Case study z praxe
Problém: 126 naskenovaných PDF súborov – Potreba extrahovať dáta a premenovať súbory!
Predstav si situáciu, s ktorou sa bežne môžete v administratíve stretnúť:
Máš 126 naskenovaných PDF faktúr.
Každý súbor má generický názov:
scan_0001.pdf
scan_0002.pdf
...
Každý patrí inému klientovi — a ty ich potrebuješ premenovať napríklad takto:
klient-a-100900001.pdf
Manuálny postup?
- otvoriť PDF
- nájsť meno a variabilný symbol
- prepísať názov súboru
- zopakovať 126×
👉 Realita: 3–4 hodiny monotónnej práce + vysoké riziko chýb.
Prečo to nešlo jednoducho automatizovať?
Na prvý pohľad jednoduchá úloha mala viacero praktických problémov:
1. Nekvalitný OCR (text layer)
Dokumenty boli naskenované (nie digitálne PDF).
Textová vrstva existovala, ale bola výrazne nepresná:
Správne: Klient A, VS: 100900001
OCR: Klienf A, VS 1oo9oo0o1
👉 Klasické OCR nástroje boli nepoužiteľné.
2. Diakritika
Mená obsahovali znaky ako:
- á, č, š, ž, ľ, ô
👉 bolo potrebné ich previesť na ASCII kvôli názvom súborov.
3. Tituly a formátovanie
Hlavičky obsahovali rôzne prefixy:
- Ing., Mgr., a podobne
👉 tieto prvky bolo treba odstrániť.
4. Obmedzené prostredie
- bez OCR nástrojov
- bez API kľúčov
- bez možnosti inštalácie
👉 riešenie muselo fungovať „out-of-the-box“.
Riešenie: AI ako inteligentné OCR
Riešenie vzniklo kombináciou jednoduchých Python skriptov a moderných AI modelov so schopnosťou spracovania obrazu.
Krok 1 – Lokalizácia hlavičky (PyMuPDF)
Namiesto použitia chybového textu sme pracovali s rozložením PDF:
- hľadanie výskytu „VS“
- iba v horných ~10 % stránky
- získanie bounding boxu
👉 tým sme presne určili relevantnú časť dokumentu
Krok 2 – Render vo vysokom rozlíšení
Vybraná oblasť sa vyrendrovala ako obrázok:
- škálovanie 4–5× (~600 DPI)
- vznikol ostrý výrez hlavičky
👉 pripravené na AI spracovanie
Krok 3 – AI namiesto klasického OCR
Kľúčová myšlienka:
👉 namiesto tradičného OCR použiť AI model, ktorý dokáže priamo interpretovať obsah obrázka
Tieto modely vedia:
- čítať text aj z menej kvalitných skenov
- pochopiť kontext (meno vs. číslo)
- zvládnuť aj „šum“ v dokumentoch
Batch processing cez kompozitné obrázky
Pre efektivitu:
- spojenie 10–15 výrezov do jedného obrázka
- vľavo názov súboru, vpravo obsah hlavičky
scan_0001.pdf | Klient A, VS: 100900001
scan_0002.pdf | Spoločnosť B s.r.o., VS: 100900002
...
👉 jeden vstup = viacero spracovaných dokumentov
Výhody:
- menej volaní
- nižšie náklady
- rýchlejšie spracovanie
Krok 4 – Bezpečnostný medzikrok (CSV)
Výsledky sa najprv uložili do CSV:
original_filename | extracted_name | variable_symbol | proposed_filename
scan_0001.pdf | Klient A | 100900001 | klient-a-100900001.pdf
👉 manuálna kontrola pred zmenami
Až potom:
- prebehlo premenovanie
- kontrola konfliktov
- ochrana pred prepísaním súborov
Krok 5 – Normalizácia názvov
Python zabezpečil:
- odstránenie titulov
- odstránenie diakritiky
- čistenie špeciálnych znakov
- lowercase
- medzery → pomlčky
Príklady:
"Klient Á" → "klient-a"
"Firma XY, s.r.o." → "firma-xy-sro"
Výsledok
| Dávka | Počet | Výsledok |
|---|---|---|
| Batch 1 | 40 | ✅ 40/40 |
| Batch 2 | 70 | ✅ 69/70 |
| Batch 3 | 16 | ✅ 16/16 |
| Spolu | 126 | ✅ 125 automaticky |
👉 1 prípad bol označený na manuálnu kontrolu
Časová úspora
- Manuálne: 3–4 hodiny
- Automatizovane: ~1 hodina (vrátane ladenia)
👉 výrazná úspora času
Kľúčové poznatky
1. AI ako náhrada OCR
Keď klasické OCR zlyhá:
- slabý kontrast
- šum
- nepresný text
👉 moderné AI modely vedia byť spoľahlivejšie
2. Batch processing = veľká úspora
- viac dát v jednom spracovaní
- menej requestov
- nižšie náklady
3. Dvojkrokový proces = bezpečnosť
extrakcia → CSV → kontrola → rename
👉 eliminuje riziko chýb
4. Python + AI = praktická automatizácia
- Python rieši logiku a súbory
- AI rieši porozumenie obsahu
👉 jednoduché, ale efektívne riešenie
Záver
Ak robíš opakujúcu sa manuálnu prácu:
- premenovávanie súborov
- extrakcia dát
- spracovanie dokumentov
👉 takmer vždy existuje cesta, ako to automatizovať.
Netreba byť senior developer.
Stačí:
- vedieť pomenovať problém
- zvoliť správny prístup
- iterovať riešenie
👉 Tento prípad pekne ukazuje jednu vec:
AI dnes nie je len o generovaní textu. Je to praktický nástroj na riešenie reálnych workflow problémov.