안녕하세요. 15년 차 SCM 및 자동화 전문가 에이드네(Aidne)입니다.

월말결산 시즌만 되면 영업팀 김 대리는 모니터 2개를 띄워놓고 ‘인간 컨베이어 벨트’가 됩니다. 왼쪽 화면에는 수십 개의 PDF 송장(Invoice)과 영수증을 띄우고, 오른쪽 화면에는 엑셀이나 ERP 창을 열어둔 채 밤새도록 Ctrl+C, Ctrl+V를 반복하죠. 혹시 여러분의 사무실에서도 흔히 볼 수 있는 풍경인가요?

단순 반복적인 엑셀 노가다는 담당자의 에너지를 갉아먹고, 치명적인 휴먼 에러(오타, 금액 누락)를 유발합니다. 오늘은 더 이상 실무자를 갈아 넣지 않고, ChatGPT API와 Make를 활용해 송장/영수증 OCR 데이터를 자동으로 추출하는 워크플로우를 낱낱이 파헤쳐 보겠습니다.

기존 OCR 프로그램의 한계와 ChatGPT API의 차별점

과거에도 영수증을 읽어주는 OCR(광학 문자 인식) 솔루션은 많았습니다. 하지만 실무에 도입해 보면 예쁜 쓰레기로 전락하는 경우가 태반이었습니다. 거래처마다 송장 양식이 다르고, ‘Total’, ‘합계’, ‘총액’ 등 사용하는 단어가 제각각이었기 때문입니다. 기존 OCR은 단순히 ‘이미지를 텍스트로 변환’할 뿐, 문맥을 이해하지 못했습니다.

반면, ChatGPT API(특히 GPT-4o Vision 모델)는 다릅니다. AI가 문서의 맥락을 완벽히 이해합니다. 양식이 뒤죽박죽이어도 “이 문서에서 공급자명, 청구 일자, 세금, 총 청구 금액을 찾아 JSON 형태로 정리해 줘”라는 프롬프트 하나면, 사람이 눈으로 보고 판단하는 것과 동일한 수준의 정형 데이터를 뱉어냅니다.

Make 기반 송장/영수증 OCR 데이터 자동 추출 워크플로우 (Deep-dive)

그렇다면 이를 실제 업무에 어떻게 세팅할까요? 노코드 자동화 툴인 Make(구 Integromat)를 기준으로, 데이터가 흘러가는 파이프라인을 구축해 보겠습니다.

1단계: 이메일(Gmail) 첨부파일 수신 및 분류 트리거

먼저 이메일로 들어오는 송장을 낚아채야 합니다. Make에서 ‘Gmail – Watch Emails’ 모듈을 트리거로 설정합니다. 검색 쿼리(Query)에 has:attachment subject:(송장 OR Invoice OR 영수증) 조건을 걸어두면, 특정 키워드가 포함된 메일의 PDF나 JPG 첨부파일만 자동으로 다운로드합니다.

2단계: OpenAI(ChatGPT API) 이미지 파싱 및 데이터 추출

다운로드한 첨부파일을 ‘OpenAI (ChatGPT) – Create a Chat Completion’ 모듈로 넘깁니다. 이때 Model은 비전 인식이 가능한 gpt-4o를 선택합니다. 시스템 프롬프트(System Prompt)에는 다음과 같이 명확한 역할을 부여합니다.

“너는 15년 차 전문 회계/SCM 데이터 분석가야. 첨부된 송장 이미지에서 [회사명, 사업자번호, 발행일, 공급가액, 부가세, 총액]을 추출해서 반드시 JSON 형식으로만 답변해. 만약 누락된 정보가 있다면 null로 표기해.”

이 단계를 거치면 제각각이던 영수증 이미지들이 깔끔하게 구조화된 텍스트 데이터로 변환됩니다.

3단계: Google Sheets 및 ERP 시스템 자동 입력

마지막으로 추출된 JSON 데이터를 파싱하여 우리가 원하는 최종 목적지에 꽂아 넣습니다. ‘Google Sheets – Add a Row’ 모듈을 연결해 각 열(Column)에 회사명, 총액 등을 매핑(Mapping)합니다. 만약 사내에 구축된 ERP가 있다면, HTTP 모듈을 활용해 ERP의 API 엔드포인트로 직접 데이터를 쏠 수도 있습니다. 이제 김 대리는 아침에 출근해서 자동으로 정리된 엑셀 시트의 이상 유무만 컨펌하면 됩니다.

B2B 전사적 AI 워크플로우 확장을 위한 제언

개인의 엑셀 노가다를 줄이는 것을 넘어, 경영진과 B2B 의사결정권자라면 이 시스템을 전사적 SCM 데이터 파이프라인으로 확장해야 합니다. 구매팀, 회계팀, 물류팀이 각자 수기로 입력하던 파편화된 데이터를 중앙 집중형 AI 디스패처(Dispatcher)가 취합하고 검증하도록 설계하는 것이 고단가 자동화 솔루션의 핵심입니다.

수십억을 들여 무거운 ERP를 도입하기 전에, 실무단의 병목(Bottleneck)을 해결하는 가벼운 AI 자동화 파이프라인부터 테스트해 보시기 바랍니다.