Automatyzacja dokumentów AI: faktury, zamówienia i umowy

Automatyzacja dokumentów AI działa dobrze tam, gdzie dokumenty są powtarzalne, a każdy wynik da się sprawdzić regułą: przy fakturach kosztowych, zamówieniach od klientów i dokumentach dostawy. Model językowy odczytuje i klasyfikuje dokument, system sprawdza wynik z danymi w ERP, a człowiek zatwierdza wyjątki. Przy umowach AI pomaga czytać, ale nie powinno decydować. Poniżej opisuję, jak wygląda taki proces krok po kroku, gdzie postawić weryfikację przez człowieka, gdzie AI się myli i od czego zacząć wdrożenie.

Co daje automatyzacja obiegu dokumentów z AI

Z AI da się zautomatyzować prawie każdy etap obiegu dokumentu, ale nie każdy z tym samym zyskiem. Najwięcej daje odczyt i klasyfikacja, najwięcej pracy wymaga dopasowanie do danych w ERP, a decyzje finansowe zostają przy ludziach.

Typowy obieg ma te etapy:

• wpływ dokumentu: skrzynka mailowa, skan, portal dostawcy, plik z systemu klienta,
• rozpoznanie typu: faktura, korekta, zamówienie, potwierdzenie dostawy, umowa, inne pismo,
• odczyt pól: kontrahent, numery, daty, pozycje, kwoty, warunki płatności,
• sprawdzenie wyniku regułami i danymi z systemów firmy,
• przypisanie: miejsce powstania kosztu, osoba akceptująca, zamówienie, którego dotyczy,
• zapis w ERP i archiwum, z odnośnikiem do oryginału.

Stare systemy rozpoznawania tekstu potrzebowały szablonu dla każdego układu dokumentu. Nowy dostawca oznaczał nowy szablon. Model językowy czyta dokument bez szablonu i rozumie, że numer zamówienia klienta może być opisany na wiele sposobów. Ceną jest to, że wynik jest probabilistyczny: model czasem myli się z pełnym przekonaniem, dlatego sama ekstrakcja nigdy nie wystarcza.

Faktury, zamówienia, umowy: trzy poziomy trudności

Faktury i zamówienia nadają się do automatyzacji z kontrolą wyjątków, umowy do wsparcia czytania. Różnica wynika z tego, czy wynik da się sprawdzić automatycznie.

Dokument	Co robi AI	Główne ryzyko	Rola człowieka
Faktura kosztowa	odczyt pól, rozpoznanie dostawcy, propozycja kategorii kosztu	pomylona kwota, data lub numer rachunku, podwójne zaksięgowanie	zatwierdza wyjątki, nowych dostawców i płatności
Zamówienie od klienta	zamiana maila lub PDF na zamówienie w ERP, dopasowanie towarów	zły towar, ilość lub jednostka	potwierdza dopasowania, których system nie potwierdził
Umowa	streszczenie, wskazanie klauzul o karach, terminach, wypowiedzeniu	przeoczona albo źle zrozumiana klauzula	czyta i decyduje, AI wskazuje miejsca do sprawdzenia

Przy fakturach warto najpierw sprawdzić, jaka część strumienia w ogóle wymaga odczytu. Faktury wystawione w KSeF mają dane w ustrukturyzowanym pliku XML, więc ich nie trzeba odczytywać modelem. Zostaje dla nich klasyfikacja kosztu, przypisanie do zamówienia i akceptacja. Im więcej dostawców wystawia faktury w KSeF, tym mniejsza część pracy przypada na odczyt, a większa na dopasowanie.

Jak wygląda proces krok po kroku

Dobrze zbudowany proces rozdziela trzy role: model proponuje, reguły sprawdzają, człowiek rozstrzyga wyjątki. Każdy krok zostawia ślad, żeby dało się odtworzyć, skąd wzięła się wartość w ERP.

1. Jeden kanał wpływu. Dokumenty trafiają do jednej skrzynki lub folderu, a system zapisuje oryginał i dane o pochodzeniu.
2. Klasyfikacja. Model rozpoznaje typ dokumentu. Pismo, którego nie rozpozna, idzie do człowieka, a nie do najbardziej podobnej kategorii.
3. Ekstrakcja do ustalonej struktury. Model zwraca pola w stałym formacie, a gdy pola nie ma w dokumencie, zwraca brak zamiast zgadywać.
4. Walidacja regułami. Suma pozycji zgadza się z wartością dokumentu, kontrahent istnieje w kartotece, numer zamówienia jest w ERP, faktura nie była już zaksięgowana.
5. Sprawdzenie w źródłach zewnętrznych. Dla faktur kosztowych system może sprawdzić status VAT dostawcy i przypisanie rachunku do NIP przez API wykazu podatników VAT udostępniane przez Ministerstwo Finansów.
6. Kolejka wyjątków. Dokument, który nie przeszedł choć jednej reguły, trafia do osoby z zaznaczonym polem i powodem.
7. Zapis w ERP. Dane trafiają do systemu przez integrację, razem z odnośnikiem do oryginału i informacją, kto zatwierdził.

Weryfikacja przez człowieka: gdzie ją postawić

Człowiek powinien wchodzić tam, gdzie reguły nie potwierdzają wyniku, oraz tam, gdzie błąd kosztuje: przy płatnościach, wysyłce towaru i zobowiązaniach umownych. Nie przy każdym dokumencie i nie na końcu całego procesu, bo wtedy automatyzacja tylko przesuwa pracę.

Na start automatyzacji dokumentów z AI zalecam tryb, w którym człowiek zatwierdza każdy dokument, a system tylko podpowiada wartości. Po kilku tygodniach widać, które pola i którzy dostawcy nie wymagali poprawek. Dopiero tam automat dostaje więcej swobody, a reszta zostaje w kolejce wyjątków. Taka decyzja opiera się na zapisanej historii poprawek, a nie na wrażeniu, że model działa dobrze.

Dwie zasady stosuję bez wyjątków. Płatność nigdy nie wychodzi bez akceptacji osoby uprawnionej, nawet gdy wszystkie reguły są spełnione. A osoba zatwierdzająca musi rozumieć, jak działa narzędzie i gdzie się myli, co wiąże się też z obowiązkami opisanymi w tekście o tym, co AI Act oznacza dla firmy.

Gdzie AI się myli w dokumentach

AI myli się najczęściej w liczbach, datach i polach, które w dokumencie wyglądają podobnie. Błędy nie są losowe, więc da się je przewidzieć i zabezpieczyć regułami, zanim automatyzacja dokumentów z AI trafi do codziennej pracy.

• Podobne pola. Data wystawienia i data sprzedaży, numer zamówienia i numer oferty, adres nabywcy i adres dostawy.
• Formaty. Przecinek i kropka w kwotach, daty zapisane po amerykańsku, waluta podana tylko w stopce.
• Tabele i wiele stron. Pominięta pozycja na drugiej stronie, przesunięte kolumny, rabat liczony do złej pozycji.
• Jednostki. Sztuki zamiast opakowań, kilogramy zamiast ton, szczególnie gdy klient używa własnych nazw towarów.
• Dopisywanie brakujących danych. Model potrafi wypełnić pole, którego w dokumencie nie ma, na przykład podać numer zamówienia z poprzedniego pisma.
• Słabe skany i pismo odręczne. Dopiski na fakturze, pieczątki na kwotach, krzywe zdjęcia z telefonu.
• Polecenia ukryte w dokumencie. Tekst w pliku może próbować zmienić zachowanie modelu, na przykład ukryta instrukcja w PDF. Dlatego model nie powinien mieć uprawnień do wykonywania działań, tylko do zwracania danych.

Z tego wynikają wymagania, które stawiam każdemu takiemu wdrożeniu: model zwraca brak zamiast zgadywać, każda wartość wskazuje miejsce w dokumencie, z którego pochodzi, a każda kwota przechodzi przez regułę arytmetyczną.

Integracja z ERP: najtrudniejsza część

W automatyzacji dokumentów z AI odczyt to mniej niż połowa pracy. Trudniejsze jest dopasowanie odczytanych danych do kartoteki kontrahentów, indeksów towarów i struktury kosztów w ERP, bo tu decydują dane firmy, a nie model.

Weźmy jako przykład hurtownię, do której klienci wysyłają zamówienia mailem, każdy we własnym formacie i z własnymi nazwami produktów. Model bez trudu odczyta, że klient chce sto sztuk kabla w określonym kolorze. Żeby z tego powstało zamówienie, system musi wiedzieć, który indeks w ERP odpowiada nazwie używanej przez tego klienta. Taki słownik aliasów buduje się z historii zamówień i uzupełnia przy każdej poprawce w kolejce wyjątków.

Przed wdrożeniem trzeba też ustalić:

• czy ERP ma interfejs do zapisu dokumentów, czy zostaje import plików,
• kto odpowiada za porządek w kartotekach, bo duplikaty kontrahentów psują dopasowanie,
• co dzieje się, gdy ERP odrzuci zapis, i kto dostaje o tym informację,
• gdzie przechowywane są oryginały i jak długo.

Gdy celem nie jest wprowadzanie danych, tylko odpowiadanie na pytania o treść dokumentów, na przykład co umowa z dostawcą mówi o karach za opóźnienie, potrzebny jest inny wzorzec. Opisuję go w tekście o tym, jak działa RAG na firmowych dokumentach.

Jak zacząć automatyzację dokumentów z AI

Zacznij od jednego strumienia dokumentów, który jest liczny, powtarzalny i ma jasne reguły sprawdzenia, na przykład faktur kosztowych od stałych dostawców albo zamówień od kilku największych klientów. Rozszerzanie zakresu przychodzi po tym, jak pierwszy strumień działa stabilnie.

Przed startem zmierz stan obecny: ile czasu zajmuje obsługa dokumentu, ile dokumentów wraca do poprawki, jak długo czeka faktura na akceptację. Bez tego po wdrożeniu nie da się powiedzieć, czy coś się poprawiło. Potem uruchom system w trybie cienia, w którym AI proponuje, a zespół pracuje jak dotąd, i porównaj wyniki. To ta sama logika, którą opisuję przy tym, jak zaplanować MVP bez przepalania budżetu: jeden proces od początku do końca, zamiast wszystkiego naraz.

Dostawcę rozwiązania zapytaj o kilka rzeczy:

• jak system zachowuje się, gdy nie jest pewny wyniku,
• czy da się zobaczyć, z którego miejsca dokumentu pochodzi każda wartość,
• gdzie przetwarzane są dokumenty i czy dane trafiają do zewnętrznego dostawcy modelu,
• jak wygląda integracja z Twoim ERP i kto ją utrzymuje po zmianach w systemie.

Nie każdy proces dokumentowy wymaga AI. Jeśli dane przychodzą w strukturze, wystarczy zwykła integracja, o czym piszę w tekście o tym, kiedy automatyzacja procesów się opłaca.

Następny krok: wybierz jeden typ dokumentu, policz, ile czasu zespół poświęca mu w miesiącu, i spisz reguły, którymi dziś sprawdzacie go ręcznie. To wystarczy, żeby ocenić, czy automatyzacja dokumentów AI ma w Twojej firmie sens i od czego ją zacząć. Jeśli chcesz przejść przez to razem, napisz do mnie bezpośrednio.