Editorin takana

Miksi on niin hyvä asiakirjojen muokkaamisessa?

Kielimalli voi kirjoittaa hyvän lauseen, mutta sen palauttaminen muotoiluineen on eri tehtävä. Selitämme, miksi tekoälyn on ollut vaikea muokata asiakirjaa ja mitä olemme rakentaneet ongelman ratkaisemiseksi.

9 minuutin lukuaika3. lokakuuta 2026

Yleiskatsaus

Jos pyydät chatbotia korjaamaan lausekkeen Word-tiedostossa, pyydät sitä tekemään kaksi tehtävää samaan aikaan: muuttamaan sanoja ja kirjoittamaan uudelleen tiedostomuodon, joka pitää ne koossa. Kielimallit osaavat ensimmäisen tehtävän hyvin, mutta toisessa ne ovat epäluotettavia.

ottaa toisen tehtävän pois mallilta. Tämä artikkeli selittää, miksi se on tärkeää, miten se toimii pitkissä asiakirjoissa ja miten se vertautuu chat-sivustoihin ja tietokoneen käyttöä hallitseviin agentteihin.

  1. 01Kielimalli lukee asiakirjan merkintöinä, ei sivuna.
  2. 02Yksi väärä merkki voi tehdä tiedostosta lukukelvottoman, ja pitkät tulosteet lisäävät väärien merkkien todennäköisyyttä.
  3. 03 erottaa sisällön muotoilusta: malli muokkaa sanoja, koodimme kirjoittaa tiedoston.
  4. 04Pitkät asiakirjat jaetaan erihin, pilkotaan ja varustetaan kontekstilla, kuten nykyaikaiset koodausavustajat tekevät.
  5. 05Chat-sivustot voivat muokata tiedostoja Pythonilla, mutta muutokset voivat kadota huomaamatta.
  6. 06Tietokoneen käyttöä tekevät avustajat muokkaavat kuten ihminen, mutta moninkertaisin kustannuksin.

01

LLM näkee vain tekstin, ei muotoilua

Kun avaat sopimuksen Wordissa, näet sivun: talon tyylin mukaisen otsikon, lihavoidun summan ja alleviivatun määräajan. Wordin ohjelma luo nämä muotoilut, jotta voimme muokata visuaalisesti. Word-tiedoston (.docx) alla on monimutkainen XML-rakenne, jossa jokainen näkemämme sana on tuskallisen tarkasti merkitty piilotetuilla sanoilla, joita kutsutaan merkintäkieleksi.12

Mitä näet

Mitä malli näkee

<w:p>  <w:pPr><w:pStyle w:val="Heading2"/></w:pPr>  <w:r><w:t>4. Vuokra</w:t></w:r></w:p><w:p>  <w:pPr><w:jc w:val="both"/></w:pPr>  <w:r><w:t xml:space="preserve">Vuokralainen maksaa </w:t></w:r>  <w:r><w:rPr><w:b/><w:color w:val="1F4E79"/></w:rPr><w:t>US$2,400</w:t></w:r>  <w:r><w:t xml:space="preserve"> päivänä </w:t></w:r>  <w:r><w:rPr><w:i/><w:u w:val="single"/></w:rPr><w:t>kunkin kuukauden ensimmäinen päivä</w:t></w:r>  <w:r><w:t>.</w:t></w:r></w:p>
Kuva 1Sama lauseke kahdesti. Sanat vievät 81 merkkiä; niiden ympärillä oleva XML vie 470. Ote tiedostosta word/document.xml.

LLM ei saa apua Microsoft Wordista, LibreOfficesta tai Pagesista, vaan sen on luotettava omaan ymmärrykseensä merkinnöistä. Oikean muokkauksen tekemiseksi LLM:n on ymmärrettävä alkuperäisen merkinnän vaikutus ja kirjoitettava uusi lause oikeaan merkintään.

02

LLM:n tuotos on luonnostaan epävakaa

Mallit ovat parantuneet merkittävästi, mutta myös uusimmat tekevät virheitä. Microsoft Researchin vuoden 2026 tutkimuksessa, jossa tarkasteltiin 19 mallia 52 ammattialalla, huippumallit, kuten Gemini 3.1 Pro, Claude 4.6 Opus ja GPT 5.4, vioittivat keskimäärin 25 % asiakirjan sisällöstä pitkien muokkausprosessien lopussa.4

Word-tiedostossa yksikin pieni virhe voi tehdä tiedostosta käyttökelvottoman. Tässä malli on pudottanut yhden kenoviivan:

<w:p>  <w:pPr><w:jc w:val="both"/></w:pPr>  <w:r><w:t xml:space="preserve">Vuokralainen maksaa </w:t></w:r>  <w:r><w:rPr><w:b>1<w:color w:val="1F4E79"/></w:rPr><w:t>US$2,400</w:t></w:r>  <w:r><w:t xml:space="preserve"> päivänä </w:t></w:r>  <w:r><w:rPr><w:i/><w:u w:val="single"/></w:rPr><w:t>kunkin kuukauden ensimmäinen päivä</w:t></w:r>  <w:r><w:t>.</w:t></w:r></w:p>
Kuva 2Yksi puuttuva kenoviiva jättää lihavointitunnisteen auki. XML ei ole enää hyvin muodostettu, eikä Word avaa tiedostoa normaalisti.3

XML ei siedä virheellisiä merkintöjä. Tiedosto on joko hyvin muodostettu tai ei. Word voi joskus palauttaa rikkoutuneen tiedoston, mutta palautetusta kopiosta voi puuttua tekstiä tai muotoilua.

Pidempi tuotos, enemmän virheitä

Riski kasvaa pituuden myötä. LongProc, vuoden 2025 vertailuarvo pitkille rakenteellisille tuotoksille, havaitsi, että avoimen painon mallit heikkenevät 2 000 tulostoken kohdalla ja GPT-4o heikkenee merkittävästi 8 000 tokenissa.5 Toisen tutkimuksen mukaan suorituskyky heikkenee 13,9–85 % syötteen kasvaessa, vaikka malli pystyisi hakemaan jokaisen olennaisen tosiasian.6 10 sivun Word-asiakirja on noin 10 000 tokenia, joten kaikkien 10 sivun muokkaaminen kerralla ilman virheitä on kuunvalo-unelma.

<w:p>  <w:pPr><w:pStyle w:val="ClauseText"/></w:pPr>  <w:r><w:rPr><w:b/><w:sz w:val="24"/></w:rPr><w:t>5.1</w:t></w:r>  <w:r><w:rPr><w:sz w:val="24"/></w:rPr><w:t xml:space="preserve"> Harlow &1 Pike LLP edustaa vuokranantajaa kaikissa tähän vuokrasopimukseen liittyvissä asioissa.</w:t></w:r></w:p><w:p>  <w:pPr><w:pStyle w:val="ClauseText"/></w:pPr>  <w:r><w:rPr><w:b/><w:sz w:val="24/>2</w:rPr><w:t>5.2</w:t></w:r>  <w:r><w:rPr><w:sz w:val="24"/></w:rPr><w:t xml:space="preserve"> Vuokralaisen on pidettävä vuokra-alue hyvässä ja kunnollisessa kunnossa.</w:t></w:r></w:p><w:p>  <w:pPr><w:pStyle w:val="ClauseText"/></w:pPr>  <w:r><w:rPr><w:b/><w:sz w:val="24"/></w:rPr><w:t>5.3</w:t></w:r>  <w:r><w:rPr><w:sz w:val="24"/></w:rPr><w:t xml:space="preserve"> Ilmoitus on annettava kirjallisesti ja toimitettava liitteessä 2 mainittuun osoitteeseen.</w:t></w:p>3<w:p>  <w:pPr><w:pStyle w:val="ClauseText"/></w:pPr>  <w:r><w:rPr><w:b/><w:sz w:val="24"/></w:rPr><w:t>5.4</w:t></w:r>  <w:r><w:rPr><w:sz w:val="24"/></w:rPr><w:t xml:space="preserve"> Vuokranantaja voi irtisanoa tämän vuokra4
  1. 1Tekstissä on paljas &-merkki. XML vaatii sen korvaamista entiteetillä.
  2. 2Puuttuva sulkeva lainausmerkki. Kaikki sen jälkeinen luetaan osaksi arvoa.
  3. 3Suoritusta ei suljeta ennen kappaleen loppua.
  4. 4Tuloste yksinkertaisesti pysähtyy. Pitkät tuotokset voivat osua pituusrajaan tai aikakatkaisuun kesken tagin.
Kuva 3Neljä mallin tuottamaa lauseketta, neljä vikatyyppiä. Jokainen niistä yksinään tekee tiedostosta lukukelvottoman.

03

Miten ratkaisee sen

Kirjoitamme mukautettuja ohjelmia, jotka erottavat muotoilun sisällöstä. Malli saa muutettavat sanat sekä sivusta renderöidyn kuvan, joten se saa apua Word-ohjelman tavoin. Koodimme palauttaa muokatut sanat alkuperäisiin tekstijaksoihin ja jättää tiedoston muun osan koskematta.

Tiedostosi

<w:p>  <w:pPr><w:jc w:val="both"/></w:pPr>  <w:r><w:t xml:space="preserve">Vuokralainen maksaa </w:t></w:r>  <w:r><w:rPr><w:b/><w:color w:val="1F4E79"/></w:rPr><w:t>US$2,400</w:t></w:r>  <w:r><w:t xml:space="preserve"> päivänä </w:t></w:r>  <w:r><w:rPr><w:i/><w:u w:val="single"/></w:rPr><w:t>kunkin kuukauden ensimmäinen päivä</w:t></w:r>  <w:r><w:t>.</w:t></w:r></w:p>

erottaa sisällön muotoilusta

Irrotettu sisältö

Vuokralainen maksaa US$2,400 päivänä kunkin kuukauden ensimmäinen päivä.

Renderöity sivu

Molemmat menevät mallille

KielimalliMuokkaa sanoja. Ei koskaan kosketa XML:ään.

Malli palauttaa muokatun sisällön

Mallin tuloste

Vuokralainen maksaa US$2,400US$2,600 päivänä kunkin kuukauden ensimmäinen päiväkunkin kuukauden viides päivä.

kirjoittaa sanat takaisin alkuperäisiin tekstijaksoihin

Tiedostosi, muokattuna

<w:p>  <w:pPr><w:jc w:val="both"/></w:pPr>  <w:r><w:t xml:space="preserve">Vuokralainen maksaa </w:t></w:r>  <w:r><w:rPr><w:b/><w:color w:val="1F4E79"/></w:rPr><w:t>US$2,600</w:t></w:r>  <w:r><w:t xml:space="preserve"> päivänä </w:t></w:r>  <w:r><w:rPr><w:i/><w:u w:val="single"/></w:rPr><w:t>kunkin kuukauden viides päivä</w:t></w:r>  <w:r><w:t>.</w:t></w:r></w:p>

✓ Kelvollinen .docx. Lihavointi, väri ja alleviivaus ovat täsmälleen ennallaan.

Kuva 4Muokkausputki yksinkertaistettuna. Korostettu teksti on ainoa tiedoston osa, joka muuttui.

Tämä ratkaisee molemmat ongelmat kerralla. Malli näkee nyt muotoilun, jota se ei aiemmin nähnyt, eikä se enää kirjoita merkintöjä, jotka se todennäköisimmin rikkoisi.

Tätä kerrosta et löydä yleiskäyttöisestä chatbotista. Irrottamisen, renderöinnin ja kokoamisen ohjelmat ovat -palvelun omien insinöörien rakentamia ja ylläpitämiä.

04

Pitkän kontekstin ongelman ratkaiseminen

Osa muokkauksista on pitkiä: kappale, joka kulkee useiden sivujen yli, tai yksi muutos, joka sovelletaan johdonmukaisesti sadoissa kohdissa. Näihin olemme oppineet ohjelmistokehityksestä. Maaliskuussa 2026 Anthropic julkaisi vahingossa Claude Coden, sen tekoälykoodausavustajan, lähdekoodin julkisessa npm-paketissa.7

Vuotanut koodi opettaa yksinkertaisen opetuksen: pitkää asiaa muokatakseen se on pilkottava. Jaamme asiakirjan sivuryhmiin, eli tekniikkaan nimeltä eräajo (batching), ja pitkät kappaleet lauseisiin, jotta jokainen muokkaus on riittävän pieni oikein tehtäväksi.

Asiakirjan pilkkominen luo uuden ongelman: kontekstin. Miten muokkaat sivun 60 kappaletta käyttäen sivun 2 määritelmää? Tässä kaksi vuotta kokemusta tekoälykoodieditoreista (Cursor, GitHub Copilot, OpenAI Codex) maksaa itsensä takaisin. Niiden vastaus on kontekstisuunnittelu, joka kokoaa oleellisen tiedon kohdennetuksi kokoelmaksi ja antaa sen alatoimijoille puhtailla kontekstiikkunoilla.8 Teemme saman asiakirjojen kanssa. Ryhmittelemme loogisesti toisiinsa liittyvät tiedot, niin kuin huolellinen lukija tekisi, ja lähetämme ne muokkauskohteen mukana alimuokkaajille, jotka tekevät varsinaisen muutoksen.

1Eräajo asiakirjalle

s. 1–40s. 41–80s. 81–120s. 121–160s. 161–200s. 201–240s. 241–280s. 281–300

2Pilko pitkät kappaleet

Lauseke 18.3 · s. 60
Lause 1Lause 2Lause 3Lause 4Lause 5

3Kerää konteksti, muokkaa sitten rinnakkain

Määritellyt termits. 2–12

Osapuolet ja roolits. 1

Aiemmat muutoksets. 34

Alimuokkaaja 1s. 1–40 + kokoelma

Alimuokkaaja 2s. 41–80 + kokoelma

Alimuokkaaja 3s. 81–120 + kokoelma

Kuvio 5300 sivun asiakirja jaettuna osiin. Jokainen alimuokkaaja saa pienen osan asiakirjasta sekä kontekstin, josta kyseinen osa riippuu.

Esimerkki: tuomion tietojen peittäminen

Asianajaja haluaa peittää tuomiosta kaikkien todistajien nimet ja laatia luettelon siinä mainituista oikeustapauksista, jotta nuorempi kollega voi tutkia ne.

  1. Haku. löytää kaikki henkilönnimet ja kaikki oikeustapausviittaukset tavallisella kuviohaulla. Mallia ei vielä tarvita.
  2. Luokittelu. Jokainen nimi sen ympärillä olevan lauseen kanssa menee mallille, joka päättää: todistaja, asianajaja vai tuomari. Vastausten perusteella muodostetaan todistajien kokoelma.
  3. Kokoelma. Sama menetelmä muodostaa kokoelman viitatuista oikeustapauksista.
  4. Toiminta. Koska tiedämme tarkalleen, missä kukin todistajan nimi esiintyi, peitämme nämä kohdat, ja vain nämä, alkuperäisessä tiedostossa.

KORKEIMMAN OIKEUDEN TUOMIOISTUIN

KUNINGAN PENKKI -OSASTO

Harrow v Kestrel Logistics Ltd

Ennen: Mrs Justice Holloway

TUOMIO

Mrs Justice Holloway: Tämä kanne johtuu lastauslaiturin romahtamisesta vastaajan varastossa 14. maaliskuuta 2024. Kantajaa edusti Ms Priya Raman ja vastaajaa Mr Thomas Whitby. Kuulin suullista todistelua neljän päivän ajan.

Pääsilminnäkijä, Mr Daniel Okafor, oli nosturikuljettaja yövuorossa. Mr Okafor kertoi oikeudelle, että lastauslaiturin varoitusvalot olivat olleet epäkunnossa useita viikkoja ja että hän oli ilmoittanut asiasta kahdesti. Toinen todistaja, Ms Margaret Ellison, urakoitsija, joka tarkasti laiturin helmikuussa, vahvisti, että hänen raporttinsa suositteli välitöntä korjausta. Pidin molempia todistajia huolellisina ja uskottavina.

Kiinteistönhaltijan huolellisuusvelvollisuus niitä kohtaan, jotka oleskelevat sen alueella laillisesti, on vakiintunut, ja lähtökohtanani on naapuriperiaate asiassa Donoghue v Stevenson [1932] AC 562. Sitä, onko kohtuullista ja oikeudenmukaista asettaa velvollisuus uusissa olosuhteissa, ohjaa Caparo Industries plc v Dickman [1990] 2 AC 605, mutta nämä olosuhteet eivät ole uusia. Mr Whitby esitti, että vaaditut menetykset olivat liian etäisiä. Tätä väitettä on arvioitava asiassa Hadley v Baxendale (1854) 9 Exch 341.

Kun olen ottanut huomioon Mr Okaforn ja Ms Ellisonn todistelun sekä asiakirjat, olen vakuuttunut siitä, että vastaaja tiesi virheestä eikä ryhtynyt toimiin. Kanne menestyy vastuun osalta. Vahingonkorvaukset arvioidaan erillisessä istunnossa. Kiitän Ms Ramanta ja Mr Whitbyta heidän selkeistä ja asiallisista esityksistään.

Kuvio 6Vaihda näkymiä nähdäksesi tuloksen. Tuomio ja nimet ovat fiktiivisiä; kolme viitattua oikeustapausta ovat todellisia.

05

Voivatko chatgpt.com, claude.ai ja muut keskustelusivustot tehdä saman?

Joskus kyllä. Näillä sivustoilla on usein mukana Python-tulkki, jonka avulla malli voi avata Word- tai PowerPoint-tiedoston ja muokata sen XML-rakennetta koodilla.

Koodin kirjoittaa kuitenkin edelleen epävakaa malli, eikä mikään tarkista tulosta alkuperäiseen verrattuna. Omissa sisäisissä testauksissamme saimme usein asiakirjoja, joista puuttui yllättäen tekstiä tai joissa oli odottamattomia muutoksia. Yhdessä äärimmäisessä tapauksessa 20 sivun asiakirja palautui 10 sivuna ilman mitään varoitusta.

Chat-sivusto Pythonilla

20 sivua
10 sivua

Valmis! Olen päivittänyt asiakirjasi pyydetyillä muutoksilla.

Kymmentä puuttuvaa sivua ei mainita.

-muutoslokki

  • s. 4 · Lausekkeen 2.1

    kolmekymmentä (30) päivää kuusikymmentä (60) päivää

    Kumoa
  • s. 9 · Lausekkeen 6.3

    toimittaja urakoitsija

    Kumoa
  • s. 17 · Liite 1

    US$2,400 US$2,600

    Kumoa

Luo uusi asiakirja

Kuva 7Vasemmalla: äänetön katkaisu sisäisestä testauksestamme. Oikealla: jokainen OneTurn-palvelun tekoälymuutos on listattu, ja sen voi kumota.

Äänetön poisjättö tai muokkaus on kohtalokas mille tahansa vakavalle työlle. -palvelussa jokainen tekoälyavustajamme tekemä muutos kirjataan. Voit tarkistaa jokaisen muutoksen, kumota minkä tahansa niistä ja luoda uuden asiakirjan.

06

Voivatko tietokoneen käyttöön tarkoitetut agentit, kuten OpenClaw tai Manus, tehdä tämän?

Nämä agentit ohjaavat tietokonetta samalla tavalla kuin ihminen. Ne avaavat asiakirjan Microsoft Wordissa tai PowerPointissa ja vierittävät, napsauttavat ja kirjoittavat.11 Koska ne käyttävät samoja ohjelmia kuin ihminen, ne voivat muokata kuten ihminen, ja tulokset ovat usein vaikuttavia.

Hinta on kustannuksissa ja nopeudessa. Agentti lukee asiakirjan ottamalla kuvakaappauksia sen vierittyessä, ja jokainen pieni vaihe vaatii mallikutsun päättääkseen, mitä tehdä seuraavaksi. Yksi Full HD -kuvakaappaus maksaa yksinään noin 1 500–2 700 tokenia.10 OSWorld-vertailussa jopa parhaat agentit ottivat 2,7–4,3 kertaa enemmän askelia kuin olisi tarpeen, ja myöhemmät askeleet kestivät jopa kolme kertaa pidempään kuin alkuvaiheen askeleet.9

Tietokoneen käyttöön tarkoitettu agentti

  1. Ota kuvakaappaus
  2. Malli päättää seuraavan toiminnon
  3. Vieritä, napsauta tai kirjoita
  4. Toista jokaiselle askeleelle

  1. Lue teksti kerran
  2. Muokkaa erissä
  3. Kirjoita tiedosto
20 sivun sopimus, 30 muokkaustaTietokoneen käyttöön tarkoitettu agentti
Mallikutsut≈ 180≈ 12
Tokenit kutsua kohti≈ 10,000≈ 4,000
Tokeja yhteensä≈ 1,800,000≈ 48,000
Ero≈ 37 kertaa enemmän, tai ≈ 100–160 kertaa OSWorld-mittauksen lisävaiheilla
Kuva 8Oletukset: noin 11 000 sanaa; 60 kuvakaappausta asiakirjan lukemiseen; 4 toimintoa muokkausta kohden; jokainen kutsu sisältää kuvakaappauksen ja viimeaikaisen historian. OneTurn lukee tekstin kerran ja lähettää muokkaukset erissä.

Arvioomme mukaan tietokoneen käyttöä tekevä tekoälyavustaja voi käyttää jopa 100 kertaa enemmän LLM-tokeneita kuin samoihin muokkauksiin, ja sen valmistuminen kestää huomattavasti kauemmin.

Lähteet

  1. WordprocessingML-asiakirjan rakenneMicrosoft Learn · Open XML SDK -dokumentaatio
  2. ECMA-376: Office Open XML -tiedostomuodotEcma International · standardi
  3. Word-asiakirjan validointiMicrosoft Learn · Open XML SDK -dokumentaatio
  4. LLM-mallit vioittavat asiakirjasi, kun delegoit niille työnLaban, Schnabel ja Neville · Microsoft Research · 2026
  5. LongProc: Pitkien kontekstien kielimallien vertailu pitkässä proseduurisessa generoinnissaYe ym. · COLM 2025
  6. Pelkkä kontekstin pituus heikentää LLM-suorituskykyä täydellisestäkin hausta huolimattaDu ym. · Findings of EMNLP 2025
  7. Anthropic paljasti vahingossa Claude Coden lähdekoodin npm-lähdekarttatiedoston kauttaInfoQ · 7. huhtikuuta 2026
  8. Tehokas kontekstin suunnittelu tekoälyagenteilleAnthropic Engineering · 29. syyskuuta 2025
  9. OSWorld-Human: Tietokonetta käyttävien agenttien tehokkuuden vertailuAbhyankar, Qi ja Zhang · MLSys 2026
  10. Näkö: resoluutio ja tokenikustannusClaude Platform -dokumentaatio
  11. Metan Manus julkaisee työpöytäsovelluksen, joka tuo sen tekoälyavustajan henkilökohtaisille laitteille OpenClaw-buumin keskelläCNBC · 18. maaliskuuta 2026

Kuvat ovat tätä artikkelia varten tehtyjä havainnollistuksia. XML on aitoa WordprocessingML-muotoa; tiedostonimet, henkilöt ja tuomio ovat fiktiivisiä.

Kokeile sitä asiakirjaan, jonka rikkomista et voi sallia.

Kokeile -palvelua maksutta →