DocuSense API 기반 T4 파싱 자동화로 셋업 시간 99% 단축

Context

기존 T4 슬립 처리는 일반 목적 OCR 라이브러리를 통한 raw text 추출 후 정규표현식 기반의 커스텀 파서를 구축하는 구조임. 다양한 급여 시스템별 레이아웃 변동성에 따른 파서 유지보수 비용 증가와 낮은 데이터 정확도가 주요 병목 지점으로 작용함.

Technical Solution

• Document Intelligence API를 활용한 OCR 및 파싱 로직의 외부 위임으로 인프라 관리 포인트 제거
• PDF 및 이미지 파일을 Base64로 인코딩하여 REST API로 전송하는 Stateless한 데이터 파이프라인 설계
• 도메인 특화 모델을 통해 Box 14(소득) 등 특정 필드의 의미론적 추출을 수행하는 구조적 분석 적용
• SIN(사회보험번호) 자동 마스킹 처리를 통한 데이터 개인정보 보호 계층의 API 레벨 통합
• RL-1 등 지역 특화 문서에 대응하는 엔드포인트 분리를 통한 확장성 확보

Impact

• 구현 및 셋업 시간: 2~3일(Tesseract 기준)에서 10분으로 단축
• 유지보수 비용: 커스텀 파서 관리를 위한 공수 제로화
• 무료 티어 제공: 월 100건의 테스트 환경 지원 및 월 $19의 저렴한 운영 비용

Key Takeaway

범용 OCR 도구에 커스텀 파싱 로직을 결합하는 대신, 도메인 지식이 내장된 특화 API를 채택함으로써 개발 복잡도를 획기적으로 낮추고 비즈니스 로직(예: GDS ratio 계산)에 집중하는 전략적 아키텍처 선택이 유효함.