학습시켜야 하나요?

아니요. 학습 세트도, 라벨이 지정된 샘플 청구서 폴더도 필요 없으며, 소프트웨어에게 계량기 수치가 어떻게 생겼는지 가르치느라 주말을 보낼 필요도 없습니다.

Parseur는 사전 학습된 상태로 제공되는 AI 문서 추출 엔진이므로, 백 번째 공급업체를 추가할 때도 첫 번째 공급업체를 추가할 때와 마찬가지로 아무런 추가 작업이 필요하지 않습니다.

메일함을 만들고 청구서 수신처를 해당 메일함으로 지정하기만 하면 AI 엔진이 문서 도착 즉시 비정형 문서를 정형 데이터로 변환해 줍니다.

추출된 필드의 활용처

데이터가 필요한 곳이면 어디든 가능합니다. 분석을 위한 Excel 및 Google Sheets, 결제를 위한 회계 및 ERP 시스템, 보고를 위한 에너지 및 ESG 플랫폼, 그리고 Zapier, Make, n8n 또는 단순한 웹훅을 통한 기타 모든 연동이 가능합니다. 각 청구서는 파싱되는 즉시 전달되므로 월별 내보내기 작업을 기다릴 필요가 없습니다.

전체 워크플로우를 확인하려면 AI로 공과금 청구서에서 데이터를 추출하는 방법 또는 포트폴리오 전반에 걸친 실제 사례가 담긴 공과금 청구서 추출 솔루션 페이지를 참조하세요.

여러분의 청구서 처리 물량은 이미 비용을 발생시키고 있습니다. 유일한 문제는 그 비용이 눈에 띄게 드러나고 있는지 여부입니다.

비용 시뮬레이터를 통해 직접 확인해 보세요

마지막 업데이트 2026년 8월 21일