경리·세무 자동분류 흐름과 API 연동 포인트, 비용-성능 비교표, 도입 90일 로드맵까지 실무 적용 가능 가이드.
매일 엑셀 반복 작업에 시달리던 실무자 A씨와 AI 서비스 도입을 고민하는 기획자 B씨를 대상으로, 인사이트 편집팀의 분석 결과를 기반으로 경리·세무 자동분류 시스템을 설계하는 방법을 단계별로 제시한다. 목표는 분류 정확도를 유지하면서 비용과 운영 리스크를 낮추는 것이다.
주요 내용
- 목표: 송장·영수증·계산서 자동분류(거래처, 계정과목, 세목, 금액, 날짜)와 분개 추천.
- 데이터 소스: PDF 스캔, 이메일 첨부, ERP CSV, 구글 드라이브 저장소.
- 우선순위: OCR 정확도 → 엔티티(거래처/금액) 추출 → 분류 모델(계정/세목) → 감사 로그 보관.
- 핵심 지표: 분류 정확도(F1), 처리 지연시간(평균/95백분위), 비용(월별 API 호출+임베딩+서빙).
OCR 단계에서 95% 이하 정확도면 분류 성능이 급락한다. 문서 스캔 품질과 OCR 파이프라인을 먼저 표준화할 것.
사례 분석: 경리·세무 자동분류 적용 시나리오
실무 적용 예시 1 – A기업: 매일 수백 건의 이메일 첨부 영수증을 수동 입력하던 구조. OCR(Tesseract→후처리 규칙)로 텍스트 추출 후, 임베딩+LLM 분류로 계정과목·세목을 태깅. 결과는 ERP API로 자동 업로드.
실무 적용 예시 2 – B기업: 수기 영수증 스캔 비율이 높아 OCR 오류가 빈번. 이 경우 휴리스틱 규칙과 LLM 판정 결과를 결합한 하이브리드 검증(점수 임계값 기반 인간 검토)을 적용해 오류율을 낮춤.
주요 컴포넌트:
- 수집 레이어: 이메일, 스캔, 폴더 인테그레이션.
- 전처리: 화이트패치, DPI 보정, OCR 문자 정규화.
- 엔티티 추출: 금액·날짜·사업자번호 정규표현식 보정 + LLM 보조 확인.
- 분류 엔진: 임베딩 검색→LLM 프롬프트로 최종 분류 혹은 직접 분류 모델(softmax) 사용.
- 감사·보안: 원본 보관, 변경 이력, DLP 연동.
데이터 비교표: 도구별 성능·가격 개요
| 항목 | 대표 모델/서비스 | 분류 정확도(예상, F1) | 응답 지연(평균) | 추정비용(월, 중규모 처리) |
|---|---|---|---|---|
| 대형 상용 LLM (API) | OpenAI GPT-4o/Enterprise | 0.92-0.96 | 150-350 ms | $1,500-$6,000 |
| 안전·컴플라이언스 옵션 | Microsoft Azure OpenAI (전용 네트워크) | 0.90-0.95 | 200-400 ms | $2,000-$7,000 |
| 오픈소스 파인튜닝 | Meta/Llama2 계열(온프레/서빙) | 0.85-0.92 | 100-500 ms(GPU) | 하드웨어+운영비(월별 TCO 별도) |
| 임베딩 + 매칭 | Vector DB(예: Pinecone, Milvus) + 소형 분류 | 0.80-0.90 | 50-200 ms | $300-$2,000 |
표의 수치는 인사이트 편집팀의 벤치마크와 공개 가격표를 종합한 추정치다. 실제 비용은 호출량, 임베딩 빈도, 피크 처리량에 따라 달라진다.
임베딩 기반 검색으로 후보를 3개 이하로 줄인 뒤 LLM으로 최종 분류하면 호출 비용을 절반 이상 절감할 수 있다.
테스트 중 발견된 주의사항
- OCR 전처리 미비: 스캔 각도·해상도 변화에 민감. 검증 세트를 다양화해야 성능 저하를 방지함.
- 모델 편향: 특정 거래처 표기 방식(약어, 한자 등)에 대한 학습 부족으로 오분류 발생.
- 비용 급증 리스크: 임베딩 주기와 호출 비율을 방치하면 월별 요금이 예상의 2~3배로 상승.
- 데이터 보안·규정: 사업자번호, 주민번호 등 민감정보는 전송 전 마스킹 또는 온프레미스 처리가 필요.
- 감사 가능성: 분개 수정의 추적 로그가 없으면 회계 감사 시 리스크가 증가.
정책 연동 예: 외부 공유 금지 규칙을 DLP에 반영하여 LLM 입력 전 차단 또는 마스킹 처리해야 한다. DLP 연동은 별도 점검 항목으로 포함할 것.
90일 도입 로드맵(권장)
- 0-14일: PoC 설계 – 처리량 샘플 수집(2주), OCR 품질 체크, 핵심 분류 라벨링(1,000건 목표).
- 15-30일: 모델 선택 및 통합 – 임베딩 후보 검색 + LLM 프롬프트 설계, 간단한 A/B 테스트 수행.
- 31-60일: 확장 테스트 – 오류 케이스 수집, 휴리스틱 규칙 정교화, 비용 모니터링 대시보드 구성.
- 61-90일: 운영 전환 – 감사 로그, 롤백 정책, SLA 정의, 운영팀 온보딩. 월별 재학습 루틴 수립.
성공 기준(Metrics): 분류 F1 ≥ 0.90, 수동 검토 비율 ≤ 10%, 월간 총비용(TCO)이 수동 인건비의 30% 이하.
추가 권장: 배치 처리와 실시간 처리를 분리하여 비용과 응답성 요구를 맞출 것. 전용 GPU 서빙은 대규모 배포에서 TCO 절감에 유리하다.
📌 지메일·드라이브 자동분류 워크플로우 구축