Jak funguje vytěžování faktur pomocí AI

Vytěžování faktur pomocí AI znamená, že program přečte fakturu v PDF, ve skenu nebo v e-mailu a vypíše z ní dodavatele, číslo dokladu, data, položky a částky do pevných polí. Pak tato pole zkontroluje a připraví je pro zápis do ERP nebo účetního programu. Účetní řeší jen faktury, u kterých kontrola něco najde.

Z čeho se vytěžování skládá

Postup má pět kroků. Stejné kroky používám i u objednávek z e-mailu.

1. Příjem. Faktury chodí do sdílené schránky, nebo je někdo nahraje ručně. Program si je ze schránky vezme sám, včetně příloh v .msg a .eml.
2. Převod na text. PDF z účetního programu dodavatele má textovou vrstvu a program ji přečte přímo. Sken nebo fotku nejdřív převede na text pomocí OCR.
3. Vytěžení polí. Jazykový model z textu určí, které číslo je IČO, která částka je celková a které řádky jsou položky. Výsledek uloží do struktury se stálými poli.
4. Kontroly. Program přepočítá součet položek a DPH, ověří formát IČO a dat a porovná dodavatele s vaším seznamem. Fakturu, která neprojde, označí a pošle člověku.
5. Zápis. Schválená data odejdou do ERP, do účetního programu, nebo aspoň do Excelu pro hromadný import.

Jaké údaje z faktury vytěžit a jak je zkontrolovat

Zákon o DPH v § 29 vyjmenovává, co musí daňový doklad obsahovat. Ten seznam je dobrý základ pro pole, která má program vytěžit. Ke každému poli patří kontrola, kterou program udělá bez jazykového modelu.

Poslední řádek zákon nevyžaduje. Pro výrobní firmu je ale nejcennější, protože podle něj program přiřadí fakturu k zakázce nebo nákladovému středisku. Zákon o účetnictví v § 11 navíc chce u účetního dokladu podpisový záznam osoby odpovědné za účetní případ. Program proto schválení nevynechá: účetní ho udělá jedním kliknutím na obrazovce kontroly.

Proč nestačí samotné OCR

OCR (optické rozpoznávání znaků) převede obrázek na text, ale nepozná, co ten text znamená. Klasické nástroje to řešily šablonou pro každého dodavatele: částka je vždy na stejném místě stránky. Když dodavatel změní vzhled faktury, šablona přestane fungovat.

Jazykový model šablonu nepotřebuje. Pozná „Celkem k úhradě“ i „Total amount due“ na jakémkoli místě stránky. Model se ale umí splést, a proto ho kombinuji s kontrolami z předchozí tabulky. Když model přečte špatně jednu číslici v částce, součet položek nesedí a faktura skončí u člověka.

Kdy AI nepotřebujete: ISDOC a strukturované faktury

Část dodavatelů posílá k PDF i soubor ve formátu ISDOC. Jde o český standard elektronické faktury v XML, který dnes spravuje Ministerstvo vnitra. Z něj program přečte všechna pole přímo, bez OCR a bez jazykového modelu. Stejně funguje německý ZUGFeRD nebo QR platba na faktuře, která nese aspoň částku a účet.

Dobře postavené vytěžování proto nejdřív zkontroluje, jestli faktura strukturovaná data má. AI pošle jen to, co je čistý obrázek nebo PDF bez dat. U strukturovaných faktur tak nevznikne chyba čtení a model zpracuje jen zbytek.

Jak měřit přesnost vytěžování

Prodejci uvádějí přesnost v procentech, ale málokdy řeknou, co počítají. Rozdíl je velký:

• Přesnost na pole počítá každé pole zvlášť. Faktura s dvaceti správnými poli a jedním špatným dá 95 %.
• Přesnost na fakturu počítá jen faktury, které vyšly se všemi poli správně. Jedna chyba znamená, že faktura neprošla.

Pro účetní platí druhé číslo, protože fakturu s jednou chybou musí stejně otevřít. Měřím proto vždy na fakturu. Postup:

1. Vyberte několik desítek skutečných faktur od různých dodavatelů, včetně skenů a vícestránkových.
2. Ke každé ručně zapište správné hodnoty všech polí.
3. Spusťte vytěžování a porovnejte výsledek pole po poli.
4. Faktury s chybou roztřiďte podle příčiny: OCR, model, nebo nejasná faktura.
5. Stejnou dávku spouštějte po každé změně programu.

Pátý krok bývá nejdůležitější. Úprava, která opraví faktury jednoho dodavatele, může rozbít faktury jiného, a bez referenční dávky to zjistíte až od účetní.

Z mé praxe

Vytěžování přijatých faktur jsem postavil pro distributora techniky. Program kombinuje OCR, extrakci jazykovým modelem a obrazovku, kde účetní kontroluje označené faktury. Data připravuje k exportu do ERP a přihlášení řeší firemní účet Microsoft Entra.

Každou úpravu ověřuji na referenční sadě faktur s ručně zkontrolovanými hodnotami a na automatických testech. Úpravu pro nového dodavatele tak nasadím, až vím, že nerozbila faktury ostatních.

Dřív jsem patnáct let pracoval ve výrobě, mimo jiné jako inženýr kvality dodavatelů. Z té doby vím, že fakturu bez čísla objednávky musí vyřešit nákup. Vytěžování ji označí hned při příjmu, takže se k nákupu dostane dřív. Víc o mé práci najdete na stránce Co umím a v ukázce automatizace zpracování faktur.

Kde vytěžování naráží

• Špatné skeny. Rozmazaná fotka nebo sken s razítkem přes částku skončí u člověka.
• Nejasné položky. Faktura s textem „Práce dle dohody“ neřekne, ke které zakázce patří. Program ji spáruje jen tehdy, když na faktuře najde číslo vaší objednávky.
• Napojení na ERP. Zápis do ERP bývá nejpracnější část projektu a záleží na rozhraní, které váš systém nabízí. Pro čtení dat z ERP se dnes hodí protokol MCP, o kterém píšu v článku Napojení AI na ERP přes MCP.

Jak začít

Než začnete vybírat nástroj, vezměte faktury od deseti dodavatelů, kteří vám jich posílají nejvíc, a změřte na nich přesnost podle postupu výše. Z výsledku uvidíte, kolik faktur projde bez opravy a kde je potřeba lepší OCR nebo pravidlo navíc. Napojení na ERP má smysl řešit až potom. Pokud chcete vzorek projít se mnou, napište mi přes konzultaci.