Unstructured Transform vs LlamaParse: 연차보고서 답변의 숫자를 원본 표로 돌아가 확인할 수 있을까?
요소 단위 수집·적재 흐름이 이미 있다면 Transform부터 검증할 수 있습니다. 여러 페이지에 걸친 표의 데이터와 정밀한 위치 정보가 필요하다면 LlamaParse부터 검증할 수 있습니다. 출력 규약, 원본 페이지와의 관계, 검토 신호를 비교하고, 파싱 성공이나 높은 점수를 답변의 정확성과 혼동하지 않아야 합니다.
리서치 어시스턴트가 연차보고서에서 “이 지역의 매출은 얼마인가?”라는 질문에 답한 뒤에도, 동료가 클릭해 원본 표로 돌아가 확인할 수 있어야 합니다. Unstructured Transform과 LlamaParse 모두 복잡한 문서를 후속 검색에 넘길 수 있지만, 구매 과정에서 Markdown이 얼마나 깔끔해 보이는지만 비교하면 이 단계를 놓치게 됩니다. 이미 요소 단위로 수집·적재하는 팀은 Transform의 요소, 페이지 번호, 처리 실패 페이지 정보를 먼저 확인할 수 있습니다. 여러 페이지에 걸친 표를 데이터 분석에 넘기거나 셀 위치를 찾아야 하는 팀은 LlamaParse의 표 출력을 우선 검증할 수 있습니다. 이 선택 기준은 공식 인터페이스 문서를 바탕으로 하며, 두 제품의 인식 정확도를 실측해 매긴 순위가 아닙니다.
먼저 답변이 어느 페이지로 연결되어야 하는지 정하기
Transform은 현재 v2 Parse 인터페이스를 사용하며, 기본 출력은 Markdown입니다. 공식 문서에 따르면 elements를 명시적으로 요청하면 각 요소의 유형, 텍스트, metadata.page_number를 읽을 수 있으며, 이 경우 예시의 markdown은 null입니다. 따라서 기본 요청을 연결한 뒤 완전한 요소 데이터까지 자동으로 얻을 것이라고 기대하면 응답 규약과 맞지 않을 수 있습니다. 기존 벡터 데이터베이스가 문단이나 표 요소를 단위로 적재한다면, 먼저 원본 파일 식별자, 페이지 번호, 요소 간의 연결을 보존한 다음 청킹과 임베딩을 처리해야 합니다.
위치 정보가 항상 있다고 가정해서도 안 됩니다. Transform의 요소 좌표는 없거나 null일 수 있으며, 여러 페이지에 걸친 요소의 좌표는 각각 페이지 번호가 붙은 여러 개의 상자로 구성될 수 있습니다. 인용 인터페이스는 좌표가 있을 때 해당 위치를 강조하고, 좌표가 없을 때는 원본 페이지로 연결해야 합니다. 화면을 채우기 위해 위치를 추측해서는 안 됩니다. 이러한 정보 누락 시의 대체 동작도 구매 인수 테스트에 포함해야 합니다.
LlamaParse의 expand=items는 읽기 순서에 따라 구성된 페이지 요소 트리를 반환합니다. 페이지 번호와 페이지 크기가 포함되며, 표·텍스트·이미지 등의 유형마다 필드가 다릅니다. 경계 상자는 픽셀이나 정규화 좌표가 아니라 페이지의 포인트 단위를 사용합니다. 한 문서 안에서도 페이지 크기가 서로 다를 수 있습니다. 스크린샷에 근거 위치를 표시하려면 해당 페이지의 크기에 맞춰 좌표를 변환해야 하며, 인터페이스 좌표를 그대로 이미지 픽셀로 취급해서는 안 됩니다. bbox가 null인 경우도 허용하므로, 전체 인용 연결 관계는 여전히 애플리케이션이 보존하고 확인해야 합니다.
여러 페이지에 걸친 표는 첫 스크린샷만 남겨서는 안 된다
매출 표가 두 페이지에 걸쳐 있고, 첫 페이지에는 지역과 연도 머리글이 있으며 두 번째 페이지에는 데이터 행이 이어지는 상황을 생각해 봅시다. 독자가 원하는 것은 특정 행의 수치와 그 수치의 연도, 통화, 출처이지, 단순히 표처럼 보이는 텍스트 덩어리가 아닙니다. 인수 테스트에서는 병합된 머리글, 다음 페이지로 이어지는 표, 각주가 포함된 원본 파일을 사용해야 합니다. 머리글이 여전히 올바른 열과 대응하는지, 답변에서 실제로 그 수치가 들어 있는 페이지를 찾을 수 있는지 확인해야 합니다. 이는 권장 테스트 시나리오이며, 이미 얻은 테스트 결과가 아닙니다.
LlamaParse의 표 문서는 rows, CSV, HTML 등의 출력을 제공합니다. HTML은 병합 셀을 표현할 수 있지만 Markdown 파이프 표는 그렇지 못합니다. merge_continued_tables를 활성화하면 이어지는 표가 시작 페이지에 병합되며, merged_from_pages와 merged_into_page를 통해 병합 관계를 보존할 수 있습니다. 표를 분석 프로그램으로 넘기는 팀에는 유용하지만, 애플리케이션이 병합된 표가 놓인 첫 페이지만 저장하면 원본 페이지 정보를 잃을 수 있습니다. 형식 선택과 페이지 번호 관계 보존은 하나의 연동 결정으로 다뤄야 합니다.
Transform은 기존 요소 활용 방식을 기준으로 먼저 검증하는 편이 적합합니다. 실제로 출력된 Table 요소, 페이지 번호, 여러 페이지에 걸친 좌표가 후속 적재와 인용 요구를 충족하는지 확인해야 합니다. 구버전 partition 라이브러리의 예시를 현재 Transform의 응답으로 그대로 받아들이거나, 마케팅 페이지에 표 기능이 적혀 있다는 이유만으로 자신의 병합 머리글도 반드시 올바르게 처리된다고 가정해서는 안 됩니다. 최종적으로 완전한 행·열 데이터나 정밀한 강조 표시가 필요하다면, 반환된 문자열이 비어 있지 않은지만 볼 것이 아니라 동일한 샘플로 실제 응답을 확인해야 합니다.
품질 신호를 검토 대기열에 넣기
Transform의 completed 결과에도 읽을 수 없는 페이지가 누락되거나 인식이 불완전한 페이지가 포함될 수 있습니다. 공식 문서는 호출 측에서 failed_pages, degraded_pages, warnings를 확인하도록 안내합니다. 요소의 parse_confidence는 해당 텍스트와 OCR 텍스트의 일치 정도를 측정하는 값이지, “내용이 정확할 확률”이 아닙니다. null은 값을 사용할 수 없다는 의미이며 0점도 아닙니다. 팀은 이를 바탕으로 검토를 배정할 수 있지만, 높은 점수를 업무상 사실이 검증되었다는 뜻으로 바로 표시해서는 안 됩니다.
LlamaParse 표의 parse_concerns는 비정상적인 행·열 개수나 머리글과 값 유형의 불일치 같은 문제를 알립니다. 공식 문서는 이 표식이 검토 신호라는 점도 설명합니다. 표식이 있다고 해서 표가 틀렸다는 증거가 되지는 않으며, 표식이 없다고 정확성이 보장되는 것도 아닙니다. 페이지 출력에서는 success도 확인해야 합니다. 두 제품 모두 검토 흐름에 연결할 수 있는 정보를 제공하지만, 원문 대조를 대신하지는 못합니다. 중요한 금액이나 수량은 여전히 파싱 결과를 해당 원본 페이지와 대응시켜 확인해야 합니다.
따라서 두 제품의 시범 도입은 같은 결과 묶음을 제공해야 합니다. 검색 가능한 콘텐츠, 원본 파일과 출처 페이지의 관계, 사람이 검토해야 할 구간, 누락된 페이지 목록입니다. 기존의 요소 단위 적재 규약을 계속 사용하려면 Transform부터 검증하고, 여러 페이지에 걸친 표의 데이터 형식과 세밀한 위치 지정이 핵심 요구 사항이라면 LlamaParse부터 검증합니다. 최종적으로 비교할 것은 어떤 출력이 근거 유실을 줄이고, 이를 맞춰 적용하고 검토하는 데 얼마나 많은 작업이 필요한가입니다. 하나의 신뢰도 점수로 전체 답변의 신뢰성을 대신해서는 안 됩니다.
콘텐츠 안내:이 글은 공개 자료를 바탕으로 정리한 도구 선택 참고 자료입니다. 제품 기능, 가격 및 관련 정책은 수시로 변경될 수 있으니 최신 공식 정보를 확인해 주세요.
원문 출처:docs.unstructured.io