Odborníci kontrolují, místo aby přepisovali: 99% přesnost při zpracování B2B poptávek

Výzva

Obchodní oddělení zákazníka z těžkého průmyslu dostává technické poptávky jako volný text v e-mailu, jako PDF i jako naskenované dokumenty a fotografie z mobilu. Přicházejí ve třech jazycích a kvalita vstupu kolísá: tabulky bez ohraničení, prázdné buňky, rozmazané znaky.

Každou poptávku musel odborník ručně přepsat do interního formuláře: více než 30 parametrů na položku, od materiálového označení přes chemické složení a mechanické vlastnosti až po tolerance, normy a způsob balení. Typická poptávka má hlavičku se společnými požadavky a tabulku se čtyřmi až osmi položkami. Část požadavků platí pro všechny položky, část jen pro některé. Rozpad na položky dělal člověk a právě tam vznikaly chyby.

Přepis měl ještě jeden nedostatek. Dva odborníci zapsali tutéž poptávku různě a navazující systémy pak dostávaly nekonzistentní data.

Práce zabírala až pět hodin týdně na odborníka a byla úzkým hrdlem mezi příchodem poptávky a odesláním nabídky. Každá hodina zdržení znamenala pozdější odpověď zákazníkovi.

Řešení

Postavili jsme AI asistenta, který poptávku zpracuje na pozadí a odborníkovi předloží předvyplněný formulář. Uživatel nahraje dokument, může zavřít prohlížeč a o dokončení se dozví e-mailem. Výsledek vzniká ve čtyřech krocích a je hotový během minut:

1. Rozdělení na položky. Jedno volání modelu rozloží dokument na společné požadavky a jednotlivé položky, včetně čtení skenů a fotografií. Samostatné OCR není potřeba.
2. Extrakce parametr po parametru. Každý z více než 30 parametrů vytěžuje vlastní volání do pevného schématu, s citací ze zdrojového textu.
3. Výpočet jistoty. Ke každé hodnotě systém spočítá míru jistoty a zařadí ji do pásma vysoká, střední nebo nízká.
4. Kontrola a export. Odborník ve webovém rozhraní potvrdí nebo opraví hodnoty a výsledek exportuje do Excelu jedním kliknutím.

Proč výstup vždy schvaluje člověk

Systém nikdy nevydá výsledek bez lidského schválení. Položka je hotová, až když je každý nalezený parametr buď potvrzený odborníkem, nebo má vysokou jistotu. Prázdnou extrakci schválit nelze. V těžkém průmyslu stojí špatně přepsaná tolerance řádově víc než několik sekund kontroly.

99,1 % na úrovni parametru a 60 % na úrovni dokumentu jsou dvě pravdivá čísla o témž systému. První říká, jak dobrý je model. Druhé, jestli může běžet bez člověka.

Rozdíl mezi oběma čísly není chyba měření. Přes 30 parametrů krát několik položek znamená mnoho příležitostí k jedné chybě. Proto jsme zvolili asistenta s kalibrovanou jistotou, ne plnou automatizaci.

Jak to funguje pod kapotou

Tuto část můžete přeskočit, pokud vás zajímá jen dopad.

• Rozdělení práce. Segmentace určí, které parametry stačí vytěžit jednou pro celý dokument a které zvlášť pro každou položku. U typické šestipoložkové poptávky to znamená o 38 % méně volání modelu. Podmíněné požadavky z hlavičky, které platí jen pro část rozměrů, se k ostatním položkám nepřiřadí.
• Jeden extraktor na parametr. Každý parametr má vlastní definici, schéma a cílené příklady. Schéma je jediný zdroj pravdy pro validaci i opravný formulář. Volání běží paralelně a hranice mezi sousedními parametry jsou v definicích popsané explicitně, aby tatáž hodnota neskončila ve dvou polích.
• Jistota mimo model. Model vrací důkazy, především citace ze zdrojového textu. Citaci ověříme řetězcovým porovnáním; když se ve zdroji nenajde, jistota klesne na polovinu. Výsledek navíc shora omezuje limit nastavený pro daný parametr. Kalibraci měříme tabulkou jistota × správnost, viz Výsledky.

Ze stejné logiky vychází učení a provoz:

• Učení z oprav. Oprava se zdůvodněním se přetaví v pravidlo s obecným popisem situace, kdy platí. Při další extrakci systém pravidla vyhledá vektorově s vysokým prahem podobnosti, nejvýš dvě na volání. Nepřesně vytažené pravidlo je horší než žádné. Selhání vyhledávání extrakci nikdy neshodí.
• Provoz. Všechna volání procházejí centrální bránou, která řídí souběh, respektuje limity poskytovatele a řadí volání tak, aby se využila cache promptů. Každé volání logujeme s cenou, dobou a jistotou. Víme tedy, kolik stojí jedna schválená poptávka.
• Bez fine-tuningu. Model obor zná. My jsme dodali přesné definice parametrů, hranice mezi nimi a více než 300 anotovaných příkladů.

Výsledky

Přesnost měříme na evaluační sadě 50 reálných poptávek (104 položek, 3 432 kontrolovaných hodnot). Dva srovnatelné běhy s odstupem tří týdnů, květen a červen 2026, ukazují, kam se systém posunul:

• Přesnost na úrovni parametru vzrostla z 98,8 % na 99,1 %.
• Počet chyb klesl ze 41 na 30, tedy o 27 %.
• Položek zcela bez chyby je 75 % (dříve 67 %), dokumentů zcela bez chyby 60 % (dříve 52 %).

Součástí projektu je 231 automatizovaných testů na reálných dokumentech. U každé položky kontrolují všechny parametry, ne jen ty očekávané. Vymyšlená hodnota je tak automaticky selhání. Chybějící hodnotu odborník vidí, vymyšlenou by musel odhalit.

Kalibrace jistoty

V každodenní práci záleží méně na průměrné přesnosti a víc na tom, jestli lze věřit míře jistoty. Rozdělení hodnot z červnového běhu podle jistoty a správnosti:

Hodnota označená jako nejistá se mýlí zhruba devětkrát častěji než hodnota označená jako spolehlivá. Odborník se proto soustředí na přibližně 12 % hodnot v nízkém pásmu, zbytek potvrdí. Střední pásmo má nižší chybovost než vysoké, protože u řady parametrů jistotu záměrně stropujeme pod hranicí pro potvrzení bez kontroly. Je to konzervativní nastavení, které budeme zpřesňovat z provozních dat.

Chyby se shlukují po dokumentech. Jeden špatně přečtený sken se čtyřmi položkami vygeneruje čtyři chyby téhož parametru. Proto měříme i úspěšnost na úrovni dokumentu a žebříček chybovosti po parametrech je zároveň prioritizovaný backlog.

Pro obchodní oddělení to znamená, že práce, která zabírala až pět hodin týdně, dnes trvá minuty kontroly. Odpověď zákazníkovi odchází v řádu hodin místo dní.

Dalším krokem je přeskočit kontrolu u parametrů, u kterých data ukážou ve spolehlivém pásmu chybovost trvale pod 2 %. Systém k tomu data už sbírá.

Co z toho plyne pro vás

Stejný vzor se přenáší všude, kde lidé přepisují nestrukturované vstupy do pevného schématu: objednávky, reklamace, technické specifikace, tendrová dokumentace. Zásady, které z projektu bereme dál:

• Nenechte model hodnotit vlastní jistotu. Nechte ho vrátit důkazy a jistotu spočítejte mimo něj.
• Měřte přesnost na více úrovních. Číslo za parametr říká, jak dobrý je model; číslo za dokument, jestli může běžet bez člověka.
• Negativní testování je výchozí stav. Nejnebezpečnější chyba není chybějící hodnota, ale vymyšlená.

Další čtení

• Automatizace firemních procesů s AI agenty — kdy AI automatizace funguje a kdy ne.
• Co je to AI halucinace? — proč je vymyšlená hodnota horší než chybějící.
• Co je LLM observabilita? — co logovat, abyste znali cenu každého volání.
• Co je few-shot prompting? — jak příklady v promptu nahrazují fine-tuning.
• Jak zavádíme AI coding agenty ve velkých firmách — postupná automatizace s lidským dohledem na úrovni týmu.
• Stavíme MCP gateway pro enterprise — governance a audit, když AI běží v produkci.