SubHub

초기 프롬프트는 '이 이미지에 있는 모든 정보를 설명해줘'라는 범용 이미지 설명 요청 구조였습니다. 영수증의 상호명, 주소, 전화번호, 각 항목 가격, 합계, 결제 수단 등 모든 텍스트를 추출하려 했기 때문에 한 번 호출에 최대 25,861개 토큰이 소비되었습니다. 토큰이 많으면 API 비용에 직결되고(GPT-4o 기준 입력 토큰당 과금), 응답 생성 시간도 토큰 수에 비례하여 길어져 모바일 UX에 부적합했습니다.

• ▸범용 이미지 설명 요청 구조로 한 번 호출에 25,861 토큰 소비 → API 비용 과다
• ▸토큰 수에 비례하여 응답 시간 증가 → 모바일 환경에서 사용자 대기 시간 과다
• ▸영수증 전체 텍스트를 추출하여 불필요한 정보(주소, 전화번호 등)까지 포함
• ▸출력 포맷이 자유 텍스트여서 파싱 실패 빈번 — JSON 구조가 아닌 문장형 응답

각 단계별로 프롬프트 구조를 변경하고, 동일한 24장 영수증으로 정확도와 토큰 수를 측정하여 최적 균형점을 도출했습니다. OCR 실패 또는 신뢰도 낮은 결과(값이 비어있거나 JSON 형식이 맞지 않을 때)는 프론트엔드에서 감지하여 사용자에게 수동 입력 폴백을 안내합니다.

4단계 최적화 과정에서 각 단계별 토큰 수와 정확도를 측정하여, 토큰을 줄여도 정확도가 유지되는 균형점을 검증했습니다. 2단계에서 토큰이 가장 크게 감소했고, 3~4단계에서 파싱 안정성과 추가 절감을 확보했습니다.

• 각 단계별 동일 24장 영수증으로 정확도 재검증 — 2~4단계 모두 90%+ 유지 확인
• 2단계에서 토큰 가장 크게 감소(60%) — 필드 지정이 가장 효과적인 최적화
• 3단계 JSON 고정 후 파싱 실패율 대폭 감소 — 자유 텍스트 대비 안정적 구조
• 4단계 few-shot 제거 후에도 정확도 변화 없음 — 영수증 구조의 일정함 덕분
• OCR 실패 시 수동 입력 폴백 정상 동작 확인 — JSON 파싱 실패·필수 필드 누락 감지