Cara mengunggah dokumen ke AI di Whizi

Jenis file yang didukung, dan apa yang sebenarnya terjadi pada tiap jenis

Lampirkan file dengan menyeretnya ke kotak chat atau mengeklik ikon penjepit kertas, lalu ajukan pertanyaan Anda. Apa yang diterima model berbeda menurut jenis file, dan mengetahui perbedaan ini menjelaskan sebagian besar hasil yang mengejutkan.

Jenis	Ekstensi	Yang diproses model
PDF berteks	.pdf	Teks hasil ekstraksi, sesuai urutan baca, termasuk tabel sebagai teks
PDF hasil scan	.pdf	Transkrip per halaman dari proses vision di sisi server
Dokumen Word	.docx	Teks dokumen, diekstraksi di browser Anda
Spreadsheet	.xlsx, .csv	Nilai sel sebagai teks, bukan rumus yang aktif
Gambar	.png, .jpg, .jpeg	Gambar itu sendiri, dibaca oleh model multimodal
Kode dan teks biasa	.py, .js, .ts, .go, .md, .txt dan sejenisnya	Isi file apa adanya

Ada dua konsekuensi yang perlu dipahami. Pertama, spreadsheet tiba sebagai nilai, bukan sebagai workbook yang berfungsi, sehingga model bisa membaca hasil rumus Anda tetapi tidak bisa menjalankan ulang rumusnya. Kedua, PDF hasil scan telah melalui transkripsi vision, bukan ekstraksi teks biasa, dan font yang tidak umum, catatan tulisan tangan, atau resolusi scan yang rendah masih bisa menghasilkan karakter yang salah baca pada sebuah angka. Verifikasi angka dari dokumen hasil scan terhadap dokumen aslinya. Satu catatan soal gambar: kotak chat menolak file GIF dan meminta PNG atau JPEG sebagai gantinya.

Siapkan file sebelum Anda bertanya apa pun

Lima menit di sini menghemat percakapan yang membingungkan nanti.

• Beri nama file sesuai isinya. Model melihat nama file, dan 2025-q3-vendor-contract-acme.pdf memberinya konteks yang berguna, berbeda dari document(3).pdf. Ini juga sangat penting begitu beberapa file ada dalam satu thread.
• Kirim versi sumber, bukan versi presentasi. Khususnya untuk spreadsheet, versi dengan sel gabungan, subtotal di dalam data, dan catatan di pinggir menyebabkan jauh lebih banyak kesalahan dibanding file polos yang besar.
• Pecah dokumen yang sangat panjang berdasarkan tujuan, bukan ukuran. Jika Anda hanya butuh bagian metodologi dan hasil, mengunggah bagian itu lebih baik daripada mengunggah 400 halaman dan berharap perhatian model jatuh di tempat yang tepat.
• Hapus data pribadi yang tidak Anda butuhkan. Nama, email, dan pengenal jarang diperlukan untuk analisis, dan menghapusnya lebih cepat daripada memutuskan apakah Anda diizinkan mengunggahnya.
• Periksa apakah PDF benar-benar berupa teks. Coba pilih teks di pembaca PDF Anda. Jika tidak bisa, itu adalah hasil scan, Whizi akan mentranskripsinya lewat proses vision, dan angka-angkanya layak diperiksa terhadap aslinya.

Memilih model untuk file tersebut

Pilihan ini lebih penting daripada prompt untuk pekerjaan dokumen.

• Gemini untuk apa pun yang panjang. Model Gemini di Whizi membawa jendela konteks 1.000.000 token, artinya laporan 200 halaman, satu set kontrak penuh, atau selusin makalah bisa hadir sekaligus, bukan diproses sepotong-sepotong. Pertanyaan lintas dokumen hanya berfungsi dengan baik ketika semuanya benar-benar berada dalam konteks.
• Claude untuk nuansa. Bahasa hukum, dokumen kebijakan, apa pun yang maknanya bergantung pada kualifikasi dan pengecualian. Ia juga paling andal memberi tahu Anda apa yang tidak disebutkan sebuah dokumen, yang seringkali justru menjadi pertanyaan sesungguhnya.
• GPT untuk ekstraksi. Faktur, formulir, data terstruktur, apa pun yang Anda ingin kembalikan sebagai tabel atau JSON yang ketat dengan nama kolom yang konsisten di seratus baris.
• Model multimodal mana pun untuk gambar, grafik, tangkapan layar, dan diagram. Minta model menjelaskan apa yang dilihatnya sebelum meminta interpretasi, yang menangkap salah baca sejak awal.

Anda bisa berpindah model di tengah thread tanpa mengunggah ulang, dan itulah gunanya melakukan ini dalam satu ruang kerja. Baca dengan Gemini, ekstrak dengan GPT, dan biarkan Claude menulis ringkasannya, semua terhadap file lampiran yang sama. Lihat beralih model di tengah percakapan.

Bekerja dengan beberapa dokumen sekaligus

Pertanyaan satu dokumen memang berguna. Pertanyaan lintas dokumen adalah titik di mana ini berhenti menjadi sekadar kenyamanan dan mulai menjadi kemampuan yang sebelumnya tidak Anda miliki.

Prompt: bandingkan

Compare contract-a.pdf and contract-b.pdf. Return a table of every clause that differs: clause, what A says, what B says, and which is more favourable to us and why. Ignore differences in formatting and numbering. List clauses present in one and absent from the other separately.

Prompt: konsolidasikan

Across all attached files, build one table answering [question]. One row per document, with the document name in the first column. Where a document does not address it, write NOT ADDRESSED. Do not merge documents that use different definitions without flagging it.

Prompt: temukan kontradiksi

Where do these documents contradict each other? Quote both passages side by side and name the file each came from. Distinguish genuine contradictions from differences in scope or date.

Selalu rujuk file berdasarkan namanya dalam prompt Anda begitu ada lebih dari satu. "Di perjanjian vendor, berapa lama masa pemberitahuannya?" jelas maksudnya; "berapa lama masa pemberitahuannya?" membuat model harus memilih sendiri, dan ia tidak akan memberi tahu Anda mana yang dipilihnya.

Ketika jawabannya terlihat salah

Urutan diagnostik singkat yang menyelesaikan sebagian besar masalah.

Model bilang tidak bisa melihat file tersebut. Pastikan lampiran benar-benar terunggah, lalu rujuk secara eksplisit: "Di laporan report.pdf yang dilampirkan". Khusus untuk gambar, mengatakan "lihat gambar yang dilampirkan" memastikan jalur multimodal digunakan, bukannya model menjawab hanya dari teks pertanyaan Anda.

Jawabannya membahas dokumen yang salah. Sebutkan nama file di setiap pertanyaan begitu thread memiliki beberapa file.

Angkanya sedikit salah pada dokumen hasil scan. Ini adalah masalah transkripsi dari scan, bukan penalarannya. Minta model mengutip baris di sekitarnya secara verbatim agar Anda bisa melihat apa yang dibacanya, lalu periksa aslinya.

Model melewatkan sesuatu yang Anda tahu ada di sana. Ajukan pertanyaan pencarian dahulu: Quote the passage that discusses [topic] and give its page or section. Jika tidak ditemukan, masalahnya ada pada ekstraksi, bukan penalaran. Coba model lain atau unggah halaman yang relevan secara terpisah.

Model meringkas alih-alih menjawab. Minta buktinya, bukan kesimpulannya: Quote the exact text that supports your answer. Ini juga menangkap kasus di mana jawaban disimpulkan dari pengetahuan umum, bukan dari dokumen Anda, yang merupakan kegagalan paling penting untuk ditangkap.

Pemeriksaan terakhir itu layak ditekankan. Model yang ditanya tentang jenis kontrak yang umum dikenal, regulasi yang lazim, atau makalah yang terkenal bisa menjawab dengan meyakinkan dari data pelatihan tanpa membaca file Anda sama sekali. Mewajibkan kutipan memaksa jawaban tertambat pada dokumen yang sungguh ada di hadapannya.

Privasi dan hal yang perlu dipikirkan sebelum mengunggah

Lampiran yang diunggah dikonfigurasi untuk kedaluwarsa setelah maksimal 30 hari, dan Anda bisa menghapus satu file atau seluruh percakapan lebih cepat kapan saja. Whizi tidak menggunakan prompt, file, percakapan, transkrip suara, atau konten yang Anda hasilkan untuk melatih model AI milik Whizi, dan tidak menjual konten tersebut sebagai data pelatihan. Penyedia yang menjalankan model yang Anda pilih menerima apa yang dibutuhkannya untuk menjawab dan bisa menyimpan cache sementara sesuai kebijakannya sendiri.

Keputusan yang tetap ada di tangan Anda adalah apakah dokumen tersebut boleh Anda proses lewat layanan pihak ketiga sama sekali. Kategori yang layak dipikirkan matang-matang: data pribadi milik orang lain, apa pun yang tercakup klausul kerahasiaan tertentu, informasi material yang belum publik, dan data teregulasi seperti catatan kesehatan atau keuangan yang tunduk pada aturan penanganan khusus.

Jalan tengah yang praktis bagi kebanyakan orang adalah menyamarkan, bukan menghindari sama sekali. Nama yang diganti dengan peran, angka yang diindeks alih-alih absolut, dan pengenal yang dihapus akan mempertahankan semua yang dibutuhkan analisis sambil menghilangkan sebagian besar hal yang membuat dokumen tersebut sensitif.