Google Cloud העבירה לזמינות כללית (GA) את AI.PARSE_DOCUMENT, פונקציית SQL חדשה ב-BigQuery שממירה מסמכים לא מובנים לייצוג JSON מובנה. ההכרזה הופיעה ביומן העדכונים של BigQuery ב-2 בנובמבר 2026, והיא מחברת בין מחסן הנתונים לבין מנוע ניתוח הפריסה של Document AI בלי לדרוש הקמה ידנית של מעבד מסמכים.
מה הפונקציה מחלצת מהמסמך?
הפונקציה מזהה רכיבי פריסה כמו כותרות, פסקאות, רשימות, טבלאות ותמונות, ומחזירה אותם כבלוקים מסודרים. מצב ברירת המחדל, layout-v1, מחזיר רשימה שטוחה לפי סדר הקריאה. כל בלוק כולל סוג, תוכן, מספר עמוד ולעיתים גם תיבת מיקום מנורמלת. טבלאות מוחזרות כ-HTML, כך שאפשר להמשיך לעבד אותן ב-SQL או להעביר אותן לשירות אחר.
למי שזקוק להיררכיה מלאה יש סכימה נוספת בשם raw-docai. היא שומרת את עץ הפריסה של Document AI ומתאימה במיוחד לשרשור אל AI.CHUNK_DOCUMENT, שמחלק מסמכים למקטעים סמנטיים עבור חיפוש, Embeddings ותהליכי RAG.
למה זה שימושי?
עד עכשיו, צוותי נתונים שרצו לנתח מדריכים, חשבוניות, חוזים או דוחות היו צריכים לבנות תהליך נפרד: להעלות קבצים, להפעיל OCR או מעבד מסמכים, לשמור תוצאה ורק אז לטעון אותה למחסן הנתונים. כעת אפשר להתחיל מכתובת Cloud Storage או מערך ObjectRef ולבצע את ההמרה מתוך שאילתת GoogleSQL.
- ניתוח מסמכים בקנה מידה: אפשר להשתמש ב-
OBJ.LISTכדי לעבור על אוסף קבצים תחת נתיב ולפרק כל אחד מהם. - הכנה ל-RAG: פלט
raw-docaiעובר ישירות ל-AI.CHUNK_DOCUMENT, בלי לנתח את אותו מסמך פעמיים. - שאילתות על פריסה: אפשר לפרוס את מערך הבלוקים לשורות ולסנן, למשל, רק כותרות או טבלאות.
- פחות תשתית: BigQuery יוצר ומנהל אוטומטית מעבד Layout Parser בשם
bq-created-layout-parserבפרויקט.
מה צריך לדעת לפני שמפעילים?
יש להפעיל בפרויקט את Document AI API. הפונקציה מקבלת URI של Cloud Storage או ObjectRef; קבצים מ-Google Drive נתמכים רק דרך ObjectRef ולא ככתובת Drive ישירה. מגבלת האורך המתועדת היא 130 עמודים, ואין אפשרות לבחור טווח עמודים ספציפי.
התמיכה האזורית כוללת את המולטי-אזורים US ו-EU ואת רוב האזורים היחידים בתוכם, למעט europe-west2 ו-europe-west6. העיבוד מחויב לפי תמחור Document AI Layout Parser לכל עמוד, בנוסף לצריכת ה-slots הרגילה של שאילתת BigQuery.
המשמעות לצוותי Data ו-AI
החידוש אינו רק קיצור דרך ל-OCR. הוא הופך מסמך לאובייקט שאפשר לשאול עליו באותה סביבת SQL שבה כבר נמצאים נתוני העסק. צוותים יכולים לחבר בין תוכן חופשי לנתונים טבלאיים, לבנות תהליכי מיון וחילוץ ולייצר שכבת הכנה לאפליקציות מבוססות סוכנים — בלי להוציא את התהליך מ-BigQuery.
מקורות רשמיים: BigQuery Release Notes; תיעוד AI.PARSE_DOCUMENT.
תמונה: P. L. / Unsplash. רישיון Unsplash מתיר שימוש באתר וברשתות חברתיות, לרבות שימוש מסחרי ושיווקי, בכפוף למגבלות הרישיון וללא יצירת מצג של חסות. פרטי הרישיון.
