Asistent AI peste documentele firmei: ce poate și ce nu poate

„Vreau un ChatGPT pe documentele firmei mele.” E una dintre cele mai frecvente cereri pe care le primim și, în același timp, una dintre cele mai prost înțelese.

Nu pentru că nu se poate. Se poate, am construit-o de mai multe ori. Dar ce își imaginează omul și ce se livrează sunt două lucruri diferite, iar diferența dintre ele decide dacă proiectul e folosit peste șase luni sau abandonat după trei săptămâni.

Hai să o luăm pe rând.

Ce nu e

Nu e un model antrenat pe datele tale. Antrenarea unui model pe documentele unei firme costă enorm, durează, și trebuie refăcută de fiecare dată când apare un document nou. Nimeni sănătos la cap nu face asta pentru un arhiv de contracte.

Nu e nici „urc documentele într-un chat”. Un chat are o limită de context. Poți pune într-o conversație câteva zeci de pagini, nu opt mii de facturi. Și, mai important, când sesiunea se închide, s-a dus tot.

Ce se construiește de fapt e o căutare inteligentă cu un model care formulează răspunsul. Documentele stau într-o bază proprie, tăiate în bucăți și indexate. Când pui o întrebare, sistemul caută bucățile relevante și le dă modelului împreună cu întrebarea. Modelul scrie răspunsul folosind doar ce a primit.

Distincția asta nu e pedanterie. Ea explică exact ce poate și ce nu poate sistemul.

Ce poate face bine

Găsește lucruri pe care nu știai cum să le cauți. Diferența față de Ctrl+F e că nu cauți un cuvânt, ci o idee. „Care contracte au clauză de reziliere cu preaviz sub 30 de zile?” nu se poate căuta cu Ctrl+F, pentru că fiecare contract formulează altfel. Un sistem semantic găsește și „cu un preaviz de 15 zile” și „cu notificare prealabilă de două săptămâni”.

Răspunde cu sursa atașată. Ăsta e punctul care face diferența între o jucărie și un instrument. Fiecare răspuns vine cu documentul și pagina din care a fost scos. Poți verifica în trei secunde. Un asistent care răspunde fără sursă nu are voie în fluxul tău de decizie.

Citește documente pe care nu le-a văzut nimeni. Extrase bancare scanate, facturi de la furnizori în PDF, procese-verbale fotografiate cu telefonul. Cu OCR în față, toate devin căutabile. Pentru multe firme, ăsta e singurul mod realist de a face arhiva utilizabilă, pentru că nimeni nu o să reintroducă zece ani de hârtii manual.

Face agregări simple, cu grijă. „Cât am plătit către furnizorul X în trimestrul trei?” funcționează dacă datele sunt structurate corect la indexare. Dacă nu, vezi secțiunea următoare.

Unde greșește, predictibil

Aici e partea pe care ți-o spunem înainte, nu după.

La calcule pe multe documente deodată. Dacă întrebarea cere adunarea a trei sute de facturi, sistemul nu trebuie să lase modelul să adune. Modelul e bun la limbă, nu la aritmetică pe volum. Construcția corectă extrage cifrele într-o bază de date și face suma cu o interogare, apoi modelul doar formulează răspunsul. Dacă furnizorul tău nu a făcut asta, o să primești sume care arată plauzibil și sunt greșite.

La întrebări care cer tot arhiva. „Rezumă-mi toate contractele” nu funcționează, pentru că sistemul aduce doar bucățile relevante, nu totul. Răspunsul o să pară complet și o să fie parțial. Un sistem onest spune „am găsit 14 contracte relevante, uite-le”, nu inventează o sinteză.

La documente prost scanate. OCR-ul pe o poză strâmbă, cu umbră, a unui bon termic decolorat, dă gunoi. Gunoiul indexat rămâne gunoi. Calitatea intrării decide calitatea ieșirii, și nicio cantitate de AI nu compensează o arhivă fotografiată în grabă.

La întrebări despre ce nu e în documente. Dacă un contract nu conține o clauză de penalități, întrebarea „ce penalități am?” trebuie să primească „nu am găsit nicio clauză de penalități în acest contract”. Un sistem prost configurat completează golul cu ce e obișnuit în contracte similare. Ăsta e cel mai periculos mod în care greșește, pentru că răspunsul sună competent.

Cum arată o construcție serioasă

Câteva lucruri pe care le cerem noi înșine la fiecare proiect de tipul ăsta.

Răspuns cu citare obligatorie. Fără sursă, fără răspuns. Dacă sistemul nu găsește nimic relevant, spune că nu găsește.

Drepturi pe document. Nu toată lumea din firmă are voie să vadă contractele de muncă. Filtrarea se face la căutare, nu la afișare — altfel modelul vede ce nu are voie să vadă și poate scăpa informația în formulare.

Jurnal de întrebări. Vrei să știi ce a întrebat cine și ce a primit. E util pentru audit și, practic, e cel mai bun mod de a înțelege ce chiar folosesc oamenii.

Date ținute într-un loc serios. Documentele stau într-o bază separată, doar a ta, pe un VPS dedicat în Europa, cu copii de siguranță zilnice — nu într-un dosar Drive partajat și nu pe o găzduire de cinci euro. Apelurile către modelul de limbaj trimit doar bucata relevantă, nu arhiva. Contractele de API ale furnizorilor serioși exclud folosirea datelor pentru antrenare, dar merită citit ce semnezi.

Când merită și când nu

Merită dacă ai volum și dacă oamenii pierd timp căutând. Un birou de contabilitate cu douăzeci de firme client, o firmă de construcții cu sute de contracte și anexe, un cabinet care are nevoie de istoricul unui dosar în timp real — toate au un caz real.

Nu merită dacă ai două sute de documente și le știi pe toate. Un sistem de căutare bun și o structură de foldere disciplinată te costă zero și fac treaba.

Testul pe care îl propunem: notează, timp de o săptămână, de câte ori cineva din firmă întreabă „unde e documentul cu…” sau „ce scria în contractul cu…“. Dacă numărul trece de zece pe zi, discuția are sens.

Dacă vrei să vezi cum ar arăta pe arhiva ta, scrie-ne — putem face un test pe un set restrâns de documente înainte de orice angajament.