업스테이지 Document Parse vs Synap DocuAnalyzer 직접 비교 — 파서 선택 전 반드시 확인할 차이점

RAG 파이프라인을 직접 구축해본 사람이라면 한 번쯤 이 상황을 겪어봤을 것이다. PDF를 파서에 넣었더니 표가 다 뭉개져 나오거나, 이미지 안의 글자를 아예 못 읽어오거나. 파서 선택을 잘못하면 그 뒤의 청킹, 임베딩, 검색 품질이 전부 무너진다. 업스테이지 Document Parse와 Synap DocuAnalyzer, 이 두 인텔리전트 파서 중 어떤 걸 골라야 하는지 — 직접 실험한 결과를 기준으로 판단 기준을 정리했다.

파서를 고를 때 사람들이 가장 많이 착각하는 부분

랭체인의 PyPDF 로더나 워드 로더를 써봤다면 "나 파서 쓰고 있는 거 아닌가?"라고 생각하기 쉽다. 틀린 말은 아니지만, 그건 가장 기본적인 수준의 파싱이다. 이런 기본 로더는 PDF 안의 글자를 단순히 긁어오는 역할을 한다.

문제는 여기서 생긴다. 이미지로 스캔된 문서는 글자를 아예 못 읽는다. 표가 있으면 레이아웃은 사라지고 글자만 뭉개져 나온다. 다단 구조로 된 문서는 읽는 순서도 엉망이 되기 쉽다.

그래서 요즘 말하는 "파서"는 대부분 인텔리전트 파서를 의미한다. 인텔리전트 파서는 단순 텍스트 추출을 넘어서 레이아웃 인식, 객체 태깅(제목/문단/표/이미지 구분), 읽기 순서 파악까지 처리한다. 이 수준의 파서를 써야 벡터 DB에 넣을 데이터를 "스마트하게" 처리했다고 말할 수 있다.

참고로 OCR 기능이 탑재된 로더를 쓴다고 해서 이 문제가 해결되지는 않는다. OCR은 이미지 속 문자를 디지털화하는 것이고, 그 글자가 제목인지 본문인지 표인지 분류하는 건 또 다른 영역이다.

두 파서의 근본적인 작동 방식 차이 — 여기서 성능이 갈린다

업스테이지 Document Parse는 비전 딥러닝 모델 기반으로 파싱한다. 쉽게 말해 문서를 이미지로 찍어서 눈으로 보고 판단하는 방식이다. 그 덕분에 PDF나 이미지 형태 문서에서 강점을 보인다.

반면 Synap DocuAnalyzer는 파일 내부의 구조를 직접 열어서 해석하는 방식이다. HWP, DOCX, XLSX 같은 파일 포맷 자체의 구조 데이터를 읽어오기 때문에 이런 원본 파일 형식에서는 정확도가 높을 수밖에 없다. 사인소프트는 2000년대부터 문서 관련 서비스를 해온 회사라는 배경도 여기서 강점으로 작용한다.

PDF 문서가 많다면 업스테이지가 유리하고, HWP나 워드·엑셀 원본 파일이 많다면 Synap DocuAnalyzer가 유리하다. 이 차이를 모르고 도입하면 예상과 전혀 다른 결과를 마주하게 된다.

HWP 문서 실험 — 표 안에 표도 처리할 수 있나

첫 번째 테스트는 HWP 파일이었다. 공정한 인터넷 이용 가이드라인 문서에 표를 포함시켜 두 파서에 각각 넣어봤다.

업스테이지는 HWP를 지원하기 시작했고(HWP/HWPX 최근 추가), 가이드라인 텍스트와 표를 꽤 잘 가져왔다. 다만 머지셀(합쳐진 셀)을 처리할 때 "있음 없음"이 한 셀로 합쳐져 나오는 아쉬운 부분이 있었다.

Synap DocuAnalyzer는 같은 문서에서 훨씬 정확하게 가져왔다. 특히 읽기 순서를 번호로 시각화해서 보여주는 데모 기능이 인상적이었다. 사람이 실제로 읽는 흐름(왼쪽에서 오른쪽, 위에서 아래)을 그대로 번호로 매겨 보여준다.

두 번째 HWP 테스트에서는 표 안에 표가 있는 복잡한 문서를 사용했다. 마크다운 문법 자체가 표 안에 표를 표현하는 것을 지원하지 않는데, Synap DocuAnalyzer는 이 문제를 테이블 포지션(table position) 번호를 활용하는 방식으로 해결했다. 내부 표를 끄집어내서 아래에 순서대로 배치하는 방식인데, 개발자의 후처리 부담을 줄이기 위한 실용적인 설계가 여기서 느껴진다.

같은 HWP를 PDF로 변환하면 어떻게 달라지나

흥미로운 실험이었다. 같은 HWP 파일을 PDF로 변환해서 Synap DocuAnalyzer에 넣었더니 성능이 눈에 띄게 떨어졌다. HWP 원본에서는 잘 읽던 "포상 주기: 매년" 같은 셀 내용을 PDF에서는 놓쳤고, 특수 기호 처리도 다소 부정확했다.

반대로 같은 PDF를 업스테이지에 넣으면 특수 기호(동그라미, 화살표 등)를 훨씬 정확하게 가져왔다. 비전 모델의 강점이 PDF에서 발휘된다는 것을 확인한 실험이었다.

즉, Synap DocuAnalyzer를 사용할 계획이라면 가능하면 HWP, DOCX 같은 원본 파일을 그대로 넣는 것이 유리하다. PDF로 변환하는 순간 구조 정보가 사라지기 때문에 Synap의 핵심 강점이 희석된다.

수식 처리 비교 — 논문 처리할 사람은 꼭 확인해라

논문 PDF를 넣어 수식 처리 결과를 비교했다. 업스테이지는 수식을 LaTeX로 변환해서 반환한다. JSON으로 받아보면 LaTeX 형식의 수식이 정확하게 들어오고, HTML로도 깔끔하게 렌더링된다. 논문이나 수식이 많은 기술 문서를 다루는 사람에게는 상당히 실용적인 기능이다.

Synap DocuAnalyzer는 수식을 잘 잡아주긴 하지만 LaTeX 변환은 지원하지 않는다. 수식 부분이 이미지 파일로만 제공된다. 마크다운에도 이미지 형태로 들어가고, JSON에도 이미지 파일명만 기록된다.

수식이 포함된 문서를 처리해야 한다면 현재 기준으로는 업스테이지가 명확하게 우위에 있다.

엑셀 파일 처리 — 예상 밖의 결과가 나왔다

업스테이지에 엑셀 파일을 넣었을 때 셀 너비가 좁아서 내용이 접혀 있는 열을 제대로 파싱하지 못했다. 이메일과 패스워드가 겹쳐 보이는 상태 그대로 가져온 것이다. 파일 구조가 아닌 화면에 보이는 것을 기반으로 처리하다 보니 생기는 한계다.

Synap DocuAnalyzer는 같은 엑셀 파일에서 셀 내용이 접혀 있더라도 파일 내부 구조를 직접 읽기 때문에 이메일, 패스워드, 롤 정보를 모두 정확하게 가져왔다. 엑셀 처리에서는 Synap이 오류 없이 통과한 반면 업스테이지는 수정이 필요해 보이는 결과를 보였다.

가격 구조와 도입 방식 — 이것도 선택 기준이다

업스테이지 Document Parse는 페이지당 $0.01로 API 방식 이용이 가능하다. 신용카드 등록만으로 바로 시작할 수 있고, SaaS(시간당 $15)와 온프레미스 모두 지원한다. AWS 마켓플레이스를 통한 이용도 가능하다. 파싱 작업이 있을 때만 서버를 잠깐 띄우는 방식이라면 SaaS도 합리적으로 사용할 수 있다.

Synap DocuAnalyzer는 현재 온프레미스 설치형에 특화되어 있다. 개인이 API 키를 발급받아 바로 쓰기는 어렵고, B2B 기업 고객 대상으로 운영된다. 폐쇄망에서 문서를 처리해야 하는 환경이라면 오히려 이 방식이 적합하다.

LlamaIndex 기반의 라마파스는 하루 1,000페이지까지 무료(프로모션 유지 여부 확인 필요)이고 사용성이 쉬워 접근성이 높다. Unstructured IO는 유료 플랜 기준 페이지당 $0.02~$0.03 수준이다. Azure AI Document Intelligence, AWS Textract도 비슷한 가격대지만 세부 과금 정책이 복잡하다.

어떤 파서를 골라야 하나 — 문서 유형이 답이다

두 파서 모두 결과물을 마크다운, JSON, HTML(또는 XML) 형태로 반환한다는 점은 같다. 레이아웃 요소 감지 범위도 비슷하다. 차이는 어떤 문서 유형을 주로 처리하느냐에 따라 갈린다.

HWP, DOCX, XLSX 원본 파일이 많은 환경이라면 Synap DocuAnalyzer의 구조 파싱 정확도가 확실히 유리하다. 표 안에 표 처리, 복잡한 레이아웃 순서 인식 등에서 인상적인 결과를 보인다. 다만 LaTeX 수식 미지원과 온프레미스 전용이라는 제약은 도입 전 반드시 확인해야 한다.

PDF나 이미지 기반 문서, 수식이 포함된 논문 등이 주력이라면 업스테이지 Document Parse의 비전 모델 기반 처리가 강점을 발휘한다. API 방식으로 바로 연동할 수 있다는 점도 개발 속도 면에서 유리하다.

마지막으로 한 가지. 파싱 결과물이 마크다운으로 떨어진다고 해서 전처리가 끝난 게 아니다. 파서는 객체와 구조 정보를 가져오는 시작일 뿐이고, 그 구조를 바탕으로 청킹과 후처리를 어떻게 하느냐가 RAG 품질을 결정한다. 파서 선택과 함께 후처리 로직 설계에도 시간을 투자해야 한다.

---

더 많은 생활·인테리어·건축 정보는 kooreea.com에서 확인하세요.