읽혀도 실행하지 마라 — OCRBench v2와 실무형 온톨로지, 세 독자를 위한 AX 컨설팅

두 자료를 같은 선반에 올리면 안 된다. OCRBench v2는 온톨로지 논문이 아니다. 대형 멀티모달 모델이 화면의 글자를 찾고, 뽑고, 계산하고, 추론하는지를 재는 벤치다. 한국딥러닝의 온톨로지 글은 그 다음 칸이다. 글자가 읽힌 뒤, 공급가액과 공급금액이 같은 업무 말인지를 고정한다. AXINOVA가 파는 AX는 그 또 다음이다. 말이 고정되지 않은 값은 에이전트가 실행하지 못한다.

세 층을 한 줄로 쓰면 이렇다. 읽기(OCRBench) → 의미 고정(실무형 온톨로지) → 실행 정지(Proof-or-Stop). 사업자가 모델 리더보드만 사면 1층에서 멈춘다. 연구자가 RDF·OWL만 쌓으면 2층을 철학으로 만든다. 학습자가 RAG 튜토리얼만 돌리면 3층 없이 답을 낸다. 컨설팅은 층을 섞지 않는 일이다.

OCRBench v2가 실제로 재는 것

화중과기대학·남중국이공·애들레이드·바이트댄스가 만든 벤치다. 인식, 지시 위치, 스포팅, 추출, 파싱, 계산, 이해, 추론. 영어·중국어, 31개 장면, 사람 검증 질의 1만 쌍. 2025년 논문 시점에는 다수 모델이 100점 만점에 50을 넘지 못했다. 2026년 6월 리더보드의 최상위도 영어 평균 70대 초반이다. 추출은 90을 넘기는 모델이 있고, 추론·레이아웃 파싱은 그보다 낮다.

AX에 필요한 숫자는 종합 점수가 아니다. 추출이 높아도 파싱이 낮으면 표의 칸이 항목이 되지 않는다. 인식이 좋아도 추론이 낮으면 에이전트는 읽은 숫자로 결정을 내린다. 벤치는 온톨로지를 대체하지 않는다. 1층이 무너지면 2층·3층을 논할 자격이 없다는 증거일 뿐이다.

실무형 온톨로지 — 의미가 고정되는 장치

한국딥러닝은 온톨로지를 지식 그래프의 시장 언어와 구별한다. RDF와 OWL은 검색·추천에는 강하나, 현장 문서의 항목 이름을 한 업무 개념으로 묶는 속도는 느리다. 그들이 말하는 실무형 온톨로지는 문서에서 뽑힌 항목과 값이 RAG·에이전트·업무 시스템에서 항상 같은 말로 읽히게 하는 규칙이다. 문서는 읽혔다. 의미가 업무 기준으로 고정되지 않았다.

이 문장은 AXINOVA 클래스 정의와 같은 방향이다. 고객, 문의, 패키지, 파일럿, 캠페인, 에이전트, 승인, 증거, 자산, 채널. 이름이 흔들리면 인스턴스가 아니다. 온톨로지 없는 RAG는 찾는 AI에 머물고, 있는 RAG는 이해하고 설명하는 AI가 된다. 온톨로지 없는 에이전트는 데모에서 똑똑하고 운영에서 조심스럽다.

사업자 — 파일럿을 열기 전의 한 장

모델을 사지 마라. 이번 주에 문서 세 장만 가져오라. 계약, 정산, 캠페인 리포트. 같은 숫자를 가리키는 다른 항목 이름을 모두 적는다. 공급가액, 공급금액, 금액(부가세 제외). 이 목록이 비면 파일럿을 열지 않는다. OCR 점수가 높아도 항목이 세 개면 에이전트는 세 번 집행한다.

전면: 초안, 분류, 내부 리포트. 보류: 견적, 대외, 고객 첫 회신, 문서 값을 시스템에 넣는 일. 문서 값을 넣는 일은 많은 회사가 전면으로 착각한다. 의미가 고정되기 전에는 보류다. 증빙 URL이 없는 추출 값은 증거가 아니다.

연구자 — 벤치와 OS를 섞지 마라

연구 질문은 세 개로 나눈다. 모델이 글자를 읽는가(OCRBench). 읽힌 칸이 같은 클래스인가(실무형 온톨로지). 클래스가 비면 실행이 멈추는가(AXINOVA OS). 한 논문에 셋을 넣으면 리뷰어는 리더보드만 본다. AX 연구실의 산출은 클래스 표, 동사, 정지 조건이다. 벤치 점수는 부록이다.

한국어 문서는 벤치의 중국어·영어 분포와 어긋난다. 한글 손글씨, 세로 인장, 세금계산서 양식은 31개 장면에 그대로 있지 않다. 국내 파일럿의 1층 검증은 OCRBench 숫자를 옮기는 일이 아니라, 우리 문서 30장으로 추출·파싱·추론을 따로 재는 일이다. 종합 점수 하나로 업체를 고르지 않는다.

학습자 — 여섯 칸을 외우지 말고 채워라

OCR이 글자를 읽는다. Parser가 표와 칸을 살린다. KIE가 항목과 값을 뽑는다. 온톨로지가 이름을 한 클래스로 묶는다. 승인이 사람 이름을 칸에 넣는다. 그다음에야 에이전트가 실행한다. 교육원 실습은 이 여섯을 한 문서에 손으로 적는 것이다. 툴 화면을 클릭하는 과정이 아니다.

숙제 한 장. 본인 회사 또는 가상의 캠페인 보고서에서 숫자 하나를 고른다. 그 숫자가 지나는 여섯 칸을 빈칸으로 두고 채운다. 온톨로지 칸이 비면 실행 칸에 X를 친다. 이것이 Proof-or-Stop의 학습 버전이다.

AXINOVA가 이 두 자료를 쓰는 방식

OCRBench를 홈 배너로 쓰지 않는다. 한국딥러닝 글을 우리 정의인 척 옮기지 않는다. 둘은 외부 증거다. 우리 상품은 세 층의 파일럿이다. 1주: 문서 30장으로 읽기 실패를 잰다. 2주: 항목 이름을 클래스에 붙인다. 3주: 전면·보류 한 장을 승인자가 서명한다. 서명 없는 주에는 에이전트 도구를 주지 않는다.

근거: OCRBench v2 · arXiv:2501.00321 · 한국딥러닝, 온톨로지 · 클래스 정의 · 운영 지도