문서 AI의 병목은 OCR 하나로 끝나지 않습니다. 실제 업무에서는 문서를 읽고, 유형을 구분하고, 필요한 구간을 나누고, 정해진 형식의 데이터로 추출하는 과정이 이어집니다. LlamaIndex가 공개한 Parse-Flow는 이 과정을 시각적 워크플로로 설계할 수 있게 만든 오픈소스 도구입니다.1
Parse-Flow는 무엇인가
Parse-Flow는 문서 처리 단계를 눈으로 조립하는 워크플로 디자이너입니다. 포함된 기능은 Parse, Classify, Split, Extract 네 가지입니다.1
Parse: 문서를 읽고 파싱하는 단계입니다. LlamaParse의 Parse 기능은 에이전트형 OCR과 문서 파싱을 제공하며, 130개 이상의 파일 형식을 지원한다고 설명됩니다.2
Classify: 문서를 유형이나 규칙에 따라 분류하는 단계입니다.
Split: 큰 문서를 하위 범주나 논리적 구간으로 나누는 단계입니다.2
Extract: 문서에서 필요한 값을 스키마에 맞춰 구조화된 JSON으로 추출하는 단계입니다.1
즉 Parse-Flow의 초점은 특정 기능 하나가 아니라, 문서 처리에 필요한 단계를 하나의 흐름으로 연결하는 데 있습니다.
왜 ‘연결’이 중요한가
LlamaIndex OSS는 에이전트형 애플리케이션을 만들기 위한 오픈소스 프레임워크입니다.2 LlamaParse는 문서 에이전트와 에이전트형 OCR에 초점을 둔 별도 플랫폼이며, LlamaIndex 프레임워크와 함께 쓰거나 독립적으로 사용할 수 있습니다.2
이 맥락에서 Parse-Flow는 문서 AI를 더 실무적인 방식으로 바라보게 합니다. 많은 문서 자동화 작업은 “PDF를 텍스트로 변환”하는 단계에서 끝나지 않습니다. 계약서인지 청구서인지 구분해야 하고, 긴 문서를 조항이나 표 단위로 나눠야 하며, 마지막에는 업무 시스템이 읽을 수 있는 JSON 형태로 넘겨야 합니다.
Parse-Flow는 이런 과정을 개별 기능의 나열이 아니라 반복 가능한 워크플로로 다룹니다. 개발자는 코드를 작성하기 전에 처리 순서를 설계하고 검증할 수 있고, 비개발자도 문서 자동화가 어떤 단계로 움직이는지 더 쉽게 이해할 수 있습니다.
적용할 때 확인할 기준
Parse-Flow를 검토할 때는 “무엇을 자동화할 수 있는가”보다 “어떤 흐름을 안정적으로 만들 수 있는가”를 먼저 봐야 합니다.
첫째, 입력 문서의 특성을 확인해야 합니다. 스캔본, 표가 많은 문서, 긴 문서, 복잡한 레이아웃이 많을수록 Parse 단계의 품질이 뒤쪽 분류·분할·추출 결과에 영향을 줍니다.
둘째, Extract 스키마를 명확히 정해야 합니다. JSON으로 추출한다는 것은 단순히 텍스트를 뽑는 것이 아니라, 어떤 값을 어떤 필드명과 구조로 받을지 미리 정의한다는 뜻입니다.
셋째, 작은 워크플로부터 검증하는 편이 좋습니다. 예를 들어 “청구서 분류 → 금액 추출 → 검수용 JSON 출력”처럼 범위를 좁히면 각 단계의 품질을 확인하기 쉽습니다.
문서 AI를 업무 흐름으로 보기
Parse-Flow의 의미는 문서 처리를 단일 API 호출이 아니라 설계 가능한 업무 흐름으로 보게 만든다는 데 있습니다. 문서 자동화의 성패는 모델 성능만으로 결정되지 않습니다. 읽기, 분류, 분할, 추출을 얼마나 안정적으로 연결하고 반복 가능한 흐름으로 만들 수 있는지가 중요합니다.
Parse-Flow의 소스 코드는 github.com/run-llama/parse-flow에 공개되어 있습니다.1 문서 AI를 도입하려는 팀이라면 먼저 자동화하려는 문서 업무를 작은 흐름으로 나누고, 각 단계에서 어떤 입력과 출력이 필요한지 정의하는 것부터 시작하는 것이 현실적입니다.
참고
1LlamaIndex Releases Parse-Flow Open-Source Tool For Document Workflows
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.