LandingAI Agentic Document Extraction Gen2: 구조와 근거 중심의 문서 추출
문서 AI의 실무 가치는 값을 얼마나 많이 추출하느냐뿐 아니라, 각 값의 출처를 얼마나 쉽게 검증할 수 있느냐에 달려 있다. LandingAI의 Agentic Document Extraction Gen2는 문서 구조, 추출 결과, 원문 근거를 함께 제공해 검토와 후속 처리를 단순화한다.
요약: LandingAI는 DPT-3 기반의 계층형 문서 구조와 세밀한 근거 연결을 통해, 문서 데이터를 에이전트와 업무 시스템이 활용하기 쉬운 형태로 제공한다.
청크 대신 문서 구조를 다루는 방식
Agentic Document Extraction Gen2는 Parse v2로 문서 구조를 만든 뒤, Extract v2로 필요한 필드를 추출한다. Extract v2는 양식별 학습 없이 사용자가 정의한 스키마를 기준으로 값을 찾는다.1
기존의 단순한 청크 목록과 달리, DPT-3의 출력은 문서 안에서 페이지→블록→라인으로 이어지는 계층을 따른다. 블록은 문단, 표, 그림, 서명처럼 의미가 연결된 영역이며, 표는 HTML로 반환돼 행과 열의 관계를 보존한다.1
이 구조는 에이전트나 후처리 시스템이 문서를 다시 조립해야 하는 부담을 줄인다. 필요한 정보를 문서 내 위치와 맥락에 따라 검색하고 비교할 수 있기 때문이다. 다만 응답 구조와 API가 달라졌으므로 Gen1 코드는 Gen2 엔드포인트에서 실행되지 않는다.2
DPT-3 Pro와 DPT-3 Verity 선택하기
두 모델의 차이는 단순한 성능 등급보다 대상 문서와 검증 방식에 있다.
DPT-3 Pro는 표, 그림, 여백 주석, 서명 등 다양한 블록 유형을 판별하고 읽기 순서대로 반환한다. 스캔 문서, 손글씨, 비라틴 문자, 수학 수식도 처리하며, 추출 결과의 근거를 라인 단위로 연결한다.2
DPT-3 Verity는 디지털로 생성된 문서의 텍스트와 표, 단순 양식 필드 전사에 맞춰 설계됐다. 근거를 단어 단위로 연결하고 신뢰도 점수를 제공한다. 공개 프리뷰 상태이므로 운영 도입 전 품질과 변경 가능성을 검토해야 한다.2
따라서 시각적 해석이 필요한 복잡한 문서에는 DPT-3 Pro를, 정형적인 디지털 문서에서 세밀한 전사와 신뢰도 기반 검수가 필요할 때는 DPT-3 Verity를 우선 검토할 수 있다.
도입 전에 확인할 세 가지
마이그레이션 범위를 파악한다.
Gen1과 Gen2는 코드 호환이 되지 않는다. 엔드포인트만 교체할 것이 아니라 응답 구조를 사용하는 파서, 후처리 로직, 저장 스키마까지 점검해야 한다.2근거를 검수 절차에 연결한다.
추출 필드는 페이지 참조와 픽셀 좌표 기반 근거에 연결할 수 있다.1 DPT-3 Pro의 라인 단위 근거나 DPT-3 Verity의 단어 단위 근거와 신뢰도 점수를 활용하면, 결과를 원문과 대조하는 검수 흐름을 설계할 수 있다.문서 유형과 출력량을 기준으로 비용을 검토한다.
비용은 서비스 티어, Parse 모델, 처리하거나 반환하는 문자 수의 영향을 받는다.3 실제 문서 구성과 필요한 출력 범위를 기준으로 모델과 처리 방식을 선택해야 한다.
결국 LandingAI Agentic Document Extraction Gen2의 핵심 가치는 OCR 정확도에만 있지 않다. 계층형 문서 구조, 추적 가능한 근거, 문서 유형에 따른 모델 선택을 하나의 운영 흐름으로 연결한다는 점이 중요하다.
1High-Volume Agentic Document Extraction with Snowflake Insertion using DPT-3
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.