चैटबॉट किस काम में अच्छा है
एक डिजिटल PDF लें, यानी ऐसा जिसका टेक्स्ट आप माउस से सेलेक्ट कर सकें, जिसमें दस-बीस पंक्तियों की टेबल हो। उसे ChatGPT, Claude या Gemini में अपलोड करके टेबल माँगें। ज़्यादातर बार सही पंक्तियाँ और कॉलम वापस मिल जाते हैं, और कुछ असिस्टेंट डाउनलोड करने लायक फ़ाइल भी बना देते हैं। अगर आपका PDF ऐसा ही है, तो इस काम के लिए चैटबॉट एक ठीक-ठाक टूल है।
हर बार समस्या सिर्फ़ लंबाई की नहीं होती। चार लंबे जॉब के हमारे टेस्ट में हमने 320 पंक्तियों और 10 पेज के बैंक स्टेटमेंट का टेक्स्ट तीन चैट मॉडल में पेस्ट किया और CSV माँगी। तीनों ने हर पंक्ति लौटाई, और हर रकम और उसका चिह्न सही था। नीचे बताई गई गड़बड़ियाँ असली PDF की वजह से आती हैं: स्कैन किए पेज, खाली और मर्ज किए सेल, और एक जवाब से लंबी टेबल।
कहाँ गड़बड़ होती है
जैसे-जैसे डॉक्यूमेंट मुश्किल या लंबा होता है, दिक्कतें दिखने लगती हैं।
- स्कैन किए पेज। स्कैन किए PDF में पेज की तस्वीरें होती हैं, टेक्स्ट नहीं। असिस्टेंट के हिसाब से टेबल गलतियों के साथ पढ़ी जाती है, या पढ़ी ही नहीं जाती।
- खिसके हुए कॉलम। एक खाली सेल या मर्ज किया हुआ सेल उसके बाद की हर वैल्यू को एक कॉलम आगे धकेल सकता है। नतीजा फिर भी सलीके की टेबल जैसा दिखता है, इसीलिए यह गलती आसानी से छूट जाती है।
- बदले हुए नंबर। आँकड़े राउंड हो सकते हैं, हज़ार का सेपरेटर हट सकता है या दशमलव बिंदु समझ लिया जा सकता है, और कोष्ठक में दिखाई गई नेगेटिव रकम अपना चिह्न खो सकती है।
- गायब पंक्तियाँ। कई पेज तक चलने वाली टेबल में असिस्टेंट पहला हिस्सा देकर अक्सर बाकी को छोटा कर देता है, उसका सारांश दे देता है या रुक जाता है।
- स्प्रेडशीट नहीं, सिर्फ़ टेक्स्ट। जवाब अक्सर चैट में बनी हुई टेबल होता है। उसे Excel में कॉपी करने पर कॉलम फिर बिगड़ सकते हैं।
स्प्रेडशीट में एक गलत सेल, टेक्स्ट में एक गलत शब्द से ज़्यादा बुरा है। आप उस कॉलम का जोड़ निकालेंगे, और कुल रकम भी बाकी रकमों जितनी ही भरोसेमंद दिखेगी।
ऐसा क्यों होता है
PDF टेबल को टेबल की तरह स्टोर नहीं करता। वह पेज पर अलग-अलग जगहों पर अक्षर रखता है। जो ग्रिड आपको दिखती है, वह सिर्फ़ देखने में होती है, और कन्वर्ट करने वाले को खुद तय करना पड़ता है कि कौन-सी वैल्यू किस पंक्ति और किस कॉलम की है। स्कैन में तो अक्षर भी नहीं होते, इसलिए पहले पेज को इमेज की तरह पढ़ना पड़ता है।
चैट असिस्टेंट यह सब एक ही बार में करता है और फिर हर सेल को एक ही जवाब में लिखना होता है। टेबल जितनी लंबी होगी, उसे बिना जगह खोए उतना ही ज़्यादा दोहराना पड़ेगा, और छोटा करने की प्रवृत्ति उतनी ही बढ़ जाती है। इस पूरी प्रक्रिया में कोई यह नहीं जाँचता कि हर पंक्ति में उतने ही सेल हैं जितने हेडर में।
खुद कैसे टेस्ट करें
ऐसा PDF लें जिसमें कम से कम दो पेज की टेबल हो और कुछ खाली सेल हों।
- चैटबॉट से कहें कि टेबल को Excel में बदले और हर पंक्ति दे।
- नतीजे में और PDF में पंक्तियाँ गिनें।
- आखिरी पेज की आखिरी पंक्ति देखें। क्या वह मौजूद है?
- पाँच नंबर बेतरतीब चुनें और उन्हें अंक-दर-अंक मिलाएँ।
- खाली सेल वाली कोई पंक्ति ढूँढें और देखें कि उसके बाद की वैल्यू सही कॉलम में हैं या नहीं।
अगर पाँचों जाँच पास हो जाएँ, तो आपके डॉक्यूमेंट के लिए चैटबॉट काफ़ी है। अगर एक भी फ़ेल हो, तो बाकी पेजों की भी यही जाँच करनी होगी, और तब हाथ से करने में उतना ज़्यादा खर्च हो जाता है जितना कन्वर्ज़न से बचा था।
इसकी जगह क्या इस्तेमाल करें
ऐसा टूल इस्तेमाल करें जो पेज को डेटा की तरह देखता हो। हमारा PDF से Excel कन्वर्टर हर पेज को इमेज की तरह पढ़ता है, इसलिए स्कैन किए PDF और छपी टेबल की फ़ोटो भी डिजिटल PDF की तरह ही काम करती हैं। हर टेबल वापस आती है और हर पंक्ति में हर कॉलम के लिए ठीक एक सेल होता है। वैल्यू वैसी ही कॉपी होती हैं जैसी छपी हैं, बिना राउंड किए; मर्ज किए सेल उन सभी पंक्तियों में दोहराए जाते हैं जिन तक वे फैले हैं, और जो वैल्यू पढ़ी न जा सके उसे अंदाज़े से भरने की बजाय [illegible] लिखा जाता है। टेबल पेज के बगल में दिखाई जाती है, ताकि XLSX (हर टेबल की अलग शीट के साथ) या CSV डाउनलोड करने से पहले आप मिलान कर सकें।
दो ईमानदार सीमाएँ: यह डेटा निकालता है, फ़ॉर्मैटिंग, फ़ॉर्मूले या चार्ट नहीं, और जो टेबल कई पेज तक चलती है वह हर पेज की एक अलग टेबल के रूप में आती है।
अगर PDF बैंक या क्रेडिट कार्ड स्टेटमेंट है, तो बैंक स्टेटमेंट कन्वर्टर ज़्यादा सही रहेगा। वह हर ट्रांज़ैक्शन को तारीख, विवरण, चिह्न सहित रकम और बैलेंस के साथ लौटाता है, और सभी पेजों को एक टेबल में जोड़ देता है।
दोनों में से किसी भी टूल में पहला पेज फ़्री है और अकाउंट नहीं चाहिए, इसलिए ऊपर का टेस्ट आप अपनी ही फ़ाइल पर चला सकते हैं। पूरा डॉक्यूमेंट $5 में, सिर्फ़ एक बार पेमेंट।