Siirry pääsisältöön
Suomi— Valitse kieli
Valikko

Johdanto Document AI:hon ja älykkääseen OCR:ään

Oppitunti 9 / 14 Päivitetty 2. marraskuuta 2026 Aloittelija
Tällä sivulla
  1. Paljon enemmän kuin pelkkä asiakirjanlukija
  2. Miksi perinteinen OCR ei riittänyt
  3. OCR 3 lukuina
  4. Miten se eroaa Viben Näkökyvystä?
  5. Keskeiset asiat

Päivitys 2. marraskuuta 2026 — Le Chatista tulee Vibe. 28. toukokuuta 2026 lähtien Le Chat on uudelleenbrändätty nimelle Vibe (osoitteessa chat.mistral.ai): yksi agentti työhön ja koodaukseen, joka säilyttää keskustelusi, asetuksesi ja tilauksesi. Vanha Le Chat -kokemus on edelleen käytettävissä Chat-tilassa; Work-tilassa agenteista on tullut taitoja (kutsutaan merkillä @), muistit muodostavat tietopohjan ja syvähaku on nyt Deep Research -taito. Suunnitelmat ovat nyt nimeltään Mistral Free, Pro, Team ja Enterprise. Tässä oppitunnissa käytetään nimeä Vibe; jotkin tässä kuvatut valikot voivat olla muuttaneet nimeään tai sijaintiaan.

Paljon enemmän kuin pelkkä asiakirjanlukija

Näit Näkökyky-osiossa, että Vibe osaa lukea tekstiä kuvasta. Mutta kun kyse on monimutkaisten asiakirjojen käsittelystä – monisivuisesta PDF-tiedostosta, skannatusta lomakkeesta tai rahoitusraportista, joka on täynnä sisäkkäisiä taulukoita – tarvitset erikoistyökalun. Juuri sitä Mistralin Document AI tarjoaa, ja sen voimanlähteenä on OCR 3 -moottori. Tämä oppitunti luo perustan koko osiolle: ymmärrät, mitä OCR on, kuinka Mistralin lähestymistapa eroaa perinteisistä ratkaisuista ja ennen kaikkea milloin sitä kannattaa käyttää Näkökyvyn sijaan.

OCR tarkoittaa optista merkkien tunnistusta (Optical Character Recognition). Se on teknologia, joka muuntaa tekstiä sisältävän kuvan – olipa kyseessä skannaus, valokuva tai kuvapohjainen PDF – käyttökelpoiseksi digitaaliseksi tekstiksi: tekstiksi, jonka voit kopioida, hakea tai analysoida kuin minkä tahansa alun perin digitaalisena syntyneen asiakirjan. Kyse on arkisista haasteista: ajattele vaikka laskua, jonka kollega lähetti valokuvana, tai kymmenen vuotta sitten skannattua sopimusta, josta sinun täytyy löytää tietty ehto. Ilman OCR:ää nämä asiakirjat ovat mykkiä kuvia.

Miksi perinteinen OCR ei riittänyt

OCR-teknologiaa on ollut olemassa vuosikymmeniä, mutta perinteiset ratkaisut – joista tunnetuin esimerkki on Tesseract – kärsivät merkittävistä rajoituksista, jotka jokainen asiakirjoja skannannut tuntee hyvin. Asettelu katosi: teksti tuli sekaisin ignoroiden asiakirjan rakenteen, muuttaen huolellisesti järjestellyn raportin kappaleiden sotkuksi. Taulukot ignoroitiin, sarakkeet ja rivit menivät sekaisin siinä määrin, että datasta tuli käyttökelvotonta. Käsialan lukeminen pysyi lähes mahdottomana. Monikieliset asiakirjat tuottivat heikkoja tuloksia heti, kun siirryttiin englannin kielen ulkopuolelle. Ja tekstiin upotetut kuvat – kaaviot, diagrammit – ignoroitiin täysin.

Mistralin OCR 3 -moottori muuttaa pelin täysin, ja syy piilee sen arkkitehtuurissa. Perinteisten merkkien tunnistustekniikoiden sijaan se luottaa multimodaaliseen kielimalliin (VLM), joka on erityisesti koulutettu ymmärtämään asiakirjoja. Ero on perustavanlaatuinen: perinteinen OCR tunnistaa yksittäisiä merkkejä ja yrittää koota niistä sanoja, ikään kuin joku purkaisi kirjain kerrallaan ymmärtämättä lausetta. Mistralin tekoälypohjainen OCR sen sijaan ymmärtää asiakirjan kokonaisuutena – sen rakenteen, sisällön ja kontekstin. Kohdatessaan osittain pyyhkiytyneen sanan se pystyy päättelemään sen kontekstista, aivan kuten ihmislukija tekisi.

Käytännössä Document AI poimii tekstiä PDF-tiedostoista, kuvista ja skannatuista asiakirjoista säilyttäen alkuperäisen asettelun. Se rekonstruoi taulukot otsikoineen, sarakkeineen ja datoineen tuottaen siistiä Markdownia. Se lukee käsialaa – lääkärin muistiinpanoja, käsin täytettyjä lomakkeita, marginaalimerkintöjä. Se käsittelee monikielisiä asiakirjoja suurella tarkkuudella useilla kielillä, kuvailee asiakirjassa olevia kuvia ja kaavioita tuottamalla niihin tekstikuvaukset ja ymmärtää kontekstin niin hyvin, että pystyy vastaamaan sisällöstä esitettyihin kysymyksiin.

OCR 3 lukuina

Suorituskyvyltään moottori tarjoaa huipputason tarkkuuden tekstin tunnistuksen, käsialan ja taulukoiden vertailutesteissä. Se käsittelee jopa 2 000 sivua minuutissa yhdellä GPU-yksiköllä – mikä riittää kokonaisten arkistojen syöttämiseen. Se hyväksyy useita formaatteja: PDF, Word, skannatut kuvat ja eri laatuiset valokuvat. Ja sen tuloste on jäsennelty: tulos on siistiä Markdownia, jossa kuvat on viitattu, eikä raakatekstiä, joka vaatisi jälkikäsittelyä.

Miten se eroaa Viben Näkökyvystä?

Saatat kysyä: “Miksi en vain lataisi PDF-tiedostoani Vibeen ja käyttäisi Näkökykyä?” Se on perusteltu kysymys, ja vastaus määrittää koko työnkulkuasi. Viben Näkökyky, jota käsiteltiin tämän kurssin ensimmäisessä osiossa, sopii täydellisesti yksittäisen erillisen kuvan analysointiin – valokuvaan, kaavioon, kuvakaappaukseen. Mutta monisivuisille asiakirjoille, joissa on monimutkainen asettelu, Document AI tarjoaa ratkaisevia etuja: sivu kerrallaan tapahtuva käsittely koko asiakirjan rakenteen rekonstruoinnilla, alkuperäistä uskollisesti seuraava taulukoiden ekstraktio eikä pelkkä approksimaatio, annotaatiot ja metadata, jotka voit pyytää eksplisiittisesti – tekijä, päivämäärä, summat – sekä aitokin kysymys-vastaus-toiminnallisuus pitkien asiakirjojen sisällöstä.

Muista tämä nyrkkisääntö: yksittäiseen tekstiä sisältävään kuvaan Näkökyky riittää; monisivuiseen asiakirjaan, jota haluat analysoida perusteellisesti, mobilisoi Document AI. Lakimies, joka valokuvaa ehtoa saadakseen sen selitetyksi, käyttää Näkökykyä; sama lakimies, joka lataa koko 40-sivuisen sopimuksen velvoitteiden auditoimiseksi, käyttää Document AI:ta.

Tämän osion seuraavissa oppitunneissa opit lataamaan PDF-tiedoston Vibeen ja saamaan automaattisen ekstraktion, poimimaan jäsenneltyä dataa – taulukoita, otsikoita, lukuja – mistä tahansa asiakirjasta ja kysymään sitten asiakirjan sisällöstä saadaksesi tarkkoja vastauksia.

Keskeiset asiat

  • Document AI on Mistralin ratkaisu älykkääseen asiakirjojen käsittelyyn, ja sen voimanlähteenä on OCR 3
  • Toisin kuin perinteinen OCR, OCR 3 ymmärtää asiakirjan rakenteen ja kontekstin
  • Se hallitsee taulukot, käsialan, monikieliset asiakirjat ja upotetut kuvat
  • Käytä yksinkertaiseen kuvaan Näkökykyä; monimutkaiseen asiakirjaan Document AI:ta
  • Käsittely on nopeaa: jopa 2 000 sivua minuutissa