Synap DocuAnalyzer vs 업스테이지 Document Parse 실사용 비교 — HWP·PDF·표 파싱 성능 차이

RAG 파이프라인을 설계하면서 파서를 고르는 순간, 대부분의 개발자는 한 번쯤 이런 생각을 한다. "어차피 텍스트 뽑으면 다 거기서 거기 아닌가?" 막상 써보면 그게 아니다. 파서가 표를 어떻게 읽느냐, HWP 파일을 직접 열 수 있느냐, 읽는 순서를 제대로 인식하느냐 — 이런 요소들이 RAG 응답 품질을 결정적으로 갈라놓는다.

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

랭체인에 통합된 PyPDF나 Word 로더를 쓰고 있다면, 엄밀히 말해 그건 "파싱"이 아니라 "로딩"에 가깝다. 로더는 PDF 안의 텍스트를 그냥 긁어오는 역할을 한다. 이미지나 표, 차트가 섞인 문서에서는 레이아웃 정보가 사라지고, 글자 순서가 뒤섞이거나 누락되는 경우가 허다하다.

OCR 기능이 탑재된 로더는 한 단계 위다. 스캔된 PDF처럼 이미지로만 이루어진 문서에서 글자를 읽어낼 수 있다. 하지만 글자를 읽는 것과 그 글자가 제목인지, 표의 셀인지, 본문인지 구분하는 건 전혀 다른 문제다. 기본 OCR은 그 맥락까지 주지 않는다.

요즘 실무에서 말하는 "파서"는 대부분 인텔리전트 파서를 뜻한다. 인텔리전트 파서는 파일 읽기와 OCR은 기본이고, 여기에 레이아웃 인식과 객체 분류, 그리고 읽기 순서 판단까지 제공한다. 문서 안에서 어느 영역이 제목이고, 어느 부분이 표이며, 어떤 순서로 읽어야 하는지를 태깅해서 반환해 준다. 이 정보가 있어야 마크다운 변환 품질도 올라가고, 나중에 이미지나 수식 처리도 연결이 자연스러워진다.

로더만으로 RAG를 구축했다면, 솔직히 말해 기초 수준의 파이프라인이다. 복잡한 레이아웃의 문서, 표가 많은 문서, 이미지와 텍스트가 혼재한 문서를 다루는 순간 바로 한계가 드러난다.

두 파서의 작동 방식이 근본부터 다르다

업스테이지 Document Parse는 비전 딥러닝 모델 기반으로 동작한다. 쉽게 말하면, 문서를 눈으로 보고 판단하는 방식이다. PDF처럼 내부 구조를 직접 열어볼 수 없는 포맷에 강하다. OCR 성능도 높고, 수식을 LaTeX로 변환하는 능력도 뛰어나다.

Synap DocuAnalyzer는 접근 방식이 다르다. 파일을 직접 열어서 내부 구조를 해석하는 방식이다. HWP, DOCX, XLSX처럼 파일 안에 구조 정보가 담겨 있는 포맷에서 이 방식은 압도적으로 유리하다. 25년간 문서 서비스를 해온 사인소프트의 노하우가 여기서 발휘된다.

결국 어느 파서가 더 나은 게 아니라, 내가 다루는 문서 포맷이 무엇이냐에 따라 최적의 선택이 달라진다.

실제 문서로 실험해 보니 — HWP, 표, 수식, 엑셀 비교 결과

HWP 파일을 그대로 넣었을 때는 Synap DocuAnalyzer의 우위가 확실했다. 표 처리, 글자 순서, 섹션 구분 모두 정확하게 가져왔다. 특히 인상적이었던 건 읽기 순서 시각화 기능이었다. 어떤 순서로 객체를 읽었는지 번호를 붙여 보여주는데, 단이 나뉜 복잡한 레이아웃에서도 사람이 읽는 흐름과 거의 일치했다.

표 안에 표가 중첩된 경우도 테스트했다. 마크다운 문법 자체가 표 안의 표를 지원하지 않는 한계가 있는데, Synap은 이걸 테이블 포지션 번호를 부여해 분리된 표로 정리하는 방식으로 해결했다. 실용적인 접근이었다.

반면 같은 HWP 파일을 PDF로 변환해서 두 파서에 넣으면 상황이 달라진다. Synap은 구조를 직접 읽지 못하는 PDF에서 OCR 성능 한계가 드러났고, 비전 모델 기반의 업스테이지가 이 구간에서 더 우수했다. 특수 문자, 동그라미 기호, 화살표 같은 요소도 업스테이지는 정확하게 인식했다.

수식이 포함된 논문을 넣었을 때는 차이가 컸다. 업스테이지는 수식을 LaTeX로 정확하게 변환해 반환했다. Synap은 수식 영역은 잡아내지만 LaTeX 변환 없이 이미지로만 제공했다. 수식이 많은 논문이나 기술 문서를 다루는 경우라면 이 차이가 크게 체감된다.

엑셀 테스트에서는 Synap이 앞섰다. 열 너비가 좁아 내용이 접혀 있는 셀도 파일 내부 구조를 직접 열어서 읽기 때문에 실제 데이터를 그대로 가져왔다. 업스테이지는 화면에 보이는 것처럼 잘린 채로 파싱되는 오류가 있었다. 다만 이건 수정 가능한 수준의 버그로 보인다.

워드 파일은 두 파서 모두 잘 처리했지만, 맥에서 작성된 특정 워드 파일에서 업스테이지 쪽에 인코딩 깨짐 현상이 있었다. 이것도 간단한 버그로 판단된다.

가격과 접근성 — 언제 어디서 쓸 수 있나

업스테이지 Document Parse는 페이지당 $0.01 수준이다. AWS Textract나 Azure AI Document, LlamaParse 등과 비교하면 비싸 보일 수 있지만, 한글(HWP·HWPX) 파일 지원이 최근 추가됐고 국내 기업으로서 한국어 처리 성능도 신뢰할 수 있다는 점을 감안하면 합리적인 선택지다.

SaaS 방식(항시 서버 가동)으로 쓰면 시간당 $15라서 월 비용이 꽤 올라가지만, 실제로는 파싱 작업 시에만 서버를 켰다가 끄는 방식으로 운영하면 비용을 크게 낮출 수 있다. AWS 마켓플레이스를 통한 이용도 가능하다.

LlamaParse는 하루 1,000페이지까지 무료라 접근성이 좋아 많이 쓰이지만, 무료 정책이 언제까지 유지될지는 직접 확인이 필요하다. Unstructured.io 유료 플랜은 멀티모달 기능까지 포함하면 페이지당 $0.03 수준으로 업스테이지보다 비싸진다.

Synap DocuAnalyzer는 현재 온프레미스 설치형으로만 제공된다. 공개 API 키 발급은 지원하지 않아, 개인 개발자보다는 폐쇄망 환경이나 기업 B2B 도입에 적합하다. 회원가입 후 무료 체험(10페이지)은 가능하다.

어떤 상황에서 무엇을 써야 하나 — 판단 기준

HWP, DOCX, XLSX 같은 원본 파일을 그대로 파싱해야 하는 경우, 폐쇄망 환경에서 온프레미스 설치가 필요한 기업 환경이라면 Synap DocuAnalyzer가 강점을 발휘한다. 파일 구조를 직접 해석하기 때문에 표 처리 정확도가 높고, 중첩된 레이아웃에서도 안정적이다.

PDF가 주요 문서 포맷이거나, 수식이 포함된 논문·기술 문서가 많고, 빠르게 API로 연동해서 쓰고 싶다면 업스테이지 Document Parse가 현재로서는 더 나은 선택이다. 한글 파일 지원도 최근 추가됐으니 활용 범위도 넓어졌다.

한 가지 분명히 짚고 넘어가야 할 점이 있다. 파싱 결과로 마크다운이 나왔다고 해서 전처리가 끝난 게 아니다. 파서는 구조와 객체를 인식해서 정보를 가져오는 단계일 뿐이고, 그 구조를 바탕으로 후처리 로직을 얼마나 잘 구성하느냐가 RAG 성능을 실질적으로 결정한다. 어떤 파서를 쓰든 그 다음 단계에 더 많은 시간을 투자할 필요가 있다.