Jméno, které vidíte na obrazovce, nemusí být vždy text. V naskenované smlouvě, vyfotografovaném dopise nebo snímku obrazovky e-mailu vloženém do zprávy je jméno součástí obrázku. Funkce Najít a nahradit ho nevidí. Nástroj AI ho vidět může.
Kde se v obrázcích skrývají osobní údaje
- Naskenované PDF. Každá stránka je obrázek. Veškerý text, včetně jmen a čísel, tvoří pixely.
- Fotografie dokumentů. Fotografie dopisu, faktury nebo formuláře pořízená telefonem.
- Snímky obrazovky ve Wordu nebo PowerPointu. E-mail nebo chat vložený jako obrázek, aby se „ukázalo, co bylo řečeno“.
- Podpisová pole a razítka. Často jde o obrázky, u kterých je uvedeno jméno.
- Hlavičkové papíry a loga. Název a adresa společnosti v záhlaví.
- Vizitky, tabule a formuláře vyfotografované na schůzce.
- Metadata fotografií. Obrázky mohou obsahovat datum, zařízení a někdy i místo, kde byly pořízeny.
Proč je to důležité u nástrojů AI
Nástroje AI dokážou číst obrázky. Nahrajete-li sken klientovy smlouvy, nástroj v něm přečte jména stejně jako v textu napsaném na počítači. Odstraníte-li jména z napsaných částí souboru, ale obrázky ponecháte, klient zůstane odhalen.
Platí to i naopak. Soubor, který vypadá jako čistý text, může obsahovat naskenovanou přílohu se všemi údaji. Otevřete každou stránku, nejen první.
Rychlý test: můžete označit text?
Otevřete PDF a zkuste kurzorem označit řádek. Pokud můžete zvýraznit jednotlivá slova, stránka obsahuje textovou vrstvu. Pokud výběr označí celou stránku jako jeden blok nebo neoznačí nic, stránka je obrázek. Smíšené soubory jsou běžné: stránky s napsaným textem mohou být na konci doplněné naskenovanou stránkou s podpisem nebo přílohou. Otestujte i poslední stránky, nejen první.
Stejný test funguje i ve Wordu: klikněte na snímek obrazovky; pokud se označí jako jeden obrázek, jeho obsah nelze prohledávat jako text.
Snímky obrazovky chatů a e-mailů
Zvláštní zmínku si zaslouží snímky obrazovky, protože působí neškodně. Snímek konverzace v textových zprávách ukazuje nahoře telefonní číslo nebo jméno kontaktu, jméno druhé osoby v každé bublině a často i čas a místo uvedené ve zprávách. Snímek e-mailu zobrazuje celé záhlaví včetně obou adres. Potřebujete-li obsah, přepište nebo zkopírujte text, nahraďte jména a obrázek vynechte. Pokud je snímek obrazovky důkazem, považujte jej za samostatný dokument a nevkládejte jej doprostřed zprávy, kterou plánujete sdílet s nástrojem AI.
Jak postupovat ručně
- Najděte obrázky. Procházejte dokument a poznamenejte si každý sken, snímek obrazovky a obrázek.
- Rozhodněte se, zda je potřebujete. Odpověď často zní ne, případně jde o jeden či dva řádky textu, které můžete přepsat.
- Pokud obsah potřebujete, přepište nebo zkopírujte text a vložte zástupné údaje, pak obrázek vynechte.
- Nerozmazávejte. Rozmazané jméno bývá často stále čitelné a rozmazání lze někdy vrátit. Bezpečnější je jednolitý tvar, který je sloučený s obrázkem. Ještě lepší je obrázek vůbec nepřikládat.
- Odstraňte metadata fotografie pokud obrázek musíte odeslat.
Co dokáže nástroj
Naskenované soubory PDF se čtou jako text, stránku po stránce. U souborů Word, PowerPoint, Excel, e-mailů a podobných souborů se rozpozná text uvnitř obrázků a vloží se na místo, kde byl obrázek, do bloku označeného „Text z obrázku“. Odtud prochází stejnými kroky jako zbytek dokumentu: najdou se jména a čísla, zkontrolujete je a nahradí se zástupnými symboly. Samotné obrázky se do bezpečné kopie nepřenesou. Malé ikony a ozdobné prvky se vynechávají.
V ClientSafe ukazuje pruh nad bezpečnou kopií, kolik obrázků bylo přečteno jako text. Rozpoznává se angličtina, španělština, francouzština, němčina a arabština.
Praktický příklad
Klient pošle složku: psanou smlouvu, naskenovaný dopis od banky, tři fotografie ručně psané poznámky a e-mailovou konverzaci se snímky obrazovky textových zpráv. Smlouva je jednoduchá. Ve zbytku se skrývají jména. Nástroj, který pracuje pouze s psaným textem, většinu z nich přehlédne a rychlé prohledání psané smlouvy ohlásí, že je „čistá“. Vyhledání textu není kontrola naskenovaných dokumentů. Při kontrole je třeba zahrnout i stránky přečtené z obrázků.
Kde rozpoznávání selhává
Čtení textu z obrázků není přesné. Písmo psané rukou, fotografie s nízkým rozlišením, nakřivo naskenované stránky, razítka překrývající text a neobvyklá písma mohou způsobit chyby. Chybně přečtené jméno může uniknout rozpoznání, protože už nevypadá jako jméno. Pokud je rozpoznání nejisté, ClientSafe označí dokument jako Vyžaduje kontrolu. Takové dokumenty si přečtěte dvakrát a porovnejte bezpečnou kopii s původní stránkou.
Podpis nakreslený jako obrázek neobsahuje čitelný text. Jméno napsané vedle něj, například „Podepsala: Maria Lopez“, je text a najde se.
Časté dotazy
Mohu obrázky ponechat a jen doufat?
Ne. Obrázek dokumentu je dokument. Pokud obsahuje jména, nástroj AI, který čte obrázky, je uvidí.
Zpracovává se naskenované PDF stejně jako soubor Word?
Nejprve se přečte jako text. Poté prochází stejnými kroky.
Obsahuje bezpečná kopie moje fotografie?
Ne. Obrázky se vynechávají. Jejich text, pokud jej bylo možné přečíst, se zahrne a zabezpečí.
A co ručně psané poznámky?
Počítejte s tím, že něco unikne. Ručně psané písmo je pro jakýkoli nástroj na rozpoznávání textu nejobtížnější případ, proto tyto stránky pečlivěji zkontrolujte nebo text přepište.
ClientSafe čte naskenované soubory PDF a text uvnitř obrázků v dokumentech, pak vyhledává a nahrazuje jména a čísla stejně jako u psaného textu. Při kontrole uvidíte, co bylo nalezeno, a dokument, u něhož si nástroj není jistý, se označí jako Vyžaduje kontrolu.