PDF 가격표, AI가 제대로 읽게 하려면 어떻게 해야 할까?

가격표를 PDF 한 장으로 올려 두는 것만으로는 AI가 내용을 제대로 찾는다고 보기 어렵다. 두세 칸으로 나뉜 표는 글자가 섞이거나 가격과 메뉴의 연결이 끊길 수 있다. 가격과 코스 정보는 홈페이지 본문에 한 줄에 한 문장씩 적고, PDF는 함께 제공하는 편이 안전하다.

PDF 가격표가 왜 헷갈릴까?

PDF는 종이에 보이는 모양을 저장하는 데 강한 형식이다. 반면 AI가 문서에서 필요한 내용을 찾으려면 글자의 순서와 제목, 표의 행과 열이 제대로 연결돼 있어야 한다.

흔한 PDF 글자 추출 방식은 이 연결을 잘 보존하지 못한다. 두 칸짜리 페이지에서는 왼쪽 칸과 오른쪽 칸의 문장이 섞일 수 있고, 표는 어느 행과 열에 속하는지 알기 어려운 낱말 조각으로 바뀔 수 있다.

쪽의 배치를 분석하는 방식도 완벽하지 않다. 표가 많은 문서나 꾸밈이 많은 상품 안내지에서는 읽는 순서가 흔들릴 수 있고, 표의 칸이 여전히 칸 모양 그대로 남는 문제가 있다.

연구팀은 이런 문제를 줄이기 위해 PDF 페이지를 그림으로 읽은 뒤, 표의 내용을 문장으로 풀어 쓰는 방식을 시험했다.

실제로 얼마나 차이가 날까?

연구팀은 자동차·대학·클라우드·IT·은행 분야의 가상 회사 문서 236개, 795쪽을 시험했다. 상품 안내지, 자주 묻는 질문, 규정, 부품 목록, 수수료표처럼 표와 배치가 복잡한 문서가 포함됐다.

전체 문서를 바꾸고 나누는 데 72분이 걸렸고 오류는 0건이었다. 쪽당 평균 변환 시간은 4.7초였고, 분야별로는 3.9~5.5초 사이였다.

762개 질문으로 검색 결과를 비교했을 때 차이가 나타났다. 흔한 추출 방식은 상위 6개 결과 안에 정답 사실이 들어 있는 비율이 71.7%였고, 표를 문장으로 풀어 쓰는 방식은 79.8%였다.

첫 정답이 얼마나 위에 나오는지를 보는 MRR도 0.602에서 0.690으로 올라갔다. 다만 이것은 특정 실험 조건에서 나온 결과이지, 모든 AI 서비스에서 PDF를 문장으로 바꾸면 정확도가 같은 폭으로 올라간다는 뜻은 아니다.

가격표는 어떻게 적어야 할까?

가게 가격표를 생각하면 방법은 간단하다. 메뉴 하나의 이름, 시간, 조건, 가격을 서로 섞이지 않게 적는 것이다.

예를 들어 기본 관리와 정밀 관리가 한 표의 양쪽 칸에 있다면, AI가 두 칸의 내용을 잘못 연결할 가능성이 있다. 반대로 각 코스를 별도의 문장으로 적으면 필요한 사실을 따로 찾기 쉬워진다.

특히 여러 줄의 내용을 「또는」으로 합치는 방식은 피하는 편이 좋다. 연구팀은 보장 기간과 납입 기간처럼 서로 다른 상품의 정보를 한 문장에 합치지 않도록 했다.

가게에서도 「관리는 60분 또는 90분이며 평일·주말 가격이 다르다」라고 한꺼번에 적기보다, 각 코스와 가격을 각각 적는 방식이 낫다. 한 문장에 한 가지 사실을 담으면 특정 코스의 가격을 찾을 때 다른 코스의 정보가 함께 딸려 나올 가능성을 줄일 수 있다.

제목도 가격만큼 중요할까?

가격 숫자만 적어 놓으면 그 숫자가 무엇을 뜻하는지 알기 어렵다. 「가격 안내 → 피부 관리 → 기본 관리」처럼 제목 단계를 함께 두면 가격 문장에 어떤 메뉴의 정보인지 맥락이 붙는다.

연구팀도 검색용 문서를 만들 때 단계별 제목을 살렸다. 표의 내용을 문장으로 바꾸는 것뿐 아니라, 그 문장이 어느 항목에 속하는지도 함께 보존한 것이다.

홈페이지라면 「가격 안내」 아래에 「피부 관리」를 두고, 그 아래에 「기본 관리」처럼 메뉴를 나누는 방식으로 적용할 수 있다.

어떤 질문에서 차이가 컸을까?

가격표와 가까운 질문에서 눈여겨볼 부분도 있다. 「언제·어떤 순서로」 묻는 질문은 흔한 방식의 0.73에서 표를 문장으로 바꾼 방식의 0.85로 올랐고, 「A와 B의 차이」를 묻는 비교 질문은 0.72에서 0.79로 올랐다.

반면 모든 질문에서 같은 결과가 나온 것은 아니다. 예·아니오 질문에서는 AI가 전문을 다시 쓴 방식이 0.86으로 표를 문장으로 바꾼 방식의 0.82보다 높았다.

따라서 이 실험을 「표는 무조건 문장으로 바꾸면 AI가 더 잘 읽는다」라고 받아들이면 안 된다. 문서의 종류와 질문의 형태에 따라 결과가 달라질 수 있다.

그럼 PDF를 없애야 할까?

그럴 필요는 없다. 구글 검색 공식 문서에는 PDF와 한글 파일을 색인할 수 있는 형식으로 안내하고 있고, 오픈AI 공식 문서에서도 API로 PDF를 처리할 때 그림을 읽는 모델은 글자와 페이지 그림을 함께 다룰 수 있다고 설명한다.

다만 이것은 PDF 자체가 어떤 AI 서비스에서도 같은 방식으로 읽힌다는 뜻은 아니다. 특히 홈페이지에 있는 PDF를 챗GPT 같은 서비스가 실제로 어떤 방식으로 읽는지는 공개된 정보만으로 단정하기 어렵다.

PDF 안의 구조가 잘 정리돼 있는지도 문제다. 워싱턴대 연구팀이 2014~2023년 학술 논문 PDF 약 2만 편을 살펴본 결과, 언어 지정·제목 단계·태그·표 머리글·읽는 순서·그림 설명 등 6개 기준을 모두 갖춘 문서는 3.2% 미만이었고, 하나도 갖추지 못한 문서는 74.9%였다.

그래서 가격표를 운영할 때는 역할을 나누는 것이 좋다. 가격·코스·운영 시간처럼 고객이 자주 묻는 정보는 홈페이지 본문에 글자로 적고, PDF는 인쇄하거나 내려받아 볼 수 있는 자료로 함께 제공하는 방식이다.

가격을 그림 한 장이나 스캔본으로만 올리는 방식은 피하는 편이 안전하다. 사람이 보기에는 깔끔해도 AI가 필요한 가격과 메뉴의 관계를 제대로 찾는 데 불리할 수 있기 때문이다.

같이 읽을 글

• 홈페이지를 못 읽으면 AI는 우리 가게를 어떻게 설명할까?
• 홈페이지 숫자를 예쁘게 넣으면 AI가 더 믿어 줄까?
• 우리 가게 홈페이지에 스키마 마크업이 꼭 필요할까?
• 상품 사양은 숫자만 적으면 될까?

자료 출처

• Document Retrieval-Aware Chunking (D-RAC): Universal Retrieval-Aware Ingestion of Enterprise Documents via PDF Normalization and Multimodal Markdown Conversion(Yellow.ai AI Research Team·arXiv 2609.24220·2026.9, PDF 236개·795쪽·질문 762개)
• File types indexable by Google(구글 검색 센터 공식 문서)
• File inputs(오픈AI API 공식 문서, PDF 글자·쪽 그림 처리, 파일당 50MB)
• Uncovering the New Accessibility Crisis in Scholarly PDFs(워싱턴대·arXiv 2410.03022·2024.10, 학술 PDF 약 2만 편, 2014~2023)
• 같은 연구의 학회 발표본(ACM ASSETS 2024)