PDF, DOCX alebo webová stránka? Ako vybrať zdroj pre AI asistenta
Rovnaká informácia môže byť na webe, v PDF aj vo Worde, no pre návštevníka a AI asistenta nejde o rovnocenné zdroje. Praktický návod, ktorý formát použiť a kedy.
Na webe obce visí harmonogram v PDF, postup vybavenia žiadosti je vo Worde a aktuálny oznam je na samostatnej stránke. Vo firme sa k tomu pridá cenník, produktový katalóg a interný slovník skratiek. Pre človeka sú to rôzne súbory. Pre AI asistenta sú to zdroje s rozdielnou aktuálnosťou, štruktúrou a schopnosťou poskytnúť overiteľný odkaz.
Výber formátu preto nie je iba technická drobnosť. Rozhoduje o tom, či návštevník nájde informáciu cez vyhľadávač, otvorí ju na mobile, prečíta ju čítačkou obrazovky a overí si odpoveď AI na pôvodnej stránke.
Verejná odpoveď má smerovať na verejný zdroj. Pomocný dokument môže vysvetliť význam, no nemá vytvoriť odkaz, ktorý návštevník nemôže otvoriť.
Kedy je najlepšia webová stránka
HTML stránka je prvá voľba pre informácie, ktoré sa menia, ľudia ich často hľadajú alebo podľa nich vykonávajú konkrétnu úlohu. Patrí sem otváracia doba, kontakty, ceny služieb, postup reklamácie, podmienky žiadosti, termíny a odpovede na časté otázky.
Oficiálne usmernenie GOV.UK k prístupným dokumentom odporúča publikovať v HTML všade, kde je to možné. Uvádza, že PDF môže byť ťažšie nájsť, používať a udržiavať a často nefunguje dobre s asistenčnými technológiami. HTML sa zároveň prirodzene prispôsobí mobilu, používateľskému zväčšeniu textu a nastaveniam prehliadača.
Webová stránka dá AI asistentovi aj jasnú verejnú URL. Návštevník si tak vie prečítať celý kontext, nie iba jednu vetu z odpovede. Ak sa obsah zmení na jednom mieste, nemusíte synchronizovať stránku s druhou kópiou v dokumente.
Kedy má PDF stále zmysel
PDF je vhodné, keď musí zostať zachovaný pevný vzhľad, číslovanie strán, schválená verzia alebo tlačový výstup. Príkladom môže byť výročná správa, podpísané uznesenie, formulár určený na tlač, technický list či archívny dokument.
Samotná prípona PDF však nezaručuje použiteľný text. Naskenované stránky môžu obsahovať iba obrázky. W3C techniky pre PDF zahŕňajú OCR pre naskenované dokumenty, označené nadpisy, správne poradie čítania, alternatívne texty obrázkov, záložky, jazyk dokumentu a riadne označené tabuľky. Ak tieto prvky chýbajú, problém nemá iba AI. Dokument môže byť zložitý aj pre človeka so čítačkou obrazovky.
Google Search Central potvrdzuje, že Google dokáže indexovať PDF a ďalšie textové dokumenty. To však neznamená, že každý súbor je dobrá vstupná stránka. Pri často menenej informácii môže vyhľadávač aj návštevník naraziť na staršiu kópiu, najmä ak na webe zostalo viac verzií s podobným názvom.
DOCX a TXT ako pracovné podklady
Word dokument alebo čistý text sa hodí na internú prípravu, metodiku, slovník odborných výrazov či podrobné vysvetlenie, ktoré nemá byť samostatným verejným výsledkom. Takýto dokument môže AI pomôcť rozlíšiť interný názov produktu, skratku oddelenia alebo význam technického pojmu.
Pracovný dokument však nemá byť jediným zdrojom verejného faktu. Ak asistent odpovie na cenu, termín, právomoc alebo dostupnosť, návštevník potrebuje verejnú stránku, na ktorej si údaj overí. Interný DOCX bez verejnej URL túto úlohu nesplní.
Štyri otázky pred zaradením zdroja
1. Má návštevník podľa informácie konať?
Ak má zavolať, podať žiadosť, zaplatiť, prísť v konkrétnom čase alebo kúpiť produkt, informácia má mať verejnú a aktuálnu stránku. Dokument môže zostať ako príloha, nie ako jediný navigačný bod.
2. Ako často sa údaj mení?
Cenník, sklad, termíny a kontakty potrebujú jedného vlastníka a jeden hlavný zdroj. Pri viacerých kópiách vznikne otázka, ktorá verzia platí. Pre katalóg s množstvom položiek môže byť vhodný riadený XML feed, pretože ceny a dostupnosť sa nemusia ručne prepisovať do článkov.
3. Musí zostať zachovaný pevný dokument?
Ak organizácia potrebuje schválenú, podpísanú alebo archívnu verziu, PDF má jasný účel. K nemu však môže pridať krátku HTML stránku so zhrnutím, dátumom platnosti, vlastníkom obsahu a odkazom na súbor.
4. Je dokument technicky čitateľný?
Skontrolujte, či sa dá text označiť a kopírovať, či sken prešiel OCR, či nadpisy tvoria logickú štruktúru a či tabuľka dáva zmysel aj bez vizuálneho rozloženia. Pri DOCX pomôžu skutočné štýly nadpisov namiesto ručne zväčšeného tučného textu.
Ako oddeľuje verejné výsledky a pomocný kontext Informio Search
Informio Search vyhľadáva výsledky v explicitne vybraných verejných webových a XML zdrojoch. Karty výsledkov preto smerujú na reálne verejné URL. Vybrané manuálne texty, PDF, DOCX a TXT môže použiť ako pomocný knowledge kontext, ktorý objasní pojmy alebo súvislosti. Pomocný dokument sám nevytvorí verejnú kartu a AI z neho nemá urobiť nový verejný fakt.
Praktický príklad: výrobca má na webe produktové stránky a v internom dokumente slovník modelových radov. Slovník pomôže pochopiť, že návštevník používa staršie pomenovanie, ale výsledkom zostane aktuálna produktová stránka. Obec môže použiť metodiku na vysvetlenie úradného pojmu, no občan dostane odkaz na platný postup alebo formulár na verejnom webe.
Postup pri upratovaní zdrojov
- Spíšte stránky, PDF, DOCX, TXT a dátové feedy, z ktorých dnes čerpajú ľudia alebo asistent.
- Pri každom zdroji určte vlastníka, dátum platnosti a účel: verejná odpoveď, pomocný kontext alebo archív.
- Často hľadané a meniace sa informácie presuňte do HTML alebo riadeného dátového zdroja.
- PDF ponechajte tam, kde jeho pevná alebo schválená podoba prináša hodnotu. Doplňte OCR, nadpisy, jazyk, alternatívne texty a zrozumiteľný názov súboru.
- Odstráňte staré verejné kópie alebo ich jasne označte ako archívne, aby nekonkurovali aktuálnej verzii.
- Po indexácii otestujte konkrétne otázky a skontrolujte, či odpoveď smeruje na správny verejný zdroj.
Príklad pre obec
Všeobecne záväzné nariadenie môže zostať ako schválené PDF. Praktický postup pre občana, kontaktné miesto, termín a formulár patria na HTML stránku. Interná metodika môže asistenta naučiť význam používaných pojmov, no nemá nahradiť verejné nariadenie ani postup.
Príklad pre firmu a e-shop
Technický list produktu môže zostať v PDF na stiahnutie. Názov, cena, dostupnosť, hlavné parametre a reklamácia majú byť na produktovej alebo servisnej stránke. Interný slovník značiek a modelových skratiek môže zlepšiť pochopenie dopytu, zatiaľ čo výsledok vedie na aktuálnu položku v katalógu.
Najkratšie rozhodovacie pravidlo
Ak sa má informácia dať nájsť, citovať a pravidelne meniť, dajte ju na web. Ak potrebujete zachovať schválenú alebo tlačovú podobu, ponechajte PDF a sprístupnite ho. Ak dokument vysvetľuje interné pojmy alebo kontext, použite ho ako riadený pomocný zdroj a verejné tvrdenia opierajte o verejnú stránku.