← Back
공문서 지식베이스 구축, HWP·PDF 행정문서를 AI가 활용하게 만드는 방법
작성일:
수정일:
by
Worktro

Key Summary
• 공문서 지식베이스 구축은 HWP·PDF 문서를 단순히 저장하거나 텍스트로 변환하는 작업이 아니라, AI가 필요한 정보를 검색하고 활용할 수 있도록 준비하는 과정입니다. • 문서 형식과 구조를 분석하고 메타데이터, 검색 방식, 원문 추적 체계를 함께 설계해야 실제 행정 업무에서 활용할 수 있습니다. • 지식베이스 구축 이후에는 검색 정확성뿐 아니라 문서의 최신성, 접근 권한, 원문 근거 확인 여부까지 검증하는 것이 중요합니다.
공공기관에는 공문서, 업무편람, 지침, 보고서 등 다양한 행정문서가 축적됩니다. 상당수는 HWP·HWPX나 PDF 형식으로 보관되며, 같은 업무에 관한 자료라도 작성 시점과 담당 부서에 따라 서로 다른 문서에 분산되어 있습니다.
이러한 문서를 AI가 검색하고 활용할 수 있는 지식베이스로 구축하려면 무엇부터 준비해야 할까요? 파일을 한곳에 모으는 것만으로는 충분하지 않습니다. 문서의 내용과 구조를 분석하고, 질문에 필요한 정보를 찾을 수 있도록 정리하는 과정이 필요합니다.
이번 글에서는 HWP·PDF 공문서를 AI 지식베이스로 활용하기 위한 문서 처리 방법부터 메타데이터 설계, RAG 검색, 원문 검증과 운영 기준까지 살펴봅니다.
공문서 지식베이스란 무엇일까?
공문서 지식베이스는 기관이 보유한 행정문서의 내용을 AI가 검색하고 활용할 수 있도록 구성한 정보 체계입니다. 단순한 파일 저장소와 달리 문서의 내용뿐 아니라 제목, 문서 유형, 작성·시행 시점, 담당 부서 등 검색에 필요한 정보를 함께 관리합니다.
이를 기반으로 RAG(Retrieval-Augmented Generation, 검색 증강 생성)를 적용하면 사용자의 질문과 관련된 문서를 먼저 검색하고, 확인된 정보를 AI 답변에 활용할 수 있습니다.
다만 모든 문서를 동일한 방식으로 처리할 수 있는 것은 아닙니다. 실제 지식베이스 구축에서는 문서의 종류와 원본 상태를 먼저 확인하는 작업이 중요합니다.
1. 보유 문서의 유형과 구조를 파악합니다
행정문서는 파일 형식뿐 아니라 문서 내부 구조에도 차이가 있습니다. 텍스트가 포함된 PDF와 종이 문서를 스캔한 PDF는 처리 방식이 다르고, HWP 문서에도 표와 문단, 결재 정보 등 다양한 요소가 포함될 수 있습니다.
따라서 지식베이스 구축에 앞서 기관이 보유한 문서를 유형별로 분류하고, AI가 활용해야 하는 정보가 무엇인지 확인해야 합니다.
문서 유형 | 주요 특징 | 처리 시 확인할 사항 |
|---|---|---|
HWP·HWPX | 문단·표·글상자 등 한글 문서의 고유 구조 포함 | 파일 형식별 해석 방식, 문단·표 구조 유지 여부 |
텍스트 기반 PDF | 문서 내부에 추출 가능한 텍스트 포함 | 읽기 순서, 제목·본문 구분, 표 구조 |
스캔 PDF | 이미지로 저장되어 텍스트 추출이 제한적 | OCR 적용 여부, 인식 정확도, 표·이미지 처리 |
복합 행정문서 | 본문과 첨부자료, 다양한 표와 이미지 혼재 | 문서 간 관계, 첨부 구분, 원문 위치 |
특히 HWP와 HWPX는 형식과 내부 구조가 다르므로, 도입할 문서 처리 도구가 실제 보유 파일을 어떻게 읽는지 확인해야 합니다. PDF 역시 텍스트 추출 가능 여부와 문서의 복잡도에 따라 처리 방식을 달리할 필요가 있습니다.
이 단계에서는 모든 문서를 일괄 변환하는 것보다 주요 문서 유형의 표본을 선정하고, 제목·본문·표·첨부정보 등이 원하는 형태로 추출되는지 확인하는 것이 좋습니다.
2. 텍스트뿐 아니라 문서 안의 관계를 함께 추출합니다
일반적인 OCR은 이미지나 문서에 포함된 글자를 인식하는 기술입니다. 하지만 AI 지식베이스에서 중요한 것은 글자뿐 아니라 정보 사이의 관계를 유지하는 것입니다.
예를 들어 행정문서의 표에서 숫자만 추출하고 해당 숫자가 속한 항목이나 기준을 놓친다면 검색 결과를 올바르게 해석하기 어렵습니다. 제목과 본문의 관계, 표의 행과 열, 문단의 순서 등이 함께 유지되어야 문서의 의미를 이해할 수 있습니다.
Google Cloud 역 복잡한 문서의 구조를 분석할 때 제목, 표, 목록과 같은 요소를 식별하고 관련 문맥을 보존하는 방식의 중요성을 설명합니다.
이러한 작업에는 OCR과 함께 문서 구조 분석, VLM(Vision Language Model) 등의 기술을 활용할 수 있습니다. Worktro DocuOps의 Extract는 제목·본문·표·이미지 등 문서 요소를 분석하고, 복잡한 레이아웃에 포함된 정보를 추출하도록 지원합니다.
3. 검색에 필요한 메타데이터를 함께 설계합니다
문서의 내용이 정확하게 추출됐더라도 검색에 필요한 정보를 충분히 관리하지 않으면 원하는 자료를 찾기 어려울 수 있습니다.
메타데이터(Metadata)는 문서의 특성과 관리 정보를 설명하는 데이터입니다. 공공기관에서는 문서의 제목과 작성일뿐 아니라 시행일, 담당 부서, 문서 유형, 개정 여부 등이 검색 결과의 적합성을 판단하는 데 중요할 수 있습니다.
메타데이터 | 관리 목적 |
|---|---|
문서명·문서번호 | 검색 결과와 원문 식별 |
작성일·시행일 | 문서의 작성 및 적용 시점 확인 |
담당 부서 | 소관 업무와 관련 자료 구분 |
문서 유형 | 지침·공문·보고서·업무편람 등 분류 |
개정번호·문서 상태 | 최신본과 이전 문서 구분 |
원문 위치 | 검색 결과에서 해당 페이지·문단 확인 |
접근 권한 | 사용자에게 허용된 정보만 검색되도록 관리 |
모든 문서에 동일한 메타데이터 항목이 필요한 것은 아닙니다. 법령과 업무 지침은 시행일과 개정 정보가 중요하고, 보고서나 일반 공문은 문서번호와 담당 부서가 더 중요한 검색 조건이 될 수 있습니다.
따라서 기관의 업무 목적과 문서 관리 기준에 따라 필수 항목을 선정해야 합니다.
4. 질문에 따라 검색과 데이터 조회 방식을 구분합니다
AI가 질문에 답하려면 먼저 필요한 정보가 어디에 있는지 구분해야 합니다.
업무편람이나 지침에 담긴 내용을 확인하는 질문이라면 문서 검색이 적합합니다. 반면 특정 기간의 처리 건수나 업무 실적처럼 시스템에 저장된 정형 데이터를 조회해야 하는 질문은 데이터베이스 검색이 필요할 수 있습니다.
질문 유형 | 적합한 정보 접근 방식 |
|---|---|
업무 지침·행정 절차 확인 | 문서 기반 검색 |
여러 문서의 내용 비교 | 관련 문서 검색 및 비교 |
특정 기간의 처리 건수 조회 | 정형 데이터베이스 조회 |
지침과 실제 처리 현황 함께 확인 | 문서 검색과 시스템 조회 연계 |
문서 기반 검색에는 키워드 검색, 벡터 검색, 두 방식을 조합한 하이브리드 검색 등을 활용할 수 있습니다. 다만 검색 방식을 복잡하게 구성한다고 항상 더 좋은 결과가 나오는 것은 아니므로, 실제 업무 질문을 기준으로 검색 정확성을 평가해야 합니다.
또한 문서 검색과 데이터베이스 조회는 접근 권한과 검증 기준이 다를 수 있습니다. AI Agent로 두 기능을 연결할 때에도 허용된 정보 범위와 실행 권한을 명확하게 구분해야 합니다.
5. 답변의 근거를 원문까지 추적할 수 있어야 합니다
공공기관에서 문서 기반 AI를 활용할 때는 답변 내용만큼이나 해당 정보의 출처가 중요합니다. 특히 규정이나 업무 기준에 관한 질문은 AI가 제시한 답변이 실제 원문과 일치하는지 확인할 수 있어야 합니다.
이를 위해 검색 결과에 문서명과 관련 내용뿐 아니라 페이지, 조항, 문단 등 원문 위치를 함께 제공하는 구조를 고려할 수 있습니다.
Worktro DocuOps의 AI Chat은 문서를 기반으로 자연어 질의응답을 수행하고, 답변에 참고한 페이지와 문장 위치를 제시합니다. 지원되는 문서 환경에서는 참조 페이지에서 원본 PDF의 관련 영역으로 이동해 출처를 검증할 수도 있습니다.
다만 출처를 표시했다는 사실만으로 답변의 정확성이 보장되지는 않습니다. 검색된 내용이 실제 질문과 관련되는지, 해당 문서가 유효한 기준인지, 원문에서 조건이나 예외가 누락되지 않았는지 확인하는 과정이 필요합니다.
6. 공문서 지식베이스가 제대로 구축됐는지는 어떻게 검증할까?
지식베이스 구축이 완료되었다고 판단하려면 단순히 문서를 모두 등록했는지뿐 아니라, 실제 업무에서 필요한 정보를 정확하게 검색할 수 있는지 확인해야 합니다.
이를 위해 현업 담당자가 자주 사용하는 질문과 해당 질문에 대한 기준 문서를 미리 준비하고, 검색 결과를 비교하는 방식이 도움이 됩니다.
검증 항목 | 확인할 내용 |
|---|---|
문서 인식 | 제목·본문·표의 주요 정보가 정확하게 추출되었는가? |
검색 적합성 | 질문과 관련된 문서·조항을 검색할 수 있는가? |
원문 추적 | 답변의 출처와 해당 원문 위치를 확인할 수 있는가? |
최신성 | 개정된 지침과 이전 문서를 구분할 수 있는가? |
접근 권한 | 권한이 없는 문서가 검색 결과에 노출되지 않는가? |
운영 관리 | 문서 추가·수정 시 지식베이스에 변경 내용이 반영되는가? |
여기서 검색 품질과 답변 품질은 구분해 평가하는 것이 좋습니다. AI가 관련 문서를 제대로 찾지 못한 경우와 올바른 문서를 찾았지만 답변을 잘못 생성한 경우는 개선해야 할 지점이 다르기 때문입니다.
또한 구축 과정에서 확인한 검증 기준은 운영 이후에도 활용할 수 있습니다. 문서 개정이나 검색 방식 변경이 발생했을 때 동일한 질문과 기준 문서로 결과를 비교하면 품질 변화를 추적하는 데 도움이 됩니다.
실제 공공기관에서는 문서를 어떻게 AI 지식베이스로 활용했을까?
실제 공공기관의 인증 심사 업무에서도 대규모 문서를 AI 지식베이스로 구축한 사례가 있습니다. 분산되어 있던 5만 2천여 개의 인증 심사 문서를 구조화하고, 필요한 내용을 자연어로 검색하고 활용할 수 있도록 구성한 프로젝트입니다.
이처럼 문서의 수가 많고 업무 자료가 여러 곳에 분산된 환경에서는 필요한 문서를 찾는 일뿐 아니라 검색 결과를 실제 심사 업무에서 확인하고 활용할 수 있도록 하는 과정이 중요합니다.
관련 구축 내용은 〈5만 2천건의 인증 심사 문서, 어떻게 AI 지식베이스로 구축했을까?〉에서 자세히 확인할 수 있습니다.
Worktro DocuOps·AgentOps로 연결하는 공문서 AI 활용
공문서 지식베이스 구축은 문서에 포함된 정보를 AI가 활용할 수 있도록 준비하는 과정에서 시작합니다. 이후 업무 목적에 따라 문서 검색과 질의응답, 정보 비교, 후속 업무 처리를 단계적으로 연결할 수 있습니다.
Worktro DocuOps는 OCR·VLM을 활용한 문서 인식과 구조 분석, 사용자 정의 스키마 기반 데이터 추출, 문서 기반 AI Chat 기능을 제공합니다.
Worktro AgentOps는 이러한 문서와 업무 지식을 AI Agent가 활용하도록 지식베이스를 구성하고, 업무 도구와 연결해 워크플로우를 설계·운영할 수 있도록 지원합니다.
기존 행정 시스템에서 반복적인 조회·등록 작업까지 자동화할 필요가 있다면 Worktro Automation과의 연계도 검토할 수 있습니다. 이때 문서 검색, AI의 정보 처리, 담당자의 최종 검토, 시스템 실행 작업을 구분하는 것이 중요합니다.
공문서 지식베이스를 구축할 때는 우선 기관이 보유한 문서의 유형과 상태, 실제 검색해야 할 업무 질문, 원문 검증 기준을 확인해 보시기 바랍니다. 이러한 조건을 구체화할수록 문서 처리와 AI 활용 범위를 명확하게 설계할 수 있습니다.
References
Process documents with Gemini layout parser | Google Cloud Documentation
Retrieval-augmented generation (RAG) in Azure AI Search | Microsoft Learn



