Obsah článku
- Prečítané znaky ešte neznamenajú správnu tabuľku
- Kde presne sa väzba rozbíja
- Neškodná vzorka: fiktívny cenník na tri produkty
- Test krok za krokom
- Čo si pripravíte pre špecialistu
- Kde je hranica samostatného riešenia
- Časté otázky
- Stalo sa nám to raz – treba to hneď riešiť?
- Nepomôže jednoducho lepšie OCR?
- Prečo AI „vymyslelo” číslo z iného riadku?
- Zvládnem test aj bez programovania?
- Môžem test rovno urobiť na našich reálnych faktúrach?
- Zdroje a hranice postupu
Potrebujete z cenníka v PDF jednu jedinú hodnotu: koľko stojí montáž police na bežný meter. Opýtate sa AI asistenta, ten spoľahlivo nájde správny dokument, cituje stránku, označí odpoveď za overenú – a dostanete cenu, ktorá v tabuľke stojí o riadok nižšie a navyše platí za kus, nie za meter. Číslo v dokumente reálne existuje, znaky sú prečítané bez jedinej chyby, a predsa je odpoveď nepoužiteľná. Toto nie je klasická halucinácia vymyslenej hodnoty, môže ísť o tichú chybu vo väzbe bunky tabuľky na jej riadok, stĺpec, jednotku a záhlavie. A práve tá sa dá bezpečne otestovať na vymyslenej vzorke, ešte predtým, než sa systém pustí do reálnych dokumentov.
Prečítané znaky ešte neznamenajú správnu tabuľku
Táto chyba má jednu zákernú vlastnosť: bežná kontrola „prečítalo to čísla správne” ju neodhalí. OCR vrstva môže všetky znaky prečítať správne, a pritom sa tabuľková štruktúra – ktorá bunka patrí do ktorého riadka a pod ktoré záhlavie – rozpadne. Microsoft v dokumentácii modelu Layout v Document Intelligence ukazuje, že tabuľka sa vo výstupe opisuje samostatne od textu: každá bunka má index riadka a stĺpca, prípadné rozpätie cez viac stĺpcov, druh (napríklad hlavička stĺpca) a polohu na strane. Správne prečítaný text preto sám osebe nedokazuje, že bunka dostala správny riadok a stĺpec – to je samostatná vrstva, ktorú treba kontrolovať.
Prakticky to znamená, že odpoveď systému „našiel som to na strane 3” nehovorí nič o tom, či suma bola pripojená k správnemu riadku. Kontrola musí smerovať do štruktúry: do indexov riadkov a stĺpcov a do súradníc buniek, nie len do prečítaného textu.
Kde presne sa väzba rozbíja
Tvar chybnej odpovede pomôže vybrať, ktoré vrstvy preveriť. Sám ešte neurčuje, kde chyba vznikla. Najprv sa preto pozrite na to, čo konkrétne systém povedal, a až potom na to, prečo.
| Príznak v odpovedi | Čo preveriť | Prvá kontrola |
|---|---|---|
| Číslo existuje, ale v susednom riadku | väzba bunky na riadok | index riadka a jeho súradnice |
| Správny riadok, zlý stĺpec (s/bez DPH) | väzba na stĺpec a hlavičku | dvojúrovňová hlavička tabuľky |
| Správna suma, zlá jednotka (ks, m, m²) | väzba bunky na stĺpec jednotky | stĺpec s jednotkami |
| Číslo v odpovedi v tabuľke vôbec nie je | extrakcia alebo vyhľadávanie | porovnanie s pôvodnou stránkou |
Rozdelenie má zmysel aj pre odovzdanie: špecialista potrebuje vedieť, či rieši riadky, stĺpce alebo niečo úplne iné. Treba však povedať aj opak – z jediného príznaku nevyplýva istá diagnóza. Uvedené tvary sú typové oblasti, ktoré overuje test, nie rozsudok nad systémom.
Neškodná vzorka: fiktívny cenník na tri produkty
Pripravte si malý, úplne vymyslený cenník, ktorý môžete kedykoľvek zverejniť alebo zahodiť. Tri produkty stačia. Kľúčové je, že musí obsahovať pasáže, kde sa väzby môžu stratiť aj v reálnych dokumentoch: dva cenové stĺpce (napríklad „bez DPH” a „s DPH”), rôzne jednotky (kus, bežný meter, m²) a dvojúrovňovú hlavičku – horný riadok s nadpisom „Cena”, ktorý sa týka oboch cenových stĺpcov, a pod ním hlavičky „bez DPH” a „s DPH” vedľa stĺpcov „Položka” a „Jednotka”.
Napíšte si zoznam odpovedí dopredu, ešte pred akýmkoľvek testom: ktorý produkt má akú cenu v ktorom stĺpci a v akej jednotke. Tento „zlatý kľúč” je najdôležitejší artefakt celého testu, pretože ho nesmie ovplyvniť žiadny výstup systému. Na test použite výhradne tento fiktívny cenník – žiadne faktúry, zmluvy ani zákaznícke dáta. Vzorový dokument si môžete vyrobiť v akomkoľvek tabuľkovom editore a vyexportovať ako PDF; ak chcete otestovať aj horší vstup, pridajte druhú verziu, ktorú vytlačíte a odfotíte.
Test krok za krokom
- Vygenerujte vzorový PDF a uložte si ho v nezmeniteľnej podobe spolu s napísaným zoznamom správnych odpovedí.
- Spýtajte sa systému cieľovo na jednu hodnotu z prostredného riadka – napríklad cenu druhého produktu v stĺpci „s DPH”. Zahrňte aj otázky na prvý a posledný riadok; polohu hodnoty porovnávajte s ručne vytvoreným kľúčom.
- Porovnajte odpoveď so zoznamom a s pôvodnou stránkou. Otvorte si PDF v prehliadači a kontrolujte vizuálne pôvodnú bunku, nie len odpoveď systému.
- Prekopírujte text tabuľky priamo z prehliadača PDF do textového editora. Tým overíte textovú vrstvu tohto PDF, nie nevyhnutne OCR alebo extrakciu použitého systému. Ak máte prístup k jeho skutočnému výstupu, porovnajte aj ten. Zhodné znaky samy nepotvrdzujú správne priradenie buniek.
- Ak máte prístup k výstupu extrakcie (typicky JSON s bunkami, indexmi riadka a stĺpca a súradnicami), nájdite bunku s hodnotou z odpovede a overte dve veci: jej index riadka oproti indexu riadka produktu, o ktorý ste sa pýtali, a jej priradenie k stĺpcu hlavičky „s DPH”.
- Zopakujte otázku v inej formulácii. Ak systém nájde ten istý dokument a znovu priradí hodnotu k tomu istému nesprávnemu riadku, máte ďalšie zdokumentované pozorovanie nesprávnej odpovede; vrstvu príčiny ešte treba overiť.
- Otestujte jednu otázku na zlúčenú hlavičku – ktorá suma patrí pod „s DPH” – a overte, či sa odpoveď viaže na správny stĺpec, nielen na správny riadok.
Čo očakávať a čo znamenajú iné výsledky: odpoveď s hodnotou zo susedného riadka ukazuje na problém väzby riadkov; hodnota zo správneho riadka, ale opačného cenového stĺpca, ukazuje na hlavičku alebo zlúčené bunky; hodnota správna textovo, ale s nesprávnou jednotkou (kus namiesto metra), ukazuje na preklopenie stĺpcov; hodnota, ktorá v tabuľke vôbec neexistuje, smeruje skôr k vyhľadávaniu dokumentu alebo k inej vrstve riešenia. Pozor, opakovaný úspech testu ešte neznamená bezpečný systém – znamená len, že na tejto vzorke chyba neprebehla.
Kedy prestať: hneď ako máte jeden alebo dva jasne zdokumentované prípady chybného priradenia, test ukončite. Nevytvárajte desiatky otázok „ešte raz, nech si to overím”, nemeňte nastavenia systému len preto, aby vyšiel iný výsledok, a nesnažte sa problém obísť zásahmi do konfigurácie či dát, ktorým nerozumiete. Cieľom testu je dôkaz, nie oprava na diaľku.
Čo si pripravíte pre špecialistu
Odovzdanie bude omnoho rýchlejšie, ak priložíte konkrétne artefakty namiesto popisu. Kto bude riešenie skúmať, mal by dostať:
- pôvodný vzorový PDF v nezmenenej podobe, spolu s verziou, ktorá prešla systémom;
- zoznam správnych odpovedí, napísaný pred testom;
- presné znenia otázok a odpovedí vrátane označenia, o ktorú otázku ide, v poradí, ako boli kladené;
- výstup extrakcie – JSON alebo export štruktúry tabuľky s indexmi riadkov a stĺpcov a súradnicami buniek, ak ho vaše riešenie poskytuje;
- snímku pôvodnej strany s ručne vyznačenou bunkou, ktorá mala byť odpoveďou, a bunkou, z ktorej odpoveď reálne prišla;
- stručnú poznámku, či sa text prekopírovaný z PDF zhodoval s pôvodným (ide o porovnanie textovej vrstvy PDF, nie automatický verdikt o OCR použitého riešenia);
- označenie verzie nástroja a modelu, ktoré vaše riešenie používa, ak viete, kde ju nájsť.
Pred zdieľaním skontrolujte celý balík vrátane logov a názvov ciest. Fiktívny obsah znižuje riziko úniku zákazníckych dát, nie je však zárukou, že export neobsahuje iné citlivé údaje.
Kde je hranica samostatného riešenia
Základný test nevyžaduje programovanie: stačí pripraviť malý cenník a ručne overiť odpovede. Za týmto bodom už samostatnosť končí: oprava väzby buniek môže vyžadovať zásah do konfigurácie riešenia, do spôsobu, akým sa štruktúra tabuľky odovzdáva ďalej, alebo do vyhľadávacej vrstvy – a tieto zásahy môžu ovplyvniť aj iné dokumenty a procesy. Nevhodný zásah do fungujúceho riešenia môže pokaziť to, čo doteraz fungovalo. Ak teda test opakovane preukáže chybné priradenie bunky k riadku, stĺpcu alebo jednotke, odovzdajte dokumentáciu špecialistovi a s produkčnými dokumentmi pracujte dovtedy ručne, kým nie je príčina odstránená.
Časté otázky
Stalo sa nám to raz – treba to hneď riešiť?
Jedna chybná odpoveď nie je diagnóza, ale je to dôvod na test. Namiesto opakovania rovnakej otázky nad reálnym dokumentom si pripravte vzorový cenník a prejdite postupom vyššie. Buď získate opakovateľný dôkaz, alebo získate istotu, že na tejto vzorke je väzba v poriadku – a s ňou aj predstavu, kde problém hľadať ďalej.
Nepomôže jednoducho lepšie OCR?
Záleží na tom, kde chyba vznikla. Celý bod testu je v tom, že rozpoznanie znakov a zostavenie tabuľkovej štruktúry sú dve odlišné veci – znaky môžu byť prečítané bez chyby, a predsa hodnota skončí v nesprávnom riadku. Text skopírovaný z pôvodného PDF nemusí byť tým istým výstupom, ktorý použil systém. Najprv porovnajte skutočnú extrakciu znakov aj tabuľkovej štruktúry; až potom rozhodujte o zmene nástroja.
Prečo AI „vymyslelo” číslo z iného riadku?
Ak číslo skutočne nájdete v inom riadku, môže ísť o chybné priradenie, nie o úplne vymyslenú hodnotu. Samotná zhoda čísla však neurčuje mechanizmus chyby. Preto je taká odpoveď presvedčivá – obsahuje správny dokument, správne vyzerajúcu sumu a často aj správnu stránku. Práve preto treba odpovede z tabuliek overovať proti pôvodnej bunke, nielen proti dokumentu.
Zvládnem test aj bez programovania?
Áno, základnú časť. Porovnanie odpovede s pôvodnou stranou, kontrola prekopírovaného textu a opakovanie otázky v inej formulácii si nevyžadujú nič technickejšieho než PDF prehliadač. Práca s JSON výstupom extrakcie je už náročnejšia – ak nemáte prístup k tomuto výstupu alebo mu nerozumiete, odovzdajte špecialistovi aspoň zvyšok balíčka.
Môžem test rovno urobiť na našich reálnych faktúrach?
Pre tento prvý test použite vymyslené údaje bez väzby na skutočných zákazníkov a dodávateľov. Reálne dokumenty patria až do samostatne schváleného overenia s pravidlami ochrany dát a ručne overenými očakávanými odpoveďami. Neodosielajte ich do neprevereného verejného asistenta.
Ak vám podobný test preukázal chybné priradenie hodnôt v tabuľkách PDF a chcete to riešiť odborne, napíšte nám cez kontakt s krátkym popisom a fiktívnou ukážkou. Spôsob bezpečného odovzdania ďalších podkladov dohodneme podľa ich obsahu.
Zdroje a hranice postupu
Dokumentácia overená 4. októbra 2026. Presný postup sa môže líšiť podľa verzie a konfigurácie; pri nejasnostiach chráňte pôvodné dáta a overte podmienky konkrétneho systému.