Automatizace zpracování dokumentů pomocí AI

Kurz se zaměřuje na automatizaci zpracování dokumentů pomocí umělé inteligence – od rozpoznávání a extrakce textu až po jeho analýzu a využití v podnikových systémech. Účastníci se seznámí s technologiemi OCR, zpracováním přirozeného jazyka (NLP) a možnostmi open-source nástrojů, jako jsou Tesseract, txtai a Hugging Face. Kurz představí také komerční AI služby a jejich využití při automatizaci práce s dokumenty. Důraz je kladen na praktické ukázky, možnosti integrace do existujících systémů a doporučené postupy pro nasazení AI řešení.

Lektor kurzu

JAROSLAV ČECH

Jaroslav Čech je zkušený softwarový architekt a AI konzultant s více než 30 lety praxe v IT. Spolupracoval se společnostmi BMW, O2, ČEZ či PPL a stál u zrodu úspěšné platformy mluvii.

Dnes se specializuje na AI agenty, RAG systémy, podnikové AI integrace a nástroje GitHub Copilot a Codex. Ve svých kurzech propojuje hluboké technické znalosti s praktickými zkušenostmi z reálných projektů a předává účastníkům postupy okamžitě využitelné v praxi.

Cílová skupina

• IT specialisté zabývající se automatizací a integrací podnikových systémů.
• Softwaroví vývojáři, kteří chtějí využívat AI při zpracování dokumentů.
• Datoví analytici pracující s textovými a dokumentovými daty.
• IT projektoví manažeři, kteří se podílejí na zavádění AI řešení.

Cíle kurzu

• Porozumět principům OCR a možnostem automatického rozpoznávání a extrakce textu z dokumentů.
• Seznámit se se základy zpracování přirozeného jazyka (NLP) a praktickým využitím frameworku txtai.
• Naučit se orientovat v platformě Hugging Face a využívat dostupné modely a open-source nástroje.
• Získat přehled o komerčních AI službách a jejich možnostech při automatizaci zpracování dokumentů.
• Seznámit se s postupy integrace AI do podnikových systémů a doporučeními pro nasazení řešení v praxi.

Osnova kurzu

1. Současné možnosti automatizace dokumentů

• Intelligent Document Processing: od rozpoznání textu k automatizaci procesu.
• Typy vstupů: digitální PDF, skeny, fotografie, DOCX, tabulky, e-maily a přílohy.
• Rozdíl mezi OCR, analýzou struktury, klasifikací, extrakcí a generováním.
• Multimodální modely: společné zpracování textu a obrazu.
• RAG: dohledání souvisejících dokumentů, pravidel a znalostí.
• Kdy použít pravidla, specializovaný model, LLM nebo jejich kombinaci.
• Typické scénáře: objednávky, faktury, smlouvy, formuláře a technická dokumentace.
• Hranice automatizace a úloha člověka při řešení výjimek.

2. OCR, struktura dokumentu a multimodální zpracování

• Digitální PDF vs. sken: kdy text přímo extrahovat a kdy použít OCR.
• Kvalita vstupu: rozlišení, natočení, šum, deformace a nečitelné části.
• Pořadí čtení, vícesloupcový text, nadpisy, záhlaví a poznámky.
• Tabulky: hlavičky, sloučené buňky, jednotky a pokračování přes více stran.
• Formulářová pole, zaškrtávací políčka a ručně doplněné údaje.
• Zachování čísel stránek, souřadnic a vazby na originál.
• Klasické OCR, dokumentové modely a vision-language modely: výběr podle úlohy.
• Kombinovaný postup: standardní extrakce a cílené zpracování problematických stran.
• Strukturovaný mezivýstup v JSON nebo Markdownu.

3. Klasifikace a vytěžování údajů pomocí AI

• Určení typu dokumentu a směrování do odpovídajícího procesu.
• Rozdělení souboru obsahujícího více dokumentů.
• Extrakce hlavičkových údajů, položek a vztahů mezi nimi.
• Structured Outputs a JSON Schema.
• Rozdíl mezi dodržením schématu a věcnou správností údajů.
• Normalizace dat, měn, jednotek, identifikátorů a názvů.
• Chybějící údaje, rozpory a nejednoznačné hodnoty.
• Zachování původní hodnoty vedle normalizované.
• Evidence zdroje jednotlivých údajů: stránka, pasáž nebo oblast dokumentu.
• Specifika češtiny a smíšených jazyků.

4. Přehled nástrojů a výběr technologie

• Hotové modely vs. vlastní schéma extrakce a přizpůsobení.
• Čtení model cards, licence a podmínky použití.
• Cloudové, lokální a hybridní zpracování.
• Dostupný hardware, odezva a souběžné požadavky.
• Cena za stránku nebo token vs. cena za správně zpracovaný dokument.
• Praktické srovnání dvou přístupů na stejných podkladech.

5. RAG nad dokumenty a využití souvisejících znalostí

Příprava znalostní báze

• Princip RAG: vyhledání podkladů před vytvořením odpovědi nebo návrhu.
• Rozlišení aktuálního vstupního dokumentu a referenčních zdrojů.
• Chunking podle struktury: kapitoly, odstavce a tabulky.
• Parent–child přístup a zachování kontextu.
• Metadata: zdroj, stránka, typ, verze, platnost a oprávnění.
• Aktualizace indexu a odstranění neplatných dokumentů.

Vyhledávání a odpovědi

• Embeddings, vektorové a fulltextové vyhledávání.
• Hybridní retrieval, fúze výsledků pomocí RRF a reranking.
• Dotazy odvozené z vytěžených údajů.
• Odpovědi s citacemi a kontrola dostatečnosti podkladů.
• Práce s rozpornými verzemi a otázkou bez dostupné odpovědi.

Použití v dokumentovém procesu

• Dohledání obchodních podmínek, interního předpisu nebo související smlouvy.
• Srovnání dokumentu s platnými pravidly.
• Návrh přiřazení volného popisu položky ke katalogu.
• Přesné ověření identifikátorů, cen a stavů pomocí SQL/API.
• Riziko opomenutí: top-k retrieval nemusí najít všechny položky či ustanovení, pokud úloha vyžaduje úplnost.

6. Validace, kvalita a human-in-the-loop

• Povinná pole, datové typy a vzájemná konzistence údajů.
• Kontrola součtů, měn, jednotek a položek.
• Ověření proti zákaznickému registru, katalogu nebo ERP.
• Rozlišení chyby OCR, extrakce, vyhledávání a aplikačního pravidla.
• Confidence skóre: význam a omezení podle použitého nástroje.
• Proč vlastní slovní ujištění LLM není spolehlivou pravděpodobností správnosti.
• Pravidla pro automatické přijetí, ruční kontrolu a zamítnutí.
• Operátorské rozhraní: údaj vedle odpovídajícího místa v originálu.
• Testovací sada: přesnost polí, úplnost položek a správnost celého dokumentu.
• Podíl dokumentů zpracovaných bez zásahu a čas potřebný na opravy.

7. Integrace do podnikových systémů

• Příjem přes e-mail, formulář, API, sdílené úložiště nebo DMS.
• Uložení originálu a jednoznačná identifikace dokumentu.
• Fronta, pracovní procesy a stavový model zpracování.
• Deduplikace a ochrana před opakovaným založením záznamu.
• Retry, timeouty a fronta chybových případů.
• Oddělení vytěžení, validace, schválení a exportu.
• Výstupy JSON, XML, CSV a integrace přes REST API.
• Verze modelu, promptu a schématu v auditním záznamu.
• Oprávnění pro čtení podkladů a provádění změn.
• Pevné workflow vs. agentní rozhodování u nestandardních případů.

8. Praktický workshop: dokument → RAG → ověřený export

• Načtení dokumentu a rozpoznání typu vstupu.
• Extrakce textu, tabulek a struktury.
• Vytěžení zákazníka, položek, množství a termínu.
• Vyhledání relevantních pravidel pomocí RAG.
• Ověření údajů vůči testovacímu katalogu.
• Označení chybějících a rozporných hodnot.
• Zobrazení návrhu se zdroji operátorovi.
• Schválení a vytvoření XML nebo JSON.
• Zápis stavu a auditních údajů.
• Test duplicitního dokumentu, nečitelné položky a nedostupného API.

9. Bezpečnost, provoz a návrh pilotu

• Osobní a citlivé údaje, minimalizace a anonymizace.
• Přístupová práva v úložišti i RAG; oddělení organizací.
• Retence, mazání originálů, odvozených dat a indexů.
• Prompt injection: instrukce obsažené v dokumentu jsou nedůvěryhodný vstup.
• Ochrana uploadu, příloh, přístupových údajů a logů.
• Monitoring chybovosti, latence, nákladů a změn kvality.
• Výběr pilotní agendy podle objemu, variability a rizika.
• Kritéria úspěchu: správnost, úplnost, automatizovaný podíl a celkové náklady včetně oprav.
• Diskuze nad dokumenty a procesy účastníků.

Technické požadavky

• Vlastní notebook s připojením k internetu.

Předpoklady účastníka

• Základní znalost programování, ideálně v jazyce Python.
• Základní znalost práce s daty.