한컴 오픈데이터로더 PDF v2.0, 깃허브 전체 오픈소스 트렌딩 1위 달성

오픈데이터로더 PDF v2.0 출시 일주일 만에 깃허브 전체 오픈소스 트렌딩 1위
깃허브 스타 수 하루 최대 1,800개 이상 집중… 3월 21일 기준 누적 7,000개 돌파
글로벌 오픈소스 PDF 추출 성능 벤치마크 전 항목 1위, 아파치 2.0 라이선스 전환으로 상업적 활용 개방

한글과컴퓨터(이하 한컴)의 PDF 데이터 추출 오픈소스 프로젝트 ‘오픈데이터로더(OpenDataLoader) PDF v2.0’이 세계 최대 오픈소스 개발 플랫폼 깃허브(GitHub)에서 3월 20일 전체 개발 언어 대상으로 트렌딩 1위를 달성하고 트렌딩 배지를 획득했다.

깃허브 트렌딩은 전 세계 개발자들이 현재 가장 주목하는 오픈소스 프로젝트를 실시간으로 집계하는 지표다. 깃허브 트렌딩 1위에 오른다는 것은 해당 기술이 글로벌 개발자 커뮤니티에서 실질적인 관심과 신뢰를 얻고 있다는 의미로 통한다. 오픈데이터로더 PDF v2.0은 3월 21일 하루 동안 1,800개 이상의 깃허브 스타 수 성장을 기록했으며, 총 스타 수 7,000개, 포크 수(오픈소스 리포지터리를 자신의 계정으로 복사해 독립적으로 활용하는 것)를 500개 이상 돌파했다. 이는 통상적인 오픈소스 성장 속도를 크게 상회하는 성과로, 글로벌 상위 인기 프로젝트 수준의 반응을 확보한 것으로 평가된다. 깃허브 스타 수는 개발자들이 프로젝트의 유용성과 완성도를 평가해 부여하는 지표다. 글로벌 개발자 커뮤니티에서 해당 기술의 인지도와 신뢰도를 가늠하는 척도로 활용된다.

오픈데이터로더 PDF는 복잡한 구조의 PDF 문서를 텍스트·표·이미지 등으로 분해해 인공지능(AI)이 바로 처리할 수 있는 형태로 변환하는 기술이다. PDF는 전 세계에서 AI 학습에 가장 널리 활용되는 문서 포맷이지만, 내부 구조가 복잡해 데이터 추출이 까다로운 탓에 AI 개발 과정의 주요 병목으로 꼽혀 왔다. 한컴은 2025년 7월 글로벌 PDF 기술 전문 기업 듀얼랩(Duallab)과 업무협약(MOU)을 체결하고 공동 개발에 착수, 같은 해 9월 초기 버전을 공개한 데 이어 3월 12일에 v2.0을 출시했다.

v2.0은 AI 방식과 직접 추출 방식을 결합한 하이브리드 엔진을 적용해, 외부 서버 전송 없이 로컬 환경에서 구동된다. 광학문자인식(OCR)·표 추출·수식 추출·차트 분석 등 AI 애드온(Add-on) 4종을 기본 제공하며, 도클링(Docling) 등 타사 오픈소스 AI 모델과의 기술 호환성도 확보했다. 자체 벤치마크 테스트에서는 읽기 순서·표·제목 추출 등 전 항목에 걸쳐 동종 오픈소스 대비 최고 정확도를 기록하며 1위를 달성했으며, 테스트 데이터와 재현 코드를 깃허브 공식 저장소에 공개해 결과의 투명성을 높였다.

오픈데이터로더 PDF는 지난해 글로벌 AI 개발 프레임워크 랭체인(LangChain) 공식 구성요소 등록을 완료했다. 2026년에는 랭플로우(Langflow), 라마인덱스(LlamaIndex), 제미나이 CLI(Gemini-cli) 등 주요 AI 프레임워크와의 연동을 확대하고, AI 에이전트 지원을 위한 MCP(Model Context Protocol) 기능도 준비 중이다. 더불어, 이번 v2.0에는 상업적 활용이 자유로운 아파치 2.0(Apache License 2.0) 라이선스를 적용해 기업과 개발자의 도입 문턱을 낮췄다.

김연수 한컴 대표는 “이번 성과는 한컴의 문서 데이터 추출 기술의 완성도와 실용성이 글로벌 개발자 커뮤니티에서 직접적인 검증을 받은 결과로, 다양한 활용을 통한 기술 생태계 확장 가능성도 확인했다”라며, “아파치 2.0 라이선스 전환을 통해 전 세계 기업과 개발자가 자유롭게 활용하고 확장할 수 있는 개방형 PDF 데이터 플랫폼으로 발전시켜 나가겠다”고 밝혔다.