RAG 시스템을 구축할 때 파서를 대충 고르면 나중에 반드시 후회한다. PDF 로더 하나 붙였다고 끝난 게 아니다. 표가 깨지고, 읽기 순서가 뒤집히고, 이미지 속 글자는 통째로 날아간다. 문서 파싱은 RAG 성능의 절반을 결정하는데, 막상 어떤 파서를 골라야 하는지 제대로 비교한 자료는 많지 않다. 이번 글은 Synap DocuAnalyzer와 업스테이지 Document Parse를 실제 HWP·PDF·워드·엑셀·수식 문서로 직접 테스트한 결과를 바탕으로 정리했다.
로더와 인텔리전트 파서, 뭐가 다른가
파서를 이야기할 때 많은 사람들이 랭체인에서 쓰는 PyPDF나 워드 로더 같은 것을 떠올린다. 이 도구들은 PDF 안의 텍스트를 그냥 긁어오는 수준이다. 이미지·차트·표의 레이아웃은 무시하고 글자만 추출한다. 표가 있어도 레이아웃 정보 없이 글자들만 늘어놓는 식이다.
OCR은 이미지 속 글자를 디지털 텍스트로 변환하는 기능이다. 스캔된 PDF처럼 마우스로 드래그해도 긁히지 않는 문서를 처리할 때 필요하다. 하지만 OCR이 탑재되어 있어도 그게 "고수준 파싱"을 의미하진 않는다. OCR은 글자를 읽어올 뿐, 그 글자가 제목인지 본문인지 표인지 구분해주지는 않기 때문이다.
요즘 말하는 파서는 레이아웃 인식, 객체 분류, 읽기 순서 감지까지 포함한 인텔리전트 파서를 의미한다. 인텔리전트 파서는 파일을 열어서 각 객체를 바운더리로 구분하고, 제목·문단·표·이미지·캡션 같은 카테고리를 태깅한다. 이 정보가 있어야 마크다운 변환이 깔끔하게 이루어지고, 이미지를 별도 저장해 멀티모달 처리에 활용할 수도 있다.
문서 구조가 단순하다면 OCR 수준으로도 충분하다. 하지만 단이 나뉘고, 이미지가 중간에 들어가고, 수식이 있고, 복잡한 표가 포함된 문서라면 인텔리전트 파서를 써야 한다.
주요 파서 가격 비교 — 업스테이지, 라마파스, Unstructured.io
파서 선택에서 가격은 무시하기 어렵다. 직접 조사한 주요 파서들의 가격 구조는 다음과 같다.
업스테이지 Document Parse는 페이지당 **0.01달러**다. AWS 마켓플레이스에서 SaaS 방식으로 쓸 경우 시간당 15달러로, 24시간 상시 켜두면 비용이 상당하다. 하지만 파싱 작업이 있을 때만 서버를 켜고 끄는 방식으로 운용하면 경쟁력이 있다.
라마파스는 하루 1,000페이지까지 무료인 프로모션이 있었으나, 현재도 유지 중인지는 직접 확인이 필요하다. 마크다운 변환이 쉽고 접근성이 좋아 많이 쓰인다.
Unstructured.io는 유료 플랜이 0.002달러(텍스트 기본)부터 0.03달러(멀티모달)까지 다양하다. 기능별로 단계가 나뉘어 있어 원하는 수준을 선택해야 한다. HWP 파일은 Unstructured.io에서 지원되지 않는다. 한글 문서를 처리해야 하는 국내 환경에서는 중요한 제약이다.
Azure Document Intelligence, AWS Textract도 비슷한 가격대지만 세부 단위 정책이 복잡하다. 업스테이지는 최근 HWP·HWPX 형식 지원을 추가했다는 점이 국내 사용자에게 강점으로 작용한다.
Synap DocuAnalyzer가 주목받는 이유 — 파일 구조 해석 방식
Synap(사인소프트)은 2000년부터 문서 공유 서비스를 시작한 회사다. 25년간 문서 하나만 파고든 이력이 있다. 이 회사가 만든 DocuAnalyzer는 접근 방식 자체가 업스테이지와 다르다.
업스테이지는 비전 딥러닝 모델 기반이다. PDF 페이지를 이미지처럼 찍어서 시각적으로 분석한다. OCR과 레이아웃 인식 모두 "눈으로 보고 판단"하는 방식이다.
반면 Synap DocuAnalyzer는 파일 내부 구조를 직접 해석한다. HWP·워드·엑셀 같은 문서 포맷을 직접 열어서 구조 정보를 읽어온다. 비전 모델 없이도 문서가 어떻게 구성되어 있는지 정확히 파악할 수 있다.
이 차이가 실제 성능에서 명확하게 갈린다. 객체가 겹쳐 있는 복잡한 문서라면 시각 기반인 업스테이지가 어려움을 겪지만, Synap DocuAnalyzer는 구조 정보를 직접 읽기 때문에 겹침과 무관하게 내용을 가져올 수 있다. 반대로 PDF처럼 내부 구조를 열어볼 수 없는 포맷은 비전 모델이 강한 업스테이지 쪽이 유리하다.
현재 Synap DocuAnalyzer는 온프레미스 설치형만 지원한다. 개인이 API 키를 발급받아 쓰는 구조가 아니라 엔터프라이즈 B2B 향으로 설계되어 있다. 데모는 회원가입 후 10페이지까지 무료로 체험할 수 있다.
HWP 파일 직접 테스트 — 읽기 순서와 표 처리
실제로 한글 문서(HWP)를 두 파서에 각각 넣어 테스트했다. 첫 번째 문서는 3페이지짜리 공정한 인터넷 이용 가이드라인 파일로, 표가 포함되어 있었다.
업스테이지는 제목, 날짜, 본문, 표를 모두 잘 가져왔다. 마크다운·HTML·JSON 형식으로 동시에 받을 수 있고, 좌표값도 함께 제공한다.
Synap DocuAnalyzer의 데모에서 특히 인상적이었던 건 **읽기 순서** 기능이다. 문서 내 각 객체에 번호를 붙여서 어떤 순서로 읽었는지 시각적으로 보여준다. 왼쪽 단을 다 읽고 오른쪽으로 넘어가는 흐름, 즉 사람이 읽는 방식 그대로를 재현해준다. 복잡한 레이아웃에서도 읽기 순서가 흐트러지지 않았다.
두 번째 테스트에서는 표 안에 표가 들어가는 복잡한 구조를 넣었다. 마크다운은 원래 표 안의 표를 표현할 수 없다. Synap DocuAnalyzer는 이를 테이블 포지션(1, 2, 3)으로 구분해 중첩 표를 별도로 끄집어내어 아래에 정확히 표현했다. 이 처리 방식이 개발자의 후처리 부담을 크게 줄여준다.
머지셀 처리에서는 두 파서 모두 아쉬움이 있었지만, Synap DocuAnalyzer가 있음/없음 구분을 정확히 잡아낸 반면 업스테이지는 한 셀로 합쳐서 가져온 경우가 있었다.
PDF 변환본에서 갈리는 성능 — 어느 쪽이 더 유리한가
HWP 파일을 PDF로 변환한 뒤 Synap DocuAnalyzer에 넣으면 성능 차이가 눈에 띄게 발생한다. PDF는 내부 구조를 열어볼 수 없는 포맷이라, 구조 해석을 강점으로 하는 Synap DocuAnalyzer에게는 불리한 조건이다. 실제로 일부 셀 정보를 놓치거나, 특수 기호를 정확히 인식하지 못하는 결과가 나왔다.
업스테이지는 PDF를 넣었을 때 비전 모델의 강점이 살아난다. 동그라미 기호를 이응(이)으로 읽지 않고 실제 동그라미 문자로 가져오고, 화살표도 정확하게 인식했다. OCR 정확도만 비교하면 업스테이지가 우위에 있다.
정리하면 이렇다. 원본 포맷이 HWP·워드·엑셀이라면 Synap DocuAnalyzer의 정확도가 높다. PDF나 이미지 기반 문서가 주요 처리 대상이라면 업스테이지가 유리하다.
수식과 엑셀에서 드러나는 차이
논문의 수식 처리는 두 파서에서 결과가 극명하게 갈렸다.
업스테이지는 수식을 레이텍(LaTeX)으로 완벽하게 변환한다. JSON에서 해당 객체를 클릭하면 레이텍 표현이 그대로 나온다. 논문 RAG를 구축하는 경우라면 이 기능이 결정적이다.
Synap DocuAnalyzer는 수식 영역을 정확히 잡아주긴 했지만, 레이텍 변환 없이 이미지 파일 형태로만 제공한다. 수식을 텍스트로 처리해야 한다면 Synap DocuAnalyzer는 현재 지원하지 않는다.
엑셀 처리에서는 반대로 Synap DocuAnalyzer가 앞섰다. 열 너비가 좁아 텍스트가 잘린 셀도 내부 구조를 직접 읽어오기 때문에 전체 내용을 정확히 가져왔다. 업스테이지는 접혀 보이는 셀을 그대로 인식해 잘린 텍스트를 가져오는 오류가 있었다. 이 문제는 비전 기반 처리의 한계로, 보이는 대로 읽는 방식이 맞닥뜨리는 현실적인 제약이다.
파서 선택 전에 진짜 확인해야 할 것
어떤 파서가 더 좋냐는 질문에는 정답이 없다. 문서 포맷과 운용 환경에 따라 답이 달라지기 때문이다.
**Synap DocuAnalyzer를 고려해야 하는 경우:**
HWP·워드·엑셀 원본 파일이 주요 처리 대상인 경우. 온프레미스 설치형이 필요한 폐쇄망 환경. 표 구조가 복잡하고 후처리 부담을 줄이고 싶은 경우.
**업스테이지 Document Parse를 고려해야 하는 경우:**
PDF와 이미지 문서가 대부분인 경우. API 키 방식으로 바로 연동이 필요한 경우. 수식이 포함된 논문·기술 문서를 처리해야 하는 경우. AWS 마켓플레이스나 SaaS 방식이 편한 경우.
파서에서 마크다운을 얻어냈다고 전처리가 끝난 게 아니다. 파싱 결과물을 바탕으로 청크 분리, 메타데이터 구성, 이미지 엔티티 추출 같은 후처리 단계가 이어져야 RAG 성능이 실제로 올라간다. 파서 선택은 그 출발점일 뿐이다.