공공기관 HWP 파싱 솔루션 도입 체크리스트 | GS 인증·망분리·온프레미스 기준

공공기관 문서 파싱 프로그램은 수십 년간 쌓여 온 HWP·HWPX 문서를 AI가 바로 쓸 수 있는 데이터로 바꿔주는 첫 단계입니다. 그런데 막상 파싱을 붙여 보면 표가 손상되고 각주가 소실되는 일이 빈번하게 발생합니다. 도입 후에 후회하지 않으려면 무엇을 먼저 확인해야 할지, HWP·HWPX 처리 방식부터 GS 인증까지 도입 전 체크리스트로 정리했습니다. 

공공기관 HWP·HWPX 문서 파싱, AI가 제대로 읽지 못하는 이유는?

공공기관 문서를 AI가 제대로 읽지 못하는 이유는 HWP·HWPX의 전용 포맷 구조와 망분리 환경에 따른 클라우드 AI 사용 제한, 크게 두 가지입니다. 

첫번째는 가장 많이 쌓여 있는 HWP·HWPX가 일반 텍스트가 아니라 전용 형식으로 저장되는 포맷이라 기계가 표·각주·문단 계층 같은 구조를 곧바로 읽어내기 어렵다는 것이고, 두번째는 대부분 망분리 환경이라 문서를 외부로 보내야 하는 클라우드 문서 AI를 쓰기 어렵다는 것입니다. 여기에 일반 OCR(Optical Character Recognition, 광학 문자 인식)로 무리하게 텍스트를 추출할 때 표와 각주가 함께 소실되는 문제까지 겹치면서, 원본이 가진 구조 정보가 여러 단계에서 손실됩니다.

HWP·HWPX 포맷의 구조적 한계

HWP·HWPX는 일반 텍스트가 아니라 전용 형식으로 저장되는 포맷이라, 기계가 표·각주·문단 계층 같은 구조 정보를 곧바로 읽어내기 어렵습니다.

한컴 테크 블로그의 HWP 포맷 구조 분석을 보면, HWP는 마이크로소프트가 만든 CFB(Compound File Binary, 복합 파일 이진 형식)라는 방식을 기반으로 합니다. 파일 하나에 폴더처럼 여러 데이터를 구분해 저장하는 구조로, 문서의 서명·버전 정보, 글꼴·문단 속성 같은 공통 정보, 실제 본문이 각각 다른 자리에 저장됩니다. 게다가 각 데이터에는 꼬리표(Tag)와 크기 정보가 붙어 있어서, 사람은 한/글 프로그램으로 열면 바로 읽지만 기계는 이 구조를 별도로 해석하는 과정을 거쳐야 내용을 알 수 있습니다.

HWPX는 사정이 조금 다릅니다. 개방형 XML을 기반으로 데이터가 구조화돼 있어 상대적으로 해석이 쉬운 반면, HWP는 특정 소프트웨어에서만 열고 고치도록 설계된 바이너리라 파싱 난도가 더 높습니다. 두 포맷 모두 국내 업무 환경에 최적화된 문서 포맷이지만, AI가 곧바로 이해하기엔 이런 구조적 차이가 제약으로 작용합니다.

망분리 환경, 문서 파싱 솔루션 도입의 제약

공공기관은 대부분 망분리 환경에서 운영되는데, 클라우드 기반 문서 AI 솔루션은 문서를 외부 서버로 전송해야 해서 보안 정책상 도입이 제한됩니다. 

실제로 해외 주요 클라우드 문서 AI 서비스들은 이미지·PDF·OOXML 등 여러 형식을 지원하지만, 국내 공공 문서의 상당수를 차지하는 HWP·HWPX는 지원 목록에 없는 경우가 대부분입니다.

문제는 파일 형식만이 아닙니다. 이런 클라우드 API는 문서를 외부 서버로 보내 분석하는 구조가 전제라, 문서 유출이 곧 보안 사고인 공공·금융 폐쇄망에서는 이 방식 자체가 도입 불가 사유가 됩니다. 그만큼 민감한 데이터를 내부망 밖으로 유출하지 않고 처리하려는 수요가 많고, 데이터를 자체 보관하는 온프레미스 방식을 찾는 경향도 뚜렷합니다. 공공기관에서는 ‘얼마나 잘 읽느냐’만큼 ‘어디서 처리하느냐’가 도입의 전제 조건이 됩니다.

일반 OCR로 HWP·HWPX 표·각주를 추출했을 때 생기는 손실

HWP·HWPX를 PDF로 변환한 뒤 OCR을 적용하면 표가 이미지로 바뀌어 인식이 되지 않고, 각주·들여쓰기 같은 레이아웃 요소도 함께 소실됩니다.

일반 OCR은 HWP·HWPX를 직접 지원하지 않아 PDF로 먼저 바꾸는 과정이 필요한데, 바로 이 변환 단계에서 원본이 갖고 있던 구조 정보가 손실됩니다. 특히 병합 셀이 들어간 표는 전체가 이미지로 변환되어 내부 텍스트를 인식하지 못하는 경우도 있습니다.

표 한 칸을 잘못 인식하면 그 오류는 이후 검색과 답변 단계까지 그대로 이어집니다. OCR과 RAG(Retrieval-Augmented Generation, 검색 증강 생성)에서는 이러한 연쇄 현상을 7개 실제 업무 도메인에서 분석했으며, OCR 오류를 의미가 왜곡되는 오류와 서식이 손상되는 오류로 구분했습니다. 연구 결과는 분명했습니다.

현재 나와 있는 OCR 솔루션 중 RAG에 쓸 만한 지식베이스를 제대로 만들어 낼 수 있는 것은 아직 없다는 것입니다. 그래서 추출 단계에서 오류가 생기면 이후 단계에서 아무리 보완해도 원래 품질로 되돌릴 수 없습니다.

공공기관 HWP·HWPX 파싱 솔루션, 어떤 기준으로 봐야 할까요?

공공기관용 문서 파싱 솔루션을 볼 때 핵심 기준은 HWP·HWPX 원본 직접 처리, 내부망 보안 유지, AI 연동 가능한 출력 형식, 이렇게 세 가지입니다. 

HWP·HWPX 원본을 변환 없이 직접 처리하는지, 문서 데이터가 내부망 밖으로 나가지 않는지, 결과를 AI가 바로 활용할 수 있는 형식으로 제공하는지, 이 세 가지 기준을 중심으로 문서 파싱 솔루션을 비교하는 것이 좋습니다.

문서 파싱 처리 방식이 구조 보존에 미치는 영향

PDF 변환을 거치는 방식인지, 원본 파일을 직접 분석하는 방식인지에 따라 표·각주 같은 구조 정보가 보존되는 정도가 완전히 달라집니다. 

PDF로 변환한 뒤 처리하면 표가 이미지가 되고 서식 정보가 함께 소실되지만, 원본을 직접 파싱하면 표 구조와 각주, 메타데이터를 그대로 보존할 수 있습니다. 특히 병합 셀이나 여러 단으로 나뉜 머리글처럼 복잡한 표일수록 처리 방식에 따른 차이가 커집니다. 표의 행·열 관계를 복원하는 TSR(Table Structure Recognition, 표 구조 인식)의 난도가 그만큼 높아지기 때문입니다.

PDF 변환 방식과 원본 직접 파싱의 구조 정보 보존 차이

구분	PDF 변환 방식	원본 직접 파싱
표 구조	이미지로 바뀌어 셀 인식 불가	행·열·병합 셀 단위로 보존
각주·들여쓰기	변환 과정에서 소실	레이아웃 요소 유지
메타데이터	대부분 유실	문서 속성까지 함께 추출
RAG 연동 적합성	낮음(재가공 필요)	높음(구조화 데이터 출력)

보안 환경이 문서 파싱 솔루션 선택을 좌우하는 이유 

같은 기능이라도 데이터가 외부로 나가는 구조인지, 내부망에서만 처리되는 구조인지에 따라 공공기관에서 쓸 수 있는 솔루션의 폭이 완전히 달라집니다. 오픈소스는 무료라는 장점이 있지만 HWP·HWPX를 지원하지 않는 경우가 많고, 클라우드 API는 도입이 빠른 대신 문서를 외부로 보내야 해서 폐쇄망에서는 쓰기 어렵습니다. 반면 온프레미스는 내부망에 직접 설치해 보안 요건을 맞출 수 있지만, 초기 구축이 필요하다는 점을 감안해야 합니다.

이는 특정 기관만의 사정이 아닙니다. 엄격한 데이터 보호 규제 탓에 많은 조직이 클라우드 서비스를 쓸 수 없어 온프레미스 배포가 필요하다고 짚은 온프레미스 RAG 설계 연구는 기존 참고 아키텍처가 대부분 클라우드 중심이라 온프레미스용 종합 틀이 부족하다는 문제의식까지 함께 제시합니다.

오픈소스·클라우드 API·온프레미스 방식의 공공기관 적합성 비교

구분	오픈소스	클라우드 API	온프레미스
비용	무료	사용량 과금	구축 비용
HWP·HWPX 지원	제한적·미지원	대체로 미지원	지원
외부 전송	환경에 따라 다름	필수	없음
망분리 적합성	낮음	불가	적합
구축 난이도	중	낮음	초기 구축 필요

RAG·AI 연동을 고려한 문서 파싱 출력 형식의 중요성

문서 파싱 AI 연동에서는 추출 결과가 평면 텍스트인지, 구조화된 JSON·HTML 형태인지에 따라 이후 RAG 파이프라인에 연동하는 난이도가 크게 달라집니다. 

구조 정보가 없는 평면 텍스트는 의미 단위로 분할하기가 어렵지만, JSON이나 HTML처럼 구조화된 형태로 나오면 다음 단계에 바로 연결할 수 있습니다. 이때 문서 파싱 도구가 추출한 계층 정보는, 이후 자사 RAG 솔루션인 한컴피디아가 문서를 의미 단위로 나눌 때 그 기준이 됩니다.

OCR이 RAG에 미치는 영향을 연구한 자료가 보여주듯, 추출 단계의 품질은 이후 검색 정확도의 상한선을 정합니다. 앞 단계에서 구조를 잃으면 이후 단계에서 아무리 좋은 모델을 적용해도 한계가 생기므로, 출력 형식은 파이프라인 전체의 품질을 좌우하는 선택입니다.

공공기관 문서 파싱 솔루션 도입 체크리스트

문서 파싱 솔루션 도입 체크리스트, 한눈에 보기

공공기관에서 문서 파싱 솔루션을 도입할 때는 HWP·HWPX 처리 방식, 구조 보존 여부, 보안 환경, 출력 형식을 포함한 5가지를 먼저 확인하면 됩니다. 

1. HWP·HWPX 원본을 변환 없이 직접 처리하는가

원본을 그대로 처리해야 표·각주 누락 없이 추출할 수 있습니다.

2. 정형·비정형 문서 처리 방식이 분리·병행되는가

서식이 일정한 문서는 규칙 기반으로, 그림·표가 섞인 문서는 AI 기반으로 데이터를 추출합니다.

3. 표·각주·메타데이터가 보존되는가

복잡한 표일수록 구조 보존 여부가 품질을 결정합니다.

4. 온프레미스 구축이 가능한가

망분리 환경에서는 외부 전송 없는 내부 설치가 전제입니다.

5. RAG·AI 파이프라인에 바로 연결할 출력 형식(JSON·HTML·Clientinfo)을 제공하는가

구조화 출력이라야 재가공 없이 이어집니다.

이 5가지는 특정 제품의 기능표가 아니라, 앞에서 진단한 병목에 대응해 정리한 항목들입니다. 기관마다 우선순위는 다를 수 있으니, 상황에 맞게 가중치를 두고 점검하면 됩니다.

공공기관 HWP 파싱 솔루션 도입 전 주의해야 할 사항

공공기관은 위 5가지 외에 GS 인증 같은 공공 조달 요건을 충족하는지도 함께 확인해야 합니다. GS 인증은「소프트웨어산업 진흥법」에 근거해 TTA 한국정보통신기술협회가 시행하는 국가 공인 소프트웨어 품질 제도입니다. 국제 표준을 바탕으로 한 다면적 품질 평가를 통과하면 품질인증마크를 받습니다. 

이 인증이 공공 조달에서 특히 중요한 이유는 B2G(기업-정부 거래)에서의 실익 때문입니다. GS 인증 제품은 공공기관 우선구매 대상(기술개발제품)으로 지정될 수 있고, 조달 플랫폼 등록과 수의계약 지원도 받을 수 있어 조달 과정에서 경쟁 우위를 얻습니다. 실제로 한컴의 한글·OCR SDK 브리티향 버전이 GS인증 1등급을 획득한 사례처럼, 공공·조달 시장을 대상으로 하는 제품일수록 이 인증을 확보하는 경우가 늘고 있습니다.

✅ 여기에 더해, 도입 전 실제 보유 문서 샘플로 정확도를 직접 테스트해 볼 것을 권장합니다.
기관마다 문서 양식과 표 구조가 달라, 자사 문서로 확인한 결과가 가장 정확한 판단 근거가 됩니다.

한컴 데이터 로더, 공공기관 문서 파싱 기준을 충족하는 솔루션

한컴 데이터 로더는 HWP·HWPX·PDF·OOXML을 구조화 데이터로 전환하는 문서 구조 분석(Document Parsing) 솔루션입니다. 앞서 정리한 세 가지 기준과 체크리스트 항목을 실제로 어떻게 충족하는지, 원본 처리·보안 환경·출력 형식 순으로 살펴봅니다.

크게 보면 HWP·HWPX 원본 직접 파싱 방식

한컴 데이터 로더는 HWP 문서 파싱 시 원본을 변환 없이 직접 분석해서 표 구조·각주·메타데이터를 그대로 보존합니다. PDF 변환 단계가 없어 구조 손실을 원천 차단합니다. 체크리스트 1번 항목인 ‘원본 직접 처리’를 그대로 충족하는 방식입니다.

이는 한컴이 오랜 기간 HWP 포맷을 다뤄 온 기술을 기반으로 하기 때문입니다. 한컴 테크블로그의 Python HWP 파싱 사례를 보면, 앞서 설명한 CFB 기반 구조에서 문서 공통 정보와 본문, 문서에 삽입된 데이터를 각각 어떻게 추출하는지 확인할 수 있습니다. 이렇게 원본 구조를 직접 분석해야 정보 누락을 최소화한 추출이 가능합니다.

👉 한컴 테크 블로그 구경하기

온프레미스·폐쇄망 대응 구조

한컴 데이터 로더는 문서 파싱을 온프레미스 방식으로 지원해서, 고객사 내부 서버에 설치한 뒤 문서가 외부로 나가지 않는 폐쇄망 환경에서도 운영할 수 있습니다. 문서 데이터가 내부망 밖으로 전송되지 않아 공공·금융처럼 보안 요건이 엄격한 환경에도 적합합니다. 이때 서식이 일정한 정형 문서는 규칙 기반 모델로 빠르게, 그림·표가 섞인 비정형 문서는 DLA(Document Layout Analysis, 문서 구조 분석) 기반으로 정밀하게 처리하도록 선택하거나 병행할 수 있습니다. 체크리스트 4번 항목인 ‘온프레미스 구축’에 그대로 대응하는 구조입니다.

실제 공공 도입으로도 확인됩니다. 한컴이 행정안전부 ‘범정부 AI 공통기반’ 사업에 AI 솔루션을 공급한 사례에서 한컴 데이터 로더는 ‘AI 학습용 데이터 추출 솔루션’으로 공공 문서를 정밀하게 구조화하는 역할을 맡았습니다. 이렇게 추출·파싱한 데이터를 이후 검색·질의응답으로 연결하는 역할은 함께 공급된 자사 RAG 솔루션 한컴피디아가 담당하며, 두 제품의 역할이 나뉘어 있습니다.

RAG 파이프라인 연동을 위한 구조화 출력

한컴 데이터 로더는 문서 파싱 자동화 결과를 JSON·HTML·Clientinfo 같은 구조화 형식으로 출력해서, 별도 가공 없이 RAG 파이프라인에 바로 연결할 수 있습니다. 사용 환경과 입력 포맷에 따라 출력 형식이 조금씩 다릅니다.

• 스튜디오(확장 솔루션): PDF는 JSON·HTML, HWP·HWPX는 JSON
• 솔루션: JSON·Clientinfo / API SaaS: JSON

이렇게 추출된 구조화 데이터에는 문서의 계층 정보가 함께 담기고, 이 계층 정보가 이후 한컴피디아가 문서를 의미 단위로 나눌 때의 기준이 됩니다.

참고로 한컴이 AI 제품 3종(한컴어시스턴트·한컴피디아·한컴 데이터 로더)으로 GS 1등급을 획득한 사례에는 한컴 데이터 로더도 포함돼 있어, 앞서 짚은 조달 요건과도 연결됩니다. 쌓여 있는 공공 문서를 AI가 학습할 자산으로 바꾸는 이른바 ‘데이터화’ 전략에서, 이 구조화 출력이 실질적인 기반이 됩니다.

👉 한컴 데이터 로더 구경하기

공공기관 문서 파싱 솔루션, 자주 묻는 질문(FAQ)

공공기관 문서 파싱, 도입 기준부터 다시 세워야 할 때

체크리스트로 확인한 공공기관 문서 파싱 솔루션의 조건

지금까지의 내용을 세 가지로 정리하면 다음과 같습니다. 

첫째, HWP·HWPX 원본을 변환 없이 직접 처리하느냐가 표·각주 같은 구조 보존을 결정합니다. 

둘째, 망분리 환경에서는 데이터가 밖으로 나가지 않는 온프레미스가 필수입니다.

셋째, RAG 연동의 성패는 추출 결과의 출력 형식에서 이미 결정됩니다.

이 조건들을 종합하면, 문서 파싱은 단순히 글자를 추출하는 과정이 아니라 공공기관 AI 문서 자동화의 기반으로, 쌓여 있는 공공 문서를 AI가 쓸 수 있는 자산으로 바꾸는 ‘데이터화’의 시작입니다.

한컴 데이터 로더는 HWP·HWPX·PDF·OOXML을 구조화 데이터로 전환하는 문서 구조 분석 솔루션입니다. 추출된 데이터는 자사 RAG 솔루션 한컴피디아와 연계해 문서 수집부터 검색·답변까지 한컴 단일 스택으로 이어 갈 수 있습니다. 공공 문서를 신뢰할 수 있는 AI 데이터로 바꾸는 첫 단계, 한컴 데이터 로더로 시작해 보세요.

👉 한컴 데이터 로더 라이브 데모 체험하기

👉 한컴 데이터 로더 도입 문의하기

---

참고 자료

1. arXiv, Junyuan Zhang et al., 「OCR Hinders RAG: Evaluating the Cascading Impact of OCR on Retrieval-Augmented Generation」, 2024
2. arXiv, Arun S. Maiya, 「OnPrem.LLM: A Privacy-Conscious Document Intelligence Toolkit」, 2025
3. arXiv, Chixiang Ma et al., 「Robust Table Detection and Structure Recognition from Heterogeneous Document Images」, 2022
4. arXiv, Nicolas Weeger et al., 「AI Engineering Blueprint for On-Premises Retrieval-Augmented Generation Systems」, 2026
5. 한컴 테크블로그, 「한/글 문서 파일 형식: HWP 포맷 구조 살펴보기」
6. 한컴 테크블로그, 「Python을 통한 HWP 포맷 파싱하기 (1)」
7. Google Cloud, 「Document AI — Supported Files」
8. Amazon Web Services, 「Amazon Textract — Input Documents」
9. 한컴, 「한컴, 행안부 ‘범정부 AI 공통기반 사업’에 AI 솔루션 공급」, 2025 
10. 헬로티(HelloT),「한컴, AI 제품 3종 GS 1등급 획득 “국내 AI 기술력 입증”」, 2025.01.16
11. 아이티데일리, 「[AI 솔루션 컨퍼런스] 한컴 “쌓인 공공 문서를 AI 자산으로…핵심은 ‘데이터화'”」, 2026.05.28