‏Claude ל-PDF: חילוץ, השוואה וסיכום מסמכים

הצורה השימושית היא לא "תסכם לי את המסמך" אלא למסור כמה קבצי PDF ולקבל בחזרה גיליון של מה שיש בהם. וכל השאלה אם זה יעבוד תלויה בדבר אחד: האם ה-PDF מכיל טקסט אמיתי, או שהוא תמונה של טקסט.

שני סוגי PDF, ולמה זה קובע הכול

אותה סיומת מסתירה שתי בעיות שונות לגמרי:

איך לבדוק בשתי שניות: לפתוח את הקובץ ולנסות לסמן שורה. אם הסימון תופס מילים - יש שכבת טקסט. אם הוא מסמן מלבן על תמונה - זו סריקה.

למה זה חשוב במיוחד בעברית: זיהוי תווים מתמונה חלש יותר בעברית מבאנגלית, ואות שזוהתה לא נכון בשם או במספר לא בהכרח בולטת בפלט. סריקה באיכות נמוכה, מסמך שצולם בטלפון בזווית, פקס - כל אלה מגדילים את הסיכון.

המסקנה המעשית: על סריקות, לאמת יותר. על מסמכים שנוצרו מתוכנה, פחות.

הבעיה השנייה: ל-PDF אין מבנה

זו נקודה שמפתיעה אנשים.

מה שנראה כמו טבלה במסמך אינו טבלה. ‏PDF הוא הוראות לצייר טקסט במיקומים על עמוד. העין רואה עמודות; המסמך מכיל שורות של טקסט שמיקומן יוצר את הרושם של עמודות.

ומכאן שתי תוצאות נפוצות:

• עמודות מתערבבות כשהריווח לא אחיד - וזה קורה במסמכים שנראים ברורים לחלוטין.
• טבלה שנשברת בין עמודים מאבדת את הכותרות, והשורות בעמוד השני עלולות להיקרא לא נכון.

מה שזה אומר: לא לצפות שחילוץ טבלה יהיה מושלם מהניסיון הראשון, ולבדוק דווקא את השורות בקצוות - הראשונה, האחרונה, והראשונה אחרי מעבר עמוד.

איפה זה נותן ערך אמיתי

1. הרבה מסמכים בבת אחת

זה המקרה שמצדיק את הכלי. מסמך אחד אפשר לקרוא לבד; עשרים - לא.

• עשרים חשבוניות ספק ← גיליון עם ספק, תאריך, סכום, מספר חשבונית.
• שלוש הצעות מחיר ← טבלת השוואה לפי סעיף.
• דוחות חודשיים ← מגמה לאורך זמן.

לזה יש גם גרסה אוטומטית ומתמשכת, וההבדל חשוב: אם זה חוזר כל חודש, זו אוטומציה ולא שיחה.

2. להשוות שתי גרסאות

חוזה לפני ואחרי הערות הצד השני, הצעה שעודכנה, מפרט שהשתנה. לבקש רשימת הבדלים ולא סיכום - ההבדל בין "מה שונה" ל"על מה זה" הוא כל העניין.

3. למצוא במסמך ארוך

"מה כתוב על ביטול?", "מה תנאי התשלום?", "יש סעיף על אחריות?" - עם בקשה לצטט את הקטע, לא לנסח אותו מחדש. ציטוט אפשר לאמת; ניסוח מחדש הוא כבר פרשנות.

4. להפוך מסמך לנתונים

קטלוג, רשימת מחירון, טבלת מפרטים ← גיליון שאפשר לעבוד איתו.

איך לבקש

הכלל: לתאר את הפלט, לא את המשימה.

ולומר מה לעשות עם מה שחסר. שדה שלא נמצא במסמך - להשאיר ריק ולסמן, לא לנחש. בלי הוראה, שורה חסרה ושורה משוערת ייראו זהות.

ארבע נקודות לבדוק תמיד

1. ספירה. מסרת 20 מסמכים - יצאו 20 שורות?
2. סכומים. מספר שהועתק לא נכון נראה בדיוק כמו מספר נכון. לבדוק שניים-שלושה מול הקובץ.
3. תאריכים. מסמך ישראלי כותב יום/חודש. 03/09 יכול להיקרא כ-9 במרץ, ובכל יום מה-1 עד ה-12 שתי הקריאות נראות תקינות.
4. שמות בעברית. שם שנקרא לא נכון לא יתאים לרשומה במערכת אחר כך.

איפה זה לא מספיק

שווה להיות ישר על הגבול:

• מסמך משפטי. סיכום חוזה הוא נקודת פתיחה לקריאה, לא תחליף לה. שאלה על משמעות של סעיף היא שאלה לעורך דין.
• מספרים שנכנסים לספרים. חילוץ הוא פרשנות. לפני שסכום נכנס למערכת - אדם מאשר.
• סריקה גרועה. אם אתה לא מצליח לקרוא את המספר בעין, אין סיבה להניח שהזיהוי האוטומטי הצליח.
• מסמך רגיש. קובץ שמעלים יוצא מהמחשב. אם יש בו פרטים אישיים שאינם נחוצים לשאלה - להסיר, או לעבוד על עמוד אחד במקום על התיק.

ובעברית

קריאה והבנה של עברית עובדות. מה שדורש תשומת לב הוא דווקא הצד המכני:

• סריקה עברית נשחקת יותר מסריקה אנגלית. לאמת בהתאם.
• ערבוב עברית ומספרים - מספר חשבונית או ת"ז לצד טקסט עברי - הוא המקום שבו סדר התווים הכי נוטה להשתבש.
• מסמך דו-לשוני שווה לפרק: לבקש את החילוץ פעם אחת לכל שפה.