RAG를 위한 문서 파싱, 어떤 툴이 적합할까?

LLM 기반의 RAG(Retrieval-Augmented Generation) 시스템이 각광받고 있는 지금, 핵심 요소로 떠오르는 것이 바로 문서 파싱(Document Parsing) 기술입니다. 구조화되지 않은 PDF, 스캔 이미지, 표, 보고서 등 다양한 문서들을 LLM이 이해할 수 있는 형태로 변환해야만 제대로 된 성능을 기대할 수 있기 때문입니다.

이번 글에서는 국내외에서 주목받고 있는 두 문서 파싱 툴, Upstage Document Parser와 LlamaParse를 비교 분석하며, 어떤 툴이 RAG 시스템에 더 적합한지 살펴보겠습니다.

Upstage Document Parser: 고속 정확도의 강자

Upstage Document Parser는 대한민국의 AI 스타트업 업스테이지(Upstage)에서 개발한 고성능 문서 분석 솔루션입니다.

핵심 특징

• 다양한 포맷 지원: PDF는 물론 스캔 이미지(JPEG, PNG), MS Office 문서(DOCX, PPTX, XLSX)까지 처리 가능합니다

• 정확한 레이아웃 분석: 단락, 표, 이미지, 차트 등을 정밀하게 인식합니다.

• 고속 처리 성능: 페이지당 평균 0.6초의 처리 속도로 대량 문서 처리에 적합합니다.

• 높은 정확도: TEDS 기준 93.48, TEDS-S 기준 94.16의 정밀도를 자랑합니다.

• 출력 포맷: HTML, Markdown 기반 구조화로 LLM의 문서 이해도 향상에 최적화되어 있습니다.

Supported file formats : JPEG, PNG, BMP, PDF, TIFF, HEIC, DOCX, PPTX, XLSX, HWP, HWPX

장점

• 속도와 정확도의 균형이 뛰어납니다.

• 복잡한 레이아웃의 기업용 보고서, 계약서에 최적화되어 있습니다.

• AWS Marketplace에서도 제공되며, API 형태로 간편하게 사용할 수 있습니다.

가격 정책

• 페이지당 $ 0.01

LlamaParse: 유연성과 통합성의 강자

LlamaParse는 오픈소스 기반의 LlamaIndex 프로젝트에서 제공하는 문서 파싱 도구입니다. LLM과의 통합을 전제로 설계되어 있어 개발자 친화적인 기능이 풍부합니다.

핵심 특징

• 10가지 이상의 파일 포맷 지원: PDF, HTML, XML, PPTX, DOCX 등 포괄적인 문서 포맷 지원

• 고급 테이블 추출 기능: 복잡한 표 데이터를 정확하게 구조화합니다.

• 자연어 기반 파싱 제어: 자연어 명령으로 출력 포맷과 파싱 방식 지정 가능

• JSON 포맷 지원: 원하는 정보만 골라 담기 쉬운 JSON 형태 출력 제공

• 다국어 지원: 다양한 언어를 인식할 수 있는 능력을 갖추고 있습니다.

• LlamaIndex, LlamaCloud와의 통합: 완전한 RAG 파이프라인 구축이 가능합니다.

장점

• 유연한 파싱 규칙 제어로 다양한 커스터마이징 가능

• 오픈소스 기반으로 시작 비용이 낮습니다

• RAG 파이프라인의 일부로 유기적 통합이 가능합니다

가격

• 10K Credits 무료 제공

  • Fast 모드: 페이지당 1 크레딧

  • Balanced 모드 (기본값): 페이지당 3 크레딧

  • Premium 모드: 페이지당 45 크레딧

RAG 시스템에서 문서 파서가 중요한 이유

RAG(Retrieval-Augmented Generation)는 정보를 검색하고, 이를 LLM에 주입하여 더욱 정확하고 신뢰성 있는 응답을 생성하는 방식입니다. 이때 검색 대상이 되는 문서의 구조화는 정확한 검색 결과와 생성 품질에 직결됩니다.

문서 파싱이 미치는 영향

• 표와 이미지의 인식 정확도는 LLM의 이해력에 직접 영향을 줍니다.

• 텍스트 분리와 재구성이 잘못되면 검색 인덱싱이 왜곡됩니다.

• 중복 또는 누락 정보는 생성 결과의 오류를 유발할 수 있습니다.

따라서 RAG 시스템을 제대로 활용하려면, 신뢰할 수 있는 문서 파싱 도구가 필수적입니다.

Upstage와 LlamaParse 비교: RAG에서의 적합성 분석

어떤 경우 어떤 툴을 선택해야 할까?

Upstage Document Parser를 선택하면 좋은 경우

• 대량 문서를 빠르게 정확하게 변환해야 하는 기업 환경

• 복잡한 보고서, 계약서, 재무 데이터 등 레이아웃 중심 문서가 많은 경우

• 성능 안정성과 상용 API 연동이 중요한 경우
  
  

LlamaParse를 선택하면 좋은 경우

• LLM 프로젝트를 개발하며 자유로운 파싱 규칙 제어가 필요한 경우

• JSON 기반으로 세부 데이터를 구조화해 활용하고 싶은 경우

• 오픈소스를 활용한 유연한 확장성이 중요한 경우
  
  
  

성능 vs 유연성, 선택은 목적에 따라,

문서 파싱 도구의 선택은 단순한 기술 비교를 넘어서, 프로젝트의 목적과 요구사항에 따라 달라지는 결정입니다.

• 성능, 정확도, 안정성이 중요하다면 Upstage Document Parser가 더 적합합니다.

• 반대로 개발자 제어, 통합성, 커스터마이징이 중요하다면 LlamaParse가 좋은 선택이 될 수 있습니다.

RAG의 성패는 문서 파싱 품질에서 시작됩니다. 좋은 파서를 선택하고, 목적에 맞게 최적화하는 것이 장기적인 LLM 성능 향상의 지름길입니다.