Proces, który działa w praktyce, łączy OCR, ekstrakcję danych i kontrolę jakości tak, by faktura trafiła do księgowości bez ręcznego przepisywania. Z doświadczenia widać, że gdy zabraknie walidacji sumy, waluty i kluczowych pól jak NIP, nawet najlepsze rozpoznawanie potrafi „przeoczyć” drobne rozbieżności. W pracy z klientami często zaczynamy od tego samego pytania: jak szybko z faktury zrobić dane, które da się obronić na audycie?
Jak zbudować proces odczytu faktur od OCR do gotowych danych
Najlepiej zaczyna się od mapowania pól: OCR ma wyciągnąć numery, daty i kwoty, a potem te informacje trafiają do systemu księgowego z walidacją. W praktyce automatyczny odczyt dokumentów układa się w kilka kroków: wczytanie PDF lub skanu, rozpoznawanie tekstu, ekstrakcja danych z faktury, a następnie dopasowanie do formatu programu finansowo-księgowego. Gdy robimy to „od A do Z”, mamy ślad decyzyjny i łatwiej wyłapiemy pomyłki w mapowaniu kodów kosztowych czy w obsłudze faktur kosztowych vs sprzedażowych.
Na przykład w firmie usługowej, z którą pracowałem, problemem nie było samo OCR, tylko brak reguł: system nie wiedział, gdzie kończy się wiersz pozycji, a gdzie zaczyna podsumowanie. Po korekcie układu i dodaniu kontroli zgodności sumy do faktury kosztowej czas przetwarzania spadł o około 30%, bo nie wracaliśmy do „ręcznego łatania” co drugiego dokumentu.
Co oznacza „odczyt danych” — definicja i kontrola jakości
Kontrola jakości jest częścią procesu, a nie „dodatkiem po wszystkim”, bo to ona decyduje, czy dane z faktury są gotowe do księgowania. OCR dla dokumentów PDF i skanów potrafi czytać tekst, ale zawsze wymaga weryfikacji kluczowych wartości oraz spójności pól, szczególnie w tabelach z pozycjami.
[Ekstrakcja danych z faktury] to automatyczne wyciąganie z dokumentu kluczowych pól (np. NIP, daty, kwoty) i ich przygotowanie do dalszej księgowości. Rozwinięcie: w praktyce obejmuje rozpoznawanie tekstu przez OCR, dopasowanie do schematu w systemie księgowym oraz walidację (suma, waluta, format dat). Następnie dane przechodzą przez reguły akceptacji albo trafiają do ręcznej korekty po odczycie.
W pracy z klientami najczęściej widać też, że rozpoznawanie numeru NIP i dat bywa poprawne, a błędy zdarzają się przy kwotach w kilku wierszach — i dopiero walidacja sumy + kontrola zgodności z oczekiwanym formatem pozwalają to szybko wyłapać. Czy da się to zautomatyzować w 100%? Zwykle nie, ale można zautomatyzować „80% bezpiecznie”, resztę zostawić do weryfikacji człowieka.
Najczęstsze błędy w odczycie faktur (i jak je wyłapać wcześniej)
Jeśli weryfikacja nie obejmuje reguł dla OCR i struktury faktury kosztowej, to odczyt faktur potrafi przepuścić dokument z błędnie rozpoznaną pozycją lub walutą. Najczęściej spotykam się z trzema scenariuszami: (1) skan jest lekko przekoszony i OCR „przesuwa” wiersze, (2) tabelę z pozycjami rozbija na osobne fragmenty, (3) suma jest poprawna, ale część kwot jednostkowych trafia w złe pole w systemie księgowym.
Druga rzecz to brak walidacji logiki: gdy mapowanie pól nie jest spójne (np. przypisanie kodu księgowego bez sprawdzenia typu dokumentu), księgowość dostaje dane „technicznie odczytane”, ale merytorycznie niegotowe. Dla firmy działającej w kilku oddziałach w Warszawie i Poznaniu to boli podwójnie, bo zwykle tam szybciej rośnie wolumen faktur i trudniej nadrobić zaległości ręcznie.
W praktyce rozwiązaniem jest prosta checklista: zgodność waluty, spójność sum, format dat, poprawność NIP oraz sensowność liczby pozycji. Dopiero potem dopasowujemy szczegóły — czyli mapowanie pól na kody księgowe, a w razie rozbieżności robimy korektę po OCR.
Kiedy lepiej łączyć automatyzację z ręczną korektą w księgowości
Automatyzacja sprawdza się najlepiej wtedy, gdy masz stałe typy dokumentów i jasno opisane reguły akceptacji, bo wtedy ręczna korekta dotyczy wyjątków, a nie całego procesu. W praktyce spotykam się z podejściem „dla wszystkich faktur to samo”, a potem przychodzi zaskoczenie: zmienia się układ faktury sprzedażowej albo pojawia się niestandardowy format i system zaczyna mylić sekcje. To trochę jak sortowanie korespondencji: masz automat do wyjmowania kopert, ale czasem trzeba sprawdzić, czy trafiły do właściwych akt.
Jeśli Twoja firma ma mieszaną liczbę dokumentów (część PDF, część skanów, różni dostawcy), to warto rozdzielić proces na dwie ścieżki: „automatycznie przetworzone” i „do weryfikacji”. Taki kompromis zwykle daje najlepszy efekt jakościowy bez nadmiernego kosztu pracy. Innymi słowy: mniej przepisywania, więcej kontroli tam, gdzie błąd jest najbardziej prawdopodobny.
Brakuje Ci dziś pewności, gdzie najczęściej psuje się jakość — w pozycjach, w sumach czy w polach typu NIP? Jeśli powiesz, jaką masz dziś mieszankę faktur (PDF vs skany i czy to bardziej kosztowe czy sprzedażowe), to łatwiej będzie mi podpowiedzieć, od jakich reguł zacząć.
