Tên bạn nhìn thấy trên màn hình không phải lúc nào cũng là văn bản. Trong hợp đồng được quét, thư chụp ảnh hoặc ảnh chụp màn hình email được dán vào báo cáo, tên là một hình ảnh. Tính năng Tìm và Thay thế không nhận ra được. Công cụ AI thì có thể.
Dữ liệu cá nhân ẩn ở đâu trong hình ảnh
- PDF được quét. Mỗi trang là một hình ảnh. Toàn bộ văn bản, bao gồm tên và số, đều là điểm ảnh.
- Ảnh chụp tài liệu. Ảnh chụp bằng điện thoại của một lá thư, hóa đơn hoặc biểu mẫu.
- Ảnh chụp màn hình trong Word hoặc PowerPoint. Email hoặc cuộc trò chuyện được dán dưới dạng hình ảnh để “cho thấy nội dung đã trao đổi”.
- Khối chữ ký và con dấu. Thường là hình ảnh, có tên ở bên cạnh.
- Tiêu đề thư và logo. Tên và địa chỉ công ty trên biểu ngữ.
- Danh thiếp, bảng trắng và biểu mẫu được chụp ảnh trong cuộc họp.
- Siêu dữ liệu ảnh. Ảnh có thể chứa ngày giờ, thiết bị và đôi khi cả địa điểm chụp.
Vì sao điều đó quan trọng khi dùng công cụ AI
Công cụ AI có thể đọc hình ảnh. Nếu bạn tải lên bản quét hợp đồng của khách hàng, công cụ sẽ đọc tên trong đó giống như cách đọc văn bản được đánh máy. Xóa tên khỏi các phần văn bản đã đánh máy nhưng để nguyên hình ảnh vẫn khiến thông tin của khách hàng bị lộ.
Điều ngược lại cũng có thể xảy ra. Một tệp trông như chỉ có văn bản vẫn có thể chứa phụ lục được quét với đầy đủ thông tin. Hãy mở từng trang, không chỉ trang đầu tiên.
Kiểm tra nhanh: bạn có chọn được văn bản không?
Mở tệp PDF và thử dùng con trỏ chọn một dòng. Nếu bạn có thể tô sáng từng từ, trang đó có lớp văn bản. Nếu thao tác chọn làm nổi bật cả trang thành một khối hoặc không chọn được gì, trang đó là hình ảnh. Tệp kết hợp rất phổ biến: các trang được đánh máy, sau đó là trang chữ ký hoặc phụ lục được quét. Hãy kiểm tra các trang cuối, không chỉ các trang đầu.
Cách kiểm tra tương tự cũng áp dụng trong Word: hãy nhấp vào ảnh chụp màn hình; nếu ảnh được chọn như một hình duy nhất thì nội dung bên trong không phải văn bản có thể tìm kiếm.
Ảnh chụp màn hình của các cuộc trò chuyện và email
Những ảnh này cần được nhắc riêng vì chúng có vẻ vô hại. Ảnh chụp màn hình một chuỗi tin nhắn văn bản có thể hiển thị số điện thoại hoặc tên liên hệ ở phía trên, tên người kia trong từng bong bóng tin nhắn, và thường cả thời gian lẫn địa điểm trong nội dung. Ảnh chụp màn hình email hiển thị đầy đủ phần đầu thư với địa chỉ của cả hai bên. Nếu cần nội dung, hãy sao chép phần chữ, thay tên và không đưa ảnh vào. Nếu ảnh chụp màn hình là bằng chứng, hãy xem nó như một tài liệu riêng và đừng chèn nó vào giữa báo cáo mà bạn dự định chia sẻ với công cụ AI.
Xử lý thủ công
- Tìm các hình ảnh. Cuộn qua tài liệu và ghi lại mọi bản quét, ảnh chụp màn hình và hình ảnh.
- Xác định xem bạn có cần chúng không. Thường thì câu trả lời là không, hoặc phần văn bản trong ảnh chỉ có một hai dòng mà bạn có thể gõ lại.
- Nếu cần nội dung, hãy gõ lại hoặc sao chép văn bản và chèn các ký hiệu thay thế, rồi không đưa hình ảnh vào.
- Đừng làm mờ. Tên bị làm mờ thường vẫn đọc được, và đôi khi có thể khôi phục nội dung đã làm mờ. Hình khối đặc được làm phẳng vào ảnh sẽ an toàn hơn. Tốt hơn nữa là không đưa ảnh vào.
- Xóa siêu dữ liệu ảnh nếu bạn buộc phải gửi ảnh.
Công cụ có thể làm gì
PDF được quét sẽ được đọc dưới dạng văn bản, từng trang một. Với Word, PowerPoint, Excel, email và các tệp tương tự, văn bản bên trong ảnh được nhận dạng và đặt vào vị trí của ảnh, trong một khối có nhãn "Văn bản từ ảnh". Từ đó, văn bản được xử lý theo các bước giống như phần còn lại của tài liệu: tên và số được tìm thấy, bạn xem xét chúng, rồi chúng được thay bằng chỗ giữ chỗ. Bản sao an toàn không chứa chính các ảnh đó. Các biểu tượng nhỏ và hình trang trí được bỏ qua.
Trong ClientSafe, dải phía trên bản sao an toàn cho biết có bao nhiêu ảnh đã được đọc thành văn bản. Hệ thống đọc được tiếng Anh, tiếng Tây Ban Nha, tiếng Pháp, tiếng Đức và tiếng Ả Rập.
Một trường hợp thực tế
Một khách hàng gửi một thư mục: một thỏa thuận được đánh máy, một thư ngân hàng được quét, ba ảnh chụp ghi chú viết tay và một chuỗi email có ảnh chụp màn hình tin nhắn văn bản. Thỏa thuận thì đơn giản. Tên thường ẩn trong những thứ còn lại. Công cụ chỉ xử lý văn bản được đánh máy sẽ bỏ sót hầu hết các tên đó, còn tìm kiếm nhanh trong thỏa thuận được đánh máy sẽ báo rằng "không có gì cần xử lý". Tìm kiếm văn bản không phải là kiểm tra bản quét. Bước xem xét phải bao gồm cả những trang được đọc từ ảnh.
Những trường hợp nhận dạng không thành công
Việc đọc văn bản từ ảnh không chính xác tuyệt đối. Chữ viết tay, ảnh độ phân giải thấp, trang bị nghiêng, con dấu đè lên chữ và phông chữ khác thường đều có thể gây lỗi. Tên bị đọc sai có thể lọt qua bước phát hiện vì khi đó nó không còn giống tên nữa. Nếu việc đọc không chắc chắn, ClientSafe sẽ đánh dấu tài liệu là Cần xem xét. Hãy coi những tài liệu đó là loại cần đọc lại hai lần, đồng thời so sánh bản sao an toàn với trang gốc.
Chữ ký được vẽ dưới dạng ảnh không có văn bản đọc được. Tên được đánh máy bên cạnh chữ ký, như trong câu "Đã ký: Maria Lopez", là văn bản và sẽ được tìm thấy.
Câu hỏi thường gặp
Tôi có thể giữ nguyên ảnh và chỉ hy vọng mọi chuyện ổn không?
Không. Ảnh chụp một tài liệu chính là tài liệu đó. Nếu ảnh có tên, công cụ AI đọc ảnh sẽ nhìn thấy chúng.
PDF được quét có được xử lý như tệp Word không?
Trước tiên, tài liệu được đọc thành văn bản. Sau đó, tài liệu trải qua các bước xử lý giống như những tài liệu khác.
Bản sao an toàn có chứa ảnh của tôi không?
Không. Ảnh không được đưa vào. Phần văn bản trong ảnh, nếu có thể đọc được, sẽ được đưa vào và xử lý an toàn.
Còn ghi chú viết tay thì sao?
Hãy dự liệu rằng có thể bị bỏ sót. Chữ viết tay là trường hợp khó nhất đối với mọi công nghệ nhận dạng văn bản, vì vậy hãy xem xét những trang đó cẩn thận hơn hoặc nhập lại nội dung.
ClientSafe đọc PDF được quét và văn bản bên trong ảnh trong tài liệu, sau đó tìm và thay thế tên, số giống như với văn bản được đánh máy. Bước xem xét hiển thị những gì đã tìm thấy, còn tài liệu mà ứng dụng không chắc chắn sẽ được đánh dấu là Cần xem xét.