AI
AX 시대를 위한 한글 문서: 오픈소스 생태계 현황 분석과 활성화 전략
두줄요약
한글 문서는 AI 학습에 유리한 공개형 포맷이며, PDF 변환보다 직접 추출이 더 효율적이라고 설명했습니다. 오픈소스 도구와 개발자 지원을 강화해 생태계를 키워야 한다고 제안했습니다.
핵심 내용
- 한글 문서는 공개형 포맷이며, HWPX는 XML 기반 구조와 의미 태그로 AI 학습 데이터 추출에 유리한 자산
- PDF로의 이중 변환은 표·개체·메타데이터 손실과 시간 비효율을 유발하며, HWPX 직접 추출이 더 적합
- 한컴의 포맷 공개, 변환기, 공식 라이브러리와 외부 오픈소스가 존재하지만 생태계 규모는 아직 부족
적용해볼 점
- JSON, Markdown 등 AI 친화 포맷으로의 직접 변환 도구 강화
- 텍스트뿐 아니라 표·문단·메타데이터까지 보존하는 오픈 데이터 로더 구상
- 기술 블로그, 예제 코드, 포럼 응답을 통한 개발자 지원 확대