VLM: 표와 이미지를 이해하는 AI

Hook: 실제 문서는 텍스트만이 아니다

기업 보고서, 보험 약관, 논문... 실제 문서의 **30-50%**는 테이블, 차트, 이미지입니다.

**VLM(Vision Language Model)**은 이미지를 의미적으로 이해하여 테이블/차트 데이터를 구조화된 형태로 추출합니다.

---

왜 배우는가?

OCR vs VLM: 패러다임 전환

측면	OCR	VLM
텍스트 인식	✅ 가능	✅ 가능
구조 이해	❌ 불가	✅ 가능
병합 셀 처리	❌ 불가	✅ 가능
맥락 파악	❌ 불가	✅ 가능
표→JSON 변환	❌ 불가	✅ 직접 변환

핵심 차이: OCR은 "글자"만 읽지만, VLM은 "의미"를 이해합니다.

주요 VLM 모델 비교

모델	개발사	강점	테이블 인식	비용
GPT-4o	OpenAI	범용, 정확	✅ 우수	$$$$
Claude 3.5 Sonnet	Anthropic	긴 문서, 정밀	✅ 우수	$$$
Gemini 1.5 Pro	Google	멀티턴, 무료	⚠️ 보통	$$
Upstage Document AI	Upstage	한국어 특화	✅ 우수	$$

추천: 범용 → GPT-4o 또는 Claude 3.5, 한국어 문서 → Upstage

---

핵심 개념

VLM이 테이블을 처리하는 방식

VLM은 테이블을 "이미지"가 아닌 **"구조화된 데이터"**로 인식합니다.