Minulý měsíc jsem si vedl tabulku výdajů za rekonstrukci koupelny, tabulku, která mezitím nabobtnala na dvanáct záložek v Excelu. Chtěl jsem znát celkovou částku za obklady, ale ruční součet by mě stál nejmíň půl hodiny hledání a kontrolování vzorců. Nahrál jsem soubor do chatbota, napsal jsem mu přesně, co potřebuju, a odpověď i s rozpisem po měsících jsem měl za necelou minutu.
Co se děje se souborem po nahrání
Chatbot se souborem nezachází jako s přílohou v e-mailu, kterou si někdo později otevře. Obsah rovnou převede na text, se kterým dál pracuje stejně jako s vaším promptem. U obyčejného textového dokumentu nebo tabulky ve formátu CSV je to jednoduché, model přečte řádky a sloupce a hned s nimi počítá, ať jde o rozpočet domácnosti, nebo o export z účetního systému. U PDF záleží, jestli jde o takzvaný textový PDF, tedy soubor, kde myší rovnou označíte a zkopírujete text, nebo o naskenovanou fotku papíru. Ve druhém případě nastupuje OCR, technologie rozpoznávání textu z obrázku, a její přesnost padá s rozmazaným skenem, nakřivo vyfocenou stránkou nebo rukou psanou poznámkou na okraji.
Obrázky fungují podobně, jenže místo rozpoznávání písmen nastupuje takzvané vidění modelu, tedy schopnost popsat, co je na fotce nebo grafu vidět.
V praxi to znamená, že model bez potíží rozečte účtenku z lékárny nebo graf ve výroční zprávě. Nespoléhejte na něj ale u drobného rukopisu nebo fotky pořízené proti světlu, tam se čtení rozsype podobně jako člověku, který si zapomněl brýle.
Pokud vás zajímá, co všechno ChatGPT kromě práce se soubory umí, přehled funkcí najdete v samostatném článku.
Nahrát je snadné, těžší je zeptat se správně
Samotné nahrání souboru zvládne kliknutím na sponku nebo přetažením myší kdokoli. Kvalita odpovědi se ale rozhoduje až v dalších krocích, které lidé často přeskočí.
- Zkontrolujte formát. Pokud je PDF sken bez vrstvy textu nebo jde o fotku z mobilu, zvažte, jestli existuje i verze na export přímo z počítače nebo z e-mailu, ať se OCR nemusí prát s rozmazaným písmem a stínem přes polovinu stránky.
- Napište, co přesně chcete. Místo „podívej se na tabulku“ zkuste „spočítej součet sloupce D za březen a květen a napiš mi obě čísla zvlášť“. Konkrétní zadání omezí prostor, ve kterém si model něco domýšlí.
- U čísel žádejte výpočet, ne odhad. Pokud nástroj umí nad daty spustit kód, řekněte mu to rovnou, ať tabulku skutečně přepočítá, místo aby si čísla jen srovnal v hlavě.
- Nechte si ukázat, odkud odpověď pochází. U delších dokumentů si vyžádejte citaci konkrétní pasáže nebo řádku, ze kterého model vychází.
- Ověřte aspoň jedno číslo ručně. Stačí porovnat jeden součet nebo datum s originálem. Když sedí, zbytek bývá spolehlivý o dost víc.
- Pracujte klidně s více soubory najednou. Nahrajte třeba starou a novou verzi smlouvy vedle sebe a nechte si vypsat rozdíly, ušetříte si porovnávání řádek po řádku.
Kolik unesou ChatGPT, Gemini, Claude a Copilot
Limity na velikost a počet souborů se mezi nástroji dost liší a čas od času se mění. Podle aktuální nápovědy jednotlivých služeb to teď vypadá takto:
| Nástroj | Max. velikost souboru | Kolik souborů najednou | Zvláštnost |
|---|---|---|---|
| ChatGPT | až 512 MB (tabulky zhruba do 50 MB, obrázky do 20 MB) | u placených tarifů desítky za pár hodin, zdarma 3 denně | dlouhý text spíš omezí počet tokenů než megabajty |
| Gemini | až 100 MB, video zvlášť do 2 GB | až 10 souborů na jeden dotaz | s tarifem Google AI Pro nebo Ultra zvládne najednou zpracovat kolem milionu tokenů |
| Claude | až 500 MB v běžném chatu, 30 MB u souborů v Projektech | až 20 souborů na konverzaci | PDF přijme do 1000 stran, ale obrázky uvnitř si prohlíží jen do stránky 100 |
| Copilot | liší se podle verze a předplatného | liší se podle verze a předplatného | umí sáhnout rovnou po souboru uloženém ve Wordu, Excelu nebo OneDrive |
Nejvíc prostoru v jednom souboru aktuálně nabízí Claude. Gemini zase vede v kombinaci velkého kontextového okna s rychlostí u dlouhých textů.
V běžném provozu, tedy u pár účtenek, jedné smlouvy nebo krátkého zápisu z porady, na žádný z těchto limitů nenarazíte. Zaseknete se spíš u účetní uzávěrky za celý rok nebo u hodinové nahrávky z jednání.
Kontextové okno je množství textu, které model najednou udrží v jedné konverzaci. Čím je větší, tím delší dokument unese, aniž by na začátek souboru dřív, než dopíše odpověď, zapomněl.
U Copilotu přesné megabajty nehledejte v jediném oficiálním čísle, protože se liší podle toho, jestli ho používáte na webu, nebo přímo uvnitř Wordu a Excelu jako součást Microsoft 365. Aktuální hodnotu si ověřte rovnou v aplikaci, nejlíp v okamžiku, kdy nahráváte něco většího.
Proč tabulka od AI občas kecá
Tady je rozdíl, který lidem dělá nejvíc zmatku. Model může tabulku jen „přečíst“ a čísla odhadnout z pohledu, podobně jako člověk, co si prohlíží graf z dálky. Nebo může nad daty opravdu spustit kód, tabulku reálně sečíst a vrátit přesný výsledek. Ten druhý postup se u OpenAI jmenuje interpret kódu a model ho dnes většinou nasadí sám, jakmile pozná, že jde o výpočet. Claude potřebuje spouštění kódu napřed ručně zapnout v nastavení, jinak tabulku ve formátu XLSX vůbec nerozečte. Rozdíl bývá znát hlavně u větších tabulek s desítkami řádků, kde odhad snadno sklouzne k takzvané halucinaci, tedy sebejisté, ale fakticky vymyšlené odpovědi.
Představte si tabulku se stovkou plateb za energie za poslední tři roky. Model, který jen „kouká“, vám s jistotou nahlásí přibližný součet, ale u zaokrouhleného čísla nebo skrytého řádku se snadno splete o pár set korun. Model, který nad tabulkou spustí kód, projede řádek po řádku a vrátí číslo, které sedí na korunu přesně.
Poznáte to jednoduše: zeptejte se na součet, který si dokážete snadno ověřit sami, a sledujte, jestli model nabídne rozepsaný postup, nebo jen hodí číslo bez vysvětlení.
Na co si dát pozor
Nahrávejte opatrně dokumenty s rodným číslem nebo zdravotními údaji, hlavně pokud nejde o firemní tarif, který garantuje, že poskytovatel obsah na trénování modelu nepoužije. U osobních dokumentů typu nájemní smlouva nebo výpis z banky si aspoň přečtěte, co s nimi daná služba podle vlastních podmínek smí dělat.
Naskenovaný dokument s razítkem, vodoznakem, tabulkou v tabulce nebo ručně psanou poznámkou čtou nástroje nespolehlivě, a chyba se často schová přesně tam, kam se nikomu nechce koukat, tedy do prostředního sloupce dlouhé tabulky. Staré typy souborů nebo silně heslem chráněné PDF mnohdy nenahrajete vůbec, nebo je systém načte jen napůl. Když si nejste jistí, jestli model zpracoval celý dokument, zeptejte se ho, na kolika stránkách nebo řádcích text končí, a porovnejte to s realitou.
Přemýšlejte i nad tím, jak dlouho služba nahraný soubor uchovává a jestli jde smazat i ze zpětné historie konverzace, ne jen z obrazovky. Pokud nahráváte dokument, který jste sami nesepsali, třeba interní materiál zaměstnavatele nebo cizí smlouvu, napřed si ověřte, že ho vůbec smíte sdílet mimo firmu.
Shrnutí
Nahrát soubor do chatbota je otázka jednoho kliknutí. Skutečná práce začíná až zadáním, které přesně řekne, co s obsahem udělat, a kontrolou aspoň jednoho čísla nebo faktu na konci. Když nástroj umí nad daty spustit kód, využijte to u každé tabulky, kde jde o přesnost, ne jen o dojem. Chatbot je v tomhle šikovný stážista s výborným zrakem, ne auditor, co si výsledek dvakrát přepočítá.
