Preskoči na glavni sadržaj
Hrvatski— Odaberite jezik
Izbornik

Ekstrakcija strukturiranih podataka: tablice, zaglavlja i numerički podaci

Lekcija 11 od 14 Ažurirano 2. studenoga 2026. Početnik
Na ovoj stranici
  1. Od sirovih dokumenata do organiziranih podataka
  2. Tablice: Idealno područje primjene
  3. Zaglavlja, hijerarhija i struktura
  4. Numerički podaci, s kontekstom
  5. U praksi
  6. Ključne točke

Ažuriranje 2. studenoga 2026. — Le Chat postaje Vibe. Od 28. svibnja 2026., Le Chat je sada Vibe (i dalje na chat.mistral.ai): jedinstveni agent za posao i kodiranje koji prenosi tvoje razgovore, postavke i pretplate. Legacy iskustvo Le Chata ostaje dostupno u načinu Chat; u načinu Work, agenti su postali vještine (pozivaju se s @), memorije čine bazu znanja, a dubinsko pretraživanje je vještina Deep Research. Planovi se sada nazivaju Mistral Free, Pro, Team i Enterprise. Ova lekcija koristi naziv Vibe; neki izbornici opisani ovdje možda su promijenili nazive ili lokacije.

Od sirovih dokumenata do organiziranih podataka

Ekstrakcija teksta iz dokumenta je dobra. No, prava vrijednost pojavljuje se kada dobiješ strukturirane podatke: čiste tablice, identificirane brojke i klasificirana zaglavlja. To je razlika između primanja fotokopije financijskog izvještaja i primanja tog istog izvještaja u upotrebljivoj proračunskoj tablici. Mistralov Document AI izvrsno obavlja upravo taj zadatak: on ne čita samo tekst; on razumije strukturu dokumenta i vraća informacije u izravno upotrebljivom formatu.

Tablice: Idealno područje primjene

Tablice su svugdje u poslovnim dokumentima—financijski izvještaji, cjenici, rasporedi, rezultati istraživanja—a ovo je povijesno područje gdje je klasični OCR najviše podbacio, pretvarajući stupce i retke u kaos. Suprotno tome, OCR 3 engine obrađuje ih s iznimnom preciznošću. Kada učitaš dokument koji sadrži tablicu u Vibe, model prvo identificira granice tablice, čak i kada su suptilne ili obojene. Zatim prepoznaje zaglavlja i razlikuje ih od podataka, povezujući svaku ćeliju s njezinim stupcem i retkom. Čak se nosi i s teškim slučajevima: spojene ćelije, međuzbrojevi, fusnote—sve klasične zamke koje loše konvertirana proračunska tablica pretvara u tihe greške.

Da bi dobio upotrebljiv rezultat, učini navikom da u svom promptu specificiraš željeni format. „Izvuci tablicu sa stranice 3 u Markdown formatu“ daje ti tablicu čitljivu izravno u Vibeu; „Pretvori ovu tablicu u CSV kako bih je mogao zalijepiti u Excel“ priprema je za uvoz u proračunsku tablicu; „Izvuci samo stupac ‘Iznos’ i stupac ‘Datum’“ filtrira ono što ti treba već na izvoru. Markdown je često najpraktičniji format za svakodnevnu upotrebu: odmah čitljiv i jednostavan za kopiranje u druge alate.

Zaglavlja, hijerarhija i struktura

Osim tablica, Document AI može rekonstruirati hijerarhiju dokumenta: naslovi i podnaslovi identificirani su i klasificirani po razini (h1, h2, h3), odlomci su razlikovani jedni od drugih čak i bez vidljivih prijeloma redaka, nabrajanja s grafičkim oznakama ili brojevima ispravno su rekonstruirana, a fusnote su povezane sa svojim referencama. Ova mogućnost neprocjenjiva je pri radu s dugim izvještajima ili pravnim dokumentima, gdje struktura nosi jednako značenja koliko i tekst: znati da se klauzula nalazi u odjeljku „Jamstva“, a ne u „Ostalom“, mijenja njezino tumačenje.

Stoga možeš postavljati strukturne zahtjeve: „Daj mi sadržaj ovog dokumenta“, „Navedi sve naslove odjeljaka s njihovim brojevima stranica“ ili čak „Izvuci samo odlomke koji raspravljaju o jamstvima“—potonje kombinira strukturu i značenje.

Numerički podaci, s kontekstom

Financijski dokumenti, ponude, računi i izvještaji o aktivnostima puni su brojeva: financijski iznosi (prihodi, ukupni iznosi, PDV, popusti), datumi potpisa ili dospijeća, postoci udjela na tržištu ili marže te identifikatori poput brojeva računa, referenci kupaca ili OIB kodova. Ono što Document AI izdvaja jest to što on ne ekstrahira samo brojeve—on razumije njihov kontekst. Ako pitaš „Koji je godišnji prihod?“, on specifično traži broj povezan s tim konceptom, čak i ako je zakopan u tablici od 50 redaka. Klasični OCR dao bi ti pedeset neoznačenih brojeva; ovdje dobivaš onaj pravi.

Ovo razumijevanje omogućuje ti da odeš dalje od same ekstrakcije: možeš zatražiti izračune i provjere. „Je li zbroj stupca ‘Iznos bez PDV-a’ točan?“ natjera model da ponovno prebroji; „Koja je razlika između planiranih i stvarnih figura?“ unakrsno referencira dva stupca; „Koja stavka troška predstavlja najveći udio?“ pretvara tablicu u analizu.

Za napredne korisnike, JSON izvoz strukturira izlaz za tvoje alate: „Izvuci sljedeće informacije iz ovog računa u JSON formatu: broj, datum, iznos bez PDV-a, PDV, iznos s PDV-om, dobavljač“ ili „Stvori JSON objekt s podacima iz svakog retka tablice.“ Ovaj format je idealan ako podaci kasnije trebaju napajati proračunsku tablicu, bazu podataka ili drugi softver.

U praksi

Vidi kako se ove mogućnosti spajaju u tri uobičajena scenarija. Primaš hrpu PDF računa: za svaki od njih pitaj „Izvuci iz ovog računa: naziv dobavljača, datum, broj računa, iznos bez PDV-a, PDV i iznos s PDV-om. Prikaži kao tablicu“—i tvoja knjigovodstvena stavka je pripremljena. Suočen s godišnjim izvještajem od 50 stranica: „Izvuci sve financijske tablice iz ovog izvještaja i prikaži ih u Markdownu. Identificiraj prihode, neto dobit i operativnu maržu.“ Da bi odlučio između dviju ponuda, učitaš obje i pitaš: „Usporedi cijene u ove dvije ponude za iste usluge. Identificiraj razlike u stopama.“

Nekoliko metodoloških pravila za kraj. Budi specifičan oko onoga što tražiš—određena tablica, stupac, vrsta podataka—i uvijek specificiraj željeni izlazni format (Markdown, CSV, JSON, popis). Za skenirane dokumente preporučuje se razlučivost od najmanje 150 DPI za pouzdanu ekstrakciju. Ako je dokument vrlo gust, obrađuj ga stranica po stranicu: „Izvuci tablicu sa stranice 7“ dat će bolje rezultate od globalnog „Izvuci sve tablice.“ I za svaku kritičnu upotrebu, unakrsno provjeri ekstrahirane podatke s izvornim dokumentom—ekstrakcija je akcelerator, a ne odricanje od odgovornosti.

Ključne točke

  • Document AI vjerno rekonstruira tablice sa zaglavljima, stupcima i spojenim ćelijama
  • Možeš zatražiti ekstrakciju u Markdownu, CSV-u ili JSON-u ovisno o svojim potrebama
  • Model razumije kontekst numeričkih podataka i može odgovoriti na specifična pitanja
  • Hijerarhijska struktura dokumenta (naslovi, podnaslovi, popisi) je očuvana
  • Uvijek provjeri ekstrakcije za kritične upotrebe