nem strukturált adat

angolul: unstructured data

alapelterjedt

Olyan adat, amelynek nincs előre megadott, táblázatos (sorokba és oszlopokba rendezett) szerkezete: szabad szöveg, kép, hang, videó, e-mail szövege vagy beszkennelt irat.

Érthetően

Képzelj el egy irodát, ahol az egyik sarokban pontosan vezetett kartotékszekrény áll, a másikban pedig egy nagy doboz, tele levelekkel, fényképekkel, jegyzetekkel és hangkazettákkal. A kartoték a strukturált adat: minden a maga rovatában van, név, dátum, összeg. A doboz a nem strukturált adat: sok érték van benne, de semmi sincs rovatokba írva.

Becslések szerint a világ adatainak nagy része ilyen „dobozban” él: e-mailek, csevegések, szerződések, orvosi leletek, ügyfélszolgálati hangfelvételek, fotók, videók, közösségimédia-bejegyzések. Ezeket az ember könnyen megérti, a hagyományos számítógépes programok viszont sokáig alig tudtak velük mit kezdeni, mert nem volt mire rákeresniük vagy mit összeadniuk.

A mesterséges intelligencia ezen változtatott. A nagy nyelvi modellek főként ilyen adatokon tanultak, és a mai AI-rendszerek ilyenekkel dolgoznak: elolvassák a szöveget, leírják a képet, leiratot készítenek a hangból. Így az is kereshetővé és elemezhetővé válik, ami eddig csak a fiók mélyén hevert.

Hogyan működik

Összegyűjtés: a rendszer beolvassa a nyers anyagot, például PDF-eket, e-maileket, képeket, hangfelvételeket, úgy, ahogy vannak.
Átalakítás gép által kezelhető formára: a beszkennelt iratból karakterfelismerés, a hangból beszédfelismerés készít szöveget, a hosszú dokumentumokat pedig kisebb darabokra vágják.
Jelentés szerinti leképezés: egy modell minden darabhoz számsort (beágyazást) rendel, amely a tartalom jelentését rögzíti, így a hasonló tartalmak számszerűen is közel kerülnek egymáshoz.
Keresés és kinyerés: a rendszer jelentés alapján megtalálja a kérdésedhez illő részeket, vagy kigyűjti belőlük a lényeges adatokat (név, dátum, összeg), vagyis utólag rendet tesz bennük.
Felhasználás: a kinyert tartalomból egy nyelvi modell választ ír, összefoglalót készít, vagy egy AI-agent dolgozik vele tovább, például kitölt egy űrlapot.

Példa a mindennapokból

Lefotózod a telefonoddal a villanyszámlát, és a banki alkalmazás magától kitölti az utalás összegét és a számlaszámot. A fénykép nem strukturált adat volt, az alkalmazás pedig mesterséges intelligenciával olvasta ki belőle a rovatokba illő adatokat.

Kit érint

munkavállalóA napi munkád nagy része, az e-mailek, jegyzőkönyvek és prezentációk, ilyen adat, és az AI-eszközök éppen ezekben segítenek keresni és összefoglalni. → Munka és HR

vállalkozó, vezetőA cég tudásának java nem táblázatokban, hanem szerződésekben, levelezésben és ügyfélpanaszokban van, és ez AI-jal válik hasznosíthatóvá.

beteg, orvosA leletek, zárójelentések és röntgenképek többsége szabad szöveg vagy kép, amelyet az AI segíthet áttekinteni, de a tévedés itt különösen sokba kerülhet. → Egészség

jogász, állampolgárA fotóidban, üzeneteidben és hangfelvételeidben rengeteg személyes adat rejtőzik, amelyre ugyanúgy vonatkozik az adatvédelem, mint a nyilvántartásokra. → Jog

Gyakori félreértés

TévhitA nem strukturált adat rendetlen, értéktelen adatszemét.

ValójábanCsak annyit jelent, hogy nincs előre megadott táblázatos formája. Gyakran éppen ez a legértékesebb adat, mert a részletek, az indokok és az összefüggések a szövegben, képben, beszélgetésben vannak.

Korlátok és kockázatok

Az AI félreolvashat vagy kihagyhat részleteket, ezért a szövegből, képből kinyert adatot fontos ügyekben ellenőrizni kell.
A szabad szövegben és képekben észrevétlenül maradhat személyes vagy bizalmas adat, amely így könnyen kerül illetéktelen helyre vagy egy AI-szolgáltatóhoz.
A rossz minőségű forrás (elmosódott szkennelés, zajos hangfelvétel, elavult vagy egymásnak ellentmondó dokumentumok) rossz eredményt ad, bármilyen jó a modell.
Nagy mennyiségű kép, hang és videó tárolása és feldolgozása drága és időigényes lehet.

Hasonló, de nem ugyanaz

strukturált adat – A strukturált adat előre megadott rovatokba, táblázatba rendezett, a nem strukturáltnak nincs ilyen kötött formája.
félig strukturált adat – A félig strukturált adatban (például JSON- vagy XML-fájlban) vannak címkék és mezők, de nincs merev táblázat, a nem strukturáltban ilyen jelölés sincs.
nyers adat – A nyers adat feldolgozatlan állapotot jelent, és lehet táblázatos is, a nem strukturált viszont a formára utal, nem a feldolgozottságra.

Kapcsolódó fogalmak

Tágabb

adat

Szűkebb

szöveges adat, képi adat, hangadat, videóadat

Rokon

strukturált adat, félig strukturált adat, big data, tanítóadat, beágyazás, vektoradatbázis, természetesnyelv-feldolgozás

Röviden a története

A szöveges dokumentumok gépi feldolgozásának gondolata régi: Hans Peter Luhn, az IBM kutatója már 1958-ban leírt egy rendszert, amely üzleti iratokról automatikusan kivonatot készít, és eljuttatja őket azokhoz, akiknek szükségük van rájuk. Maga a kifejezés az 1990-es évek végétől, majd a big data korszakában terjedt el, a nagy nyelvi modellek megjelenése pedig a figyelem középpontjába állította.

Hol tart most

2026 végén a nem strukturált adat feldolgozása hétköznapi AI-feladat: a nyelvi modellek szöveget, képet, hangot és videót is kezelnek, a cégek pedig sorra kötik rá belső dokumentumaikat AI-asszisztensekre és agentekre. A szűk keresztmetszet többnyire már az adatok minősége, rendezettsége és a hozzáférési jogok kezelése.

Állapot: 2026. november

Más nevei

nem strukturált adat · strukturálatlan adat · strukturálatlan adatok · nem strukturált adatok · unstructured data · unstructured information · szabad szöveges adat

A szócikk gépi szerkesztéssel készült és gépi szakmai lektoráláson ment át; a „hírekben” rész az Agent Age sztorijaiból automatikusan frissül.