Cách dùng Gemini trích xuất dữ liệu từ tài liệu
Bùi Tấn Lực - 105
- 10/10/2026
Khi làm việc với hợp đồng, báo cáo kinh doanh, bảng khảo sát, hóa đơn hoặc hàng loạt tài liệu PDF, việc tìm kiếm và tổng hợp thông tin thủ công thường tốn nhiều thời gian. Bạn có thể phải đọc từng trang, xác định những trường dữ liệu cần thiết rồi nhập lại vào bảng tính để phục vụ công việc. Đây là lúc Google Gemini có thể hỗ trợ đáng kể.
Thay vì chỉ yêu cầu AI tóm tắt nội dung, bạn có thể hướng dẫn Gemini tìm những thông tin cụ thể, bóc tách dữ liệu theo từng trường, chuẩn hóa kết quả và trình bày thành bảng để dễ kiểm tra hoặc sử dụng tiếp. Cách làm này đặc biệt hữu ích khi cần xử lý nhiều tài liệu có cấu trúc tương tự nhau.
Tuy nhiên, trích xuất dữ liệu bằng AI không đơn giản là tải tệp lên rồi sao chép kết quả. Để hạn chế sai sót, bạn cần xác định rõ thông tin cần lấy, quy định định dạng đầu ra và đối chiếu những dữ liệu quan trọng với tài liệu gốc. Bài viết dưới đây hướng dẫn cách thực hiện từng bước, từ thao tác cơ bản đến xây dựng quy trình trích xuất dữ liệu có thể áp dụng vào công việc thực tế.
Gemini có thể trích xuất những loại dữ liệu nào?
Gemini có thể hỗ trợ đọc và xử lý thông tin trong những tài liệu được cung cấp, tùy thuộc vào định dạng tệp, khả năng của phiên bản đang sử dụng và giới hạn của từng tính năng. Thay vì yêu cầu AI xử lý toàn bộ nội dung một cách chung chung, bạn nên xác định trước loại dữ liệu cần lấy để kết quả có giá trị sử dụng cao hơn.
Trích xuất thông tin từ PDF và tài liệu văn bản
Với tài liệu PDF có văn bản, báo cáo Word hoặc những tệp chứa nội dung dạng chữ, bạn có thể yêu cầu Gemini xác định các thông tin quan trọng như:
- Thông tin định danh: Tên doanh nghiệp, họ tên, mã khách hàng, số hợp đồng hoặc mã hồ sơ.
- Thông tin thời gian: Ngày ký hợp đồng, thời hạn thanh toán, ngày bắt đầu và ngày kết thúc.
- Thông tin tài chính: Giá trị hợp đồng, doanh thu, chi phí, thuế và tổng số tiền.
- Thông tin mô tả: Điều khoản chính, yêu cầu kỹ thuật, nội dung công việc hoặc các điều kiện đi kèm.
- Thông tin cần đối chiếu: Những trường dữ liệu xuất hiện ở nhiều phần hoặc nhiều tài liệu khác nhau.
Ví dụ, thay vì đọc lần lượt 20 hợp đồng để tìm ngày ký, giá trị hợp đồng và thời hạn thanh toán, bạn có thể yêu cầu Gemini lập bảng tổng hợp theo ba trường này. Kết quả giúp bạn rà soát nhanh hơn, nhưng vẫn cần kiểm tra những thông tin có ảnh hưởng đến quyết định hoặc nghĩa vụ pháp lý.
Lấy dữ liệu từ bảng biểu và báo cáo
Đối với báo cáo có bảng doanh thu, bảng thống kê hoặc danh sách chỉ tiêu, Gemini có thể hỗ trợ xác định tên cột, giá trị tương ứng, đơn vị tính và mối quan hệ giữa các thông tin. Bạn cũng có thể yêu cầu chuyển dữ liệu từ cách trình bày trong tài liệu sang một bảng thống nhất.
Chẳng hạn, một báo cáo có các cột doanh thu, chi phí và lợi nhuận theo tháng có thể được chuyển thành bảng tổng hợp để thuận tiện cho việc so sánh. Dù vậy, nếu bảng có nhiều trang, tiêu đề lặp lại, ô gộp hoặc số liệu phức tạp, bạn cần kiểm tra kỹ xem AI có ghép đúng hàng, cột và đơn vị hay không.
Trích xuất dữ liệu từ tài liệu scan hoặc hình ảnh
Nếu tài liệu được scan từ giấy hoặc lưu dưới dạng hình ảnh, khả năng trích xuất phụ thuộc vào việc Gemini có đọc được chữ trong tệp hay không. Những tài liệu có chữ rõ ràng, độ tương phản tốt và bố cục đơn giản thường thuận lợi hơn tài liệu bị mờ, nghiêng, nhòe hoặc có chữ viết tay.
Với hóa đơn, phiếu giao hàng hoặc biểu mẫu scan, bạn nên yêu cầu Gemini chỉ ra những trường thông tin cần lấy và đánh dấu trường nào không đọc được. Không nên mặc định rằng mọi con số được AI nhận diện đều chính xác, đặc biệt với số tiền, mã số thuế, số tài khoản và ngày tháng.
Nếu tài liệu quá mờ hoặc có bố cục phức tạp, hãy sử dụng công cụ nhận dạng ký tự quang học (OCR) phù hợp để tạo văn bản có thể đọc được, sau đó kiểm tra kết quả trước khi đưa vào bước tổng hợp bằng Gemini.
Cần chuẩn bị gì trước khi trích xuất dữ liệu?
Chất lượng dữ liệu đầu ra phụ thuộc nhiều vào tài liệu đầu vào và cách bạn xác định yêu cầu. Chuẩn bị tốt ngay từ đầu sẽ giúp giảm tình trạng thiếu trường thông tin, nhầm lẫn giữa các giá trị hoặc phải thực hiện lại nhiều lần.
Kiểm tra định dạng và chất lượng tài liệu
Trước tiên, hãy xác định tài liệu đang ở dạng PDF có văn bản, tệp văn bản, bảng tính hay hình ảnh scan. Sau đó, kiểm tra xem nội dung có bị thiếu trang, lỗi font, sai thứ tự hoặc mất một phần bảng biểu hay không.
Nếu tài liệu có nhiều phiên bản, hãy chọn đúng bản cần xử lý. Ví dụ, một hợp đồng có bản dự thảo và bản đã ký có thể chứa các điều khoản hoặc giá trị khác nhau. Nếu tải nhầm bản, Gemini vẫn có thể trả về một bảng trông hợp lý nhưng không phản ánh dữ liệu bạn thực sự cần.
Với tài liệu có dung lượng lớn, hãy kiểm tra giới hạn tải tệp của phiên bản Gemini đang sử dụng. Nếu vượt quá giới hạn, bạn có thể chia tài liệu thành những phần hợp lý, đồng thời giữ lại số trang, mã tài liệu hoặc thông tin nhận diện để đối chiếu kết quả sau này.
Xác định chính xác các trường dữ liệu cần lấy
Đây là bước quan trọng nhất trước khi viết câu lệnh. Bạn nên lập danh sách các trường cần trích xuất thay vì chỉ yêu cầu Gemini lấy thông tin quan trọng trong tài liệu.
Ví dụ, nếu cần xử lý hợp đồng mua bán, danh sách trường có thể bao gồm:
- Mã hợp đồng.
- Tên bên mua và bên bán.
- Ngày ký hợp đồng.
- Giá trị hợp đồng và đơn vị tiền tệ.
- Thời hạn thanh toán.
- Ngày hết hạn hoặc thời điểm hoàn thành nghĩa vụ.
- Điều khoản phạt vi phạm, nếu có.
Việc xác định trước các trường giúp Gemini tập trung vào đúng mục tiêu, đồng thời tạo ra kết quả nhất quán khi bạn xử lý nhiều tài liệu cùng loại.
Quy định cách xử lý thông tin thiếu hoặc không rõ ràng
Không phải tài liệu nào cũng chứa đầy đủ thông tin. Có trường bị bỏ trống, có dữ liệu chỉ xuất hiện trong phụ lục và cũng có trường hợp nội dung bị mờ hoặc mâu thuẫn giữa các trang.
Để tránh AI tự suy đoán, hãy quy định rõ cách xử lý các trường hợp này. Chẳng hạn, yêu cầu ghi Không tìm thấy khi tài liệu không đề cập đến thông tin cần lấy, ghi Không đọc rõ khi dữ liệu có xuất hiện nhưng không thể xác định chính xác và ghi Cần đối chiếu khi phát hiện thông tin mâu thuẫn.
Cách quy định này giúp phân biệt dữ liệu thực sự không tồn tại với dữ liệu bị bỏ sót trong quá trình đọc. Đây là yếu tố quan trọng nếu kết quả được dùng để lập báo cáo, quản lý hồ sơ hoặc nhập vào hệ thống nghiệp vụ.
Hướng dẫn dùng Gemini trích xuất dữ liệu từ tài liệu
Cách thực hiện cơ bản gồm bốn bước: mở Gemini, cung cấp tài liệu, mô tả những trường cần trích xuất và kiểm tra kết quả. Tên nút hoặc vị trí chức năng có thể thay đổi tùy phiên bản, tài khoản và giao diện đang được cung cấp.
Bước 1: Mở Gemini và tải tài liệu cần xử lý
Truy cập Gemini bằng trình duyệt, sau đó đăng nhập tài khoản nếu được yêu cầu. Tại giao diện trò chuyện, tìm chức năng thêm tệp hoặc đính kèm tài liệu. Tùy giao diện hiện tại, chức năng này có thể nằm trong khu vực nhập câu lệnh.
Chọn tài liệu muốn xử lý từ thiết bị hoặc nguồn lưu trữ được giao diện hỗ trợ. Nếu tệp nằm trên Google Drive, bạn có thể sử dụng phương thức chọn tệp từ Drive khi tài khoản và giao diện có hỗ trợ.
Sau khi đính kèm, hãy kiểm tra tên tệp để chắc chắn rằng bạn đã chọn đúng tài liệu. Nếu có nhiều tệp liên quan, nên đặt tên rõ ràng hoặc cung cấp mã nhận diện cho từng tài liệu để tránh nhầm lẫn khi tổng hợp.
Lưu ý: Không phải mọi tài khoản Gemini đều có cùng giới hạn tải tệp hoặc quyền truy cập nguồn dữ liệu. Nếu không thấy chức năng đính kèm, hãy kiểm tra phiên bản, loại tài khoản và những tính năng hiện được cung cấp thay vì mặc định rằng tài khoản đang gặp lỗi.
Bước 2: Viết câu lệnh xác định dữ liệu cần trích xuất
Sau khi thêm tài liệu, hãy mô tả rõ nhiệm vụ. Một câu lệnh tốt cần nêu được loại dữ liệu cần lấy, phạm vi xử lý, định dạng kết quả và nguyên tắc không tự suy diễn thông tin.
Bạn có thể sử dụng mẫu câu lệnh sau và thay đổi các trường cho phù hợp với tài liệu thực tế:
Hãy đọc tài liệu tôi đã đính kèm và trích xuất các trường sau:
- Mã tài liệu
- Tên đơn vị hoặc cá nhân liên quan
- Ngày lập tài liệu
- Giá trị tiền tệ, nếu có
- Thời hạn hoặc ngày hết hạn, nếu có
Yêu cầu:
1. Chỉ sử dụng thông tin có trong tài liệu.
2. Không tự suy đoán hoặc điền dữ liệu còn thiếu.
3. Nếu không tìm thấy thông tin, ghi "Không tìm thấy".
4. Nếu thông tin có nhưng không đọc rõ, ghi "Không đọc rõ".
5. Giữ nguyên đơn vị tiền tệ và định dạng ngày tháng như trong tài liệu.
6. Trình bày kết quả thành bảng, mỗi trường thông tin nằm ở một cột.
7. Ghi rõ số trang hoặc vị trí tìm thấy thông tin nếu có thể xác định.
8. Nêu riêng những trường cần kiểm tra lại.
Điểm quan trọng của câu lệnh này là yêu cầu Gemini trích xuất theo danh sách cụ thể, thay vì tự chọn nội dung mà AI cho là đáng chú ý. Việc quy định cách xử lý dữ liệu thiếu cũng giúp kết quả dễ kiểm tra và hạn chế những giá trị được tạo ra do suy đoán.
Bước 3: Yêu cầu Gemini chuẩn hóa kết quả
Khi đã có bảng dữ liệu ban đầu, bạn có thể yêu cầu Gemini chuẩn hóa cách trình bày để thuận tiện cho việc tổng hợp hoặc nhập vào hệ thống khác.
Ví dụ, trong các tài liệu khác nhau, ngày tháng có thể được ghi theo dạng ngày/tháng/năm hoặc tháng/ngày/năm. Tên doanh nghiệp có thể xuất hiện cùng tiền tố pháp lý hoặc được viết tắt. Giá trị tiền tệ cũng có thể sử dụng dấu phân cách hàng nghìn khác nhau.
Thay vì yêu cầu AI tự ý sửa toàn bộ dữ liệu, hãy quy định rõ nguyên tắc chuẩn hóa và yêu cầu giữ lại giá trị gốc khi có nguy cơ làm thay đổi ý nghĩa.
Hãy chuẩn hóa bảng dữ liệu vừa trích xuất theo các quy tắc sau:
- Giữ nguyên mã tài liệu và mã định danh.
- Chuẩn hóa ngày tháng theo định dạng YYYY-MM-DD
chỉ khi xác định chắc chắn ngày, tháng và năm.
- Tách số tiền khỏi đơn vị tiền tệ thành hai cột riêng.
- Không tự quy đổi tiền tệ.
- Không tự sửa tên riêng nếu chưa có căn cứ.
- Giữ nguyên giá trị gốc nếu dữ liệu có cách hiểu không rõ ràng.
- Thêm cột "Ghi chú kiểm tra" để đánh dấu các trường
đã chuẩn hóa hoặc cần xác minh.
Không nên coi việc chuẩn hóa là bước làm đẹp bảng đơn thuần. Nếu quy tắc ngày tháng không rõ ràng, AI có thể đảo ngày và tháng; nếu loại bỏ dấu phân cách sai cách, giá trị tiền tệ có thể bị thay đổi. Vì vậy, chỉ chuẩn hóa khi quy tắc được xác định rõ và có thể kiểm tra lại.
Bước 4: Kiểm tra kết quả bằng tài liệu gốc
Sau khi nhận bảng dữ liệu, hãy đối chiếu những trường quan trọng với nội dung ban đầu. Bạn nên ưu tiên kiểm tra số tiền, ngày tháng, mã định danh, tên riêng, điều kiện hợp đồng và các dữ liệu được sử dụng cho quyết định nghiệp vụ.
Nếu Gemini cung cấp số trang hoặc vị trí xuất hiện thông tin, hãy dùng chúng để tìm lại nội dung tương ứng. Nếu không có thông tin định vị, bạn có thể yêu cầu AI trích dẫn một đoạn ngắn chứa giá trị cần kiểm tra hoặc tự tìm trực tiếp trong tài liệu.
Đừng chỉ hỏi Gemini rằng kết quả có chính xác hay không rồi xem câu trả lời xác nhận là bằng chứng. AI có thể tiếp tục mắc lỗi khi kiểm tra chính nội dung do mình tạo ra. Việc đối chiếu với tài liệu gốc hoặc một nguồn dữ liệu độc lập vẫn cần được thực hiện đối với thông tin quan trọng.
Cách viết prompt giúp Gemini trích xuất dữ liệu chính xác hơn
Hiệu quả của việc trích xuất dữ liệu phụ thuộc đáng kể vào cách giao nhiệm vụ. Một câu lệnh quá rộng thường tạo ra kết quả thiếu nhất quán, trong khi câu lệnh có cấu trúc giúp Gemini hiểu rõ phạm vi, quy tắc xử lý và định dạng đầu ra.
Chỉ định rõ vai trò và mục tiêu xử lý
Bạn có thể mở đầu bằng cách yêu cầu Gemini đóng vai trò trợ lý xử lý dữ liệu hoặc chuyên viên rà soát hồ sơ. Tuy nhiên, phần quan trọng hơn vẫn là mô tả chính xác công việc cần thực hiện, thay vì chỉ dựa vào tên vai trò.
Ví dụ, câu lệnh “Hãy phân tích tài liệu này” chưa cho biết bạn cần thông tin gì. Trong khi đó, câu lệnh “Hãy trích xuất mã đơn hàng, ngày đặt, tên khách hàng, tổng tiền và trạng thái thanh toán từ tài liệu, không bổ sung thông tin ngoài nguồn” xác định rõ cả mục tiêu lẫn giới hạn xử lý.
Quy định cấu trúc đầu ra ngay từ đầu
Nếu cần đưa dữ liệu vào bảng tính, hãy yêu cầu Gemini trả về bảng có các cột theo thứ tự xác định. Nếu cần tích hợp với phần mềm, bạn có thể yêu cầu định dạng JSON hợp lệ hoặc CSV, tùy quy trình sử dụng.
Với dữ liệu dạng bảng, hãy chỉ định tên cột, thứ tự cột, quy tắc biểu diễn giá trị trống và cách xử lý các trường không thống nhất. Với JSON, cần yêu cầu giữ đúng kiểu dữ liệu và cấu trúc đã quy định, tránh thêm lời giải thích bên ngoài nếu kết quả sẽ được đưa trực tiếp vào chương trình xử lý.
Yêu cầu phân biệt dữ liệu gốc và dữ liệu suy ra
Một số trường không xuất hiện trực tiếp mà phải tính toán từ những giá trị khác. Ví dụ, lợi nhuận có thể được tính bằng doanh thu trừ chi phí, nhưng kết quả này khác với lợi nhuận được ghi sẵn trong báo cáo.
Nếu cần cả hai loại, hãy yêu cầu Gemini phân biệt rõ trường trích xuất nguyên văn với trường được tính toán. Mỗi giá trị suy ra cần có công thức hoặc căn cứ để bạn kiểm tra.
Đối với dữ liệu không đủ căn cứ, tốt nhất là để trống hoặc đánh dấu cần xác minh theo quy tắc đã đặt ra. Không nên yêu cầu AI hoàn thành mọi ô bằng mọi giá, bởi một bảng đầy đủ nhưng chứa dữ liệu suy đoán có thể nguy hiểm hơn bảng thể hiện rõ những phần còn thiếu.
Cách trích xuất dữ liệu từ nhiều tài liệu cùng lúc
Khi chỉ xử lý một tài liệu, bạn có thể kiểm tra kết quả trực tiếp tương đối dễ dàng. Nhưng nếu phải tổng hợp thông tin từ hàng chục hợp đồng, báo cáo, hóa đơn hoặc hồ sơ khách hàng, vấn đề không còn nằm ở việc đọc nội dung mà là bảo đảm dữ liệu giữa các tài liệu được trích xuất theo cùng một quy tắc.
Gemini có thể hỗ trợ công việc này nếu tài khoản, giao diện và nguồn dữ liệu bạn sử dụng cho phép cung cấp nhiều tệp trong cùng một quy trình. Để hạn chế nhầm lẫn, bạn nên thực hiện theo từng bước thay vì yêu cầu AI xử lý một khối tài liệu lớn bằng một câu lệnh quá chung chung.
Chuẩn hóa danh sách trường cần lấy
Trước khi tải nhiều tệp lên, hãy xác định một cấu trúc dữ liệu thống nhất. Chẳng hạn, nếu cần tổng hợp thông tin từ nhiều hợp đồng, bạn có thể sử dụng các trường gồm mã hợp đồng, tên đối tác, ngày ký, giá trị hợp đồng và thời hạn thanh toán.
Không nên để Gemini tự lựa chọn trường dữ liệu riêng cho từng tài liệu. Nếu hợp đồng thứ nhất có năm cột còn hợp đồng thứ hai có bảy cột với tên gọi khác nhau, việc ghép kết quả sẽ trở nên khó khăn và dễ gây sai lệch.
Bạn cũng nên xác định một trường nhận diện duy nhất cho mỗi tài liệu, chẳng hạn mã hợp đồng hoặc tên tệp. Trường này giúp truy ngược dữ liệu khi cần kiểm tra hoặc cập nhật kết quả.
Yêu cầu Gemini xử lý từng tài liệu riêng biệt
Ngay cả khi cung cấp nhiều tệp trong cùng một cuộc trò chuyện, bạn vẫn nên yêu cầu Gemini nhận diện từng tài liệu và trích xuất thông tin riêng trước khi tổng hợp. Cách này giúp giảm nguy cơ lấy nhầm dữ liệu giữa các tệp có nội dung tương tự.
Bạn có thể sử dụng mẫu câu lệnh sau:
Tôi đã cung cấp nhiều tài liệu cần xử lý.
Hãy thực hiện các yêu cầu sau:
1. Nhận diện từng tài liệu theo tên tệp hoặc mã tài liệu.
2. Xử lý từng tài liệu độc lập.
3. Trích xuất các trường:
- Mã tài liệu
- Tên đơn vị liên quan
- Ngày lập hoặc ngày ký
- Giá trị tiền tệ
- Thời hạn thực hiện
4. Mỗi tài liệu chỉ tạo một bản ghi chính.
5. Không tự điền thông tin còn thiếu.
6. Nếu một trường có nhiều giá trị khác nhau,
hãy ghi rõ ngữ cảnh thay vì tự chọn một giá trị.
7. Sau khi xử lý từng tài liệu, tổng hợp các bản ghi
vào một bảng có cấu trúc thống nhất.
8. Thêm cột trạng thái kiểm tra để đánh dấu dữ liệu
đầy đủ, thiếu thông tin hoặc cần đối chiếu.
9. Không tự khẳng định đã xử lý toàn bộ tệp nếu
chưa xác nhận được phạm vi xử lý thực tế.
Đối với hồ sơ quan trọng, hãy yêu cầu kết quả theo từng nhóm nhỏ, sau đó kiểm tra số lượng tài liệu đã xử lý. Nếu cung cấp 30 tệp nhưng kết quả chỉ có 27 bản ghi, bạn cần xác định ba tệp còn thiếu thay vì mặc định rằng Gemini đã đọc đầy đủ.
Ghép dữ liệu và phát hiện thông tin trùng lặp
Sau khi trích xuất riêng từng tài liệu, bạn có thể yêu cầu Gemini tổng hợp các bản ghi vào một bảng duy nhất. Tuy nhiên, cần phân biệt giữa tài liệu trùng lặp và những tài liệu khác nhau nhưng cùng nhắc đến một đối tượng.
Ví dụ, hai tệp có cùng mã hợp đồng có thể là hai bản sao của một hợp đồng. Nhưng chúng cũng có thể là bản gốc và phụ lục điều chỉnh hợp đồng. Nếu tự động loại bỏ một tệp chỉ vì trùng mã, bạn có thể làm mất dữ liệu quan trọng.
Để hạn chế vấn đề này, hãy quy định nguyên tắc đối chiếu:
- Ưu tiên mã định danh duy nhất khi tài liệu có trường này.
- So sánh tên tệp, ngày lập, số phiên bản và nội dung để phát hiện bản sao.
- Không tự xóa những bản ghi có cùng mã nhưng khác nội dung.
- Đánh dấu các trường hợp nghi trùng lặp để kiểm tra thủ công.
- Giữ lại thông tin nguồn để có thể truy ngược từng bản ghi.
Nếu dữ liệu sau khi tổng hợp sẽ được nhập vào phần mềm quản lý, bạn nên lưu bảng kết quả trung gian để rà soát trước. Chỉ đưa dữ liệu vào hệ thống chính thức khi đã kiểm tra những trường bắt buộc và xử lý các trường hợp trùng lặp có ảnh hưởng đến nghiệp vụ.
Cách dùng Gemini chuyển dữ liệu tài liệu thành bảng tính
Một trong những ứng dụng hữu ích của Gemini là chuyển thông tin nằm rải rác trong tài liệu thành bảng dữ liệu có thể phân tích. Tuy nhiên, bảng được hiển thị trong câu trả lời và tệp bảng tính có thể tải xuống là hai đầu ra khác nhau. Bạn nên xác định hình thức cần nhận ngay từ đầu để tránh phải chuyển đổi thủ công nhiều lần.
Cách 1: Yêu cầu Gemini trình bày dữ liệu thành bảng
Đây là cách đơn giản nhất khi lượng dữ liệu không quá lớn và bạn muốn xem nhanh kết quả. Sau khi đính kèm tài liệu, hãy yêu cầu Gemini tạo bảng với các cột cụ thể, mỗi dòng tương ứng với một đối tượng hoặc bản ghi.
Ví dụ, khi xử lý hóa đơn, bạn có thể yêu cầu các cột gồm số hóa đơn, ngày lập, tên nhà cung cấp, tiền trước thuế, tiền thuế và tổng thanh toán. Nếu cần đối chiếu, hãy bổ sung cột ghi chú hoặc vị trí xuất hiện dữ liệu trong tài liệu.
Bảng này phù hợp để kiểm tra nhanh hoặc sao chép sang bảng tính. Tuy nhiên, nếu kết quả có nhiều dòng, ký tự xuống dòng hoặc nội dung chứa dấu phân cách, việc sao chép có thể khiến dữ liệu lệch cột. Khi cần sử dụng lâu dài, bạn nên yêu cầu định dạng phù hợp hơn.
Cách 2: Yêu cầu dữ liệu ở định dạng CSV
CSV là định dạng văn bản thường được sử dụng để trao đổi dữ liệu giữa các bảng tính và phần mềm. Nếu cần chuyển kết quả sang Excel hoặc Google Sheets, bạn có thể yêu cầu Gemini xuất dữ liệu theo cấu trúc CSV.
Ví dụ, sử dụng câu lệnh sau:
Hãy chuyển dữ liệu đã trích xuất thành CSV.
Yêu cầu:
- Dòng đầu tiên là tên các cột.
- Mỗi dòng tiếp theo là một bản ghi.
- Tất cả các bản ghi sử dụng cùng thứ tự cột.
- Không thêm phần giải thích ngoài dữ liệu CSV.
- Xử lý dấu phẩy, dấu ngoặc kép và xuống dòng
trong nội dung theo đúng quy tắc CSV.
- Không tự thay đổi giá trị gốc.
- Nếu thiếu dữ liệu, để trống trường tương ứng.
- Giữ nguyên mã định danh và số 0 ở đầu mã.
Khi nhận được kết quả, bạn có thể sao chép nội dung CSV vào tệp văn bản và lưu với phần mở rộng .csv, sau đó mở bằng phần mềm bảng tính tương thích. Bạn cũng có thể nhập trực tiếp nội dung vào Excel hoặc Google Sheets nếu công cụ hỗ trợ.
Cần chú ý rằng CSV không tự lưu kiểu dữ liệu cho từng cột. Một mã khách hàng như 00125 có thể bị phần mềm bảng tính chuyển thành số 125 nếu được nhận diện tự động. Ngày tháng và số tiền cũng có thể bị diễn giải khác nhau tùy thiết lập vùng. Vì vậy, hãy kiểm tra kiểu dữ liệu sau khi nhập.
Cách 3: Yêu cầu Gemini tạo tệp bảng tính
Nếu tài khoản và giao diện Gemini hiện tại hỗ trợ tạo tệp hoặc xuất kết quả sang bảng tính, bạn có thể yêu cầu tạo tệp dựa trên dữ liệu đã trích xuất. Khả năng thực hiện và định dạng tệp có thể khác nhau tùy phiên bản, gói tài khoản và tính năng đang được cung cấp.
Để tệp có thể sử dụng ngay, hãy nêu rõ cấu trúc mong muốn thay vì chỉ yêu cầu tạo một bảng Excel.
- Tên trang tính: Đặt tên theo nhóm dữ liệu, chẳng hạn Hợp đồng hoặc Hóa đơn.
- Hàng tiêu đề: Sử dụng tên cột rõ ràng, thống nhất.
- Kiểu dữ liệu: Phân biệt văn bản, ngày tháng, số lượng và giá trị tiền tệ.
- Dữ liệu thiếu: Thể hiện nhất quán, không tự điền giá trị giả định.
- Nguồn dữ liệu: Giữ lại mã tài liệu hoặc tên tệp để đối chiếu.
- Trạng thái kiểm tra: Đánh dấu các trường chưa xác minh hoặc có thông tin mâu thuẫn.
Nếu Gemini chỉ trả về bảng trong cuộc trò chuyện mà không tạo được tệp, bạn vẫn có thể yêu cầu xuất CSV hoặc sao chép bảng sang phần mềm bảng tính. Không nên mặc định rằng mọi câu lệnh tạo Excel đều sẽ tạo ra một tệp .xlsx có thể tải xuống.
Cách yêu cầu Gemini trích xuất dữ liệu dưới dạng JSON
JSON phù hợp khi bạn cần chuyển dữ liệu từ tài liệu sang một ứng dụng, API hoặc quy trình tự động hóa. Khác với bảng thông thường, JSON biểu diễn dữ liệu bằng các cặp khóa và giá trị, giúp phần mềm xác định trường thông tin cần đọc.
Ví dụ, với một hợp đồng, cấu trúc dữ liệu có thể gồm mã hợp đồng, tên đối tác, ngày ký và giá trị hợp đồng. Bạn nên xác định trước tên khóa, kiểu dữ liệu và cách biểu diễn thông tin bị thiếu để các bản ghi không bị thay đổi cấu trúc giữa các lần xử lý.
Viết prompt yêu cầu đầu ra JSON hợp lệ
Bạn có thể sử dụng mẫu sau khi muốn Gemini trích xuất thông tin từ tài liệu và trả về JSON:
Hãy trích xuất thông tin từ tài liệu và trả về JSON
theo cấu trúc sau:
{
"ma_hop_dong": "",
"ten_doi_tac": "",
"ngay_ky": "",
"gia_tri_hop_dong": null,
"don_vi_tien_te": "",
"nguon_du_lieu": "",
"can_kiem_tra": []
}
Quy tắc:
1. Chỉ lấy dữ liệu có căn cứ trong tài liệu.
2. Không tự suy đoán giá trị còn thiếu.
3. Dùng null cho trường số không xác định được.
4. Dùng chuỗi rỗng cho trường văn bản không tìm thấy.
5. Ngày ký dùng định dạng YYYY-MM-DD nếu xác định rõ.
6. Giữ nguyên mã hợp đồng dưới dạng chuỗi.
7. Đưa các trường mâu thuẫn hoặc chưa chắc chắn
vào danh sách can_kiem_tra.
8. Chỉ trả về một đối tượng JSON hợp lệ,
không thêm lời dẫn hoặc phần giải thích bên ngoài.
Trong mẫu trên, các giá trị rỗng và null được sử dụng cho những mục đích khác nhau. Chuỗi rỗng biểu thị một trường văn bản chưa có giá trị, trong khi null biểu thị giá trị chưa xác định. Bạn nên thống nhất quy tắc này với hệ thống sẽ nhận dữ liệu để tránh lỗi khi xử lý.
Nếu cần trích xuất nhiều tài liệu, bạn có thể yêu cầu trả về một mảng JSON gồm nhiều đối tượng. Mỗi đối tượng cần có trường nhận diện nguồn riêng để tránh mất liên kết giữa bản ghi và tài liệu ban đầu.
Kiểm tra cấu trúc trước khi đưa JSON vào hệ thống
Một đoạn JSON có thể trông đúng nhưng vẫn chứa lỗi cú pháp, chẳng hạn thiếu dấu phẩy, dùng dấu nháy đơn cho chuỗi hoặc có thêm lời giải thích bên ngoài đối tượng dữ liệu.
Bạn nên kiểm tra tối thiểu những điểm sau:
- Các khóa và giá trị dạng chuỗi sử dụng dấu ngoặc kép theo đúng cú pháp JSON.
- Không có dấu phẩy thừa ở cuối đối tượng hoặc mảng.
- Kiểu dữ liệu của mỗi trường phù hợp với cấu trúc đã thống nhất.
- Những trường bắt buộc không bị thiếu.
- Mã định danh không bị chuyển đổi hoặc mất số 0 ở đầu.
- Giá trị null không bị thay bằng chuỗi "null" nếu hệ thống yêu cầu giá trị null thực sự.
Đối với quy trình tự động hóa, không nên chỉ dựa vào việc Gemini tuyên bố rằng JSON hợp lệ. Hãy sử dụng trình phân tích cú pháp JSON trong ngôn ngữ lập trình hoặc công cụ tiếp nhận dữ liệu để xác thực trước khi xử lý tiếp.
Cách xử lý khi Gemini trích xuất dữ liệu bị sai hoặc thiếu
Gemini có thể đọc nhầm ký tự, bỏ sót thông tin hoặc liên kết sai các giá trị khi tài liệu có bố cục phức tạp. Thay vì yêu cầu AI làm lại toàn bộ tài liệu ngay lập tức, bạn nên xác định loại lỗi và yêu cầu xử lý đúng phần cần sửa.
Gemini bỏ sót một số trường thông tin
Nếu kết quả thiếu ngày tháng, mã tài liệu hoặc một trường cụ thể, hãy yêu cầu Gemini tìm lại trường đó trong tài liệu thay vì tạo lại toàn bộ bảng.
Ví dụ, bạn có thể yêu cầu: “Hãy kiểm tra lại trường thời hạn thanh toán trong tài liệu gốc. Tìm các đoạn liên quan đến điều khoản thanh toán, nêu giá trị tìm thấy và vị trí xuất hiện. Nếu không có căn cứ xác định, hãy ghi rõ chưa tìm thấy thông tin.”
Cách yêu cầu này thu hẹp phạm vi kiểm tra, giúp bạn dễ phát hiện nguyên nhân bỏ sót. Tuy nhiên, nếu Gemini vẫn không tìm được thông tin, hãy tự kiểm tra tài liệu hoặc sử dụng phương pháp trích xuất khác thay vì tiếp tục yêu cầu AI đoán.
Gemini đọc sai số tiền, ngày tháng hoặc mã định danh
Những dữ liệu có ký tự gần giống nhau rất dễ bị nhầm lẫn, đặc biệt trong tài liệu scan. Chẳng hạn, chữ O có thể bị đọc thành số 0, số 1 có thể bị nhầm với chữ I hoặc dấu phân cách hàng nghìn có thể bị hiểu thành dấu thập phân.
Khi gặp lỗi, hãy cung cấp ngữ cảnh cụ thể và yêu cầu đối chiếu lại với nguồn. Nếu có thể, hãy chỉ rõ trang hoặc khu vực chứa dữ liệu cần kiểm tra. Với tài liệu scan, việc cải thiện chất lượng ảnh hoặc chạy OCR trước khi đưa vào Gemini có thể giúp tăng khả năng nhận diện.
Đối với số tiền và ngày tháng, không nên tự sửa dựa trên tính hợp lý của con số. Giá trị trông bất thường chưa chắc là sai, còn giá trị có vẻ hợp lý vẫn có thể được trích xuất nhầm.
Kết quả giữa các lần xử lý không thống nhất
Nếu cùng một tài liệu nhưng mỗi lần yêu cầu lại cho ra kết quả khác nhau, hãy kiểm tra xem câu lệnh có đủ cụ thể hay không. Những yêu cầu như “lấy ngày quan trọng nhất” hoặc “tìm giá trị hợp đồng” có thể dẫn đến nhiều cách hiểu nếu tài liệu chứa ngày lập, ngày ký, ngày hiệu lực và ngày sửa đổi.
Bạn nên quy định rõ định nghĩa của từng trường. Ví dụ, trường ngày ký chỉ lấy ngày được ghi tại phần chữ ký; trường ngày hiệu lực lấy ngày được nêu trong điều khoản hiệu lực. Nếu tài liệu có nhiều giá trị, hãy yêu cầu trả về từng giá trị kèm ngữ cảnh thay vì tự chọn một giá trị.
Với công việc cần xử lý lặp lại, hãy lưu một mẫu prompt cố định, sử dụng cùng quy tắc đầu ra và xây dựng danh sách trường cần kiểm tra. Cách này giúp giảm sự khác biệt giữa các lần thực hiện, dù vẫn cần xác minh kết quả vì AI không bảo đảm tính nhất quán tuyệt đối.
Tài liệu quá dài hoặc có nhiều bảng phức tạp
Với tài liệu nhiều trang, nhiều phụ lục hoặc có cấu trúc bảng phức tạp, việc yêu cầu trích xuất toàn bộ thông tin trong một lần có thể khiến kết quả thiếu chi tiết hoặc khó kiểm tra.
Bạn có thể chia công việc theo chương, nhóm trang hoặc loại dữ liệu. Sau mỗi phần, hãy yêu cầu Gemini ghi rõ phạm vi đã xử lý, sau đó tổng hợp các kết quả bằng một cấu trúc thống nhất.
Nếu tài liệu có những bảng trải dài qua nhiều trang, hãy kiểm tra xem tiêu đề cột có được lặp lại và các hàng có bị ghép sai hay không. Đối với dữ liệu cần độ chính xác cao hoặc khối lượng lớn, hãy cân nhắc dùng công cụ trích xuất bảng chuyên dụng, OCR hoặc phần mềm xử lý dữ liệu thay vì chỉ dựa vào mô hình ngôn ngữ.
Những lưu ý quan trọng khi dùng Gemini xử lý tài liệu
Không xem kết quả AI là dữ liệu đã được xác minh
Gemini là công cụ hỗ trợ xử lý thông tin, không phải hệ thống bảo đảm mọi giá trị được trích xuất đều chính xác. AI có thể bỏ sót một đoạn, nhầm mối quan hệ giữa các trường hoặc đưa ra kết quả không có căn cứ đầy đủ.
Vì vậy, cần phân biệt giữa dữ liệu đã được trích xuất và dữ liệu đã được xác minh. Đối với báo cáo nội bộ, bạn có thể áp dụng cơ chế kiểm tra theo mức độ rủi ro. Đối với hợp đồng, hồ sơ pháp lý, chứng từ kế toán hoặc tài liệu phục vụ quyết định quan trọng, cần đối chiếu trực tiếp với nguồn và sử dụng người có trách nhiệm kiểm duyệt.
Bảo vệ thông tin cá nhân và dữ liệu doanh nghiệp
Trước khi tải tài liệu lên Gemini, hãy xem xét nội dung có chứa thông tin cá nhân, dữ liệu khách hàng, bí mật kinh doanh, thông tin tài chính hoặc tài liệu thuộc diện hạn chế truy cập hay không.
Nếu tài liệu chứa dữ liệu nhạy cảm, hãy kiểm tra chính sách sử dụng dữ liệu, cài đặt quyền riêng tư và điều khoản áp dụng cho loại tài khoản của bạn. Với tài khoản do tổ chức quản lý, cần tuân thủ chính sách nội bộ và các yêu cầu về bảo vệ dữ liệu. Không nên mặc định rằng mọi phiên bản hoặc gói dịch vụ đều có cùng cơ chế lưu trữ và sử dụng dữ liệu.
Khi không cần thông tin nhận diện trực tiếp để thực hiện nhiệm vụ, bạn có thể cân nhắc ẩn hoặc thay thế tên, số điện thoại, địa chỉ và những dữ liệu không cần thiết trước khi tải tài liệu lên. Không đưa mật khẩu, thông tin xác thực hoặc dữ liệu bí mật không được phép chia sẻ vào câu lệnh.
Kiểm tra quyền truy cập khi sử dụng Google Drive
Nếu sử dụng tài liệu từ Google Drive hoặc nguồn lưu trữ liên kết, hãy kiểm tra quyền truy cập của tệp và những dữ liệu mà ứng dụng được phép sử dụng. Chỉ cấp quyền cần thiết cho công việc, đặc biệt khi xử lý tài liệu của khách hàng hoặc tổ chức.
Nếu không muốn một tài liệu được sử dụng trong quy trình AI, hãy chọn phương án xử lý phù hợp với chính sách dữ liệu của đơn vị thay vì tải lên chỉ để thử nghiệm. Việc xóa tệp khỏi thiết bị không đồng nghĩa với việc dữ liệu đã được xóa khỏi mọi hệ thống trực tuyến mà bạn từng sử dụng.
Nên dùng Gemini hay công cụ chuyên dụng để trích xuất dữ liệu?
Gemini phù hợp khi bạn cần đọc hiểu nội dung, xác định thông tin theo ngữ cảnh, xử lý tài liệu có cách diễn đạt khác nhau hoặc nhanh chóng tạo một bảng tổng hợp. Tuy nhiên, không phải tác vụ nào cũng nên giao hoàn toàn cho AI.
| Tiêu chí | Gemini | Công cụ chuyên dụng |
|---|---|---|
| Đọc hiểu nội dung tự nhiên | Phù hợp với câu hỏi có ngữ cảnh và dữ liệu mô tả | Phụ thuộc chức năng và quy tắc được cấu hình |
| Trích xuất trường dữ liệu theo mẫu | Có thể thực hiện bằng prompt và cấu trúc đầu ra | Thường phù hợp khi biểu mẫu ổn định và quy tắc rõ ràng |
| Xử lý tài liệu scan | Phụ thuộc khả năng đọc hình ảnh và chất lượng đầu vào | Công cụ OCR chuyên dụng có thể phù hợp hơn với quy trình nhận dạng hàng loạt |
| Xử lý khối lượng lớn | Phụ thuộc giới hạn tài khoản, tệp và quy trình sử dụng | Có thể thuận lợi hơn khi hỗ trợ xử lý hàng loạt và tự động hóa |
| Kiểm tra dữ liệu theo quy tắc cố định | Cần prompt rõ ràng và bước xác minh | Có thể thiết lập quy tắc kiểm tra, ràng buộc và cảnh báo tự động |
| Tích hợp vào phần mềm | Phụ thuộc tính năng xuất dữ liệu và phương thức tích hợp khả dụng | Thường phù hợp hơn nếu có API hoặc luồng xử lý được thiết kế sẵn |
Không nhất thiết phải chọn một trong hai phương án. Trong nhiều trường hợp, cách hiệu quả hơn là kết hợp công cụ: dùng OCR để nhận dạng văn bản từ tài liệu scan, dùng Gemini để hiểu ngữ cảnh và phân loại thông tin, sau đó sử dụng bảng tính hoặc chương trình để kiểm tra dữ liệu theo quy tắc cụ thể.
Chẳng hạn, nếu cần xử lý vài hợp đồng để lập báo cáo, Gemini có thể giúp giảm đáng kể thời gian đọc và tổng hợp. Nhưng nếu phải xử lý hàng nghìn hóa đơn mỗi ngày, có yêu cầu kiểm toán hoặc cần tích hợp trực tiếp với phần mềm kế toán, bạn nên đánh giá thêm giải pháp chuyên dụng, khả năng tự động hóa và cơ chế kiểm soát lỗi.
Quy trình trích xuất dữ liệu bằng Gemini nên áp dụng trong thực tế
Để sử dụng lâu dài, bạn nên xây dựng một quy trình thống nhất thay vì mỗi lần xử lý tài liệu lại viết câu lệnh theo một cách khác nhau. Quy trình có thể gồm các bước sau:
- Tiếp nhận tài liệu: Kiểm tra tên tệp, định dạng, số trang và phiên bản.
- Xác định yêu cầu: Lập danh sách trường cần lấy và quy định cấu trúc đầu ra.
- Trích xuất dữ liệu: Cung cấp tài liệu cho Gemini và yêu cầu xử lý theo prompt đã chuẩn hóa.
- Chuẩn hóa: Thống nhất cách biểu diễn ngày tháng, đơn vị và những trường cần dùng chung.
- Kiểm tra: Đối chiếu các trường quan trọng với tài liệu gốc, đánh dấu dữ liệu chưa xác minh.
- Tổng hợp: Ghép các bản ghi, kiểm tra số lượng tài liệu và xử lý trường hợp trùng lặp.
- Lưu trữ: Lưu dữ liệu đầu ra cùng thông tin nguồn, ngày xử lý và trạng thái kiểm tra nếu cần.
Đối với công việc lặp lại, bạn nên lưu một bộ prompt mẫu theo từng loại tài liệu như hợp đồng, hóa đơn, báo cáo hoặc hồ sơ khách hàng. Mỗi mẫu cần có danh sách trường, quy tắc xử lý dữ liệu thiếu và tiêu chí kiểm tra. Khi cấu trúc tài liệu thay đổi, hãy cập nhật mẫu thay vì tiếp tục sử dụng câu lệnh cũ một cách máy móc.
Câu hỏi thường gặp
Gemini có thể trích xuất dữ liệu từ file PDF không?
Có. Bạn có thể cung cấp tệp PDF qua phương thức tải tệp được giao diện Gemini hỗ trợ rồi yêu cầu trích xuất các trường cụ thể. Kết quả phụ thuộc vào định dạng PDF, chất lượng nội dung, giới hạn của tài khoản và độ phức tạp của tài liệu. Với PDF scan, cần kiểm tra khả năng nhận dạng chữ trước khi sử dụng kết quả.
Gemini có thể lấy dữ liệu từ nhiều file Excel cùng lúc không?
Khả năng xử lý phụ thuộc vào định dạng tệp, giới hạn tải lên và tính năng hiện có của tài khoản. Nếu được hỗ trợ, bạn có thể cung cấp nhiều tệp và yêu cầu trích xuất theo cùng một cấu trúc. Tuy nhiên, cần kiểm tra tên trang tính, tiêu đề cột, kiểu dữ liệu và số lượng bản ghi trước khi tổng hợp.
Có thể dùng Gemini để trích xuất dữ liệu tự động không?
Có thể xây dựng quy trình tự động hóa nếu bạn có phương thức tích hợp phù hợp, chẳng hạn thông qua API hoặc các công cụ hỗ trợ xử lý tệp và truyền dữ liệu. Tuy nhiên, việc tự động hóa hoàn toàn cần thêm bước xác thực đầu ra, kiểm tra lỗi và xử lý trường hợp dữ liệu thiếu. Không nên đưa kết quả AI vào hệ thống nghiệp vụ mà không có cơ chế kiểm soát phù hợp.
Gemini có thể trích xuất dữ liệu từ tài liệu tiếng Việt không?
Có thể hỗ trợ trích xuất thông tin từ tài liệu tiếng Việt, nhưng độ chính xác phụ thuộc vào cách trình bày, chất lượng văn bản, thuật ngữ chuyên ngành và độ rõ của tài liệu. Với tên riêng, chữ viết tắt, số liệu hoặc văn bản scan, bạn vẫn nên đối chiếu với nguồn gốc.
Làm thế nào để hạn chế Gemini tự tạo dữ liệu không có trong tài liệu?
Hãy yêu cầu Gemini chỉ sử dụng thông tin có căn cứ trong nguồn, quy định cách thể hiện trường bị thiếu và không cho phép tự suy đoán. Bạn cũng nên yêu cầu nêu vị trí xuất hiện của dữ liệu khi có thể. Với những trường quan trọng, hãy xác minh trực tiếp thay vì chỉ dựa vào câu trả lời của AI.
Kết luận
Gemini có thể giúp rút ngắn thời gian đọc tài liệu, tìm kiếm thông tin và tổng hợp dữ liệu thành bảng, CSV hoặc JSON. Để khai thác hiệu quả, bạn cần xác định rõ trường thông tin cần lấy, viết prompt có quy tắc cụ thể, thống nhất định dạng đầu ra và kiểm tra kết quả với tài liệu gốc.
Đối với một vài tài liệu, bạn có thể bắt đầu bằng thao tác tải tệp và yêu cầu trích xuất trực tiếp. Khi khối lượng công việc tăng lên, hãy chuẩn hóa prompt, lưu thông tin nguồn và bổ sung bước kiểm tra dữ liệu. Nếu tài liệu có tính bảo mật cao hoặc yêu cầu độ chính xác nghiêm ngặt, cần kết hợp thêm công cụ chuyên dụng và quy trình kiểm duyệt phù hợp.
Nguyên tắc quan trọng nhất là sử dụng Gemini để tăng tốc độ xử lý, không thay thế việc xác minh thông tin. Một quy trình tốt không chỉ tạo ra dữ liệu nhanh mà còn giúp bạn biết dữ liệu đến từ đâu, trường nào đáng tin cậy và trường nào cần kiểm tra trước khi đưa vào sử dụng.
- 0 Bình luận
Email, Điện thoại của bạn sẽ không được hiển thị công khai. Các trường bắt buộc được đánh dấu *
