Een naam die je op het scherm ziet, is niet altijd tekst. In een gescand contract, een gefotografeerde brief of een screenshot van een e-mail die in een rapport is geplakt, staat de naam in een afbeelding. Zoeken en vervangen ziet die niet. Een AI-tool kan dat wel.
Waar persoonsgegevens in afbeeldingen verborgen zitten
- Gescande pdf’s. Elke pagina is een afbeelding. Alle tekst, waaronder namen en nummers, bestaat uit pixels.
- Foto’s van documenten. Een telefoonfoto van een brief, factuur of formulier.
- Screenshots in Word of PowerPoint. Een e-mail of chat die als afbeelding is geplakt om "te laten zien wat er is gezegd".
- Handtekeningblokken en stempels. Vaak afbeeldingen, met een naam ernaast.
- Briefhoofden en logo’s. De bedrijfsnaam en het adres in een banner.
- Visitekaartjes, whiteboards en formulieren die tijdens een vergadering zijn gefotografeerd.
- Metagegevens van foto’s. Foto’s kunnen de datum, het apparaat en soms de locatie bevatten waar ze zijn gemaakt.
Waarom dit van belang is voor AI-tools
AI-tools kunnen afbeeldingen lezen. Als je een scan van het contract van een cliënt uploadt, leest de tool de namen daarin net zoals in getypte tekst. Namen uit de getypte delen van een bestand verwijderen maar ze in afbeeldingen laten staan, stelt de cliënt alsnog bloot.
Het omgekeerde komt ook voor. Een bestand dat eruitziet als gewone tekst kan een gescande bijlage bevatten met alle informatie erin. Open elke pagina, niet alleen de eerste.
Een snelle test: kun je de tekst selecteren?
Open de pdf en probeer met de cursor een regel te selecteren. Kun je afzonderlijke woorden markeren, dan bevat de pagina een tekstlaag. Selecteert de cursor de hele pagina als één blok of niets, dan is de pagina een afbeelding. Bestanden met een combinatie komen vaak voor: getypte pagina’s met achterin een gescande handtekeningenpagina of bijlage. Test de laatste pagina’s en niet alleen de eerste.
Dezelfde test werkt in Word: klik op een screenshot. Wordt die als één afbeelding geselecteerd, dan is de inhoud ervan geen doorzoekbare tekst.
Screenshots van chats en e-mails
Deze verdienen aparte aandacht omdat ze onschuldig lijken. Op een screenshot van een sms-gesprek staat bovenaan een telefoonnummer of contactnaam, in elk tekstballonnetje de naam van de andere persoon en vaak staan er ook een tijd en plaats in de berichten. Een screenshot van een e-mail toont de volledige koptekst met beide adressen. Als je de inhoud nodig hebt, kopieer dan de woorden, vervang de namen en laat de afbeelding achterwege. Is een screenshot het bewijsmateriaal, behandel het dan als een document op zich en plak het niet midden in een rapport dat je met een AI-tool wilt delen.
Handmatige aanpak
- Zoek de afbeeldingen op. Blader door het document en noteer elke scan, screenshot en afbeelding.
- Bepaal of je ze nodig hebt. Vaak is het antwoord nee, of gaat het om een regel of twee die je kunt overtypen.
- Als je de inhoud nodig hebt, typ de tekst dan over of kopieer die en voeg de plaatsaanduidingen in. Laat de afbeelding daarna achterwege.
- Maak tekst niet wazig. Een wazig gemaakte naam is vaak nog steeds leesbaar, en soms kan de vervaging ongedaan worden gemaakt. Een effen vorm die in de afbeelding is samengevoegd, is veiliger. Nog beter: laat de afbeelding weg.
- Verwijder de metadata van foto's als je de afbeelding toch moet versturen.
Wat een tool kan doen
Gescande PDF's worden pagina voor pagina als tekst gelezen. Bij Word-, PowerPoint-, Excel-, e-mail- en vergelijkbare bestanden wordt de tekst in afbeeldingen herkend en geplaatst waar de afbeelding stond, in een blok met de aanduiding "Tekst uit afbeelding". Daarna doorloopt die tekst dezelfde stappen als de rest van het document: namen en nummers worden gevonden, je controleert ze en ze worden vervangen door tijdelijke aanduidingen. De afbeeldingen zelf komen niet in de veilige kopie terecht. Kleine pictogrammen en versieringen worden overgeslagen.
In ClientSafe laat de balk boven de veilige kopie zien hoeveel afbeeldingen als tekst zijn gelezen. Engels, Spaans, Frans, Duits en Arabisch worden gelezen.
Een realistisch geval
Een cliënt stuurt een map: een getypte overeenkomst, een gescande bankbrief, drie foto's van een handgeschreven notitie en een e-mailgesprek met schermafbeeldingen van sms-berichten. De overeenkomst is eenvoudig. In de rest kunnen namen verborgen zitten. Een tool die alleen met getypte tekst werkt, mist de meeste ervan, en een snelle zoekopdracht in de getypte overeenkomst geeft aan dat die "schoon" is. Zoeken in tekst is geen controle van scans. Bij de controle moeten ook de pagina's worden meegenomen die uit afbeeldingen zijn gelezen.
Waar herkenning tekortschiet
Tekst uit afbeeldingen lezen is niet foutloos. Handschrift, foto's met een lage resolutie, scheve pagina's, stempels over tekst en ongebruikelijke lettertypen kunnen allemaal fouten opleveren. Een verkeerd gelezen naam kan aan detectie ontsnappen omdat die niet langer op een naam lijkt. Als het lezen onzeker is, markeert ClientSafe het document als Moet worden gecontroleerd. Beschouw zulke documenten als documenten die je twee keer moet lezen, waarbij je de veilige kopie met de oorspronkelijke pagina vergelijkt.
Een handtekening die als afbeelding is getekend, bevat geen leesbare tekst. Een naam die ernaast is getypt, zoals "Ondertekend: Maria Lopez", is tekst en wordt gevonden.
Veelgestelde vragen
Kan ik de afbeeldingen laten staan en er gewoon op vertrouwen dat het goed komt?
Nee. Een afbeelding van een document is het document. Als er namen in staan, ziet een AI-tool die afbeeldingen leest ze.
Wordt een gescande PDF op dezelfde manier behandeld als een Word-bestand?
Eerst wordt die als tekst gelezen. Daarna doorloopt die dezelfde stappen.
Bevat de veilige kopie mijn foto's?
Nee. Afbeeldingen worden weggelaten. De tekst eruit, voor zover die leesbaar was, wordt opgenomen en veilig gemaakt.
Hoe zit het met handgeschreven notities?
Houd rekening met gemiste tekst. Handschrift is voor elke vorm van tekstherkenning het lastigste geval. Controleer zulke pagina's dus extra zorgvuldig of typ de tekst opnieuw.
ClientSafe leest gescande PDF's en de tekst in afbeeldingen in documenten, en vindt en vervangt vervolgens namen en nummers, net als bij getypte tekst. Bij de controle zie je wat er is gevonden, en een document waarover de app onzeker is, wordt gemarkeerd als Moet worden gecontroleerd.