공공 및 기업용 시각지능 AI 솔루션 기업 한국딥러닝(대표 김지현)은 경기도청의 ‘2025년 생성형 AI 플랫폼 구축사업’에 자사의 문서 구조 분석 솔루션 ‘DEEP Parser’를 공급했다고 26일 밝혔다. 이번 사업은 AI·빅데이터 및 클라우드 전문 기업 엠티데이타와 협력해 추진된다.
총 131억 원 규모로 진행되는 이번 프로젝트는 전국 광역지자체 중 최초로 행정 업무 전반에 생성형 AI 기술을 본격 도입하는 사례로, 약 11개월간 문서작성, 회의관리, 정보검색 등 실무 중심의 AI 기반 업무지원 체계를 구축하는 것이 목표다.
한국딥러닝의 DEEP Parser는 HWP, PDF 등 비정형 문서를 구조화된 데이터로 전환해 AI가 활용할 수 있도록 지원하는 솔루션이다. 경기도청 문서의 90% 이상을 차지하는 비정형 포맷 문서를 대상으로, 행정문서 및 정책자료 등을 디지털화하고 구조화해 문서 처리 자동화와 정보 활용을 가능하게 한다.
DEEP Parser는 Vision Language Model(VLM) 기술을 기반으로 문서의 의미와 구조를 동시에 분석할 수 있는 것이 특징이다. 기존의 OCR 기술이 단순 텍스트 추출에 머무는 것과 달리, 표, 차트, 계층 구조, 병합 셀 등 복잡한 문서 요소까지 정밀하게 인식하며, 이를 통해 AI가 활용 가능한 지식 데이터베이스를 구축한다.
이 기술을 활용해 경기도청은 ▲비정형 문서의 정밀 디지털화 및 구조화 ▲정책 문서·보고서의 정보 추출 및 정제 ▲회의록 요약 및 핵심 내용 자동 추출 ▲문서 기반 질의응답 AI 서비스 등의 기능을 구현할 수 있게 된다.
김지현 한국딥러닝 대표는 “이번 사업은 공공부문 디지털 전환을 위한 실질적인 적용 사례로 의미가 있다”며 “DEEP Parser는 단순 문서 인식을 넘어, AI가 이해하고 활용할 수 있는 지식 기반을 구축하는 핵심 기술로, 앞으로도 생성형 AI 생태계 고도화에 기여하겠다”고 밝혔다.
- 관련 기사 더보기
Korea Deep Learning supplies 'DEEP Parser' to Gyeonggi Provincial Government's generative AI platform.
Korea Deep Learning (CEO Jihyun Kim) , a company specializing in visual intelligence AI solutions for the public and corporate sectors, announced on the 26th that it has supplied its document structure analysis solution, "DEEP Parser," to the Gyeonggi Provincial Government's "2025 Generative AI Platform Construction Project." This project is being implemented in collaboration with MT Data, a company specializing in AI, big data, and cloud computing.
This project, which is being implemented with a total scale of 13.1 billion won, is the first case among local governments nationwide to fully introduce generative AI technology across administrative tasks. The goal is to establish an AI-based work support system centered on practical tasks such as document creation, meeting management, and information search over the course of approximately 11 months.
Korea Deep Learning's DEEP Parser is a solution that converts unstructured documents like HWP and PDF into structured data for AI utilization. Targeting unstructured format documents, which account for over 90% of Gyeonggi Provincial Government documents, it digitizes and structures administrative documents and policy data, enabling automated document processing and information utilization.
DEEP Parser's unique ability to simultaneously analyze the meaning and structure of documents, based on Vision Language Model (VLM) technology, is key. Unlike conventional OCR technologies that focus on simple text extraction, it precisely recognizes complex document elements such as tables, charts, hierarchies, and merged cells, thereby building a knowledge database usable by AI.
By utilizing this technology, Gyeonggi Provincial Government will be able to implement functions such as ▲precise digitization and structuring of unstructured documents ▲information extraction and refinement of policy documents and reports ▲summarization of meeting minutes and automatic extraction of key contents ▲document-based question-and-answer AI service.
Kim Ji-hyun, CEO of Korea Deep Learning, said, “This project is significant as a practical application case for digital transformation in the public sector,” and added, “DEEP Parser is a core technology that goes beyond simple document recognition and builds a knowledge base that AI can understand and utilize. We will continue to contribute to the advancement of the generative AI ecosystem.”
- See more related articles
韓国ディープラーニング、京畿道庁生成型AIプラットフォームに「DEEP Parser」を供給
公共および企業向け視覚知能AIソリューション企業韓国ディープラーニング(代表キム・ジヒョン)は京畿道庁の「2025年生成型AIプラットフォーム構築事業」に自社の文書構造分析ソリューション「DEEP Parser」を供給したと26日明らかにした。今回の事業はAI・ビッグデータおよびクラウド専門企業エムティデータと協力して推進される。
総131億ウォン規模で行われる今回のプロジェクトは、全国広域自治体の中で初めて行政業務全般に生成型AI技術を本格導入する事例で、約11ヶ月間の文書作成、会議管理、情報検索など実務中心のAI基盤業務支援体系を構築することが目標だ。
韓国ディープラーニングのDEEP Parserは、HWP、PDFなど非定型文書を構造化されたデータに切り替え、AIが活用できるように支援するソリューションだ。京畿道庁文書の９０％以上を占める非定型フォーマット文書を対象に、行政文書及び政策資料などをデジタル化して構造化し、文書処理自動化と情報活用を可能にする。
DEEP Parserは、Vision Language Model（VLM）技術を基に文書の意味と構造を同時に分析できることが特徴だ。既存のOCR技術が単純テキスト抽出にとどまっているのとは異なり、表、チャート、階層、マージセルなどの複雑な文書要素まで精密に認識し、これによりAIが活用可能な知識データベースを構築する。
この技術を活用して京畿道庁は▲非定型文書の精密デジタル化及び構造化 ▲政策文書・報告書の情報抽出及び精製 ▲会議録の要約及び核心内容の自動抽出 ▲文書基盤の質疑応答 AIサービスなどの機能を実現できるようになる。
キム・ジヒョン韓国ディープラーニング代表は「今回の事業は公共部門デジタル転換のための実質的な適用事例として意味がある」とし「DEEP Parserは単純文書認識を超え、AIが理解し活用できる知識基盤を構築する核心技術で、今後も生成型AIエコシステムの高度化に寄与する」と明らかにした。
- 関連記事をもっと見る
韩国深度学习公司向京畿道政府的生成式人工智能平台提供“DEEP Parser”软件。
韩国深度学习公司（CEO：金智贤）是一家专注于为公共和企业部门提供视觉智能人工智能解决方案的公司，该公司于26日宣布，已向京畿道政府的“2025年生成式人工智能平台建设项目”提供了其文档结构分析解决方案“DEEP Parser”。该项目由韩国深度学习公司与专注于人工智能、大数据和云计算的MT Data公司合作实施。
该项目总投资131亿韩元，是全国地方政府中首个将生成式人工智能技术全面应用于行政工作的案例。项目目标是在约11个月内，建立一个以文档创建、会议管理和信息检索等实用任务为核心的人工智能工作支持系统。
韩国深度学习公司的DEEP Parser是一款能够将HWP和PDF等非结构化文档转换为结构化数据以供人工智能应用的解决方案。该方案针对京畿道政府90%以上的非结构化文档，对行政文件和政策数据进行数字化和结构化处理，从而实现文档的自动化处理和信息利用。
DEEP Parser 的独特之处在于它能够基于视觉语言模型 (VLM) 技术，同时分析文档的含义和结构。与专注于简单文本提取的传统 OCR 技术不同，它能够精确识别表格、图表、层级结构和合并单元格等复杂的文档元素，从而构建可供人工智能使用的知识库。
通过利用这项技术，京畿道政府将能够实现以下功能：▲非结构化文档的精确数字化和结构化；▲政策文件和报告的信息提取和完善；▲会议纪要摘要和关键内容的自动提取；▲基于文档的问答人工智能服务。
韩国深度学习公司首席执行官金智贤表示：“该项目作为公共部门数字化转型的一个实际应用案例，意义重大。”他补充道：“DEEP Parser 是一项核心技术，它超越了简单的文档识别，构建了一个人工智能可以理解和利用的知识库。我们将继续为生成式人工智能生态系统的发展做出贡献。”
- 查看更多相关文章
Korea Deep Learning fournit le « DEEP Parser » à la plateforme d'IA générative du gouvernement provincial de Gyeonggi.
Korea Deep Learning (PDG : Jihyun Kim) , entreprise spécialisée dans les solutions d’intelligence artificielle visuelle pour les secteurs public et privé, a annoncé le 26 juin avoir fourni sa solution d’analyse de la structure des documents, « DEEP Parser », au projet de construction de la plateforme d’IA générative 2025 du gouvernement provincial de Gyeonggi. Ce projet est mis en œuvre en collaboration avec MT Data, entreprise spécialisée dans l’IA, le big data et le cloud computing.
Ce projet, d'un montant total de 13,1 milliards de wons, est une première au niveau national pour les collectivités locales : il s'agit d'une première mondiale, intégrant pleinement l'intelligence artificielle générative à l'ensemble des tâches administratives. L'objectif est de mettre en place, sur une période d'environ 11 mois, un système d'aide au travail basé sur l'IA et axé sur des tâches concrètes telles que la création de documents, la gestion de réunions et la recherche d'informations.
Le DEEP Parser de Korea Deep Learning est une solution qui convertit les documents non structurés, tels que les fichiers HWP et PDF, en données structurées exploitables par l'IA. Ciblant les documents au format non structuré, qui représentent plus de 90 % des documents du gouvernement provincial de Gyeonggi, il numérise et structure les documents administratifs et les données politiques, permettant ainsi un traitement automatisé des documents et une utilisation optimale de l'information.
La capacité unique de DEEP Parser à analyser simultanément le sens et la structure des documents, grâce à la technologie VLM (Vision Language Model), est essentielle. Contrairement aux technologies OCR classiques qui se limitent à l'extraction de texte, il reconnaît avec précision les éléments complexes des documents, tels que les tableaux, les graphiques, les hiérarchies et les cellules fusionnées, constituant ainsi une base de connaissances exploitable par l'IA.
En utilisant cette technologie, le gouvernement provincial de Gyeonggi sera en mesure de mettre en œuvre des fonctions telles que ▲la numérisation et la structuration précises des documents non structurés ▲l'extraction et l'amélioration des informations des documents et rapports de politique ▲la synthèse des procès-verbaux de réunion et l'extraction automatique des contenus clés ▲un service d'IA de questions-réponses basé sur les documents.
Kim Ji-hyun, PDG de Korea Deep Learning, a déclaré : « Ce projet est important car il constitue une application concrète de la transformation numérique dans le secteur public. » Elle a ajouté : « DEEP Parser est une technologie fondamentale qui va au-delà de la simple reconnaissance de documents et permet de constituer une base de connaissances que l’IA peut comprendre et utiliser. Nous continuerons à contribuer au développement de l’écosystème de l’IA générative. »
- Voir plus d'articles connexes
You must be logged in to post a comment.