Prejsť na hlavný obsah
Slovenčina— Vyberte jazyk
Menu

Prípady využitia Document AI

Lekcia 3 z 16 Aktualizované 2. novembra 2026 Vývojár
Na tejto strane
  1. Reálne aplikácie naprieč odvetviami
  2. Financie a bankovníctvo: Automatizované KYC
  3. Zdravotníctvo: Zdravotné záznamy a recepty
  4. Právne služby: Analýza zmlúv vo veľkom meradle
  5. Účtovníctvo: Spracovanie faktúr
  6. Logistika, archívy a verejný sektor
  7. Štandardný produkčný workflow
  8. Kľúčové poznatky

Aktualizácia 2. novembra 2026 — OCR. Verzia OCR 4.0 (mistral-ocr-4-0) bola vyradená 30. septembra 2026. Používaj OCR 4.1 (mistral-ocr-4-1), ktorá je všeobecne dostupná od 31. augusta za rovnakú cenu, alebo alias mistral-ocr-latest, ktorý na ňu odkazuje od 16. júla. OCR 4.1 pridáva skóre spoľahlivosti na úrovni blokov.

Reálne aplikácie naprieč odvetviami

Document AI robí viac než len extrakciu textu. Kombinácia OCR + Anotácie + QnA robí túto službu cennou, pretože pokrýva celý životný cyklus dokumentu, od jeho prijatia až po využitie. V tejto lekcii prejdeme najčastejšie prípady využitia podľa odvetví a uvedieme, ktoré služby sa v jednotlivých krokoch využívajú. Toto rozlíšenie je dôležité už na začiatku, pretože každá pridaná služba zvyšuje náklady a latenciu.

Odvetvie Prípad využitia Použité služby
Financie a bankovníctvo Automatizované KYC, extrakcia výpisov, compliance OCR + Anotácie
Zdravotníctvo Zdravotné záznamy, ručne písané recepty, lekárske správy OCR + Anotácie + QnA
Právne služby Analýza zmlúv, extrakcia klauzúl, due diligence OCR + QnA
Poisťovníctvo Vybavovanie poistných udalostí, vyhlásenia OCR + Anotácie
Logistika Dodacie listy, colné dokumenty, skladové kontrolné zoznamy OCR + Anotácie
Účtovníctvo Faktúry od dodávateľov, výkazy výdavkov, bankové zúčtovanie OCR + Anotácie
Verejný sektor Digitalizácia archívov, administratívne formuláre OCR
Výroba Technické datasheety, certifikáty kvality, kontrolné správy OCR + QnA

Financie a bankovníctvo: Automatizované KYC

Onboarding zákazníkov je najžiadanejším prípadom využitia, pretože je repetitívny, regulovaný a časovo náročný. Proces Know Your Customer (KYC) vždy nasleduje rovnakú sekvenciu:

  1. Skenovanie dokladov totožnosti: Pas, občiansky preukaz, vodičský preukaz
  2. Extrakcia OCR: Meno, priezvisko, dátum narodenia, číslo dokladu
  3. Štruktúrované anotácie: Validácia polí pomocou schémy Pydantic
  4. Krížová verifikácia: Automatické porovnanie s internými databázami
  5. Obohatená archivácia: Dokument je indexovaný a vyhľadávateľný prostredníctvom QnA

To, čo kedysi trvalo pracovníkovi compliance niekoľko hodín, teraz trvá niekoľko sekúnd na súbor. Agent zasahuje len v prípadoch označených ako podozrivé.

Zdravotníctvo: Zdravotné záznamy a recepty

Zdravotnícky sektor generuje obrovské objemy dokumentov, z ktorých veľká časť zostáva ručne písaná. Ručne písaný recept, často považovaný za nečitateľný, je správne prepísaný aj vtedy, keď lekár mieša latinské termíny s miestnym jazykom. Formuláre s zaškrtávacími políčkami, ktoré boli dlho nočnou morou tradičných OCR engineov, majú svoje boolean odpovede extrahované s pozoruhodnou presnosťou. Pri lekárskych správach model identifikuje identitu pacienta, diagnózu a predpísané lieky.

Jedno správanie si zaslúži zdôraznenie, pretože určuje, akú dôveru môžeš systému venovať: keď v dokumente chýba pole – napríklad neuvedené telefónne číslo – model túto absenciu nahlási namiesto toho, aby vymyslel vierohodnú hodnotu. Toto je presný opak reflexu modelu všeobecného účelu a práve to robí extrakciu použiteľnou bez systematickej ľudskej kontroly.

Právne služby: Analýza zmlúv vo veľkom meradle

Advokátske kancelárie a právne oddelenia využívajú predovšetkým extrakciu klauzúl a QnA. Prvý prípad využitia zahŕňa automatickú identifikáciu výpovedných, nekonkurenčných alebo mlčanlivostných klauzúl v rámci korpusu, čím sa manuálna recenzia mení na asistovanú triáž. Druhý prípad vyniká počas due diligence: keď akvizícia zahŕňa stovky zmlúv, kladieš dotazy na korpus v prirodzenom jazyku namiesto toho, aby si čítal všetko od začiatku do konca, a detailne recenzuješ len dokumenty, ktoré vyhľadávanie vrátilo.

Účtovníctvo: Spracovanie faktúr

Toto je najzrelejší prípad využitia a často prvý, ktorý sa nasadzuje. Všetko sa točí okolo schémy Pydantic, ktorá presne opisuje, čo chceš získať:

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")

Keď sa táto schéma odovzdá API pre anotácie, extrahuje polia z každej naskenovanej faktúry bez potreby akejkoľvek predchádzajúcej konfigurácie šablón faktúr dodávateľov. Všimni si starostlivosť venovanú popisom a typovaniu: hovorí to modelu, že suma sa musí vrátiť ako číslo a dátum vo formáte YYYY-MM-DD, nie v podobe, v akej sa nachádza na papieri.

Logistika, archívy a verejný sektor

V logistike sa tisíce dodacích listov, konosamentov a colných dokumentov spracovávaných denne hodia na automatickú extrakciu informácií o odosielateľovi a príjemcovi, čítanie čiarových kódov a sledovacích čísel prítomných v obrázkoch a digitalizáciu skladových kontrolných zoznamov vypĺňaných ručne na často pokrčených médiách.

Digitalizácia archívov je špeciálny prípad. Dokumenty sú tu staré, niekedy v zlom stave, písané rukopisom z 19. alebo 20. storočia, s typografiou a frázovaním, ktoré sa už nepoužívajú. OCR 4 si s týmito dokumentmi poradí lepšie ako tradičné OCR engine vďaka svojmu vizuálnemu pochopeniu, ale buď realistický ohľadom limitov: presnosť klesá pri vážne poškodených položkách a každý seriózny archívny projekt vždy zahŕňa fázu ľudskej kontroly.

Štandardný produkčný workflow

Bez ohľadu na odvetvie vyzerá pipeline podobne: ingescia dokumentu prostredníctvom skenu, uploadu alebo e-mailu; OCR na extrakciu textu a štruktúry pomocou mistral-ocr-latest; anotácie na získanie štruktúrovaných dát podľa tvojej business schémy; indexovanie obohateného Markdownu do vektorovej databázy alebo SQL databázy; a následne využitie prostredníctvom vyhľadávania, QnA, reportingu alebo automatizácie workflow. Ak navrhuješ projekt, načrtni si týchto päť krokov predtým, než napíšeš jediný riadok kódu: určujú, kde ukladáš dáta, čo replayuješ v prípade chyby a za čo fakturuješ.

Kľúčové poznatky

  • Document AI sa aplikuje na každé odvetvie, ktoré pracuje s dokumentmi
  • Štandardný workflow je: ingescia, OCR, anotácie, indexovanie, využitie
  • Anotácie Pydantic ti umožňujú extrahovať presne tie dáta, ktoré potrebuješ
  • QnA ti umožňuje klásť dotazy na dokumenty v prirodzenom jazyku po indexovaní
  • Kombinácia všetkých troch služieb vytvára end-to-end riešenie pre dokumenty