AI agent v účetnictví: zpracování přijatých faktur

Faktura přijde mailem. Někdo ji stáhne, otevře, přepíše dodavatele, částku, datum splatnosti a variabilní symbol do systému, najde k ní objednávku, zkontroluje, jestli sedí množství a cena, přiřadí středisko a pošle ke schválení. U deseti faktur měsíčně je to otázka minut. U tisícovky je to úvazek — a místo, kde vznikají chyby, které se najdou až při auditu nebo při upomínce od dodavatele.

Příjem faktur je proto jeden z prvních procesů, které firmy zkoušejí automatizovat. Zároveň je to proces, kde se nejčastěji narazí na to, že „automatizace" znamenala něco jiného, než se čekalo.

Proces má tři vlastnosti, které z něj dělají dobrého kandidáta. Opakuje se ve stejném pořadí — příjem, extrakce, kontrola, zaúčtování, schválení. Má jasná pravidla — faktura buď sedí s objednávkou, nebo nesedí; DPH buď odpovídá sazbě, nebo ne. A většina případů je nudná: osmdesát procent faktur jsou opakované nákupy od týchž dodavatelů, které projdou bez jediného zásahu.

Přesně o tomto rozdílu píšeme i v textu o tom, odkud začít s automatizací firemních procesů: vyplatí se brát procesy s vysokým objemem a nízkou variabilitou. Faktury jsou jejich učebnicový příklad.

Tady se vyplatí být přesný, protože se pojmy míchají. Klasické OCR převede obrázek na text. To je jen první krok a sám o sobě nestačí — z textu je ještě potřeba vědět, které číslo je celková částka a které je základ daně.

AI agent pracuje o úroveň výš. Dokument přečte jako celek, vytáhne strukturovaná data, doplní je z kontextu a pak rozhodne, co dál:

• Extrakce — dodavatel, IČO a DIČ, číslo faktury, datum vystavení a splatnosti, měna, jednotlivé položky, základ daně a DPH po sazbách.
• Identifikace dodavatele — ne podle názvu, který se píše pokaždé jinak, ale podle IČO a bankovního účtu oproti kmenovým datům.
• Párování — nalezení objednávky, ke které faktura patří, a porovnání položek.
• Kontrola — jestli sedí DPH, jestli dodavatel není duplicitní, jestli faktura nebyla už jednou zaúčtována.
• Zařazení — návrh střediska, zakázky a účtu podle toho, jak se účtovaly podobné faktury v minulosti.

Poslední bod je ten, který nejvíc šetří čas a zároveň nejvíc překvapí. Agent se nerozhoduje podle pravidla, které někdo napsal, ale podle historie: když se faktury od tohoto dodavatele za poslední rok účtovaly na totéž středisko, navrhne ho i teď — a řekne, na základě čeho.

V účetnictví se mu říká three-way match: faktura musí sedět s objednávkou (co jsme si objednali) a s příjemkou (co nám opravdu přišlo). Pokud sedí všechny tři, faktura může jít k úhradě.

Ručně je to nejotravnější část práce, protože vyžaduje procházet tři systémy najednou. Agent to zvládne v jednom kroku, protože má přístup do všech tří — o tom, jak se takový přístup staví, píšeme v článku o propojení firemních systémů přes API.

Zajímavé jsou ale neshody, ne shody. Faktura na 1 040 € proti objednávce na 1 000 € může znamenat tři věci: dodavatel zdražil, doúčtoval dopravu, nebo se spletl. Dobře nastavený agent tyto tři případy rozliší a každý pošle jinam — cenový rozdíl do tolerance schválí sám, dopravu doplní jako samostatnou položku, a při podezření na chybu fakturu zastaví.

Stojí za to znát limity předem, protože se objeví v prvním měsíci provozu.

Dodavatelé mění formát. Firma, která roky posílala PDF z účetního systému, najednou pošle sken z mobilu. Agent, který se naučil jeden layout, si s tím neporadí; agent, který čte dokument významově, ano — ale s nižší jistotou, a to musí přiznat.

Špatné skeny. Pomačkaná papírová faktura vyfocená pod úhlem je problém i pro člověka. Tady je jediná správná odpověď eskalace, ne odhad.

Cizí měna a datum kurzu. Přepočet není otázka násobení — záleží na tom, který kurz se použije a k jakému dni. Toto pravidlo musí přijít z účetnictví, agent si ho nevymyslí.

Zálohové faktury a dobropisy. Jiná logika, jiné účtování. Pokud se na ně zapomene při návrhu, agent je bude zpracovávat jako běžné faktury a způsobí víc práce, než ušetří.

Toto je hranice, kterou doporučujeme držet i tam, kde agent funguje spolehlivě. Agent připraví podklad, vyplní všechno, co ví, a označí, čím si není jistý. Schválení a uvolnění platby zůstává na člověku.

Důvod není technický, ale provozní: chyba v zaúčtování se opraví, chybně odeslaná platba se vymáhá. Navíc právě u faktur jde o osobní údaje a firemní finanční data — což je potřeba ošetřit stejně pozorně, jak popisujeme v článku o AI agentech a GDPR.

Dobrým kompromisem je pásmo: faktury do určité částky od ověřeného dodavatele s přesnou shodou na objednávku projdou automaticky, všechno ostatní jde na stůl člověku — ale předvyplněné.

Agent není nezávislý na pořádku v datech, právě naopak. Před nasazením se vyplatí mít:

1. Kmenová data dodavatelů bez duplicit, s IČO a čísly účtů.
2. Čísla objednávek na fakturách — pokud je dodavatelé neuvádějí, párování bude vždy kulhat a řeší se to dohodou, ne technikou.
3. Přístup do ERP na čtení objednávek a příjemek a na zápis návrhu.
4. Pravidla tolerance — o kolik procent či eur smí faktura překročit objednávku bez zásahu.
5. Historické účtování alespoň za rok, aby bylo z čeho se učit.

Bod dvě bývá největší překážka a zároveň nejlevněji řešitelná — často stačí doplnit požadavek do objednávky a upozornit dodavatele.

Neměřte procento „úspěšně rozpoznaných faktur". To číslo vypadá dobře a neříká nic. Sledujte:

• Podíl faktur, které prošly bez zásahu člověka — hlavní ukazatel.
• Čas od doručení po zaúčtování — před a po.
• Počet faktur po splatnosti — automatizace se tady projeví dřív než v ušetřených hodinách.
• Chybovost — kolik zaúčtování se muselo opravovat.

První měsíc bude podíl bezzásahových faktur nízký, typicky někde kolem poloviny, a to je normální. Roste, jak se doplňují kmenová data a ladí tolerance. Stejný přístup k měření popisujeme i u ROI nasazení AI agenta.

Ne celým účetnictvím. Vyberte si jednoho dodavatele s vysokým objemem faktur a stabilním formátem, nechte agenta běžet měsíc vedle běžného procesu a porovnejte výstupy. Když sedí, přidejte druhého.

Pokud zvažujete, jestli se to ve vašem objemu vyplatí, ozvěte se nám — projdeme s vámi reálná čísla a řekneme rovnou, když to smysl nedává. Příklady podobných nasazení najdete i v našich referencích.