Chuyển PDF, Word, Excel sang văn bản sạch trước khi đưa cho AI xử lý

Trước khi nhờ AI tóm tắt, lập báo cáo hay soạn email từ tài liệu, hãy làm rõ tiêu đề, bảng và ghi chú. Bản Markdown hoặc văn bản sạch giúp bạn kiểm soát dữ liệu nguồn và đối chiếu đầu ra nhanh hơn.

Một file Excel báo cáo doanh số có nhiều sheet, dòng tổng, cột ghi chú và vài ô trống. Bạn tải cả file lên AI rồi yêu cầu: “Tóm tắt kết quả tuần này”.

Câu trả lời có thể rất trôi chảy, nhưng bạn vẫn cần kiểm tra: AI có phân biệt được dòng tổng với dữ liệu từng nhân viên không? Có bỏ sót ghi chú về đơn hoàn không? Có hiểu đúng tên cột và đơn vị tính không?

Với PDF công văn, Word biên bản họp hay PowerPoint, vấn đề cũng tương tự. Người đọc nhìn định dạng để nhận ra đâu là tiêu đề, bảng, ghi chú và kết luận. Nếu những phần này không được biểu diễn rõ khi đưa vào AI, việc kiểm tra câu trả lời sẽ khó hơn.

Cách làm an toàn và dễ kiểm soát hơn là: chuyển tài liệu thành văn bản sạch, có cấu trúc trước; sau đó mới yêu cầu AI xử lý.

Vì sao nên chuẩn bị văn bản trước?

AI cần có ngữ cảnh rõ ràng: phần nào là tiêu đề, phần nào là danh sách công việc, bảng nào chứa số liệu, ghi chú nào là ngoại lệ.

Một định dạng phù hợp là Markdown — văn bản gần với văn bản thuần nhưng vẫn dùng ký hiệu đơn giản để biểu thị cấu trúc như tiêu đề, danh sách, bảng và liên kết.

Ví dụ:

text ## Kết luận cuộc họp

Chốt <hạng mục> Người phụ trách: <tên> Hạn hoàn thành: <ngày>

| Công việc | Phụ trách | Trạng thái | |---|---|---| | <hạng mục> | <tên> | <trạng thái> |

Khi dữ liệu được sắp xếp như vậy, bạn dễ yêu cầu AI trả lời đúng trọng tâm hơn: việc nào cần làm, ai phụ trách, con số nào thuộc bảng nào. Bạn cũng dễ đối chiếu lại với tài liệu gốc trước khi gửi email, làm báo cáo hoặc trình ký.

MarkItDown là gì?

MarkItDown là tiện ích của Microsoft dùng để chuyển nhiều loại tệp sang Markdown, phục vụ mô hình ngôn ngữ và các quy trình phân tích văn bản.

Theo tài liệu dự án, MarkItDown hỗ trợ nhiều định dạng, gồm:

PDF Word, PowerPoint, Excel Ảnh HTML CSV, JSON, XML và các định dạng văn bản EPUB Tệp ZIP Âm thanh và một số nguồn nội dung khác

Công cụ hướng đến việc giữ lại nội dung và cấu trúc quan trọng cho AI đọc, chẳng hạn tiêu đề, danh sách, bảng và liên kết.

Điểm cần hiểu đúng: đầu ra Markdown thường phù hợp để phân tích, tóm tắt hoặc trích xuất thông tin. Đây không nhất thiết là lựa chọn phù hợp nếu bạn cần tạo một bản Word hoặc PDF có trình bày giống hệt tài liệu gốc để gửi khách hàng.

Quy trình chuẩn bị tài liệu trước khi hỏi AI

Bạn không cần là lập trình viên để áp dụng quy trình này. Phần lớn bước chuẩn bị có thể thực hiện ngay trong Word, Excel, Google Docs hoặc Google Sheets.

Nếu công ty có bộ phận IT, bạn có thể đề nghị họ triển khai công cụ chuyển đổi như MarkItDown hoặc Docling trong môi trường được kiểm soát.

Bước 1: Xác định đầu ra cần nhận

Đừng bắt đầu bằng câu: “Hãy đọc file này”.

Hãy xác định rõ bạn muốn AI làm gì:

Tóm tắt biên bản họp thành danh sách việc cần làm. Trích điều khoản thanh toán từ hợp đồng. So sánh số liệu giữa các sheet Excel. Soạn email phản hồi khách hàng từ chuỗi trao đổi. Lập dàn ý báo cáo quản lý từ dữ liệu bán hàng.

Mục tiêu càng cụ thể, bạn càng biết phần nào cần giữ lại và phần nào không nên đưa vào AI.

Ví dụ: nếu cần làm báo cáo doanh số tháng, bạn có thể chỉ dùng sheet số liệu của kỳ báo cáo thay vì đưa cả file gồm sheet nháp, sheet in ấn, danh mục cũ và dữ liệu không liên quan.

Bước 2: Dọn file gốc bằng thao tác quen thuộc

Với Word hoặc Google Docs

Xóa bản nháp và ghi chú nội bộ không liên quan. Dùng kiểu Heading/Tiêu đề thay vì chỉ bôi đậm hoặc tăng cỡ chữ. Chuyển các việc cần làm thành danh sách gạch đầu dòng. Ghi rõ người phụ trách và hạn xử lý, nếu tài liệu có nêu. Viết rõ ý nghĩa của chữ viết tắt.

Với Excel hoặc Google Sheets

Đặt tên rõ ràng cho từng cột. Tránh nhiều hàng tiêu đề chồng lên nhau. Hạn chế ô gộp trong vùng dữ liệu cần phân tích. Gắn nhãn rõ cho dòng tổng, dòng ghi chú và dữ liệu chi tiết. Kiểm tra định dạng ngày tháng, tiền tệ và phần trăm. Ghi rõ đơn vị tính, chẳng hạn: đồng, triệu đồng, sản phẩm hoặc phần trăm.

Nếu có nhiều sheet, hãy thêm phần giới thiệu ngắn cho từng bảng khi chuẩn bị nội dung gửi AI:

text ## Sheet: <tên sheet>

Phạm vi dữ liệu: <mô tả ngắn> Đơn vị tính: <đơn vị> Lưu ý: <quy ước hoặc ngoại lệ>

AI không thể chắc chắn tự suy ra rằng “SL” là số lượng, “DT” là doanh thu, hoặc một dòng tô màu là số liệu cần loại trừ. Những quy ước này cần được viết thành chữ.

Bước 3: Chuyển sang văn bản có cấu trúc

Nếu doanh nghiệp đã triển khai MarkItDown, IT hoặc người phụ trách công cụ có thể dùng nó để chuyển PDF, Word, Excel hoặc PowerPoint thành tệp Markdown.

Với PDF phức tạp, đặc biệt là tài liệu scan, hãy coi bản chuyển đổi là bản cần kiểm tra, không phải nguồn tuyệt đối.

MarkItDown có plugin OCR để trích xuất chữ từ ảnh nhúng trong PDF, DOCX, PPTX và XLSX bằng mô hình thị giác. Plugin này cần được cài đặt và cấu hình với một dịch vụ mô hình tương thích. Nếu không có cấu hình đó, OCR sẽ bị bỏ qua và công cụ dùng bộ chuyển đổi tiêu chuẩn.

Docling là một lựa chọn khác. Dự án này hỗ trợ phân tích PDF nâng cao, gồm bố cục trang, thứ tự đọc và cấu trúc bảng; đồng thời có thể xuất Markdown. Docling cũng công bố khả năng chạy cục bộ, phù hợp để IT xem xét khi xử lý dữ liệu nhạy cảm hoặc trong môi trường tách biệt mạng.

Bước 4: Kiểm tra bản sạch trước khi dán vào AI

Mở tệp Markdown bằng Notepad, TextEdit hoặc trình soạn thảo văn bản được công ty cho phép.

Kiểm tra nhanh:

Tiêu đề có bị lẫn vào nội dung không? Bảng có đủ tên cột và các dòng quan trọng không? Số tiền, ngày tháng, mã hợp đồng có bị mất ký tự không? Chân trang PDF có bị lặp lại ở nhiều trang không? Có dữ liệu ở sheet khác bị đưa vào ngoài ý muốn không?

Nếu thấy số trang lặp lại, chữ ký quét hoặc phần in ấn không liên quan, hãy xóa trước khi đưa vào AI.

Nếu bảng bị vỡ nhiều, hãy quay về Excel, sao chép riêng vùng bảng cần dùng và dán thành văn bản với tên cột rõ ràng.

Mẫu prompt để AI không tự bổ sung thông tin

Sau khi có văn bản sạch, hãy nêu rõ phạm vi dữ liệu mà AI được phép sử dụng.

text Bạn là trợ lý hỗ trợ lập báo cáo.

Chỉ sử dụng thông tin trong nội dung bên dưới. Không suy đoán hoặc bổ sung dữ liệu không có trong tài liệu.

Hãy tạo: Tóm tắt chính Các việc cần làm Người phụ trách và hạn xử lý, nếu được nêu Các điểm còn thiếu thông tin hoặc cần xác minh

Nếu không tìm thấy dữ liệu cho một mục, ghi rõ: “Không thấy nêu trong tài liệu”.

<NỘI DUNG MARKDOWN ĐÃ LÀM SẠCH>

Mẫu cho bảng Excel:

text Dựa duy nhất vào bảng dữ liệu bên dưới, hãy lập bản nháp báo cáo cho <người nhận>.

Yêu cầu: Nêu các điểm đáng chú ý theo dữ liệu Tách rõ số liệu thực tế và nhận định Không tự tính hoặc tự điền số liệu nếu bảng không đủ dữ liệu Liệt kê các cột hoặc dòng cần kiểm tra lại trước khi gửi

<BẢNG DỮ LIỆU ĐÃ LÀM SẠCH>

Ví dụ: biến biên bản họp thành danh sách giao việc

Dữ liệu đầu vào đã làm sạch:

text ## Họp xử lý phản hồi khách hàng

<tên> rà soát phản hồi về <sản phẩm>. <tên> chuẩn bị bản cập nhật cho khách hàng. Chưa nêu thời hạn gửi bản cập nhật.

Kết quả nên có:

Việc cần làm: rà soát phản hồi về <sản phẩm>. Phụ trách: <tên>. Việc cần làm: chuẩn bị bản cập nhật cho khách hàng. Phụ trách: <tên>. Cần xác minh: thời hạn gửi bản cập nhật.

Không nên chấp nhận kết quả tự thêm ngày hẹn, tự gán người phụ trách khác hoặc kết luận khách hàng đã đồng ý một phương án khi tài liệu không nêu điều đó.

Nguồn dữ liệu càng ngắn, rõ và có cấu trúc, bạn càng dễ phát hiện các chi tiết vượt quá tài liệu gốc.

Kiểm tra đầu ra AI trước khi gửi

Đừng chỉ đọc phần văn xuôi. Hãy kiểm tra theo thứ tự:

Con số: đối chiếu tổng tiền, tỷ lệ và số lượng với file gốc. Tên riêng: kiểm tra tên khách hàng, nhân viên, phòng ban và mã hồ sơ. Thời gian: xem AI có nhầm ngày họp, hạn xử lý hoặc kỳ báo cáo không. Bảng biểu: kiểm tra AI có đổi cột thành hàng hoặc bỏ sót dòng quan trọng không. Kết luận: đánh dấu các câu không có căn cứ trực tiếp trong dữ liệu.

Với báo cáo quan trọng, bạn có thể yêu cầu AI kèm nguồn cho từng kết luận:

text Với mỗi kết luận, hãy ghi kèm phần dữ liệu nguồn đã dùng. Nếu không có dữ liệu nguồn rõ ràng, không đưa ra kết luận đó.

Lưu ý bảo mật

Không đưa dữ liệu mật, dữ liệu cá nhân, bảng lương, số tài khoản, hồ sơ nhân sự hoặc nội dung hợp đồng chưa được phép vào công cụ AI công khai.

Hãy kiểm tra chính sách của công ty trước khi tải tệp hoặc sao chép nội dung sang một dịch vụ bên ngoài.

Tài liệu MarkItDown cũng lưu ý rằng công cụ truy cập đầu vào với quyền của tiến trình đang chạy. Vì vậy, khi xử lý tệp hoặc nguồn không đáng tin cậy, cần kiểm soát đầu vào và chỉ dùng phạm vi chuyển đổi cần thiết.

Với dữ liệu nhạy cảm, khả năng chạy cục bộ mà Docling công bố có thể là một phương án để IT đánh giá. Dù dùng công cụ nào, vẫn cần kiểm tra đầu ra AI, đặc biệt là con số, tên riêng, ngày tháng và nội dung kết luận, trước khi gửi đi.

Checklist trước khi hỏi AI

[ ] Tôi đã xác định rõ câu hỏi và đầu ra cần nhận. [ ] Tôi chỉ giữ dữ liệu liên quan đến công việc. [ ] Tiêu đề, bảng, đơn vị tính và ghi chú đã rõ. [ ] Tôi đã xem lại bản Markdown hoặc văn bản sạch. [ ] Prompt yêu cầu AI không suy đoán. [ ] Tôi sẽ đối chiếu số liệu và tên riêng với file gốc.

AI không thay bạn chịu trách nhiệm về báo cáo. Nhưng một bản tài liệu sạch, có cấu trúc và đúng phạm vi sẽ giúp AI trở thành trợ lý dễ kiểm chứng hơn trong công việc hằng ngày.