GSP1142

개요

Document AI는 문서, 이메일, 청구서, 양식과 같이 구조화되지 않은 데이터를 가져와 데이터의 이해, 분석, 사용을 쉽게 만들어 주는 문서 이해 솔루션입니다. 이 API는 콘텐츠 분류, 항목 추출, 고급 검색 등을 통해 구조를 제공합니다. Document AI Workbench를 사용하면 자체 학습 데이터를 사용한 완전 맞춤형 모델을 생성하여 문서 처리 정확도를 향상시킬 수 있습니다.

문서에 특히 적합하고 데이터로 학습 및 평가되는 커스텀 문서 추출기(CDE)를 만들 수 있습니다. 이 프로세서는 문서에서 항목을 식별하고 추출합니다. 그런 다음 이 학습된 프로세서를 추가 문서에 사용할 수 있습니다. 일반적으로 기관 등록 양식과 같은 한 가지 유형의 문서에 CDE를 사용합니다.

이 실습에서는 Document AI Workbench를 사용하여 W-2(미국 세금 양식) 문서를 처리하는 커스텀 문서 추출기를 만들고 학습시키는 방법을 알아봅니다. 대부분의 문서 준비 작업은 완료된 상태이므로 CDE를 만드는 방법에만 집중할 수 있습니다.

목표

이 실습에서는 다음 작업을 실행하는 방법을 알아봅니다.

• Document AI Workbench에서 커스텀 문서 추출기 만들기
• 프로세서 스키마 정의 및 만들기
• 문서 가져오기
• Document AI Workbench에서 문서에 수동으로 주석 추가
• 생성형 AI를 사용하여 문서에 자동으로 라벨 지정
• 프로세서의 학습 작업 시작

설정 및 요건

실습 시작 버튼을 클릭하기 전에

다음 안내를 확인하세요. 실습에는 시간 제한이 있으며 일시중지할 수 없습니다. 실습 시작을 클릭하면 타이머가 시작됩니다. 이 타이머는 Google Cloud 리소스를 사용할 수 있는 시간이 얼마나 남았는지를 표시합니다.

실무형 실습을 통해 시뮬레이션이나 데모 환경이 아닌 실제 클라우드 환경에서 실습 활동을 진행할 수 있습니다. 실습 시간 동안 Google Cloud에 로그인하고 액세스하는 데 사용할 수 있는 새로운 임시 사용자 인증 정보가 제공됩니다.

이 실습을 완료하려면 다음을 준비해야 합니다.

• 표준 인터넷 브라우저 액세스 권한(Chrome 브라우저 권장)

참고: 이 실습을 실행하려면 시크릿 모드(권장) 또는 시크릿 브라우저 창을 사용하세요. 개인 계정과 학습자 계정 간의 충돌로 개인 계정에 추가 요금이 발생하는 일을 방지해 줍니다.

• 실습을 완료하기에 충분한 시간(실습을 시작하고 나면 일시중지할 수 없음)

참고: 이 실습에는 학습자 계정만 사용하세요. 다른 Google Cloud 계정을 사용하는 경우 해당 계정에 비용이 청구될 수 있습니다.

실습을 시작하고 Google Cloud 콘솔에 로그인하는 방법

1. 실습 시작 버튼을 클릭합니다. 실습 비용을 결제해야 하는 경우 결제 수단을 선택할 수 있는 대화상자가 열립니다. 왼쪽에는 다음과 같은 항목이 포함된 실습 세부정보 창이 있습니다.

   • Google Cloud 콘솔 열기 버튼
   • 남은 시간
   • 이 실습에 사용해야 하는 임시 사용자 인증 정보
   • 필요한 경우 실습 진행을 위한 기타 정보

2. Google Cloud 콘솔 열기를 클릭합니다(Chrome 브라우저를 실행 중인 경우 마우스 오른쪽 버튼으로 클릭하고 시크릿 창에서 링크 열기를 선택합니다).

   실습에서 리소스가 가동되면 다른 탭이 열리고 로그인 페이지가 표시됩니다.

   팁: 두 개의 탭을 각각 별도의 창으로 나란히 정렬하세요.

   참고: 계정 선택 대화상자가 표시되면 다른 계정 사용을 클릭합니다.

3. 필요한 경우 아래의 사용자 이름을 복사하여 로그인 대화상자에 붙여넣습니다.

   {{{user_0.username | "Username"}}}

   실습 세부정보 창에서도 사용자 이름을 확인할 수 있습니다.

4. 다음을 클릭합니다.

5. 아래의 비밀번호를 복사하여 시작하기 대화상자에 붙여넣습니다.

   {{{user_0.password | "Password"}}}

   실습 세부정보 창에서도 비밀번호를 확인할 수 있습니다.

6. 다음을 클릭합니다.

   중요: 실습에서 제공하는 사용자 인증 정보를 사용해야 합니다. Google Cloud 계정 사용자 인증 정보를 사용하지 마세요. 참고: 이 실습에 자신의 Google Cloud 계정을 사용하면 추가 요금이 발생할 수 있습니다.

7. 이후에 표시되는 페이지를 클릭하여 넘깁니다.

   • 이용약관에 동의합니다.
   • 임시 계정이므로 복구 옵션이나 2단계 인증을 추가하지 않습니다.
   • 무료 체험판을 신청하지 않습니다.

잠시 후 Google Cloud 콘솔이 이 탭에서 열립니다.

참고: Google Cloud 제품 및 서비스에 액세스하려면 탐색 메뉴를 클릭하거나 검색창에 제품 또는 서비스 이름을 입력합니다.

Cloud Shell 활성화

Cloud Shell은 다양한 개발 도구가 탑재된 가상 머신으로, 5GB의 영구 홈 디렉터리를 제공하며 Google Cloud에서 실행됩니다. Cloud Shell을 사용하면 명령줄을 통해 Google Cloud 리소스에 액세스할 수 있습니다.

1. Google Cloud 콘솔 상단에서 Cloud Shell 활성화 를 클릭합니다.

2. 다음 창을 클릭합니다.

   • Cloud Shell 정보 창을 통해 계속 진행합니다.
   • 사용자 인증 정보를 사용하여 Google Cloud API를 호출할 수 있도록 Cloud Shell을 승인합니다.

연결되면 사용자 인증이 이미 처리된 것이며 프로젝트가 학습자의 PROJECT_ID, (으)로 설정됩니다. 출력에 이 세션의 PROJECT_ID를 선언하는 줄이 포함됩니다.

Your Cloud Platform project in this session is set to {{{project_0.project_id | "PROJECT_ID"}}}

gcloud는 Google Cloud의 명령줄 도구입니다. Cloud Shell에 사전 설치되어 있으며 명령줄 자동 완성을 지원합니다.

3. (선택사항) 다음 명령어를 사용하여 활성 계정 이름 목록을 표시할 수 있습니다.

gcloud auth list

4. 승인을 클릭합니다.

출력:

ACTIVE: * ACCOUNT: {{{user_0.username | "ACCOUNT"}}} To set the active account, run: $ gcloud config set account `ACCOUNT`

5. (선택사항) 다음 명령어를 사용하여 프로젝트 ID 목록을 표시할 수 있습니다.

gcloud config list project

출력:

[core] project = {{{project_0.project_id | "PROJECT_ID"}}} 참고: gcloud 전체 문서는 Google Cloud에서 gcloud CLI 개요 가이드를 참고하세요.

작업 1. Document AI API 사용 설정

Document AI를 사용하려면 우선 API를 사용 설정해야 합니다.

1. Cloud Shell에서 다음 명령어를 실행하여 Document AI용 API를 사용 설정합니다.

gcloud services enable documentai.googleapis.com

다음과 같은 결과를 확인할 수 있습니다.

Operation "operations/..." finished successfully.

2. 다음 명령어를 실행하여 Document AI용 Python 클라이언트 라이브러리를 설치합니다.

pip3 install --upgrade google-cloud-documentai

다음과 같은 결과를 확인할 수 있습니다.

... Installing collected packages: google-cloud-documentai Successfully installed google-cloud-documentai-2.15.0

이제 Document AI API를 사용할 준비가 되었습니다.

Document AI API 사용 설정

작업 2. 프로세서 만들기

먼저 이 실습에서 사용할 커스텀 문서 추출기 프로세서를 만들어야 합니다.

먼저 이 튜토리얼의 Document AI 플랫폼에서 사용하기 위해 양식 파서 프로세서 인스턴스를 만들어야 합니다.

1. 탐색 메뉴에서 모든 제품 보기를 선택합니다. 인공지능에서 Document AI를 선택합니다.

2. 커스텀 프로세서 만들기를 클릭합니다.

3. 커스텀 추출기 상자 안에서 프로세서 만들기를 클릭합니다.

4. 이름을 lab-custom-extractor로 지정하고 목록에서 US(미국) 리전을 선택합니다.

5. 만들기를 클릭하여 프로세서를 생성합니다.

내 진행 상황 확인하기를 클릭하여 목표를 확인합니다.

프로세서 만들기

작업 3. 프로세서 필드 정의

이제 방금 만든 프로세서의 프로세서 개요 페이지가 표시됩니다.

프로세서가 추출하고 문서에 라벨 지정을 시작할 필드를 지정할 수 있습니다.

1. 시작하기 탭을 클릭합니다. 필드 메뉴가 나타납니다.

2. 새 필드 만들기를 클릭합니다.

3. 필드 이름을 입력합니다. 데이터 유형과 일치하는 항목을 선택합니다. 만들기를 클릭합니다. 스키마 생성 및 수정에 관한 자세한 안내는 프로세서 스키마 정의를 참고하세요.

4. 프로세서 스키마에 대해 다음과 같은 라벨을 각각 만듭니다.

이름	데이터 유형	일치하는 항목
control_number	숫자	여러 번(선택사항)
employees_social_security_number	숫자	여러 번(필수사항)
employer_identification_number	숫자	여러 번(필수사항)
employers_name_address_and_zip_code	주소	여러 번(필수사항)
federal_income_tax_withheld	금액	여러 번(필수사항)
social_security_tax_withheld	금액	여러 번(필수사항)
social_security_wages	금액	여러 번(필수사항)
wages_tips_other_compensation	금액	여러 번(필수사항)

프로세서 스키마에서 체크박스 및 테이블 형식 항목과 같은 다른 유형의 라벨을 만들고 사용할 수도 있습니다. 예를 들어 W-2 양식에는 법정 직원, 은퇴 계획, 제3자 병가 중 수당 체크박스가 포함되어 있으며, 이를 스키마에 추가할 수도 있습니다.

내 진행 상황 확인하기를 클릭하여 목표를 확인합니다. 라벨 만들기

작업 4. 샘플 문서 업로드

다음으로 샘플 W-2 PDF를 업로드하고 라벨을 지정합니다.

1. 샘플 문서 업로드를 클릭합니다.

2. 사이드바에서 Google Cloud Storage에서 문서 가져오기를 클릭합니다.

3. 이 예시에서는 소스 경로에 이 버킷 이름을 입력합니다. 링크는 문서 하나에 직접 연결됩니다.

cloud-samples-data/documentai/Custom/W2/PDF/W2_XL_input_clean_2950.pdf

4. 가져오기를 클릭합니다.

라벨 지정 콘솔로 리디렉션됩니다.

작업 5. 문서 라벨 지정

문서에서 텍스트를 선택하고 라벨을 적용하는 프로세스를 주석이라고 합니다.

1. 라벨 지정 콘솔에는 다수의 라벨이 이미 채워져 있습니다.

참고: 결과는 샘플 이미지와 약간 다르게 보일 수 있습니다.

2. 추천 라벨을 사용하려면 측면 패널의 각 라벨 위에 포인터를 가져간 다음 체크표시를 클릭하여 라벨이 올바른지 확인합니다. 값이 문서 텍스트와 일치하지 않는 경우 값을 수정할 수 있습니다.

3. 이 예에서는 문서 하단에 있는 값이 자동으로 식별되지 않으므로 수동으로 라벨을 지정해야 합니다.

4. 기본적으로 경계 상자 도구를 사용하거나 여러 줄 값의 경우 텍스트 선택 도구를 사용하여 콘텐츠를 선택하고 라벨을 적용합니다.

참고: 텍스트 선택 도구가 모든 텍스트 값에 적용되지 않으므로 필요한 경우 경계 상자를 사용하세요. 경계 상자 도구를 사용하여 체크박스와 같은 비텍스트 필드를 선택할 수도 있습니다.

5. 이 예시에서는 경계 상자 도구로 wages_tips_other_compensation 값을 선택하고 이 라벨이 적용됩니다.

6. 감지된 텍스트 값이 문서의 올바른 텍스트를 반영하는지 검토합니다.

라벨이 지정된 W-2 문서가 완성된 모습은 다음과 같습니다.

7. 필요한 경우 새 필드 만들기를 클릭하여 이 페이지에서 스키마에 새 필드를 추가할 수 있습니다.

8. 문서에 주석을 달았으면 라벨이 지정된 것으로 표시를 클릭합니다.

시작하기 탭으로 리디렉션됩니다.

작업 6. 파운데이션 모델을 사용하여 프로세서 버전 빌드

단일 문서에 라벨을 지정한 후 선행 학습된 파운데이션 모델을 사용하여 프로세서 버전을 만들어 항목을 추출할 수 있습니다.

1. 빌드 탭을 클릭합니다.

2. 파운데이션 모델 호출에서 새 버전 만들기를 클릭합니다.

3. 프로세서 버전의 이름(예: w2-foundation-model)을 입력합니다.

4. 만들기를 클릭합니다. 만드는 데 몇 분 정도 걸립니다.

참고: 프로세서 버전을 만든 후에는 만든 필드를 삭제할 수 없습니다. 더 이상 필요하지 않은 경우 필드 페이지에서 사용 중지할 수 있습니다.

5. (선택사항) 배포 및 사용 탭을 클릭합니다. 이 페이지에서 사용 가능한 프로세서 버전과 새 버전의 배포 상태를 볼 수 있습니다.

실습의 뒷부분에서 이 버전을 테스트하고 평가합니다.

내 진행 상황 확인하기를 클릭하여 목표를 확인합니다.

파운데이션 모델을 사용하여 프로세서 버전 빌드

작업 7. 생성형 AI를 사용하여 문서에 자동으로 라벨 지정

파운데이션 모델은 다양한 문서 유형의 필드를 정확하게 추출할 수 있지만, 특정 문서 구조에 대한 모델의 정확성을 개선하기 위해 추가 학습 데이터를 제공할 수도 있습니다.

Document AI Workbench는 자동 라벨 지정을 통해 사용자가 정의한 라벨 이름과 이전 주석을 사용하여 대규모 문서에 더 쉽고 빠르게 라벨을 지정할 수 있습니다.

1. 빌드 페이지로 이동합니다.

2. 문서 가져오기를 클릭합니다.

3. 사이드바에서 Google Cloud Storage에서 문서 가져오기를 클릭합니다.

4. 소스 경로에 이 버킷 이름을 입력합니다. 라벨이 지정되지 않은 W-2 PDF 파일이 포함된 파일입니다.

cloud-samples-data/documentai/Custom/W2/AutoLabel

5. 데이터 분할 목록에서 자동 분할을 선택합니다. 이렇게 하면 문서가 학습 세트에서는 80%, 테스트 세트에서는 20%로 자동 분할됩니다.

6. 자동 라벨 지정 섹션에서 자동 라벨 지정을 사용하여 가져오기 체크박스를 선택합니다.

7. 방금 만든 파운데이션 모델 프로세서 버전을 선택하여 문서에 라벨을 지정합니다.

8. 가져오기를 클릭하고 문서를 가져올 때까지 기다립니다. 이 페이지를 나갔다가 다시 돌아와도 됩니다.

9. 자동으로 라벨이 지정된 문서를 확인해야 학습 또는 테스트에 사용할 수 있습니다. 라벨 지정 시작을 클릭하여 자동으로 라벨이 지정된 문서를 확인합니다.

10. 추천 라벨을 사용하려면 각 주석 위에 마우스 포인터를 올려놓고 체크표시를 클릭하여 라벨이 올바른지 확인합니다. 값이 문서 텍스트와 일치하지 않는 경우 값을 수정할 수 있습니다.

11. 문서에 주석을 달았으면 라벨이 지정된 것으로 표시를 클릭합니다.

12. 자동으로 라벨이 지정된 각 문서에 대해 이 작업을 반복합니다. 이 튜토리얼에서는 자동으로 라벨이 지정되지 않은 문서를 건너뛸 수 있습니다.

작업 8. 사전에 라벨이 지정된 학습 문서 가져오기

이 실습에서는 미리 라벨이 지정된 데이터가 제공됩니다. 자체 프로젝트를 진행하는 경우 데이터에 라벨을 지정하는 방법을 결정해야 합니다. 자세한 내용은 라벨 지정 옵션을 참조하세요. 일반적으로 학습 데이터가 많을수록 정확성이 커집니다.

1. 빌드 페이지로 이동합니다.

2. 문서 가져오기를 클릭합니다.

3. 사이드바에서 Google Cloud Storage에서 문서 가져오기를 클릭합니다.

4. 소스 경로에 다음 경로를 입력합니다. 이 버킷에는 문서 JSON 형식으로 라벨이 미리 지정된 문서가 포함되어 있습니다.

cloud-samples-data/documentai/Custom/W2/JSON-2

5. 데이터 분할 목록에서 자동 분할을 선택합니다. 이렇게 하면 문서가 학습 세트에서는 80%, 테스트 세트에서는 20%로 자동 분할됩니다. 자동 라벨 지정을 사용하여 가져오기를 선택하지 않은 상태로 둡니다.

6. 가져오기를 클릭합니다. 가져오는 데 몇 분 정도 걸립니다.

7. (선택사항) 빌드 페이지에서 데이터 세트 관리 콘솔에 액세스하여 데이터 세트의 모든 문서와 라벨을 보고 수정할 수 있습니다.

작업 9. 프로세서 학습

이제 충분한 학습 및 테스트 데이터가 있으므로 프로세서를 학습시킬 수 있습니다. 학습에 몇 시간이 걸릴 수 있으므로 학습을 시작하기 전에 적절한 데이터와 라벨을 프로세서에 설정했는지 확인하세요.

1. 커스텀 모델 학습에서 새 버전 만들기를 클릭합니다.

   새 버전 만들기를 클릭할 수 없는 경우 전체 요구사항 보기를 클릭하여 데이터 세트 요구사항에 대한 정보를 확인합니다.

2. 버전 이름 필드에 이 프로세서 버전의 이름(예: w2-custom-model)을 입력합니다.

3. (선택사항) 문서 라벨에 대한 정보를 보려면 라벨 통계 보기를 클릭합니다. 이렇게 하면 적용 범위를 결정하는 데 도움이 됩니다. 닫기를 클릭하여 학습 설정으로 돌아갑니다.

4. 모델 학습 방법에서 모델 기반을 선택합니다.

5. 학습 시작을 클릭합니다.

6. (선택사항) 배포 및 사용 탭을 클릭합니다. 이 페이지에서는 사용 가능한 프로세서 버전과 새 버전의 학습 상태를 볼 수 있습니다.

내 진행 상황 확인하기를 클릭하여 목표를 확인합니다.

모델 학습

좋습니다. 이제 첫 번째 커스텀 Document AI 프로세서의 학습을 시작했습니다. 학습 작업은 몇 시간 정도 걸리므로 실습은 여기서 종료됩니다. 모델 버전을 배포하고 테스트하는 방법을 알아보려면 문서의 다음 섹션을 확인하세요.

수고하셨습니다

수고하셨습니다. 이 실습에서는 Document AI를 사용하여 커스텀 문서 추출 프로세서를 만들고, 데이터 세트를 가져오고, 예시 문서에 라벨을 지정했습니다. 이제 이 프로세서를 사용하여 모든 특수 프로세서처럼 문서를 이 형식으로 파싱할 수 있습니다. 또한 이 프로세서를 사용하여 자동 라벨 지정을 통해 새 문서에 라벨을 지정하고 Document AI Workbench를 사용하여 학습 데이터와 학습 작업을 관리할 수 있습니다.

다음 단계/더 학습하기

Document AI 및 Python 클라이언트 라이브러리에 대해 자세히 알아보려면 다음 리소스를 확인하세요.

• The Future of Documents(문서의 미래) - YouTube 재생목록
• Document AI 문서
• Document AI Python 클라이언트 라이브러리
• Document AI 샘플

Google Cloud 교육 및 자격증

Google Cloud 기술을 최대한 활용하는 데 도움이 됩니다. Google 강의에는 빠른 습득과 지속적인 학습을 지원하는 기술적인 지식과 권장사항이 포함되어 있습니다. 기초에서 고급까지 수준별 학습을 제공하며 바쁜 일정에 알맞은 주문형, 실시간, 가상 옵션이 포함되어 있습니다. 인증은 Google Cloud 기술에 대한 역량과 전문성을 검증하고 입증하는 데 도움이 됩니다.

설명서 최종 업데이트: 2025년 3월 17일

실습 최종 테스트: 2025년 3월 17일

Copyright 2025 Google LLC. All rights reserved. Google 및 Google 로고는 Google LLC의 상표입니다. 기타 모든 회사명 및 제품명은 해당 업체의 상표일 수 있습니다.