Synap DocuAnalyzer vs 업스테이지 Document Parse 실사용 비교 — HWP·PDF·표 처리 성능은?

RAG 시스템을 구축할 때 파서를 어떻게 고르는지 막막했던 적 있지 않나. 단순히 "마크다운으로 변환되면 되는 거 아닌가"라고 생각했다가, 나중에 표가 뭉개지고 읽기 순서가 엉켜서 다시 작업하는 일이 생각보다 많다. 이 글에서는 Synap DocuAnalyzer와 업스테이지 Document Parse를 실제 HWP, PDF, 워드, 엑셀, 수식 논문 등으로 직접 테스트한 비교 결과를 솔직하게 정리했다.

파서라고 다 같은 파서가 아니다 — 로더, OCR, 인텔리전트 파서의 차이

많은 사람들이 랭체인에 연동된 PyPDF나 워드 로더를 "파서"라고 부른다. 틀린 말은 아니지만, 이 로더는 기본적으로 문서 안의 글자만 긁어오는 역할을 한다. 이미지, 차트, 표 같은 요소들은 레이아웃을 무시하고 텍스트만 뽑아오기 때문에, 표가 들어간 문서를 이걸로 처리하면 구조가 날아간다.

여기에 OCR이 더해지면 스캔된 이미지 속 글자까지 읽어올 수 있다. 하지만 OCR도 한계가 있다. 글자를 인식하는 것과, 그 글자가 '제목인지' '본문인지' '표 안의 셀인지'를 구분하는 것은 완전히 다른 문제다.

요즘 실무에서 말하는 파서는 대부분 '인텔리전트 파서'를 의미한다. 인텔리전트 파서는 파일 읽기 + OCR + 레이아웃 인식을 모두 포함하고, 각 객체(제목, 단락, 표, 이미지, 캡션 등)를 태깅해서 구조화된 데이터로 반환해 준다. 이 단계가 되어야 벡터 DB에 저장하기 전 전처리를 제대로 할 수 있다.

파서를 고를 때 또 하나 놓치기 쉬운 게 '읽기 순서 인식'이다. 복잡한 다단 레이아웃에서 왼쪽 단락을 다 읽고 오른쪽으로 넘어가는지, 아니면 위에서 아래로만 읽는지에 따라 청크 품질이 완전히 달라진다. 바운더리를 잡아주는 것과, 그 순서를 올바르게 반환하는 것은 별개의 기능이다.

가격부터 보면 판단이 흐려진다 — 주요 파서 비용 구조 비교

직접 비교한 파서 목록은 업스테이지, AWS Textract, Azure AI Document, LlamaParse, Unstructured.io, PyMuPDF, PDFPlumber다. 오픈소스 계열은 무료지만 인텔리전트 파서 기능은 없다고 봐야 한다.

업스테이지 Document Parse는 페이지당 $0.01다. AWS나 Azure와 단순 비교하면 비싸 보일 수 있다. 하지만 업스테이지의 경우 SaaS 방식으로 상시 서버를 띄워놓으면 시간당 $15 수준이 나올 수 있어 부담이 크다. 다만 파싱 작업이 있을 때만 서버를 올리고 내리는 방식으로 쓰면 AWS Marketplace를 통한 온디맨드 활용이 훨씬 현실적이다.

LlamaParse는 하루 1,000페이지까지 무료로 알려져 있다. 사용성이 쉽고 마크다운 변환이 간단해서 진입 장벽이 낮다. Unstructured.io는 기본 텍스트 처리가 $0.002, PDF+이미지가 $0.02, 멀티모달까지 포함하면 $0.03 수준이다. 업스테이지와 비교하면 멀티모달 기능 포함 시 두 배 이상 비싸다.

가격은 어디 플랫폼에서 쓰는지에 따라 달라질 수 있으니, 비교 시점의 공식 가격을 직접 확인하는 것이 중요하다.

Synap DocuAnalyzer의 진짜 강점 — 구조를 '보는' 파서

Synap DocuAnalyzer는 2000년부터 문서 공유 서비스를 시작한 Synap Soft가 만들었다. 25년 넘게 문서만 다뤄온 기업이라는 배경이 실제 성능에서 그대로 드러난다.

핵심 차이는 파싱 방식이다. 업스테이지가 비전 딥러닝 모델로 문서를 '사진처럼 찍어서' 분석하는 방식이라면, Synap DocuAnalyzer는 HWP, 워드, 엑셀 같은 파일을 직접 열어 내부 구조 데이터를 읽어오는 방식이다. 이 차이가 성능의 갈림길이 된다.

HWP 문서 테스트에서 Synap은 제목, 본문, 표를 깔끔하게 분리했다. 특히 읽기 순서 시각화 기능이 인상적이었다. 1번, 2번, 3번… 사람이 읽는 흐름 그대로 번호를 붙여서 보여주는 UI는 개발자가 실제로 파서의 인식 흐름을 확인할 수 있다는 점에서 실용적이다.

난이도 높은 테스트는 '표 안의 표'였다. 마크다운 문법 자체가 중첩 표를 지원하지 않는다. Synap은 이 문제를 테이블 포지션 인덱스 방식으로 해결했다. 외부 표에서 참조 포지션을 기록하고, 내부 표를 별도로 아래에 붙여서 출력하는 방식이다. 완벽하진 않지만 현실적인 해법이다.

반면 같은 HWP 파일을 PDF로 변환해서 Synap에 넣었더니 성능이 눈에 띄게 떨어졌다. 구조를 읽어오는 방식이기 때문에, 구조 정보가 없는 PDF는 취약하다. Synap DocuAnalyzer를 사용할 거라면 반드시 원본 파일 형태(HWP, DOCX, XLSX)로 입력해야 성능을 제대로 발휘할 수 있다.

또 하나 확인해야 할 점이 있다. Synap DocuAnalyzer는 현재 온프레미스 설치형만 지원한다. 업스테이지처럼 API 키를 발급받아 개인이 바로 쓰는 방식은 아직 없다. 완전한 엔터프라이즈 향 솔루션이라는 점을 먼저 이해하고 접근해야 한다.

업스테이지 Document Parse는 어디서 강한가

업스테이지의 강점은 PDF와 OCR이다. 비전 딥러닝 모델 기반이기 때문에 스캔 이미지, 복잡한 레이아웃 PDF, 이미지가 포함된 문서에서 특히 뛰어난 성능을 보인다.

수식 처리 테스트에서 업스테이지는 논문의 수식을 LaTeX로 완벽하게 변환해줬다. 마크다운과 JSON 출력 모두에서 `\frac`, `\sum` 같은 LaTeX 표현이 정확하게 들어갔다. 반면 Synap은 수식을 이미지 파일로만 제공했다. 수식이 포함된 논문이나 기술 문서를 주로 다룬다면 업스테이지가 유리하다.

OCR 정확도 비교에서도 업스테이지가 우세했다. 동그라미 특수문자를 실제 원 문자로 정확히 인식하고, 화살표 기호도 제대로 가져왔다. Synap은 같은 문자를 'C' 또는 이응 계열로 잘못 인식하는 경우가 있었다.

엑셀 파싱에서는 반대로 업스테이지가 아쉬웠다. 셀 너비가 좁아 내용이 접혀 보이는 상태의 엑셀을 넣었더니, 접힌 부분을 제대로 읽어오지 못해 이메일과 패스워드가 겹쳐 출력되는 오류가 발생했다. Synap은 파일 내부 구조를 직접 읽기 때문에 표시 여부와 무관하게 전체 셀 내용을 정확히 가져왔다.

업스테이지의 실질적인 강점 중 하나는 접근성이다. 신용카드 등록만으로 바로 API 키를 발급받아 쓸 수 있고, AWS Marketplace SaaS, 온프레미스까지 배포 환경 선택지가 다양하다. 최근에는 HWP와 HWPX도 공식 지원 포맷에 추가됐다. 출력 포맷은 텍스트, HTML, JSON을 동일 비용으로 한 번에 받을 수 있고, 좌표값도 함께 제공된다.

어떤 파서를 선택해야 할까 — 문서 환경이 기준이다

두 파서 중 어느 쪽이 더 낫다고 단정 지을 수 없다. 선택 기준은 내가 다루는 문서의 형태와 배포 환경이다.

HWP, 워드, 엑셀 원본 파일이 주력이고 보안 이유로 온프레미스 구성이 필요하다면 Synap DocuAnalyzer가 현실적인 선택이다. 특히 한국 공공기관이나 기업 내부 문서를 RAG로 구축하는 프로젝트라면 HWP 처리 성능만으로도 검토할 이유가 충분하다.

PDF 위주의 문서, 스캔 이미지, 논문이나 수식이 포함된 기술 문서라면 업스테이지 Document Parse가 유리하다. API 접근이 쉽고 즉시 연동 가능하다는 점도 개발 속도를 높이는 데 도움이 된다.

파서를 선택했다고 해서 전처리가 끝난 게 아니라는 점도 기억해야 한다. 파서가 반환한 마크다운은 전처리의 시작일 뿐이다. 객체 구조 정보를 바탕으로 청킹 전략을 어떻게 짜고, 이미지는 별도로 멀티모달 모델에 넣어 엔티티를 추출할지, 표는 어떻게 인덱싱할지 — 이 후처리 로직이 결국 RAG 성능을 결정한다.

두 솔루션 모두 무료 데모를 제공하고 있다. 실제로 내가 보유한 문서를 넣어보는 테스트가 어떤 벤치마크보다 정확한 판단 기준이 된다.

---

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