Biuro rachunkowe obsługujące 40 firm przetwarza miesięcznie kilka tysięcy faktur kosztowych. Każda ma inny układ, inny dostawca inaczej numeruje pozycje, inaczej opisuje stawki VAT. Ręczne wprowadzanie tego do systemu księgowego to godziny pracy, które nie generują żadnej wartości analitycznej, tylko koszt. To właśnie ten scenariusz najlepiej pokazuje, dlaczego temat automatycznego wyciągania danych z faktur PDF stał się w ostatnich dwóch latach jednym z najczęstszych zapytań, jakie trafiają do nas od firm z branży finansowej.
Szybka odpowiedź
Automatyczne wyciąganie danych z faktur PDF polega na wykorzystaniu modeli AI (najczęściej LLM z modułem wizyjnym) do odczytania i ustrukturyzowania danych z dokumentu bez sztywnych szablonów. W przeciwieństwie do klasycznego OCR, AI rozumie kontekst dokumentu, radzi sobie z różnymi layoutami faktur i sama klasyfikuje pola jak NIP, kwotę netto czy termin płatności, co redukuje ręczną pracę o 80-95%.
Najważniejsze wnioski
- Klasyczny OCR rozpoznaje tekst, ale nie rozumie jego struktury, dlatego wymaga sztywnych szablonów dla każdego formatu faktury.
- Modele AI/LLM z obsługą obrazu odczytują dokument w kontekście, więc działają na nieznanych wcześniej layoutach bez dodatkowej konfiguracji.
- Biuro rachunkowe przetwarzające setki faktur miesięcznie może zredukować czas wprowadzania danych z kilku minut na dokument do kilku sekund weryfikacji.
- Skuteczność automatycznej ekstrakcji przy dobrze zaprojektowanym systemie sięga 95-98% poprawności bez ingerencji człowieka, resztę i tak trzeba zweryfikować.
- Wdrożenie wymaga integracji z systemem księgowym (np. przez API) i zaprojektowania ścieżki wyjątków dla dokumentów, których model nie jest w stanie odczytać pewnie.
OCR czy AI do faktur: gdzie kończy się jedno, a zaczyna drugie
OCR (Optical Character Recognition) to technologia z lat 90., która zamienia obraz tekstu na ciąg znaków. Silnik OCR widzi piksele, rozpoznaje litery i cyfry, ale nie ma pojęcia, że liczba w prawym dolnym rogu to “kwota do zapłaty”, a nie przypadkowa cyfra. Żeby OCR zadziałał sensownie na fakturze, trzeba mu powiedzieć, gdzie na stronie szukać konkretnych informacji. To działa świetnie, jeśli masz 5 dostawców i każdy wystawia faktury w tym samym formacie miesiąc po miesiącu. Problem zaczyna się, gdy dostawców jest 150 i każdy korzysta z innego systemu fakturowania.
Modele AI, a konkretnie duże modele językowe z modułem wizyjnym (multimodalne LLM, jak GPT-4 Vision czy Claude z obsługą obrazów), podchodzą do tego zupełnie inaczej. Model nie szuka tekstu w konkretnym miejscu strony, tylko analizuje cały dokument jak człowiek: rozumie, że “Do zapłaty: 1 230,00 PLN” to kwota brutto, nawet jeśli to pole znajduje się w innym miejscu niż na poprzedniej fakturze od tego samego dostawcy. To jest fundamentalna różnica między OCR a AI ekstrakcją danych z dokumentów: OCR czyta znaki, AI rozumie treść.
W praktyce oznacza to, że system oparty na AI nie wymaga osobnej konfiguracji dla każdego nowego formatu faktury. Dostawca zmienia szablon, dorzuca nowe pole, przestawia układ tabeli z pozycjami, a model i tak wyciąga te same dane, bo bazuje na znaczeniu, nie na współrzędnych na stronie.
| Kryterium | Klasyczny OCR | AI/LLM (rozumienie dokumentu) |
|---|---|---|
| Obsługa nieznanych formatów | Wymaga ręcznej konfiguracji szablonu | Działa “out of the box” na nowych layoutach |
| Rozumienie kontekstu | Brak, czyta tekst bez znaczenia | Rozpoznaje pola po znaczeniu, nie pozycji |
| Koszt utrzymania przy wielu dostawcach | Rośnie z każdym nowym formatem | Stały, niezależny od liczby formatów |
| Dokładność na słabych skanach | Niska, wrażliwy na szum i przekrzywienie | Wyższa, model wnioskuje z kontekstu |
| Czas wdrożenia dla jednego formatu | Krótki | Krótki, ale nadmiarowy dla prostych przypadków |
| Koszt jednostkowy przetworzenia dokumentu | Niski | Wyższy, ale spada dzięki mniejszej liczbie błędów |
Jak to wygląda w praktyce: biuro rachunkowe i setki faktur miesięcznie
Weźmy realny przypadek, z którym pracowaliśmy: biuro rachunkowe obsługujące kilkadziesiąt firm produkcyjnych i handlowych, otrzymujące faktury kosztowe mailem, przez skrzynkę wspólną i portal jednego z większych dostawców. Wcześniej cały proces wyglądał tak: pracownik otwiera każdy PDF, przepisuje dane do systemu księgowego, przypisuje kategorię kosztu, sprawdza zgodność NIP-u z bazą kontrahentów. Przy 3000 faktur miesięcznie i średnio 4 minutach na dokument, to ponad 200 godzin pracy w skali miesiąca tylko na wprowadzanie danych.
Zaprojektowaliśmy proces, w którym każda faktura trafiająca na dedykowaną skrzynkę mailową jest automatycznie przechwytywana, konwertowana i przekazywana do modelu AI z instrukcją odczytania konkretnego zestawu pól: numer faktury, data wystawienia, data płatności, NIP sprzedawcy i nabywcy, wartość netto, VAT, brutto, pozycje z opisem i stawką. Model zwraca ustrukturyzowane dane w formacie JSON, które trafiają prosto do systemu księgowego przez API, wraz z poziomem pewności dla każdego pola.
Kluczowy element tego rozwiązania to nie sama ekstrakcja, tylko ścieżka wyjątków. Dokumenty, gdzie model ma niską pewność co do jakiegoś pola (na przykład nieczytelny skan albo nietypowy format daty), nie trafiają automatycznie do systemu, tylko do kolejki weryfikacji dla człowieka. To jest różnica między systemem, który “czasem się myli po cichu” a systemem, któremu można zaufać w produkcji. W tym konkretnym przypadku około 92% faktur przechodziło pełną automatyczną ścieżkę bez ingerencji człowieka, reszta wymagała krótkiej weryfikacji, która trwała kilkadziesiąt sekund, nie kilka minut.
Co dokładnie robi model AI z dokumentem
Proces techniczny wygląda tak: dokument PDF (albo skan w formacie obrazu) jest przekazywany do modelu wraz z promptem opisującym, jakie dane mają zostać wyodrębnione i w jakim formacie mają zostać zwrócone. Model analizuje układ strony, tekst, a w przypadku modeli multimodalnych także elementy graficzne jak logo czy tabele, i generuje odpowiedź w ustalonej strukturze, najczęściej JSON. Dobrze zaprojektowany prompt zawiera też przykłady oczekiwanego formatu i jasne instrukcje co do obsługi przypadków granicznych, na przykład brakującego pola czy dokumentu w innym języku.
Ważny szczegół, o którym często się zapomina: sam model AI to nie cały system. Potrzebna jest warstwa wokół niego, która waliduje odpowiedź (czy NIP ma prawidłowy format, czy suma pozycji zgadza się z kwotą brutto), obsługuje błędy i loguje każdy przypadek do analizy. Bez tej warstwy nawet najlepszy model wcześniej czy później zwróci coś nieprawidłowego, a system musi to wychwycić, zanim dane trafią do księgowości.
Kiedy OCR wciąż ma sens, a kiedy warto postawić na AI
Nie każdy projekt wymaga modelu językowego. Jeśli firma ma jednego, może dwóch dostawców, których faktury zawsze wyglądają tak samo, klasyczny OCR ze sztywnym szablonem będzie szybszy do wdrożenia i tańszy w przeliczeniu na dokument. Problem pojawia się przy skali i różnorodności: im więcej formatów faktur, im więcej wyjątków i nietypowych przypadków, tym bardziej AI wygrywa, bo nie trzeba utrzymywać dziesiątek osobnych konfiguracji.
Sensownym podejściem, które sami stosujemy w projektach, jest podejście hybrydowe: OCR jako pierwszy krok do wyciągnięcia surowego tekstu, a model AI jako warstwa interpretująca ten tekst i przypisująca mu znaczenie. Taki układ bywa szybszy i tańszy niż przekazywanie całego obrazu dokumentu bezpośrednio do modelu wizyjnego, jednocześnie zachowując elastyczność, której nie da sam OCR.
Decyzja “OCR czy AI do faktur” w księgowości sprowadza się więc do trzech pytań: ile różnych formatów dokumentów obsługujemy, jak często się zmieniają i jaki koszt błędu jesteśmy w stanie zaakceptować. Dla biura rachunkowego obsługującego dziesiątki klientów odpowiedź jest zwykle jednoznaczna, bo różnorodność formatów faktur od dostawców praktycznie wyklucza sztywne szablony jako skalowalne rozwiązanie.
Na co zwrócić uwagę przy wdrożeniu
Największym błędem, jaki widzieliśmy w projektach robionych “na szybko”, jest brak walidacji wyników modelu przed wpisaniem ich do systemu księgowego. Model AI, nawet bardzo dobry, czasem popełnia błąd, na przykład odczyta datę w formacie amerykańskim jako europejski. Bez mechanizmu kontrolnego taki błąd trafia prosto do księgowości i wychodzi na jaw dopiero przy rozliczeniu.
Drugi istotny punkt to koszt przetwarzania w skali. Modele AI działają na zasadzie płatności za token, więc przy tysiącach dokumentów miesięcznie warto policzyć realny koszt operacyjny, nie tylko koszt wdrożenia. W wielu przypadkach opłaca się wstępnie skompresować dokument albo ograniczyć zakres analizowanych stron, żeby nie płacić za przetwarzanie całej faktury, gdy potrzebne dane są tylko na pierwszej stronie.
Trzeci temat to integracja z istniejącym systemem księgowym. Sama ekstrakcja danych z faktury to połowa pracy, druga połowa to sensowne wpięcie tego w workflow: automatyczne tworzenie dokumentu w systemie, przypisanie do odpowiedniej firmy i kategorii kosztu, powiadomienie odpowiedzialnej osoby o dokumentach wymagających ręcznej weryfikacji. Bez tej warstwy nawet najlepsza ekstrakcja danych zostaje ciekawym demo, które nie zmienia realnie sposobu pracy zespołu.
Najczęściej zadawane pytania
Czy AI do faktur zastąpi księgowego?
Nie. AI automatyzuje odczyt i wprowadzanie danych z faktur do systemu, ale weryfikacja merytoryczna, klasyfikacja kosztów pod kątem podatkowym i kontakt z klientem zostają po stronie księgowego. Zmienia się proporcja czasu: mniej wpisywania, więcej analizy.
Ile kosztuje wdrożenie automatycznego wyciągania danych z faktur PDF?
Zależy od skali i integracji z istniejącym systemem księgowym. Prosty projekt oparty na gotowym API do ekstrakcji danych może kosztować kilka tysięcy złotych, pełna integracja z systemem ERP i workflow akceptacji to zwykle kilkanaście do kilkudziesięciu tysięcy złotych jednorazowo, plus koszt przetwarzania dokumentów w skali miesięcznej.
Czy modele AI do faktur radzą sobie z dokumentami w słabej jakości skanu?
Lepiej niż klasyczny OCR, bo model językowy potrafi wywnioskować brakujący fragment z kontekstu całego dokumentu, ale jakość skanu wciąż ma znaczenie. Przy bardzo słabych skanach warto dodać krok wstępnego czyszczenia obrazu przed ekstrakcją.
Jak długo trwa wdrożenie takiego systemu w biurze rachunkowym?
Pilotaż na jednym typie dokumentów i ograniczonej grupie dostawców da się przygotować w 3-4 tygodnie. Pełne wdrożenie z integracją z systemem księgowym i workflow akceptacji zajmuje zwykle 2-3 miesiące, zależnie od liczby formatów faktur i systemów, z którymi trzeba się zintegrować.
Czy dane z faktur przetwarzane przez AI są bezpieczne?
Tak, jeśli projekt jest zaprojektowany z myślą o bezpieczeństwie: dane przetwarzane w środowisku zgodnym z RODO, bez trenowania modeli publicznych na danych klienta, z szyfrowaniem i ograniczonym dostępem. W B2B standardem jest korzystanie z API modeli w wersji enterprise, gdzie dostawca kontraktowo gwarantuje, że dane nie są wykorzystywane do dalszego trenowania.
Słowniczek
OCR (Optical Character Recognition)
Technologia rozpoznająca tekst na obrazie i zamieniająca go w ciąg znaków, bez rozumienia znaczenia tego tekstu.
LLM (Large Language Model)
Duży model językowy, w wersjach multimodalnych zdolny do analizy nie tylko tekstu, ale też obrazów, w tym skanów dokumentów.
Ekstrakcja danych ustrukturyzowanych
Proces przekształcania nieustrukturyzowanego dokumentu (np. PDF) w dane w formacie gotowym do dalszego przetwarzania, np. JSON.
Poziom pewności (confidence score)
Wartość liczbowa zwracana przez model, informująca jak bardzo model jest przekonany o poprawności odczytanej wartości danego pola.
Ścieżka wyjątków
Zaprojektowany w systemie mechanizm kierowania dokumentów, których model nie jest w stanie odczytać z wystarczającą pewnością, do ręcznej weryfikacji przez człowieka.
