Jak AI rozpoznaje faktury, akty i rachunki: OCR + LLM w prostych słowach

Księgowa otwiera pocztę. A tam faktura w PDF, zdjęcie listu przewozowego zrobione telefonem na pace ciężarówki i skan protokołu, na którym pieczątka wylądowała dokładnie na kwocie. I to wszystko trzeba ręcznie przepisać do programu księgowego. Codziennie.

Próby automatyzacji takich rzeczy podejmowano od dawna. Ale przez długi czas efekty były co najwyżej takie sobie.

1. Dlaczego stare OCR się nie przyjęły

Klasyczne systemy rozpoznawania działały na szablonach. Dla każdego dostawcy ustawiało się osobno: kwota — tutaj, numer — tutaj, data — w prawym górnym rogu. Dostawca zmienił formularz — szablon się rozsypał. Pojawił się nowy kontrahent — znowu trzeba siadać i konfigurować.

Przy dziesięciu stałych dostawcach da się to jeszcze wytrzymać. Przy setkach — już nie.

2. Co zmieniły modele językowe

Nowoczesne modele multimodalne patrzą na dokument mniej więcej tak jak człowiek. Rozumieją, że „Razem do zapłaty” to kwota końcowa, niezależnie od tego, gdzie się znajduje. Że tabela z kolumnami „Nazwa”, „Ilość”, „Cena” to pozycje asortymentowe. Że lokalny odpowiednik VAT mogą zapisać na dziesiątki sposobów.

Ale to samo w sobie jeszcze nie jest rozwiązanie. Model może się pomylić. Dlatego rozpoznanie to dopiero pierwszy krok.

3. Jak system sam się sprawdza

Po tym, jak model wyciągnie pola, każde z nich przechodzi walidację według reguł. Zwykłych, bez żadnego AI:

• numer identyfikacyjny firmy — sprawdzana jest cyfra kontrolna. Błąd w jednej cyfrze wychwytywany jest od razu.
• IBAN — sprawdzany jest format i suma kontrolna.
• Arytmetyka — suma wierszy musi zgadzać się z podsumowaniem, a kwota bez lokalnego odpowiednika VAT plus lokalny odpowiednik VAT — z kwotą całkowitą.
• Słowniki — dostawca jest wyszukiwany w waszej bazie kontrahentów, a pozycje porównywane z waszym słownikiem.
• Ceny umowne — jeśli cena różni się od tej zapisanej w specyfikacji, dokument zostaje oznaczony.

4. Próg pewności i człowiek w procesie

Dla każdego pola system wylicza poziom pewności. Jeśli choć jedno pole spadnie poniżej progu, albo kwota przekroczy ustawiony limit, albo walidacje się nie zgadzają — dokument nie przechodzi automatycznie. Zostaje podświetlony dla księgowej, a rozpoznane pola są widoczne bezpośrednio na skanie. Sprawdzić i poprawić — kwestia kilku sekund.

I najważniejsze: system przygotowuje wersję roboczą. Pieniądze nie schodzą z konta bez podpisu osoby odpowiedzialnej. Nigdy.

5. Co jest potrzebne na start

• Zestaw realnych dokumentów od waszych kluczowych kontrahentów — kilkadziesiąt sztuk.
• Dostęp do systemu księgowego albo systemu obiegu dokumentów przez API (na przykład Autenti albo Comarch ERP).
• Słowniki kontrahentów i asortymentu.
• Zasady: co uznawać za wątpliwe i kto to zatwierdza.

Zobaczcie krok po kroku, jak to wygląda, w scenariuszu demonstracyjnym rozpoznawania i akceptacji dokumentów. Więcej o usłudze — na stronie Automatyzacja przetwarzania dokumentów. A oszacować, ile czasu może to uwolnić w księgowości, można w kalkulatorze.