화면을 읽는 네 가지 눈 — DOM·CSS·OCR·시각 AI
지난주에는 URL 분석이 실제 사이트를 브라우저로 끝까지 그려낸다는 이야기를 드렸습니다. 코드만 받아오는 게 아니라, 자바스크립트가 다 돌고 이미지와 스타일이 다 붙은 "사용자가 진짜로 보는 그 화면"을 만들어낸다는 것이었습니다. 오늘은 그다음 이야기입니다. 그렇게 화면을 다 그려냈다고 칩시다. 그러면 그 화면을 어떻게

들어가며 — 화면을 '읽는다'는 게 무슨 뜻일까요
지난주에는 URL 분석이 실제 사이트를 브라우저로 끝까지 그려낸다는 이야기를 드렸습니다. 코드만 받아오는 게 아니라, 자바스크립트가 다 돌고 이미지와 스타일이 다 붙은 "사용자가 진짜로 보는 그 화면"을 만들어낸다는 것이었습니다. 오늘은 그다음 이야기입니다. 그렇게 화면을 다 그려냈다고 칩시다. 그러면 그 화면을 어떻게 "읽어내느냐"가 남습니다.
여기서 "읽는다"는 말이 조금 묘합니다. 사람은 화면을 그냥 눈으로 봅니다. 한 번 슥 보면 색도 보이고, 글자도 읽히고, 버튼도 알아보고, 배치도 느껴집니다. 이 모든 게 한꺼번에 일어나니까, 사람은 "화면을 읽는 데 여러 가지 방식이 있다"는 생각 자체를 잘 안 합니다. 그냥 보는 거니까요. 그런데 기계에게는 이게 한 가지 동작이 아닙니다. 화면을 읽는 방식이 여러 갈래로 나뉩니다. 오늘은 그 갈래를 네 가지로 정리해서 보려 합니다. 저희는 이걸 "화면을 읽는 네 가지 눈"이라고 부릅니다.
그 네 가지가 무엇이냐면, 첫째는 DOM입니다. 화면 뒤에 숨어 있는 구조를 읽는 눈입니다. 둘째는 CSS computed style, 실제로 계산된 색·간격·크기 값을 재는 눈입니다. 셋째는 OCR, 이미지 속에 박혀 있는 글자를 읽어내는 눈입니다. 넷째는 시각 AI, 화면의 생김새를 보고 어떤 부품이 있는지 알아보는 눈입니다. 이름만 들으면 좀 기술적인데, 하나씩 풀면 어렵지 않습니다. 각각 "무엇을 보는 눈인지"만 잡으면 됩니다.
미리 한 가지 중요한 점을 짚고 시작하겠습니다. 이 네 눈이 매번 분석할 때마다 넷 다 똑같이 켜지는 게 아닙니다. 앞의 둘(DOM·CSS)은 화면을 그릴 때마다 늘 함께 읽는 기본 짝입니다. 반면 뒤의 둘(OCR·시각 AI)은 "필요할 때 부르는" 보완 수단에 가깝습니다. 특히 OCR은 상시 도는 단계가 아니라, 이미지에 글자가 박혀 있어서 구조로는 그 글자를 못 읽을 때, 또는 이 페이지가 어떤 유형인지 판단을 도와야 할 때처럼 특정 상황에서만 부릅니다. 이걸 "네 눈이 늘 동시에 다 켜진다"는 식으로 오해하시면 안 됩니다. 오늘 글의 절반은 이 "각 눈이 언제 쓰이느냐"를 정직하게 짚는 데 쓸 생각입니다.
비유를 하나 들자면 병원 검사와 비슷합니다. 병원에 가면 기본으로 하는 검사가 있습니다. 키·몸무게·혈압 같은 것은 거의 매번 잽니다. 그런데 엑스레이나 초음파, CT 같은 건 매번 찍지 않습니다. 증상이 있거나, 기본 검사에서 이상 신호가 보이거나, 특정 부위를 자세히 봐야 할 때만 추가로 찍습니다. 화면 분석도 비슷합니다. DOM과 CSS는 매번 재는 기본 검사이고, OCR과 시각 AI는 필요할 때 추가로 부르는 정밀 검사인 셈입니다. 매번 CT를 찍지 않는다고 해서 CT가 덜 중요한 게 아니듯, OCR과 시각 AI가 상시가 아니라고 해서 덜 중요한 것도 아닙니다. 다만 "언제 쓰느냐"가 다를 뿐입니다.
이 비유를 굳이 처음부터 꺼내는 이유가 있습니다. 자동 분석 도구를 이야기할 때 흔히 "AI가 화면을 다 알아서 봐준다"는 식으로 뭉뚱그리기 쉬운데, 실제로는 그렇게 단순하지 않기 때문입니다. 화면을 읽는 일은 성격이 다른 여러 작업의 묶음이고, 각 작업은 잘하는 영역도 다르고 드는 비용도 다릅니다. 그래서 "무엇을, 언제, 왜 쓰는지"를 구분해서 아는 게 중요합니다. 이걸 뭉뚱그려 "다 본다"고만 하면, 정작 결과가 이상하게 나왔을 때 왜 그런지 설명할 수가 없습니다. 반대로 각 눈의 역할과 켜지는 조건을 정확히 알면, "이 페이지는 이래서 이 눈까지 썼고, 그래서 이런 결과가 나왔다"를 설명할 수 있습니다. 오늘 글은 그 구분을 세우는 게 목표입니다.

오늘은 이 네 눈이 각각 무엇을 보는지, 언제 켜지는지, 왜 넷으로 나눠야 하는지를 차근차근 보겠습니다. 이번 달은 URL 분석을 깊게 파는 달인데, 그중에서도 오늘은 "화면을 어떻게 읽어내는가"라는 가장 밑바탕을 다룹니다. 좀 기술적인 주제지만, 최대한 쉬운 말로 — "같은 화면이라도 네 가지 방식으로 다르게 읽는다"는 이야기로 풀어보겠습니다.
본론 1 — 첫 번째 눈: DOM (구조를 읽는 눈)
화면 뒤에는 '구조'가 있습니다
첫 번째 눈은 DOM입니다. DOM이라는 말이 낯설 수 있는데, 쉽게 말하면 "화면 뒤에 숨어 있는 구조"라고 보시면 됩니다. 우리가 보는 웹 화면은 그냥 그림 한 장이 아닙니다. 그 뒤에는 "이건 제목이고, 저건 문단이고, 여기는 버튼이고, 저기는 목록이다" 하는 식의 골격이 있습니다. 사람 눈에는 색과 모양으로 보이지만, 그 밑에는 "무엇이 무엇인지"를 규정하는 뼈대가 깔려 있는 것입니다. DOM을 읽는다는 건 바로 이 뼈대를 읽는다는 뜻입니다.
조금 더 풀어보겠습니다. 화면에 큼직한 글씨가 하나 있다고 합시다. 사람은 "아, 이게 제목이구나" 하고 크기와 위치로 짐작합니다. 그런데 DOM을 읽으면 짐작이 아니라 확인이 됩니다. 그 글씨가 구조상으로 정말 "제목"으로 표시돼 있는지, 아니면 그냥 크게 키운 평범한 문단인지가 드러납니다. 겉보기는 똑같이 큰 글씨여도, 구조상 제목인 것과 아닌 것은 전혀 다릅니다. 화면을 못 보는 분들이 쓰는 화면 낭독기는 이 구조를 읽어서 "여기가 제목입니다" 하고 안내하는데, 겉만 크고 구조상 제목이 아니면 그 안내가 안 됩니다. 사람 눈에는 안 보이지만, 실제 사용에는 큰 차이가 나는 부분입니다.
DOM이 잡아내는 것들
DOM 눈으로 읽어내는 건 주로 "구조와 의미"에 관한 것입니다.
- 제목 구조. 제목이 논리적인 순서로 짜여 있는가(큰 제목 아래 작은 제목이 오는 식으로).
- 라벨. 입력창마다 "이건 이름 칸, 저건 전화번호 칸"이라는 설명(라벨)이 붙어 있는가.
- 버튼의 정체. 버튼처럼 생긴 것이 구조상 진짜 버튼인가, 아니면 그냥 클릭되는 그림인가.
- 대체텍스트. 이미지에 "이 그림은 무엇이다"라는 설명이 달려 있는가.
- 폼 구조. 입력 항목들이 어떤 순서와 묶음으로 짜여 있는가.
- 목록·표의 구조. 목록이 목록으로, 표가 표로 제대로 표시돼 있는가.
이런 것들은 화면을 아무리 뚫어지게 봐도 안 보입니다. 겉모습이 아니라 뒤에 깔린 뼈대의 문제이기 때문입니다. 그래서 DOM은 "화면만 봐서는 절대 못 잡는 것"을 잡는 눈입니다. 지난주에 잠깐 말씀드린 "화면엔 멀쩡히 보이는데 코드엔 이름이 없는 버튼" 같은 문제가 정확히 이 영역입니다. 화면상으로는 파란 버튼이 예쁘게 있는데, DOM을 읽어보니 그건 그냥 이미지일 뿐 눌러도 아무 동작이 연결돼 있지 않고, 이름표(라벨)도 없어서 화면 낭독기는 그 자리에서 아무것도 읽어주지 못하는 경우. 이건 DOM 눈이 아니면 못 잡습니다.
조금 더 실감 나게 예를 들어보겠습니다. 어떤 신청 페이지에 입력 칸이 여러 개 나란히 있다고 합시다. 사람 눈에는 칸 위나 옆에 "이름", "생년월일", "연락처"라는 글씨가 붙어 있어서 뭘 적는 칸인지 바로 압니다. 그런데 그 글씨가 구조상 그 입력 칸과 "연결"돼 있지 않고 그냥 근처에 놓인 장식 글씨라면, 화면 낭독기를 쓰는 분에게는 그 칸이 "이름 없는 입력 칸"이 됩니다. 커서를 옮겨도 "무엇을 적는 칸인지" 안내가 안 나오는 것입니다. 눈으로 보는 사람은 위치로 짐작하니 문제를 못 느끼지만, 구조에 의존하는 사용자에게는 통째로 막힙니다. DOM 눈은 이 "글씨와 칸이 진짜로 연결돼 있는가"를 읽어서, 겉보기엔 멀쩡한 폼의 숨은 결함을 짚어냅니다.
또 하나, 제목 구조의 순서도 DOM이 봅니다. 문서에는 큰 제목 아래 중간 제목, 그 아래 작은 제목이 오는 논리적 위계가 있어야 하는데, 겉모습만 신경 쓰다 보면 이 순서가 뒤죽박죽이 되기 쉽습니다. 큰 제목 다음에 갑자기 가장 작은 제목이 오거나, 단지 글씨를 키우고 싶어서 엉뚱한 제목 단계를 쓰는 식으로요. 사람 눈에는 그냥 "글씨가 크고 작고"로만 보여 문제를 못 느끼지만, 구조에 기대어 페이지를 훑는 사용자에게는 목차가 어긋난 책처럼 헷갈립니다. DOM 눈은 이 위계의 순서를 읽어, 겉보기로는 드러나지 않는 논리적 어긋남을 잡아냅니다.
DOM은 늘 켜지는 기본 눈입니다
여기서 중요한 특징이 있습니다. DOM은 화면을 그릴 때마다 항상 함께 읽는 기본 눈이라는 점입니다. 왜냐하면 브라우저가 페이지를 그려내는 그 순간, 이 구조는 이미 손안에 있기 때문입니다. 화면을 렌더링했다는 것 자체가 이 뼈대를 다 세웠다는 뜻이라서, 그 뼈대를 읽는 데 추가 비용이 거의 들지 않습니다. 그래서 DOM 읽기는 URL 분석의 매 순간 기본으로 돌아갑니다. 뒤에 나올 OCR이나 시각 AI처럼 "필요할 때만 부르는" 것과는 성격이 다릅니다.
DOM 눈의 강점은 "빠르고 정확하다"는 것입니다. 구조는 명확하게 표시돼 있거나 안 돼 있거나 둘 중 하나라, 애매함이 적습니다. "라벨이 있다/없다", "제목 구조가 맞다/틀리다"가 딱 떨어집니다. 다만 약점도 분명합니다. DOM은 "구조"만 봅니다. 그 구조가 화면에서 실제로 어떤 색으로, 어떤 크기로, 어떤 간격으로 보이는지는 DOM만으로는 모릅니다. "이건 버튼이다"까지는 알아도 "이 버튼이 손가락으로 누르기에 충분히 큰가"는 DOM이 아니라 다음 눈이 봅니다. 그래서 DOM 혼자서는 절반만 보는 셈이고, 두 번째 눈이 그 나머지 절반을 채웁니다.
본론 2 — 두 번째 눈: CSS computed style (실제 계산값을 재는 눈)
'적어둔 값'이 아니라 '최종 계산된 값'
두 번째 눈은 CSS computed style입니다. 이름이 길고 어려운데, 핵심은 "실제로 계산된 최종 값을 잰다"는 것입니다. 여기서 "계산된"이라는 말이 아주 중요합니다.
웹사이트를 만들 때 디자이너·개발자는 색과 크기와 간격을 코드에 적어둡니다. "이 글씨는 이 색, 이 버튼은 이 크기" 하는 식으로요. 그런데 화면에 실제로 나타나는 최종 값은 적어둔 값 그대로가 아닐 때가 많습니다. 왜냐하면 웹에서는 여러 규칙이 겹치고, 상속되고, 화면 크기에 따라 달라지기 때문입니다. 예를 들어 "이 영역의 글씨는 다 검정" 하고 큰 규칙을 걸어놓고, 그 안의 특정 글씨만 회색으로 덮어쓰고, 다시 모바일에서는 또 다른 규칙이 끼어들면, 최종적으로 화면에 찍히는 색은 이 규칙들이 다 겹친 "결과값"입니다. 코드 한 줄만 봐서는 이 최종값을 알 수 없습니다. 여러 규칙이 다 적용된 뒤의 "계산된 값"을 봐야 진짜입니다.
그래서 computed style, 즉 "계산된 스타일"을 봅니다. 브라우저가 모든 규칙을 다 적용하고 최종적으로 결정한 값. 이게 곧 사용자가 실제로 보는 값입니다. 코드에 뭐라고 적혀 있든, 화면에 진짜로 찍히는 건 이 계산된 값이니까요. 두 번째 눈은 이 최종값을 잽니다. "이 글씨는 최종적으로 이 색이고, 이 버튼은 최종적으로 이 크기"라고 정확한 수치로 뽑아냅니다.
CSS computed style이 재는 것들
이 눈으로 재는 것들은 주로 "눈에 보이는 시각 값"입니다.
- 색. 글자와 배경이 최종적으로 무슨 색인가. 그리고 두 색의 대비가 기준 이상인가.
- 크기. 버튼·링크가 실제로 몇 픽셀인가. 손가락으로 누르는 터치 대상이 최소 기준(44×44px)을 넘는가.
- 간격. 요소들 사이 여백이 실제로 얼마인가. 규칙적인 값인가, 들쭉날쭉한가.
- 글자 크기. 본문·제목 글씨가 실제로 몇 픽셀인가. 너무 작지 않은가.
- 색 토큰. 쓰는 색이 KRDS 표준 팔레트 안의 값인가, 아니면 비슷하지만 표준 밖의 값인가.
여기서 대비 이야기를 조금 더 하겠습니다. 사람이 화면을 볼 때는 회색 글씨를 보고 "좀 흐린가?" 정도로 느낍니다. 느낌입니다. 그런데 두 번째 눈은 그 글씨의 최종 색과 배경의 최종 색을 정확한 값으로 알고 있고, 두 색의 밝기 차이를 계산해 "대비 비율"을 냅니다. 그 비율이 기준(예를 들어 일반 텍스트는 4.5 대 1) 아래면 "미달", 위면 "충족"으로 딱 떨어집니다. "흐린 것 같다"가 "대비 3.1 대 1, 기준 미달"로 바뀌는 것입니다. 사람마다, 모니터마다, 조명마다 다르게 보이던 "흐림"이, 늘 같은 수치로 판정됩니다. 이게 감으로 보는 점검과 근거로 보는 점검을 가르는 지점입니다.

화면 크기마다 계산값이 다릅니다
이 눈의 또 다른 힘은 화면 크기별로 계산값을 따로 잰다는 데 있습니다. 앞서 말했듯 계산된 값은 화면 크기에 따라 달라집니다. 그래서 URL 분석은 데스크톱(1920×1080)·태블릿(768×1024)·모바일(390×844) 세 크기로 각각 화면을 그려낸 뒤, 각 크기에서 계산값을 따로 잽니다. 데스크톱에서는 버튼이 넉넉히 커서 기준을 넘던 게, 모바일에서는 작게 줄어들어 기준 미달이 되는 경우가 흔합니다. 세 크기를 따로 재야 이 차이가 드러납니다. 한 크기만 재고 "통과" 했다가는, 다른 크기에서 깨진 걸 통째로 놓치게 됩니다.
색 토큰 이야기도 짧게 덧붙이겠습니다. KRDS는 공공 사이트가 쓸 표준 색 팔레트를 정해두는데, 디자이너가 무심코 비슷한 색을 직접 찍어 쓰면 표준에서 살짝 벗어난 값이 나옵니다. 사람 눈으로는 "둘 다 파랑인데 뭐가 문제야?" 싶지만, CSS 눈은 화면에서 쓴 색의 정확한 값을 표준 팔레트 값과 대조해 "이건 표준 안, 저건 표준 밖"으로 딱 가릅니다. "표준 파랑과 거의 같은데 미묘하게 다른 비표준 파랑"이면, "이건 표준 값으로 바꾸면 된다"는 명확한 개선점이 됩니다. 느낌으로는 못 가르는 것을, 정확한 값이라 가릅니다.
DOM과 CSS computed style, 이 두 눈은 늘 함께 다닙니다. DOM이 "이건 버튼이다"라고 정체를 확인하면, CSS 눈이 "그 버튼이 실제로 이 색, 이 크기"라고 값을 잽니다. 구조와 값. 이 둘이 짝을 이뤄야 "화면에 버튼처럼 생긴 게 있고, 그게 구조상 진짜 버튼이며, 크기는 38×38px이라 터치 기준 44×44px에 미달"이라는 완전한 판정이 나옵니다. 하나만으로는 절반씩만 보이고, 둘이 붙어야 온전한 그림이 됩니다. 그래서 이 두 눈은 매 분석에서 기본으로 함께 돌아갑니다. 굳이 "짝"이라고 부르는 이유가 여기 있습니다. 구조만 알고 값을 모르면 "버튼인데 크기를 모르는" 반쪽이고, 값만 알고 구조를 모르면 "어떤 크기의 무언가인데 그게 버튼인지 모르는" 반쪽입니다. 두 반쪽을 합쳐야 비로소 하나의 온전한 판정이 서기 때문에, 이 둘은 떼어놓지 않고 늘 붙여서 씁니다.
본론 3 — 세 번째 눈: OCR (이미지 속 글자를 읽는 눈, 필요할 때만)
왜 이미지 속 글자가 문제가 될까요
세 번째 눈은 OCR입니다. OCR은 "이미지 속에 박힌 글자를 읽어내는" 기술입니다. 그런데 이 눈은 앞의 두 눈과 성격이 완전히 다릅니다. 앞의 둘은 매번 켜지는 기본 눈이었지만, OCR은 "필요할 때만 부르는" 보완 수단입니다. 이 구분이 오늘 글에서 가장 중요한 대목이니, 천천히 짚겠습니다.
먼저 "이미지 속 글자"가 왜 문제인지부터요. 웹 화면의 글자는 보통 두 종류입니다. 하나는 진짜 텍스트입니다. 이건 구조(DOM) 안에 글자 그대로 들어 있어서, 앞서 본 첫 번째 눈이 그냥 읽어냅니다. OCR이 전혀 필요 없습니다. 문제는 다른 하나, 즉 "그림 속에 그려 넣은 글자"입니다. 배너 이미지 안에 "○○ 서비스 신청 안내" 같은 문구를 그림으로 박아넣은 경우가 대표적입니다. 이건 사람 눈에는 분명히 글자로 보이지만, 구조상으로는 그냥 하나의 이미지일 뿐, 그 안의 글자를 코드로는 읽을 수 없습니다. 진짜 텍스트가 아니라 "글자 모양의 그림"이라서요.
이런 이미지 속 글자는 여러 문제를 만듭니다. 화면 낭독기가 못 읽으니 접근성에 걸리고, 검색엔진도 못 읽으니 개방성에 걸리고, 무엇보다 "이 페이지에 어떤 내용이 있는지"를 파악하는 데 구멍이 생깁니다. 바로 이 지점에서 세 번째 눈, OCR을 부릅니다. 구조로는 못 읽는 그 그림 속 글자를, 픽셀을 보고 글자로 해독하는 것입니다.
OCR은 '상시 단계'가 아닙니다
여기를 분명히 하겠습니다. OCR은 URL 분석이 매번 반드시 거치는 상시 단계가 아닙니다. 필요한 상황에서만 부르는 보완 수단입니다. 그 "필요한 상황"이 언제냐면, 대표적으로 이런 경우들입니다.
- 이미지에 글자가 박혀 있어서, 구조로는 그 텍스트를 못 읽을 때. 그 그림 속 문구가 무엇인지 확인해야 할 때 OCR을 부릅니다.
- 이 페이지가 어떤 유형인지(로그인 화면인지, 검색 화면인지, 안내 화면인지) 판단하는 데 화면 속 글자가 단서가 될 때. 구조만으로 유형이 애매하면, 화면에 실제로 보이는 글자를 읽어 보조 단서로 씁니다.
반대로, 화면의 글자가 대부분 진짜 텍스트라서 구조로 다 읽히는 페이지라면 OCR을 부를 이유가 없습니다. 이미 첫 번째 눈이 다 읽었으니까요. 그래서 OCR은 "이미지 텍스트가 있거나 유형 판단이 필요한 특정 상황"에서만 켜지는, 말하자면 필요할 때 꺼내 쓰는 도구입니다. 이걸 "네 눈이 매번 다 동시에 켜진다"고 이해하시면 실제 작동과 어긋납니다. DOM·CSS는 늘 켜지고, OCR은 조건이 맞을 때만 켜집니다.
이 구분을 강조하는 이유가 있습니다. 자동화 도구를 소개할 때 "우리는 이런 것도 하고 저런 것도 하고 다 한다"고 잔뜩 늘어놓고 싶은 유혹이 있습니다. 그런데 그렇게 "매번 다 돌린다"고 부풀리면, 실제 작동과 어긋나서 나중에 신뢰가 깨집니다. 정직하게 말하면 OCR은 "필요할 때 부르는 보완 눈"이고, 그게 사실입니다. 안 부풀리는 게 오래 신뢰받는 길입니다.
왜 OCR을 상시로 안 돌리는지 조금 더 실무적으로 풀면 이렇습니다. 한 사이트를 분석할 때 페이지는 한 장이 아니라 수십에서 수백 장일 수 있습니다. 그 모든 페이지의 모든 이미지를 매번 글자 해독으로 훑으면 시간이 크게 늘어납니다. 게다가 대부분의 글자는 이미 진짜 텍스트라 구조로 다 읽히니, 그 위에 OCR을 겹쳐 돌리는 건 같은 일을 두 번 하는 셈입니다. 그래서 "이미지 안에 글자가 있어 보이는 자리", "구조만으로는 유형이 애매한 페이지"처럼 OCR이 실제로 도움이 되는 상황을 가려서만 부릅니다. 필요한 곳에 정확히 쓰는 것이지, 아무 데나 뿌리는 게 아닙니다. 이 절제가 있어야 규모가 큰 사이트도 현실적인 시간 안에 볼 수 있습니다.
OCR의 쓸모와 한계
OCR이 켜졌을 때 하는 일은 명확합니다. 그림 속 글자를 텍스트로 바꿔서, 다른 눈들이 놓친 정보를 메웁니다. "이 배너에 무슨 문구가 있는지", "이 화면에 어떤 안내가 그림으로 들어가 있는지"를 확인해서, 페이지 내용 파악의 구멍을 채웁니다. 그리고 그 결과는 "이 페이지가 어떤 유형인가"를 가리는 데 보조 근거로 쓰이기도 합니다.
다만 OCR에도 한계가 있습니다. 이미지 속 글자를 읽는 일은 진짜 텍스트를 읽는 것보다 어렵습니다. 글자가 작거나, 배경과 잘 안 구분되거나, 흐릿하면 정확히 못 읽을 수 있습니다. 그래서 OCR 결과는 "참고 정보"로 다루지, 그것만으로 중대한 판정을 확정하지는 않습니다. 무엇보다 OCR을 쓴다는 것 자체가 "여기 글자가 그림으로 박혀 있다"는 신호인데, 그 자체가 이미 개선할 지점이라는 뜻이기도 합니다. 원래대로라면 진짜 텍스트여야 할 것이 그림으로 들어가 있으니까요. 그래서 OCR은 문제를 읽어내는 동시에, "여기에 문제가 있을 수 있다"를 알려주는 신호 역할도 겸합니다.
정리하면 세 번째 눈 OCR은, 앞의 두 기본 눈으로는 못 읽는 "그림 속 글자"라는 특수한 영역을, 필요할 때만 부르는 보완 눈입니다. 늘 켜지는 게 아니라 상황에 따라 켜진다는 점이 앞의 둘과 다르고, 이 점을 정직하게 아는 게 이 눈을 제대로 이해하는 핵심입니다.
본론 4 — 네 번째 눈: 시각 AI (생김새로 부품을 알아보는 눈)
코드가 아니라 '생김새'로 알아봅니다
네 번째 눈은 시각 AI입니다. 이 눈은 화면의 생김새를 보고 "여기 이런 부품이 있구나"를 알아봅니다. 사람이 화면을 처음 보고 "아, 저건 버튼이고, 저건 검색창이고, 저건 표구나" 하고 한눈에 알아보는 그것을, 기계가 시각적으로 하는 것입니다.
"그건 구조(DOM)로 알 수 있는 거 아닌가?" 싶으실 텐데, 맞습니다. 대부분의 부품은 구조로 알아봅니다. 그런데 앞서 여러 번 나온 문제가 여기서 다시 등장합니다. 표준대로 만든 부품은 구조에 "나는 버튼이다"라고 표시돼 있어서 첫 번째 눈이 알아봅니다. 그런데 표준을 안 지키고 이상하게 만든 부품, 예를 들어 버튼을 진짜 버튼이 아니라 그냥 이미지나 그림 조각으로 만들어 붙인 경우, 구조에는 "버튼"이라는 표시가 없습니다. 이러면 첫 번째 눈은 "여기 버튼이 있다"를 모릅니다. 구조상으로는 그냥 그림이니까요. 그런데 사람 눈에는 분명히 버튼으로 보입니다. 이 간극을 메우는 게 네 번째 눈입니다. 구조에 표시가 없어도, 생김새가 버튼처럼 생겼으면 "여기 버튼처럼 보이는 게 있다"를 시각으로 알아봅니다.

시각 AI가 지키는 규칙 — 함부로 뒤집지 않습니다
이 눈은 강력하지만, 동시에 아주 조심스럽게 다뤄야 합니다. 왜냐하면 "생김새로 알아본다"는 건 확률적인 판단이라, 틀릴 수 있기 때문입니다. 그래서 시각 AI에는 엄격한 규칙을 걸어둡니다.
첫째, 코드(규칙 엔진)가 이미 통과/미통과로 확정한 것은 시각 AI가 뒤집지 않습니다. 구조와 계산값으로 딱 떨어지게 판정한 건 그게 근거가 확실하니까, 시각적 짐작이 그걸 덮어쓰지 못하게 합니다. 확실한 근거가 애매한 짐작에 밀리면 안 되니까요.
둘째, 시각 AI는 "빈칸(N/A)만" 채웁니다. 앞의 눈들이 "이 페이지엔 해당 없음(N/A)"으로 남긴 자리, 즉 구조로는 판단이 안 된 자리만 시각으로 다시 봅니다. 예를 들어 구조에 표시가 없어서 "이 페이지에 이 부품이 있는지 없는지 모르겠다"로 남은 규칙을, 시각 AI가 화면을 보고 "실제로는 여기 있네" 하고 채웁니다.
셋째, 확신이 있을 때만 채웁니다. 화면을 봐도 그 부품이 있는지 확실치 않으면, 억지로 "있다"고 하지 않고 빈칸을 그대로 둡니다. 이게 아주 중요합니다. 없는 걸 있다고 지어내는 것(환각)을 막으려고, "확실할 때만 채우고, 애매하면 그냥 비워둔다"를 원칙으로 삼습니다. 그래서 시각 AI가 못 알아본 것은 "문제없음"이 아니라 "판단 보류"로 남습니다. 지어내는 것보다 비워두는 게 낫다는 원칙입니다.
넷째, 채울 때는 근거를 남깁니다. "화면의 이 자리에서 이 부품을 알아봤다"는 흔적을 남겨서, 나중에 사람이 검토할 수 있게 합니다. "AI가 그렇다니까 그런가 보다"가 아니라, "왜 그렇게 봤는지"를 확인할 수 있게 하는 것입니다.
정확하지만 느리고, 그래서 보완입니다
시각 AI 눈은 화면 스크린샷을 보고 부품을 알아보는 일이라, 앞의 눈들보다 시간이 훨씬 더 걸립니다. 구조와 계산값을 읽는 건 순식간이지만, 화면을 보고 "이게 뭐지"를 판단하는 건 그보다 오래 걸립니다. 그래서 시각 AI도 OCR처럼 "매번 다 돌리는 상시 눈"이라기보다는, "구조로 못 채운 빈칸을 메우고, 구조가 못 보는 시각적 영역을 따로 봐야 할 때" 부르는 보완 눈에 가깝습니다.
이 "확신 있을 때만 채운다"는 원칙이 실제로 어떻게 작동하는지 한 번 더 보겠습니다. 시각 AI가 화면을 보고 어떤 부품이 있는지 알아볼 때, 늘 "얼마나 확실한가"라는 확신도가 함께 나옵니다. 아주 뚜렷하게 버튼으로 보이면 확신도가 높고, 애매하게 생겼으면 확신도가 낮습니다. 확신도가 충분히 높을 때만 "여기 이 부품이 있다"로 빈칸을 채우고, 낮으면 채우지 않고 그대로 비워둡니다. 그래서 시각 AI가 못 채운 자리는 "문제없음"이 아니라 "아직 판단 못 함"으로 남습니다. 이 둘은 전혀 다릅니다. "문제없다"는 확인된 결과이고, "판단 못 했다"는 더 봐야 한다는 표시입니다. 이 둘을 뭉뚱그리지 않는 게 정직한 분석의 기본입니다.
이렇게 보면 네 눈의 성격이 확실히 갈립니다. DOM과 CSS는 매번 빠르게 도는 기본 짝이고, OCR과 시각 AI는 특정 상황에서 부르는 보완 눈입니다. 시각 AI는 그중에서도 "구조가 못 본 것"을 시각으로 메우는 역할이 핵심입니다. 코드가 확정한 건 건드리지 않고, 빈칸만, 확신 있을 때만, 근거를 남기며 채운다 — 이 절제가 시각 AI를 믿을 만하게 만드는 조건입니다. 강력한 눈일수록 함부로 쓰면 위험하니, 오히려 규칙을 엄격히 걸어두는 것입니다.
본론 5 — 네 눈은 언제, 어떻게 나눠 쓰나
기본 짝과 보완 눈
지금까지 본 네 눈을 "언제 켜지느냐"로 다시 정리하면 이렇게 나뉩니다.
- DOM (구조): 매번. 화면을 그리는 순간 구조가 손안에 있어서, 늘 함께 읽습니다.
- CSS computed style (계산값): 매번. DOM과 짝을 이뤄, 구조가 잡은 요소의 실제 값을 늘 잽니다.
- OCR (이미지 속 글자): 필요할 때. 이미지에 글자가 박혀 있거나, 페이지 유형 판단에 화면 글자가 필요할 때만 부릅니다.
- 시각 AI (생김새): 필요할 때. 구조로 못 채운 빈칸을 메우거나, 구조가 못 보는 시각적 영역을 봐야 할 때 부릅니다.
즉 앞의 둘은 항상 도는 기본 짝이고, 뒤의 둘은 상황에 따라 부르는 보완 눈입니다. 이 구분이 왜 중요하냐면, 각 눈의 비용과 역할이 다르기 때문입니다. 구조와 계산값은 빠르고 확실해서 늘 돌려도 부담이 없습니다. 그런데 OCR과 시각 AI는 시간이 더 들고, 필요 없는 페이지에서까지 억지로 돌리면 낭비이거나 오히려 애매한 결과를 만듭니다. 그래서 "필요할 때만" 부르는 게 정확하기도 하고 효율적이기도 합니다.

충돌을 막는 우선순위
네 눈이 같은 화면을 보다 보면, 서로 다른 이야기를 할 수도 있습니다. 그래서 충돌을 막는 우선순위가 있습니다. 구조와 계산값으로 딱 떨어지게 판정한 것이 가장 확실한 근거이고, 그다음이 OCR과 시각 AI가 보완한 것입니다. 앞서 말했듯 코드가 확정한 통과/미통과를 시각 AI가 뒤집지 못하게 한 것도 이 우선순위 때문입니다. 확실한 근거(구조·계산값)를 애매한 짐작(생김새)이 덮어쓰지 않도록, 층을 나눠 둔 것입니다.
이 우선순위가 있어서, 보완 눈을 쓰더라도 결과가 흔들리지 않습니다. 만약 우선순위 없이 네 눈의 결과를 아무렇게나 섞으면, "구조상 확실히 통과인데 시각 AI가 미통과라고 우겨서 결과가 뒤집히는" 일이 생길 수 있습니다. 그러면 확실한 것도 못 믿게 됩니다. 그래서 "확실한 것 먼저, 보완은 빈칸을 메우는 쪽으로만"이라는 원칙을 지킵니다. 보완 눈은 어디까지나 기본 눈이 못 본 곳을 메우는 역할이지, 기본 눈을 부정하는 역할이 아닙니다.
왜 이렇게 나누는 게 정직한가
이 대목을 한 번 더 강조하고 싶습니다. 네 눈이 매번 넷 다 동시에 켜진다고 하면 듣기엔 그럴듯합니다. "우리는 구조도 보고, 값도 재고, 글자도 읽고, 생김새도 알아봅니다"라고 하면 대단해 보이니까요. 그런데 그건 사실이 아니고, 사실이 아닌 걸 말하면 결국 신뢰가 깨집니다. 정직한 그림은 이렇습니다. 구조와 계산값은 매번 봅니다. 이미지 속 글자는 그런 게 있을 때만 읽습니다. 생김새 판독은 구조로 못 채운 빈칸이 있을 때 붑니다. 각 눈이 자기가 필요한 자리에서 켜지고, 필요 없으면 안 켜집니다.
이렇게 나눠 쓰는 건 게을러서가 아니라, 그게 맞기 때문입니다. 글자가 다 진짜 텍스트인 페이지에서 OCR을 억지로 돌리는 건 낭비이고, 구조가 다 명확한 페이지에서 시각 AI로 다시 훑는 것도 낭비입니다. 필요한 곳에 필요한 눈을 쓰는 것 — 이게 자원을 아끼면서도 놓치지 않는 방법입니다. 그리고 무엇보다, "우리는 이런 조건에서 이 눈을 씁니다"라고 정확히 말할 수 있어야, 나중에 결과를 두고 "왜 이렇게 나왔나"를 설명할 수 있습니다. 설명 가능한 분석이 믿을 수 있는 분석입니다.
한 가지 더 덧붙이면, 이 분업 구조는 규모가 커질수록 진가를 발휘합니다. 페이지가 몇 장뿐이라면 모든 눈을 다 켜도 큰 부담이 없습니다. 그런데 공공 사이트는 페이지가 수십에서 수백, 때로는 그 이상입니다. 이런 사이트를 볼 때 모든 페이지에 무거운 보완 눈을 다 켜면 감당이 안 됩니다. 그래서 기본 짝(구조·계산값)으로 전체를 빠르게 훑어 "어디에 무슨 요소가 있는지"를 파악하고, 그중 이미지 글자가 있거나 구조로 빈칸이 남은 자리에만 보완 눈을 정확히 부릅니다. 넓게는 가볍게, 필요한 데는 깊게. 이 완급 조절이 있어야 큰 사이트도 현실적인 시간 안에 끝까지 봅니다. 정직한 분업이 곧 실용적인 분업인 이유입니다.
본론 6 — 왜 한 눈으로는 안 되나
각 눈의 사각지대
이제 근본적인 질문입니다. 왜 굳이 눈이 네 개나 필요할까요. 한 가지로 다 보면 안 될까요. 안 됩니다. 각 눈에는 저마다 못 보는 사각지대가 있어서, 다른 눈이 그 자리를 메워야 하기 때문입니다.
구조(DOM)만 보면, 화면이 실제로 어떻게 보이는지를 못 봅니다. "이건 버튼이다"까지는 알아도, 그 버튼이 너무 작은지·색이 너무 흐린지·다른 요소와 겹쳤는지는 모릅니다. 그리고 구조를 안 지키고 만든 부품(이미지 버튼 등)은 아예 못 알아봅니다.
계산값(CSS)만 보면, 그 값이 "무엇의 값인지"를 못 봅니다. "여기 이런 색, 이런 크기"라는 수치는 알아도, 그게 버튼인지 제목인지 장식인지는 구조가 있어야 알고, 라벨이 있는지 없는지도 구조를 봐야 압니다.
이미지 글자(OCR)만으로는 화면의 극히 일부(그림 속 글자)밖에 못 보고, 애초에 이건 특수한 상황용 보완 눈이라 이걸 주력으로 삼을 수 없습니다.
생김새(시각 AI)만 보면, 겉모습은 알아도 그 뒤 구조가 어떤지·정확한 계산값이 얼마인지를 모르고, 확률적 판단이라 확실한 근거로 삼기엔 약합니다.
이렇게 넷 다 저마다 못 보는 데가 있습니다. 그래서 한 눈으로는 화면의 절반, 혹은 그 이하만 보입니다. 네 눈이 각자 자기 영역을 보고, 서로의 사각지대를 메워야 화면 전체가 잡힙니다.

경계에서 생기는 문제를 잡습니다
가장 중요한 건 "눈과 눈의 경계에서 생기는 문제"입니다. 웹 품질 문제의 상당수가 정확히 이 경계에 숨어 있습니다. 앞서 여러 번 나온 "화면엔 버튼처럼 보이는데 구조엔 이름이 없는 버튼"이 대표적입니다. 이건 구조(DOM)로 "이 자리에 라벨이 없다"를 확인하고, 시각(시각 AI)으로 "그런데 화면엔 버튼처럼 생긴 게 있다"를 확인해야, 두 정보를 겹쳐서 "화면엔 있는데 구조엔 이름이 없다"는 결론이 나옵니다. 한 눈만으로는 절대 못 잡습니다.
이런 장면을 사람 조직에 빗대면 이렇습니다. 디자인 담당자는 화면을 봅니다. "버튼 색 예쁘고 배치 깔끔하고, 통과." 개발 담당자는 코드를 봅니다. "구조 맞고 오류 없고, 통과." 둘 다 성실히 봤고 둘 다 이상 없음입니다. 그런데 그 버튼은 실은 이미지 위에 얹힌 장식일 뿐, 키보드로는 선택되지 않고 화면 낭독기는 아무것도 못 읽습니다. 화면만 본 사람도, 코드 조각만 본 사람도 이 사실에 도달하지 못했습니다. 두 정보가 만나는 지점을 아무도 안 봤기 때문입니다. 네 눈으로 보는 분석은 이 지점을 봅니다. 부서 사이 틈으로 새던 문제가, 한 번의 분석 안에서 메워집니다.
경계의 문제는 이 하나만이 아닙니다. 예를 들어 이미지 배너 안에 중요한 안내 문구를 그림으로 박아둔 경우를 봅시다. 구조 눈은 "여기 이미지가 하나 있다"까지만 알고 그 안의 글자는 못 읽습니다. 계산값 눈은 그 이미지의 크기와 위치는 재도 내용은 모릅니다. 이럴 때 OCR을 불러 그림 속 문구를 읽어내면, 비로소 "이 중요한 안내가 진짜 텍스트가 아니라 그림으로만 들어가 있어서 낭독기·검색엔진이 못 읽는다"는 결론이 섭니다. 구조·계산값·이미지 글자, 세 눈의 정보가 겹쳐야 나오는 판정입니다. 한 눈만으로는 "이미지가 있네"에서 멈추고 맙니다. 서로 다른 눈이 각자 조각을 대야 그림이 완성되는 것입니다.
교차하면 확신이 생깁니다
네 눈은 같은 문제를 다른 각도에서 확인해주기도 합니다. 예를 들어 대비 부족은 CSS 눈이 "대비 3.1 대 1"로 재고, 동시에 규칙 대조로 "기준 4.5 미달"로 판정합니다. 두 경로가 같은 곳을 가리키면 확신이 커집니다. 반대로 한 눈만 잡고 다른 눈은 애매하면, "좀 더 봐야 할 것"으로 분류합니다. 특히 보완 눈(시각 AI)이 채운 것은 기본 눈이 확정한 것보다 확신이 한 단계 낮으니, "확실한 것"과 "참고할 것"을 나눠서 다룹니다. 여러 눈의 결과를 교차하면, 어떤 게 확실한 문제이고 어떤 게 참고 사항인지가 저절로 갈립니다.
정리하면, 네 눈이 각자 자기 영역을 보고, 서로의 사각지대를 메우고, 경계의 문제를 함께 잡고, 결과를 교차해 확신도를 가른다 — 이 네 가지가 "왜 눈이 넷이나 필요한가"의 답입니다. 사람이 화면을 볼 때 무의식적으로 한꺼번에 하던 여러 판독을, 기계는 네 갈래로 나눠 각각 정밀하게 하고, 우선순위에 따라 합칩니다. 나눠서 하는 만큼 사람보다 정밀하고 일관되게 보되, 각 눈이 언제 필요한지는 정직하게 가려 씁니다.
그래서 ViewCheck는
ViewCheck의 URL 분석이 바로 이 네 눈으로 화면을 읽습니다. 화면을 실제 브라우저로 그려낸 뒤, 구조(DOM)와 계산값(CSS computed style)을 기본으로 함께 읽고, 이미지에 글자가 박혀 있거나 페이지 유형 판단이 필요하면 OCR을 보완으로 부르고, 구조로 못 채운 빈칸이나 구조가 못 보는 시각적 영역은 시각 AI로 메웁니다. 그렇게 읽어낸 정보가 KRDS 846규칙 대조로 이어져 통과·미통과·해당없음으로 판정됩니다. 위에서 본 실화면들이 그 결과입니다.
거창한 게 아니라, "사람이 한눈에 섞어 보던 걸 네 갈래로 나눠 정밀하게 읽는다"는 것입니다. 다만 그 넷을 매번 다 켜는 게 아니라, 기본 짝(구조·계산값)은 늘 읽고 보완 눈(이미지 글자·생김새)은 필요할 때 부른다는 점을 정직하게 지킵니다. 특히 OCR이 상시 단계가 아니라는 것, 시각 AI가 코드의 확정을 뒤집지 않고 빈칸만 확신 있게 채운다는 것 — 이 절제가 결과를 믿을 만하게 만드는 조건입니다. 강한 눈일수록 함부로 쓰지 않는 것이 오히려 신뢰의 바탕입니다.
이 네 눈으로 읽어낸 결과가 다음 단계로 넘어갑니다. 그 846규칙을 구체적으로 어떻게 판정하는지, 왜 어떤 규칙은 통과·미통과가 갈리고 어떤 규칙은 해당없음으로 남는지는 다음 달(3개월차) 846규칙 편에서 깊게 다룹니다. 그리고 해당없음으로 남은 빈칸을 어떻게 줄이고 채우느냐 — 시각 AI가 채우지 못한 자리를 판단 시점에서 어떻게 다루느냐 — 는 8개월차(LLM·해당없음 심화)에서 풀겠습니다. 오늘은 "화면을 어떻게 읽어내는가"라는 밑바탕까지입니다.
한 가지 더. 이 네 눈 중에 뒤의 둘(OCR·시각 AI)이 상황에 따라 켜진다는 건, 뒤집어 말하면 "필요 없는 페이지에서는 가볍게, 필요한 페이지에서는 깊게" 본다는 뜻이기도 합니다. 수십에서 수백 페이지를 훑을 때, 모든 페이지에 무거운 눈을 다 켜면 감당이 안 됩니다. 기본 짝으로 빠르게 훑되, 보완이 필요한 자리에서만 무거운 눈을 부르는 이 구조가 있어서, 규모가 큰 사이트도 현실적으로 분석할 수 있습니다. 정직한 분업이 곧 실용적인 분업이기도 한 셈입니다.
🔐 특허로 지키는 부분
ViewCheck가 출원한 다섯 건의 특허 가운데 하나가 시각 요소 분석 — 화면(스크린샷)에서 직접 UI 요소를 알아보고 측정하는 방법입니다. 오늘 본 네 눈 중에서도 계산값을 재는 눈(CSS computed style)과 생김새로 부품을 알아보는 눈(시각 AI)이 정확히 이 기술의 영역과 맞닿아 있습니다. 코드(구조)만으로는 못 보는 "화면 그 자체의 값과 생김새"를, 구조 읽기와 짝지어 정밀하게 분석하는 절차를 권리로 정리해 둔 것입니다. 말로는 "화면을 보고 잰다"로 간단해 보여도, 여러 화면 크기로 그려낸 실제 화면에서 계산값을 재고, 구조가 못 본 자리를 시각으로 확신 있게만 메우는 절차를 설계하고 지켜두었다는 것이 차별점입니다.
다만 분명히 해둘 게 있습니다. 특허는 "이런 방법으로 화면을 읽는다"는 절차를 보호하는 장치이지, 그 결과가 완벽하다는 품질 보증서가 아닙니다. 네 눈으로 읽은 게 다 확실한 판정인 것도 아닙니다. 보완 눈이 채운 것은 확신도가 한 단계 낮아 참고로 다루고, 애매하면 지어내지 않고 빈칸으로 남깁니다. 특허가 있다는 건 "이 접근을 진지하게 설계하고 지킨다"는 뜻이지, "그러니 무조건 믿으라"는 뜻이 아닙니다. 잘하는 것을 잘한다고 하고, 못 하는 것과 보류할 것을 정직하게 나누는 것 — 그게 오히려 오래 신뢰받는 길이라고 봅니다. (특허 출원 기술 / 자체 개발)
마무리
오늘은 화면을 읽는 네 가지 눈을 봤습니다. 구조를 읽는 눈(DOM), 실제 계산값을 재는 눈(CSS computed style), 이미지 속 글자를 읽는 눈(OCR), 생김새로 부품을 알아보는 눈(시각 AI). 같은 화면이라도 이 네 눈으로 다르게 읽으면 각각 다른 정보가 나옵니다. 구조는 라벨과 제목 골격을, 계산값은 색·크기·간격을, 이미지 글자는 그림 속 문구를, 생김새는 표준 밖으로 만든 부품을 잡습니다. 한 눈으로는 절반만 보이니, 넷이 각자 보고 서로 사각지대를 메우고 경계의 문제를 함께 잡습니다.
가장 강조하고 싶은 건 "각 눈이 언제 켜지느냐"의 정직함입니다. 이 정직함이 없으면, 결과가 아무리 화려해도 "왜 그렇게 나왔는지"를 설명하지 못해 결국 믿을 수 없는 분석이 됩니다. 구조와 계산값은 매번 함께 읽는 기본 짝입니다. 반면 OCR은 이미지에 글자가 박혀 있거나 페이지 유형 판단이 필요할 때만 부르는 보완 수단이고, 결코 상시 도는 단계가 아닙니다. 시각 AI 역시 구조가 못 채운 빈칸을 메울 때, 그것도 코드의 확정을 뒤집지 않고 확신 있을 때만 근거를 남기며 부르는 보완 눈입니다. "네 눈이 매번 동시에 다 켜진다"가 아니라, "기본 짝은 늘, 보완 눈은 필요할 때"가 정확한 그림입니다.
한 줄로 줄이면, 화면을 읽는 데는 네 가지 눈이 있고, 각 눈은 자기가 필요한 자리에서 켜집니다. 구조로 골격을, 계산값으로 시각 값을, 이미지 글자로 그림 속 문구를, 생김새로 표준 밖 부품을. 앞의 둘은 늘, 뒤의 둘은 필요할 때. 넷이 각자 보고, 우선순위에 따라 합치고, 교차해 확신을 가려야 화면의 여러 문제가 빠짐없이, 그러나 과장 없이 잡힙니다. 이 네 눈으로 읽어낸 것이 다음 단계인 846규칙 판정의 재료가 됩니다. 오늘도 끝까지 읽어주셔서 고맙습니다. 수요일에는 이 눈들이 실제 화면에서 어떻게 서로 다른 결과를 내는지, 구체적인 사례로 이어가겠습니다.
krds.viewcheck.co.kr
관련 글
위반에도 급이 있다 — 같은 '미통과'라도 심각함은 하늘과 땅 차이입니다
지난달(3개월차) 마지막 무렵에 임원 보고 이야기를 하면서, 우선순위 4분면을 잠깐 봤습니다. '영향'과 '효율' 두 축으로 "무엇부터 고칠까"를 정한다는 이야기였죠. 이번 달은 그중 '영향' 축을 본격적으로 깊이 파고듭니다. 이번 달부터 시작되는 새 챕터입니다. 지난 세 달이 "무엇을 어떻게 보는가(방법·규칙·준수율)"
임원 보고, 이렇게 구성합니다 — 섹션 구성과 우선순위 제시법
이번 주 세 번째 글이자, 3개월차의 마지막 글입니다. 이번 주 월요일엔 "준수율을 의사결정의 언어로 옮기는 일"을, 수요일엔 "분석 결과를 날것 그대로 들고 갔다가 회의가 막히는 이유"를 함께 봤습니다. 오늘은 그 둘을 실제 보고서 한 장으로 조립하는, 가장 실무적인 이야기입니다. 임원 보고를 어떤 섹션으로 짜고, 그
"실무용을 그대로 보고?" — 날것의 함정, 그리고 층으로 차리는 법
지난 월요일에 준수율을 의사결정의 언어로 옮기는 임원 보고 이야기를 드렸습니다. 오늘은 그걸 거꾸로 뒤집어 보려 합니다. 번역 없이 실무용 리포트를 그대로 임원에게 들고 갔을 때, 회의실에서 무슨 일이 벌어지는지를요. 이런 장면, 한 번쯤 보셨거나 직접 겪으셨을 겁니다. 실무자가 점검 결과를 정말 열심히 분석했습니다. 8

댓글 0
댓글을 불러오는 중…