엉망인 PDF를 깔끔한 엑셀로, 그리고 분석 리포트까지 — Codex로

할 일은 애초에 “이 PDF를 표로 바꿔 줘”가 아닙니다. 그건 눈에 보이는 절반일 뿐이고, 진짜 원하는 건 그 뒤에 있는 질문이죠 — 어느 거래처에 가장 많이 썼는지, 최근 몇 달 추이가 오르는지 내리는지, 유독 튀는 항목은 어느 건지. 숫자를 한 줄씩 손으로 옮겨 적는 일은 가장 느리고, 틀리기 쉽고, 사람이 할 필요가 가장 없는 부분입니다 — 그리고 딱 그 부분을 통째로 넘길 수 있습니다. Codex 같은 코딩 에이전트라면 같은 세션 안에서 문서를 읽고, 깔끔한 엑셀 파일을 만들고, 그 위에 분석까지 써 내려갑니다. 처음엔 20~30분쯤, 프롬프트가 손에 익으면 그보다 짧아집니다.

이게 되는 이유는, Codex가 단순히 대화만 하는 게 아니라 로컬 샌드박스에서 실제로 코드를 돌리기 때문입니다 (Python, pandas, openpyxl). 디스크에 있는 파일을 직접 읽고, 진짜 .xlsx 파일을 당신이 지정한 폴더에 써 줍니다. 이 과정에서 Python을 알 필요는 전혀 없습니다. 당신은 어떤 열이 필요한지 말하고, 결과를 확인하기만 하면 됩니다.

무엇을 맡길 수 있나

원본이 어떤 형식인지는 생각만큼 중요하지 않습니다. 흔한 경우들:

• 표가 들어 있는 디지털 PDF — 각종 명세서, 인보이스, 내보내기 한 리포트. 텍스트를 선택할 수 있어서 추출이 거의 손실 없이 됩니다.
• 스캔한 PDF, 또는 표를 찍은 사진 — 먼저 OCR을 한 번 거쳐야 합니다. 깨끗한 스캔본은 정확도가 좋고, 구겨진 영수증은 눈으로 더 확인해야 합니다.
• 파일 여러 개 — 열두 달치 월별 명세서, CSV가 가득한 폴더. Codex가 하나씩 돌면서 결과를 한 시트에 쌓아 줍니다.
• 누가 이미 만들어 둔 엉망인 표 — 병합된 셀, 데이터 사이에 섞인 합계 행, 세 줄짜리 머리글. 이런 표를 깨끗하게 정리하는 게 추출 자체보다 더 이득일 때가 많습니다.

실전 순서

준비물: Codex CLI(또는 데스크톱 앱)를 설치하고, 원본 파일을 지정할 수 있는 위치에 저장해 둡니다 (예: ~/Downloads/statement.pdf). 처음엔 20~30분쯤 걸립니다.

Step 1 — 깨끗한 표로 추출한다. Codex 세션을 열고, 그냥 “변환해 줘”가 아니라 원하는 “형태”를 못 박아서 말합니다:

~/Downloads/statement.pdf 를 읽어 줘. 모든 거래를 표로 뽑되 열은 이렇게만: 날짜(YYYY-MM-DD), 적요, 분류, 금액(숫자만, 통화 기호 없이). 소계 행과 머리글 행은 건너뛰고. 파일로 쓰기 전에 먼저 처음 10줄만 보여 줘.

먼저 앞부분 몇 줄을 보여 달라고 하는 것, 이게 전체에서 가장 핵심입니다 — 잘못 읽은 열이나 어긋난 합계가 400줄로 번지기 전에 잡아낼 수 있습니다. 열 이름을 하나하나 못 박아 두면, 에이전트가 제멋대로 필드를 지어내는 것도 막힙니다.

Step 2 — 추출 결과를 검증한다. 이 단계는 건너뛰지 마세요. 대부분의 오류를 걸러 주는 빠른 점검 몇 가지:

1. 행 수 — “몇 줄 뽑았어?” 원본에서 대충 센 수와 맞춰 봅니다.
2. 합계 — “금액 열을 다 더해 봐. PDF에 찍힌 합계랑 맞아?” 안 맞으면 대개 합계 행이 데이터에 섞여 들었거나, 여러 페이지에 걸친 표에서 한 페이지가 빠진 것입니다.
3. 양 끝을 확인 — 처음과 마지막 몇 줄을 원본과 눈으로 대조합니다. 날짜 형식과 음수(취소, 환불)가 단골 범인입니다.

Step 3 — 서식까지 넣어 엑셀로 저장한다. 표가 맞게 나왔으면:

이 표를 ~/Desktop/transactions.xlsx 로 저장해 줘. 머리글 행은 굵게, 첫 행은 고정, 금액 열은 소수점 두 자리 통화 형식, 맨 아래에 합계 행 추가.

받는 건 진짜 스프레드시트입니다 — 엑셀, Numbers, 구글 시트에서 바로 열립니다 — 다시 손봐야 하는 CSV가 아니라요.

Step 4 — 표에서 멈추지 말고 분석을 시켜라. 여기서부터는 단순 변환 도구가 아니게 됩니다. 깨끗한 데이터는 이미 세션 안에 있으니, 바로:

이제 이 데이터를 분석해 줘. 분류별 합계, 금액 기준 상위 5개 거래처, 전월 대비 월별 추이, 그리고 중앙값의 2배가 넘는 거래는 모두 표시. 각각 별도 시트로 만들고, ‘분류별 지출’에는 막대그래프를 붙이고, 첫 번째 시트에 5줄짜리 쉬운 말 요약을 써 줘.

돌아오는 건 피벗과 차트, 그리고 글로 정리된 결론이 담긴 워크북입니다 — 그동안 그 PDF가 당신과 답 사이를 가로막고 있던 바로 그것. 어떤 관점이 쓸모없어 보이면 다른 걸 시키면 됩니다. 데이터는 그대로 두고, 바뀌는 건 질문뿐입니다.

이렇게도 쓸 수 있다

• 은행 / 카드 명세서 → 소비 한눈에 보기 — 거래를 먼저 분류한 다음, 월별 합계와 가장 빠르게 늘어난 항목을 물어본다
• 월별 리포트 열두 개 → 하나의 추이 — Codex에 폴더를 가리키고 month 열을 붙여 쌓게 한 다음, 한 해 전체 추이를 그래프로
• 설문 CSV → 숫자 요약 — 건수, 비율, 세그먼트별 교차표를 깔끔한 요약 시트로 내보낸다
• 스캔한 표 → 디지털로 — OCR을 먼저 거치고, 검증을 더 빡세게(여기선 Step 2가 특히 중요), 그다음은 평소대로

안 맞는 경우

• 법적으로 정확해야 하는 것 — 세금 신고, 감사 대상 수치: 에이전트는 빠르고 좋은 초벌이지, 최종 결정권자가 아닙니다. 반드시 원본과 다시 대조하세요.
• 데이터가 정말 클 때 — 수십만 행이 넘어가면 스프레드시트가 아니라 데이터베이스와 SQL이 필요합니다
• 매주 평생 다시 뽑아야 하는 리포트 — 정말 주기적인 일이라면, 매번 대화를 다시 하지 말고 Codex에게 반복 실행할 작은 스크립트를 짜 달라고 하세요
• 레이아웃 자체가 의미인 문서 — 계약서, 조건 로직이 들어간 양식; 표로 뽑는 순간 정작 중요한 부분이 사라집니다