Případy využití Document AI
Na této stránce
Aktualizace 2. listopadu 2026 — OCR. Verze OCR 4.0 (
mistral-ocr-4-0) byla 30. září 2026 vyřazena z provozu. Používej OCR 4.1 (mistral-ocr-4-1), které je obecně dostupné od 31. srpna za stejnou cenu, nebo aliasmistral-ocr-latest, který na něj odkazuje od 16. července. OCR 4.1 přidává skóre spolehlivosti na úrovni bloků.
Reálné aplikace napříč odvětvími
Document AI dělá více než jen extrahuje text. Kombinace OCR + Anotace + QnA činí tuto službu cennou, protože pokrývá celý životní cyklus dokumentu, od jeho přijetí až po využití. Tato lekce prochází nejčastějšími případy využití podle odvětví a uvádí, které služby se v každém kroku používají. Toto rozlišení je důležité hned na začátku, protože každá přidaná služba zvyšuje náklady a latenci.
| Odvětví | Případ využití | Použité služby |
|---|---|---|
| Finance a bankovnictví | Automatizované KYC, extrakce výpisů, compliance | OCR + Anotace |
| Zdravotnictví | Zdravotní záznamy, rukopisné recepty, lékařské zprávy | OCR + Anotace + QnA |
| Právo | Analýza smluv, extrakce klauzulí, due diligence | OCR + QnA |
| Pojišťovnictví | Vyřizování pojistných událostí, prohlášení | OCR + Anotace |
| Logistika | Dodací listy, celní dokumenty, skladové kontrolní listy | OCR + Anotace |
| Účetnictví | Faktury od dodavatelů, výkazy výdajů, bankovní reconciliace | OCR + Anotace |
| Veřejný sektor | Digitalizace archivů, administrativní formuláře | OCR |
| Výroba | Technické datové listy, certifikáty kvality, inspekční zprávy | OCR + QnA |
Finance a bankovnictví: Automatizované KYC
Onboarding zákazníků je nejžádanějším případem využití, protože je repetitivní, regulovaný a časově náročný. Proces Know Your Customer (KYC) vždy následuje stejnou sekvenci:
- Skenování dokladů totožnosti: Pas, občanský průkaz, řidičský průkaz
- Extrakce pomocí OCR: Jméno, příjmení, datum narození, číslo dokladu
- Strukturované anotace: Validace polí prostřednictvím schématu Pydantic
- Křížová verifikace: Automatické porovnání s interními databázemi
- Obohacená archivace: Dokument je indexován a lze se na něj dotazovat pomocí QnA
To, co dříve zabralo pracovníkovi compliance několik hodin, nyní trvá sekundy na soubor. Agent zasahuje pouze v případech označených jako podezřelé.
Zdravotnictví: Zdravotní záznamy a recepty
Zdravotnický sektor generuje obrovské objemy dokumentů, z nichž velká část je stále psána rukou. Rukopisný recept, často považovaný za nečitelný, je správně přepsán, i když lékař kombinuje latinské termíny s místním jazykem. Formuláře s zaškrtávacími políčky, které byly dlouhou dobu noční můrou tradičních OCR engineů, mají své boolean odpovědi extrahovány s pozoruhodnou přesností. U lékařských zpráv model identifikuje totožnost pacienta, diagnózu a předepsané léky.
Jedno chování si zaslouží zdůraznění, protože určuje, jak moc můžeš systému věřit: pokud v dokumentu chybí pole – například neuvedené telefonní číslo – model tuto nepřítomnost nahlásí, místo aby vymyslel pravděpodobnou hodnotu. To je přesný opak reflexu modelu obecného účelu a právě to činí extrakci použitelnou bez systematické lidské kontroly.
Právo: Analýza smluv ve velkém měřítku
Advokátní kanceláře a právní oddělení primárně využívají extrakci klauzulí a QnA. První případ využití zahrnuje automatickou identifikaci vypovídacích, konkurenčních nebo mlčenlivostních klauzulí v rámci korpusu, čímž se manuální revize mění na asistovanou triáž. Druhý případ vyniká během due diligence: když akvizice zahrnuje stovky smluv, dotazuješ se na korpus v přirozeném jazyce, místo abys četl vše od začátku do konce, a detailně reviewješ pouze dokumenty vyhledané vyhledáváním.
Účetnictví: Zpracování faktur
Toto je nejzralejší případ využití a často první, který je nasazen. Všechno se točí kolem schématu Pydantic, které přesně popisuje, co chceš získat:
from pydantic import BaseModel, Field
class Invoice(BaseModel):
vendor: str = Field(..., description="Vendor name")
invoice_number: str = Field(..., description="Invoice number")
date: str = Field(..., description="Invoice date in YYYY-MM-DD format")
amount_excl_tax: float = Field(..., description="Amount excluding tax in euros")
amount_incl_tax: float = Field(..., description="Amount including tax in euros")
vat_amount: float = Field(..., description="VAT amount in euros")
Když je toto schéma předáno API pro anotace, extrahuje pole z každé naskenované faktury bez nutnosti jakékoli předchozí konfigurace šablon faktur dodavatelů. Všimni si péče věnované popisům a typování: tím říkáš modelu, že částka musí být vrácena jako číslo a datum ve formátu YYYY-MM-DD, nikoli ve formě, v jaké se nachází na papíře.
Logistika, archivy a veřejný sektor
V logistice se tisíce dodacích listů, konosamentů a celních dokumentů zpracovávaných denně hodí pro automatickou extrakci informací o odesílateli a příjemci, čtení čárových kódů a sledovacích čísel přítomných na obrázcích a digitalizaci skladových kontrolních listů vyplněných rukou na často pomačkaných médiích.
Digitalizace archivů je speciální případ. Dokumenty zde jsou staré, někdy ve špatném stavu, psané rukopisem z 19. nebo 20. století, s typografií a formulacemi, které se již nepoužívají. OCR 4 si s nimi poradí lépe než tradiční OCR enginy díky svému vizuálnímu porozumění, ale buď realistický ohledně limitů: přesnost klesá u vážně poškozených položek a jakýkoli seriózní archivní projekt vždy zahrnuje fázi lidské revize.
Standardní produkční workflow
Bez ohledu na odvětví vypadá pipeline podobně: ingestování dokumentu prostřednictvím skenu, uploadu nebo e-mailu; OCR pro extrakci textu a struktury pomocí mistral-ocr-latest; anotace pro získání strukturovaných dat podle tvého obchodního schématu; indexování obohaceného Markdownu do vektorové nebo SQL databáze; a následně využití prostřednictvím vyhledávání, QnA, reportingu nebo automatizace workflow. Pokud navrhuješ projekt, načrtni si těchto pět kroků před napsáním jediného řádku kódu: určují, kde ukládáš data, co přehraješ v případě chyby a za co účtuješ.
Klíčové poznatky
- Document AI se aplikuje na každé odvětví, které pracuje s dokumenty
- Standardní workflow je: ingestování, OCR, anotace, indexování, využití
- Anotace Pydantic ti umožní extrahovat přesně ta data, která potřebuješ
- QnA ti umožňuje dotazovat se na dokumenty v přirozeném jazyce po indexování
- Kombinace všech tří služeb vytváří komplexní řešení pro práci s dokumenty od začátku do konce