데이터의 형태 — JSON · CSV · 문서

이 장에서 배우는 것 구조가 있는 데이터와 없는 데이터의 차이, JSON·CSV를 읽는 법, PDF·한글 문서가 왜 손이 더 가는지, 그리고 한글이 깨지는 이유.

구조가 있느냐 없느냐

AI가 회사에서 값어치를 갖는 이유가 맨 아래 줄입니다. 기존 시스템은 구조화된 것만 다뤘고, 회사 자료의 대부분은 줄글입니다. 언어 모델은 그 줄글을 다룹니다.

JSON — 프로그램끼리 주고받는 표기

실습에서 본 글자 뭉치입니다. 규칙은 세 개뿐입니다.

중첩이 됩니다. 위 예에서 manager 의 값이 다시 { } 인 것이 그것입니다. 그래서 표로는 못 담는 모양도 담깁니다.

눈으로 보기 어려우면 에이전트에게 "이 JSON을 표로 정리해줘"라고 하세요. 사람이 괄호를 세는 것보다 빠릅니다.

CSV — 표를 텍스트로

엑셀 파일과 비슷해 보이지만 다릅니다.

AI에게 넘길 때는 CSV가 편합니다. 다만 쉼표가 들어간 값("서울, 강남")은 따옴표로 묶어야 하고, 엑셀에서 CSV로 저장하면 수식은 사라지고 결과값만 남습니다.

마크다운 — 이 매뉴얼이 쓰는 형식

**굵게** · # 제목 처럼 기호 몇 개로 서식을 표현하는 텍스트입니다.

AI가 만든 문서가 대개 마크다운인 이유는 텍스트라서 그대로 다룰 수 있고, 그러면서도 제목·목록·표의 구조가 살아 있기 때문입니다. 필요하면 나중에 HWPX나 PDF로 바꿉니다(공문서 다루기).

PDF와 한글 문서가 손이 더 가는 이유

PDF는 인쇄를 위한 형식입니다. "이 글자를 이 좌표에 이 크기로"가 적혀 있을 뿐, 표나 문단의 구조는 안 들어 있는 경우가 많습니다.

graph TD
  A["PDF · HWP · 스캔 이미지"] --> B["글자 뽑아내기<br/>추출 · OCR"]
  B --> C["텍스트 · 마크다운"]
  C --> D["AI가 읽음"]

"AI가 우리 문서를 못 읽어요"의 상당수가 이 단계 문제입니다. 모델의 이해력 문제가 아니라 글자 텍스트가 애초에 추출되지 못한 것입니다.

한글이 깨지는 이유 — 인코딩

글자를 숫자로 바꿔 저장하는 약속을 인코딩이라고 합니다. 저장한 약속과 읽는 약속이 다르면 깨집니다.

전형적인 증상은 이렇습니다.

CSV를 엑셀에서 열었더니 한글이 깨졌다면 파일이 UTF-8인데 엑셀이 CP949로 읽은 것입니다. 파일이 잘못된 것이 아닙니다.

무엇으로 주고받을지 정하기

자주 하는 오해

"엑셀 파일을 그냥 올리면 안 되나요"

됩니다. 다만 안에서 텍스트로 바꾸는 단계가 한 번 들어가고, 그 과정에서 서식·수식·병합된 칸이 사라집니다. 결과가 이상하면 그 단계를 의심하세요.

"PDF가 표준 아닌가요"

주고받고 인쇄하는 데는 표준입니다. 다시 가공하는 데는 최악에 가깝습니다. 원본(엑셀·워드·마크다운)이 있으면 그것을 주는 편이 항상 낫습니다.

확인

1. CSV와 엑셀 파일의 가장 큰 차이는?

2. 스캔한 PDF가 텍스트 PDF보다 어려운 이유는?

3. 한글이 ?щ처럼 깨져 보이면 무엇을 의심합니까?

다음은 구조화된 데이터가 실제로 사는 곳입니다 → 데이터베이스란 무엇인가