HWP 문서를 AI가 읽게 하려면: HWP·HWPX 구조와 파싱 방식, 도입 전 확인할 것
HWP 문서를 AI가 읽으려면 표 구조, 문단 위계, 이미지 속 글자까지 살려야 합니다. HWP와 HWPX의 차이, 변환·직접 파싱·OCR 세 가지 방법, 도입 전 확인표를 정리했습니다.
작성 올거나이즈코리아 마케팅팀 · 최종 갱신 2026년 10월 19일
HWP 문서를 AI가 제대로 읽으려면 글자만 뽑는 것으로는 부족하고, 표의 행·열 구조와 문단 위계, 이미지 속 글자까지 살려서 AI가 읽을 수 있는 형태로 바꿔야 합니다. 방법은 크게 세 가지입니다. PDF 등 다른 형식으로 바꾼 뒤 읽는 방법, HWP·HWPX 파일 구조를 직접 해석하는 방법, 이미지와 스캔 부분을 OCR로 읽는 방법입니다. 실제 업무 문서에는 세 경우가 섞여 있으므로, 도입 전에는 우리 문서 표본으로 표·이미지·암호 문서를 어떻게 처리하는지 확인해야 합니다.
HWP 문서는 왜 AI가 읽기 어렵나요?
HWP 문서가 AI에게 어려운 이유는 파일 형식보다 문서 안의 구조 때문입니다. 공문서와 보고서에는 셀이 병합된 표, 표 안의 표, 그림으로 붙여 넣은 표가 많고, 조·항·호·목 같은 문단 위계와 다단 편집이 자주 쓰입니다. 이런 문서에서 글자만 순서대로 뽑으면 표의 항목명과 값이 서로 떨어지고, 어느 조항의 내용인지도 알 수 없게 됩니다[1].
공공 분야에서는 이 문제의 규모가 큽니다. 2025년 국정감사에서 공개된 중앙부처·지자체 종사자 설문(14,208명)에서 응답자의 91.1%가 보고서·계획서 같은 행정문서를 주로 HWP나 이미지·스캔 PDF로 작성한다고 답했습니다[2]. 이 수치는 HWP와 이미지·스캔 PDF를 합한 비율입니다. 같은 국정감사에서 행정안전부 장관은 HWPX 확대만으로는 부족하다는 지적에 동의하고 AI가 읽기 쉬운 형식으로 전환하는 계획을 마련하겠다고 답했습니다[3].
금융권도 사정이 비슷합니다. 내부 규정, 상품 설명 자료, 결재 문서에 HWP와 스캔본이 많고, 대부분 DRM이 걸려 있어 파싱 전에 복호화 절차를 먼저 거쳐야 합니다[4].
HWP와 HWPX는 무엇이 다른가요?
HWP는 바이너리 형식이고 HWPX는 XML 파일을 ZIP으로 묶은 개방형 형식입니다. 둘 다 한컴오피스 한글 문서이지만 프로그램이 내용을 꺼내는 방식이 다릅니다.
HWPX가 늘어나면 문서를 여는 일은 쉬워집니다. 그래도 표 구조를 어떻게 해석하는지, 그림으로 붙인 표를 어떻게 읽는지는 HWP와 똑같이 남습니다. 형식이 바뀌어도 이미 쌓인 HWP 문서는 그대로 남기 때문에, 실제 도입에서는 HWP와 HWPX를 함께 처리해야 합니다.
공공기관의 HWPX 전환은 어디까지 왔나요?
정부는 2026년 4월 공공부문의 hwp 첨부를 단계적으로 줄이는 계획을 발표했습니다. 보도에 따르면 국가인공지능전략위원회가 주도하고 행정안전부와 문화체육관광부가 함께 추진하며, 지방정부 온나라시스템으로 제한을 넓히고, 공직자통합메일에서 HWPX 사용을 권장한 뒤 hwp 첨부를 제한하는 순서입니다[6]. 중앙부처 온나라시스템은 이보다 앞서 HWPX를 쓰고 있는 것으로 보도됐습니다[6].
이 전환은 새로 만드는 문서에 적용됩니다. 기관마다 수년 치 HWP 문서가 쌓여 있고, 규정집·지침·과거 결재 문서처럼 AI 검색에서 가장 많이 찾는 문서가 이런 오래된 문서입니다. 그래서 공공·금융 기관이 문서 검색 AI를 도입할 때는 HWPX 전환 여부와 관계없이 기존 HWP를 읽는 능력을 함께 봐야 합니다.
HWP 문서를 읽는 방법은 어떤 것이 있나요?
HWP 문서를 AI가 읽을 수 있는 형태로 바꾸는 방법은 PDF 변환 후 레이아웃 분석, 파일 구조 직접 해석, OCR 세 가지이고, 실무에서는 문서 성격에 따라 함께 씁니다.
PDF 변환 후 레이아웃 분석에 OCR을 함께 붙이면 본문, 표, 그림 속 글자를 한 흐름으로 읽을 수 있습니다. 어떤 방식이든 우리 문서 표본의 처리 결과를 원본과 대조해 보는 것이 가장 확실합니다.
표, 이미지, 암호 문서는 어떻게 처리해야 하나요?
표는 행과 열 구조를 살려 마크다운이나 HTML 표 형태로 바꿔 두어야 AI가 표 안의 숫자를 정확히 답합니다. 병합 셀은 합쳐진 칸의 값을 해당하는 행과 열 모두에 연결해 두어야 "2025년 하반기 예산"처럼 행과 열을 함께 묻는 질문에 맞는 값을 찾습니다. 표가 길면 쪼갤 때마다 머리글 행을 함께 붙여야 조각만 보고도 어떤 항목인지 알 수 있습니다.
이미지로 붙인 표와 수식은 OCR과 표 구조 인식을 거쳐야 검색 대상이 됩니다. 이 처리를 하지 않으면 해당 내용은 검색에서 빠지고, AI는 "문서에 없는 내용"으로 답하게 됩니다[1].
문단 위계도 같이 살려야 합니다. 공문서의 조·항·호·목, 보고서의 장·절 제목을 각 조각에 붙여 두면 "제12조 2항에 따르면"처럼 출처를 정확히 보여 줄 수 있고, 비슷한 조항이 반복되는 규정집에서 맞는 조항을 골라내기도 쉬워집니다.
암호가 걸린 HWP와 DRM 문서는 파서 기능보다 절차의 문제입니다. 어느 서버에서 복호화하는지, 복호화된 원문이 어디에 얼마 동안 남는지, 보안 부서 승인이 필요한지를 먼저 정해야 합니다. 이 절차가 늦게 정해지면 PoC 일정 전체가 밀리는 경우가 많습니다[4].
도입 전에 무엇을 확인해야 하나요?
도입 전에는 공급사 시연 문서 대신 우리 문서 표본으로 아래 항목을 직접 확인하는 것이 가장 정확합니다. 최근 몇 달 사이 등록된 문서 100건 정도를 골라 HWP, HWPX, PDF, 스캔본 비율을 세고, 그 비율대로 시험 문서를 고르면 됩니다.
정확도를 비교할 때는 파싱 결과와 최종 답을 나눠 보는 것이 좋습니다. 답이 틀렸을 때 표가 깨져서인지, 검색이 다른 문서를 가져와서인지 구분해야 고칠 수 있습니다. 비교 기준 전체와 PoC 점검표는 기업용 RAG 솔루션 비교 기준 9가지와 PoC 점검표에 정리했습니다.
국내 구축 사례에서는 HWP를 어떻게 다뤘나요?
언론에 보도된 국내 공공 구축 사례에서는 HWP 처리가 기본 요구 사항으로 들어갔습니다.
두 사례 모두 HWP 처리와 함께 출처 표시나 OCR을 요구했습니다. 공공기관 문서 검색에서는 HWP를 여는 것과 함께, 표와 스캔본까지 읽고 근거를 보여 주는 것이 기본 범위로 다뤄진다는 뜻입니다. 실제 구축 과정에서 HWP 처리 라이선스, DRM 복호화, 파싱 설정을 어떻게 다뤘는지는 데이터 파이프라인 현장 리포트에 정리했습니다.
올거나이즈는 HWP 문서를 어떻게 처리하나요?
올거나이즈는 HWP 문서의 본문, 표, 그림 속 글자를 함께 읽고, 답마다 근거 문서와 출처를 보여 줍니다. Alli Documents 2.0은 문서 유형을 자동으로 분류하고 질문에 출처와 버전을 함께 붙여 답합니다.
- 별도 Windows 서버 없이 HWP 처리: 온프레미스 환경에서도 한글 프로그램이 설치된 별도 Windows 서버를 두지 않고 HWP 문서를 처리합니다. 서버 구성이 단순해지고 Windows·한글 라이선스와 별도 서버 운영 부담이 줄어듭니다.
- 공공·금융 구축: LH와 한전KDN 구축에서 HWP 문서와 표, 스캔 문서를 처리했습니다. 공공 페이지에 구축 내용을 정리했습니다.
- 폐쇄망 설치: 망분리 환경에서는 문서 처리와 LLM을 모두 사내 서버에서 운영합니다. 알리 웍스 온프레미스
- 우리 문서로 정확도 측정: 고객 문서로 평가 세트를 만들어 검색과 답변 정확도를 재는 RARE 평가 기능을 제공합니다. RARE 기능 소개
우리 기관의 HWP 문서 표본으로 처리 결과를 확인해 보려면 도입 상담으로 문의해 주세요.
자주 묻는 질문
Q. HWP 파일을 PDF로 바꿔서 AI에 넣으면 안 되나요?
넣을 수 있습니다. 변환한 PDF를 레이아웃 분석과 OCR로 읽으면 표와 그림 속 글자까지 다룰 수 있습니다. 변환기에 따라 글꼴이나 표 모양이 원본과 조금 달라질 수 있으므로, 표가 많은 문서는 변환 결과를 원본과 몇 쪽 대조하고 표 안의 숫자를 묻는 질문으로 확인하세요.
Q. HWPX로 바꾸면 AI가 문제없이 읽나요?
HWPX는 XML 기반이라 내용을 꺼내기는 쉬워집니다. 그러나 표 구조 해석, 그림으로 붙인 표, 문단 위계 처리는 HWP와 똑같이 필요하고, 이미 쌓인 HWP 문서도 함께 처리해야 합니다.
Q. 스캔한 HWP 출력물이나 도장이 찍힌 문서도 검색할 수 있나요?
OCR과 레이아웃 인식을 거치면 검색할 수 있습니다. 글자 인식 오류가 생길 수 있으므로 도입 전에 실제 스캔 문서 몇 쪽을 원본과 대조해 보세요.
Q. 암호가 걸린 HWP나 DRM 문서는 어떻게 하나요?
복호화 연동이 필요합니다. 어느 서버에서 복호화하고 원문을 어디에 얼마 동안 두는지, 보안 승인이 필요한지를 PoC 시작 전에 정해 두어야 일정이 밀리지 않습니다.
Q. HWP 처리 능력은 어떻게 비교하나요?
우리 문서 표본 100건 정도를 형식 비율대로 골라 모든 후보에 똑같이 넣고, 표 안의 숫자를 묻는 질문과 조항 출처를 묻는 질문으로 결과를 비교하세요. 파싱 결과와 최종 답을 나눠 보면 차이가 어디서 나는지 알 수 있습니다.
출처
- 한글과컴퓨터 블로그, HWP 문서 파싱과 AI 데이터 활용 소개글(2026년 7월 31일)
- 위성곤 의원실 공개 "공공분야 AI 활용 현황" 설문(중앙부처·지자체 종사자 14,208명), ZDNet Korea 2025년 10월 13일 보도
- 디지털데일리, 2025년 10월 14일 보도(2025년 행정안전부 국정감사)
- 올거나이즈, 엔터프라이즈 AI 현장 리포트 "문서를 넣기 전에, 먼저 열 수 있어야 한다"(2026년 5월). 블로그
- 바이라인네트워크, 2021년 4월 15일 보도(한컴오피스 기본 저장 형식 HWPX 변경)
- 헤럴드경제·MTN, 2026년 4월 23~24일 보도(공공부문 hwp 첨부 단계적 제한)
- 아시아경제, 2024년 8월 1일 보도(LH 생성형 AI 업무 기준 질의응답 서비스 구축)
- 이데일리, 2025년 12월 8일 보도(한전KDN 'KDN GPT' 구축)