PDF Vector

플랫폼은 범용 파싱과 전문 추출을 하나의 엔드포인트 세트 뒤에 둔다. 클라이언트 라이브러리를 한 번 익히면 청구서, 신분증, 은행 명세서, 연구 논문에 재사용할 수 있다. 대부분의 팀이 결국 한 가지 형식 이상을 필요로 하기에 이 점이 중요하다. 다섯 업체를 저글링하는 건 골칫거리다.

PDF, DOCX, XLSX, PPTX, CSV와 흔한 이미지 유형이 범위에 들어가고, EPUB, ODT, TIFF처럼 덜 흔한 형식도 포함된다. 사용자가 업로드하는 것이라면 파서가 다룰 가능성이 꽤 높다. 작성할 전처리 코드가 줄어든다.

고정된 출력 대신 Document Extract는 원하는 스키마를 정의하게 하고 그에 맞는 JSON을 돌려준다. 그러면 자유 형식의 계약서나 보고서가 코드가 믿을 수 있는 타입 지정 필드가 된다. 텍스트의 벽과 질의할 수 있는 것 사이의 차이다. 깨끗한 데이터가 원시 텍스트를 이긴다.

청구서는 항목, 합계, 세금, 공급업체 정보와 함께 돌아온다. 은행 명세서는 거래, 잔액, 명세 기간을 낸다. 재무 팀이 실제로 신경 쓰는 필드에 맞춰 미리 만들어져 있다. 프롬프트 조정은 줄고 데이터 활용은 늘어난다.

신분증 엔드포인트는 여권, 면허증, 주민등록증을 파싱하고, 그것들에 대해 표적형 질문을 던지게 한다. 인증 흐름에서는 사람이 직접 검토하지 않고 이름과 만료일을 뽑아낸다는 뜻이다. 좁다, 맞다. 그런데 흔하기도 하다.

학술 쪽은 PubMed, arXiv, OpenAlex, Semantic Scholar에 닿고, 연구비 검색은 Grants.gov, NIH REPORTER, CORDIS, UKRI에 이른다. DOI나 arXiv ID로 논문 메타데이터를 받고, 인용 논문 그래프를 만들고, 인용 네트워크로 유사 논문을 찾을 수 있다. 연구자와 문헌 도구를 만드는 사람에게 API 키 하나와 메서드 호출 몇 번으로 넓은 영역을 덮는 셈이다.

Model Context Protocol 서버가 있어 AI 앱이 PDF Vector를 직접 호출할 수 있고, Zapier, Make, n8n 연동도 있다. 코드를 쓰기 싫은가? 그래도 파싱과 추출을 워크플로에 넣을 수 있다. 이는 도구를 엔지니어뿐 아니라 운영 담당자에게도 연다. RAG 파이프라인 문서 만들기도 더 쉬워진다. 파싱된 출력이 곧장 벡터 스토어로 들어가기 때문이다.

엔터프라이즈 플랜은 26개국 34개 이상 지역 중 어디든 전용 인스턴스에서 돌아가고, 회사는 문서, 결과, 메타데이터를 저장하지 않는다고 밝힌다. 모든 파일이 선택한 국경 안에 머물 것을 요구하는 데이터 주재 규정을 가진 팀에게는 지역 처리와 무보관 처리가 보통 구매를 좌우하는 요인이다.