Extrakce dat z dokumentů
anglicky data extraction
Extrakce dat z dokumentů je vytažení konkrétních údajů z faktur, smluv, nabídek nebo PDF (položky, částky, termíny) do tabulky se stejnými sloupci pro každý dokument.
Proč to manažera zajímá
Velká část firemních informací leží v dokumentech, které nejde sečíst ani seřadit – jsou to nestrukturovaná data. Ruční přepisování desítek nabídek nebo faktur do excelu zabere dny a únava v něm dělá chyby. AI tu práci zvládne rychle, ale jen tehdy, když jí řeknete, které údaje chcete a co dělat, když chybí.
Jak to vypadá v praxi
Nákupčí má ve složce čtyřicet PDF nabídek dodavatelů. V Claude Code zadá hromadnou operaci: nejdřív navrhnout postup a nic neměnit, po schválení z každé nabídky vytáhnout dodavatele, cenu bez DPH, dodací lhůtu a splatnost do tabulky nabidky.csv, jeden řádek na soubor. Kde údaj chybí, napsat „neuvedeno“, a na konci vypsat soubory, které nešly přečíst. Pro pár dokumentů stačí nahrát je do konverzace v Claude. Víc v článku Claude, nebo Claude Code?
Na co si dát pozor
- Zakažte odhady. Prázdná buňka je lepší než vymyšlená částka (halucinace).
- Než tabulku použijete, porovnejte několik řádků s originály (kontrola vzorkem).
Podrobně v článku
Související pojmy
- Strukturovaná a nestrukturovaná data
Strukturovaná a nestrukturovaná data jsou dva druhy firemních informací. Strukturovaná mají pevné řádky a sloupce (tabulky, databáze), nestrukturovaná jsou volný text a dokumenty jako e-maily, smlouvy nebo PDF.
- Hromadná operace
Hromadná operace je jedno zadání, které AI provede nad desítkami nebo stovkami souborů podle stejného pravidla, třeba přejmenování, vytažení údajů do tabulky nebo sjednocení formátu. Typický první úkol pro Claude Code.
- Claude Code
Claude Code je agentní nástroj od Anthropic, který čte a upravuje soubory projektu, spouští příkazy a pracuje s gitem, takže výsledek odevzdá jako změnu v souborech, ne jako text v chatu. Neprogramátor ho zvládne, musí ale rozumět složkám a schvalovat akce.
- Halucinace
Halucinace je sebejistě podaná, ale nepravdivá nebo vymyšlená informace v odpovědi AI, třeba neexistující zdroj, špatné číslo nebo smyšlený paragraf. Omezují ji zdroje v zadání, vyhledávání a kontrola výstupu.
- Kontrola vzorkem
Kontrola vzorkem je způsob ověřování výstupů AI, kdy místo kontroly všeho pravidelně projdete náhodně vybranou část. Hodí se pro opakované úlohy a agenty, které se už osvědčily.
- Přepis a zápis z porady
Přepis a zápis z porady jsou dva kroky zpracování jednání. Z nahrávky vznikne doslovný přepis, z přepisu nebo poznámek pak strukturovaný zápis s rozhodnutími, úkoly a otevřenými otázkami.
Kde to učíme
V kurzu Masterclass: Claude pro byznys na to navazuje modul 2: Byznys aplikace: marketing, e-commerce, nákup, řízení. Na reálných úlohách z vaší firmy, česky a bez technického zázemí.
Prohlédnout moduly kurzu