Wat een chatbot goed doet

Neem een digitale PDF, een waarin je de tekst met je muis kunt selecteren, met een tabel van tien of twintig rijen. Upload hem naar ChatGPT, Claude of Gemini en vraag om de tabel. Meestal krijg je de juiste rijen en kolommen terug, en sommige chatbots kunnen er ook een downloadbaar bestand van maken. Als dat jouw PDF is, is een chatbot een prima tool voor deze klus.

De lengte alleen is niet altijd het probleem. In onze test met vier lange opdrachten plakten we de tekst van een bankafschrift van 320 rijen en 10 pagina's in drie chatmodellen en vroegen we om CSV. Alle drie gaven elke rij terug, met alle bedragen en tekens correct. De fouten hieronder komen door wat een echte PDF erbij brengt: gescande pagina's, lege en samengevoegde cellen, en tabellen die langer zijn dan één antwoord.

Waar het misgaat

De problemen ontstaan naarmate het document moeilijker of langer wordt.

  • Gescande pagina's. Een gescande PDF bevat afbeeldingen van pagina's, geen tekst. Afhankelijk van de chatbot wordt de tabel met fouten gelezen of helemaal niet.
  • Verschoven kolommen. Een lege of samengevoegde cel kan ervoor zorgen dat elke waarde erna één kolom opschuift. Het resultaat ziet er nog steeds uit als een nette tabel, en daarom valt de fout zo makkelijk niet op.
  • Veranderde getallen. Bedragen kunnen worden afgerond, een duizendtallenscheidingsteken kan wegvallen of als decimaalteken worden gelezen, en een negatief bedrag tussen haakjes kan zijn min kwijtraken.
  • Ontbrekende rijen. Bij een tabel die over veel pagina's loopt, geeft de chatbot meestal het eerste deel terug en kort hij daarna in, vat hij samen of stopt hij.
  • Tekst, geen spreadsheet. Het antwoord is vaak een tabel die in de chat is getekend. Als je die in Excel plakt, kunnen de kolommen opnieuw misgaan.

Een verkeerde cel in een spreadsheet is erger dan een verkeerd woord in een tekst. Je telt die kolom op, en het totaal ziet er net zo betrouwbaar uit als elk ander.

Waarom dit gebeurt

Een PDF slaat een tabel niet op als tabel. Hij slaat tekens op, op posities op een pagina. Het raster dat je ziet, bestaat alleen visueel, en wie de PDF omzet, moet bepalen bij welke rij en kolom elke waarde hoort. In een scan zijn niet eens tekens aanwezig, dus de pagina moet eerst als afbeelding worden gelezen.

Een chatbot doet dit allemaal in één keer en moet vervolgens elke cel in één antwoord uitschrijven. Hoe langer de tabel, hoe meer hij moet reproduceren zonder de draad kwijt te raken, en hoe sterker de neiging om in te korten. Niets in dat proces controleert of elke rij evenveel cellen heeft als de koprij.

Zo test je het zelf

Gebruik een PDF met een tabel van minstens twee pagina's en een paar lege cellen.

  1. Vraag een chatbot om de tabel naar Excel om te zetten en om elke rij te geven.
  2. Tel de rijen in het resultaat en in de PDF.
  3. Controleer de laatste rij van de laatste pagina. Staat die erin?
  4. Kies willekeurig vijf getallen en vergelijk ze cijfer voor cijfer.
  5. Zoek een rij met een lege cel en controleer of de waarden erna in de juiste kolommen staan.

Als alle vijf de controles slagen, kan een chatbot jouw document aan. Als er één mislukt, moeten de andere pagina's net zo worden gecontroleerd, en dan kost het nalopen met de hand meer dan de omzetting bespaarde.

Wat je in plaats daarvan kunt gebruiken

Gebruik een tool die de pagina als data behandelt. Onze PDF naar Excel-converter leest elke pagina als afbeelding, zodat gescande PDF's en foto's van gedrukte tabellen op dezelfde manier werken als digitale PDF's. Elke tabel komt terug met in elke rij precies één cel per kolom. Waarden worden overgenomen zoals ze gedrukt staan, zonder afronding, samengevoegde cellen worden herhaald in elke rij waarover ze lopen, en een waarde die niet te lezen is, wordt als [illegible] weggeschreven in plaats van geraden. De tabel wordt naast de pagina getoond, zodat je kunt vergelijken voordat je XLSX downloadt, met één blad per tabel, of CSV.

Twee eerlijke beperkingen: de tool haalt gegevens eruit, geen opmaak, formules of grafieken, en een tabel die over meerdere pagina's doorloopt, komt terug als één tabel per pagina.

Als de PDF een bank- of creditcardafschrift is, past de Bankafschrift-converter beter. Die geeft elke transactie terug met een datum, een omschrijving, een bedrag met teken en een saldo, en voegt alle pagina's samen tot één tabel.

Bij beide tools is de eerste pagina gratis en heb je geen account nodig, zodat je de test hierboven met je eigen bestand kunt doen. Een heel document kost $5, eenmalig betaald.