AI dla księgowych: od OCR paragonów do pomocy przy rozliczeniu rocznym

Otóż jest sobie księgowa, która od trzydziestu lat liczy cudze pieniądze i nigdy nie pomyliła się we własnych, ale to nie jest ta praca, o której mówi, kiedy mówi o swojej pracy. Mówi o paragonach. Bo ja, Pani Krystyna we własnej osobie — choć moje prawdziwe imię niech tu nie pada, bo klienci by się przestraszyli, że ich księgowa pisze do internetu — ja wam powiem, że te paragony przychodzą w pudełkach po butach i w kopertach i zgniecionych w kieszeniach marynarek i sfotografowanych źle telefonami z pękniętymi ekranami, i każdy trzeba przeczytać, i sprzedawcę trzeba zidentyfikować, i kwotę wyciągnąć, i VAT oddzielić, i kategorię przypisać, i całość wprowadzić do systemu ręką, która nie drży. Robiłam to dziesięć tysięcy razy i mogłabym zrobić dziesięć tysięcy więcej, a praca wyglądałaby nadal tak samo: niezbędna, dokładna i niewyobrażalnie nudna. Maszyna, która czyta paragony, nie uważa tej pracy za nudną. Nie uważa tej pracy za nic. Czyta i kategoryzuje i nigdy nie pomyli paragonu z restauracji z fakturą za materiały biurowe i nigdy nie przestawi cyfry, bo była zmęczona o czwartej po południu. A ja, Pani Krystyna, której ręce są teraz wolne, odkrywam, że ta praca, do której byłam stworzona od początku — doradzanie właścicielowi małej firmy, znajdowanie odliczenia, które zmienia rok, tłumaczenie liczb, które opowiadają historię przedsiębiorstwa — czekała na mnie za stosem paragonów, których nie muszę już dotykać.

// Fala wdrożeń

Liczby ruszyły szybciej, niż ktokolwiek w branży się spodziewał, tak jak ruszyła kiedyś woda w piwnicy domu na ulicy Krótkiej, kiedy nikt nie pilnował rynny. W roku 2024 tylko dziewięć procent księgowych zgłaszało, że korzysta z narzędzi AI w codziennej pracy. Do 2025 roku odsetek ten wyniósł czterdzieści jeden procent. Przyspieszenie nie było napędzane ciekawością ani marketingiem dostawców. Napędzała je presja konkurencyjna. Ci, którzy wdrożyli wcześnie, odkryli, że księgowość wspomagana AI pozwala obsłużyć więcej klientów za niższe stawki przy wyższych marżach, a ich konkurenci zauważyli, kiedy klienci zaczęli odchodzić.

Narzędzia, które napędziły tę falę, nie są egzotyczne. To platformy OCR paragonów, takie jak Dext i Tofu OCR, silniki kategoryzacji wydatków zasilane modelami językowymi, uzgadnianie wyciągów bankowych z dopasowywaniem wzorców i asystenci rozliczeniowi wypełniający formularze ze skategoryzowanych danych. Żadne z tych narzędzi nie jest nowe w koncepcji. Zmieniło się to, że stały się wystarczająco dokładne, żeby im zaufać, i wystarczająco tanie, żeby wdrożyć je w biurze każdej wielkości.

Księgowa, która nie wdrożyła AI, nie jest w tyle o kilka procent. Jest w tyle o trzy- do czterokrotność liczby klientów, których może obsłużyć. Taka przepaść nie jest do utrzymania. Klienci pójdą tam, gdzie stawki są niższe, a czas realizacji krótszy, a stawki są niższe i czas realizacji krótszy w biurze, które zautomatyzowało wprowadzanie danych — to jest prosta arytmetyka, a arytmetykę, jak wiemy, Pani Krystyna zna lepiej niż ktokolwiek.

// OCR paragonów: fundament

OCR paragonów to pierwszy proces, który każde biuro księgowe powinno zautomatyzować, ponieważ to w nim tkwi najwięcej godzin ludzkiej pracy. Paragon trafia do systemu jako fotografia lub skan. Silnik OCR odczytuje obraz i wyodrębnia nazwę sprzedawcy, datę, kwotę łączną, kwotę VAT, sposób płatności i ewentualne pozycje szczegółowe. Wyodrębnione dane są formatowane do importu do programu księgowego. Księgowa sprawdza wynik zamiast go przepisywać.

Wiodące narzędzia komercyjne to Dext, dawniej znany jako Receipt Bank, i Tofu OCR. Dext integruje się bezpośrednio z Xero, QuickBooks, Sage i większością głównych pakietów księgowych. Obsługuje paragony w wielu językach i walutach i uczy się wzorców kategoryzacji stosowanych w danym biurze. Tofu OCR jest nowszy i zyskał zwolenników na rynkach europejskich dzięki dokładności na formatach paragonów typowych dla Unii, szczególnie wielolinijkowych rozbiciach VAT, z którymi starsze silniki OCR miały kłopoty.

Dla biur preferujących rozwiązania na własnym serwerze PaddleOCR jest darmowym silnikiem OCR o otwartym kodzie źródłowym, który radzi sobie z większością formatów paragonów. Wymaga więcej konfiguracji niż narzędzia komercyjne, ale nic nie kosztuje w utrzymaniu i trzyma wszystkie dane na serwerach biura. Dla biur z Unii Europejskiej ze ścisłymi wymogami rezydencji danych to często czynnik decydujący.

Oszczędności czasu z samego OCR paragonów są uderzające. Księgowa przetwarzająca dwieście paragonów tygodniowo ręcznie spędza na tym około dziesięciu godzin. Z OCR i automatycznym wyodrębnianiem te same dwieście paragonów wymaga dwóch do trzech godzin sprawdzenia. To siedemdziesięcioprocentowa redukcja czasu poświęconego na najbardziej żmudną czynność w zawodzie — a ja wam powiem, że po czterdziestu latach to jest dopiero ulga, taka jak zdejmowanie butów po całym dniu na nogach.

// Automatyczna kategoryzacja wydatków

Kiedy paragon jest odczytany, trzeba go skategoryzować. Czy to wydatek na podróż, czy na reprezentację. Czy to materiały biurowe, czy środek trwały. Czy VAT podlega odliczeniu, czy jest zwolniony. Reguły kategoryzacji są złożone, różnią się między jurysdykcjami i zmieniają się, kiedy zmienia się prawo podatkowe. Ludzka księgowa trzyma te reguły w głowie i stosuje je dzięki doświadczeniu. Silnik kategoryzacji AI trzyma je w kodzie i stosuje przez dopasowywanie wzorców.

Warstwa kategoryzacji AI siedzi między wyodrębnieniem OCR a programem księgowym. Przyjmuje wyodrębnione dane — sprzedawcę, kwotę, opis — i przypisuje kategorię na podstawie planu kont biura, branży klienta i obowiązujących przepisów podatkowych. Uczy się z poprawek: kiedy księgowa przeklasyfikuje wydatek, system aktualizuje swój model dla przyszłych paragonów od tego samego sprzedawcy lub z tym samym wzorcem opisu.

Dokładność kategoryzacji AI osiągnęła poziom, przy którym większość biur zgłasza od dziewięćdziesięciu do dziewięćdziesięciu pięciu procent poprawnych kategoryzacji od razu, rosnąc do dziewięćdziesięciu siedmiu do dziewięćdziesięciu dziewięciu procent po miesiącu poprawek. Pozostałe jeden do trzech procent to przypadki graniczne wymagające ludzkiego osądu — niejednoznaczne zakupy, które mogą trafić do kilku kategorii, nietypowi sprzedawcy lub transakcje wymagające kontekstu, którego AI nie posiada.

Proces w praktyce: klient fotografuje paragon telefonem i wysyła mailem lub przez aplikację. System robi OCR paragonu, kategoryzuje wydatek i dodaje go do ksiąg klienta. Księgowa przegląda panel ze skategoryzowanymi wydatkami raz lub dwa razy w tygodniu, poprawia ewentualne błędy i zatwierdza partię. To, co było codzienną mordęgą ręcznego wprowadzania, staje się cotygodniowym przeglądem zautomatyzowanej pracy.

// Przygotowanie i składanie rozliczeń

Przygotowanie rozliczenia rocznego to moment prawdy, który ujawnia, czy księgowość była prowadzona dobrze, czy źle. Jeśli paragony były wprowadzone poprawnie i skategoryzowane właściwie i uzgodnione z wyciągami bankowymi, przygotowanie rozliczenia jest proste: liczby płyną z ksiąg do formularzy. Jeśli księgowość była niedbała, sezon rozliczeniowy to katastrofa brakujących paragonów i niedopasowanych kwot i nocnych poprawek — i ja, po czterdziestu latach, widziałam oba warianty wystarczająco często, żeby wiedzieć, który jest który po trzech minutach przy biurku klienta.

AI zmienia obie strony tego równania. Po stronie bieżącej księgowości automatyczne OCR i kategoryzacja oznaczają, że księgi są czyste przez cały rok, nie tylko przed terminem rozliczenia. Po stronie przygotowania rozliczenia asystenci AI wypełniają formularze ze skategoryzowanych danych, oznaczają potencjalne odliczenia, które księgowa mogła przeoczyć, porównują z zeznaniami z poprzednich lat pod kątem spójności i zaznaczają pozycje, które mogą wyzwolić kontrolę.

Przegląd przez człowieka pozostaje niezbędny. Prawo podatkowe jest złożone, zmienia się często, a konsekwencje błędu są poważne. AI przygotowuje. Księgowa sprawdza i składa. Połączenie jest szybsze i dokładniejsze niż którekolwiek z osobna, bo AI wyłapuje błędy we wprowadzaniu, które popełniają zmęczeni ludzie, a człowiek wyłapuje niuanse kontekstowe, których AI nie dostrzega. Wydatek w restauracji, który w rzeczywistości jest spotkaniem z klientem. Zakup do domowego biura, który kwalifikuje się do innego odliczenia niż to wybrane przez AI. Te oceny wciąż wymagają ludzkiego rozumu.

Księgowa, która walczy z AI, walczy z kalkulatorem w roku 1975. Księgowa, która AI używa, to ta, która przestaje liczyć i zaczyna doradzać. A doradztwo — to prawdziwe, ludzkie, kontekstowe doradztwo o tym, co znaczą liczby i co z nimi zrobić — jest tym, za co klient zawsze był gotów zapłacić. Marcin, założyciel CoolCatsOf.dev

// Rozwój praktyki dzięki AI

Najbardziej znaczący skutek AI w księgowości to nie oszczędność czasu na żadnej pojedynczej czynności. To zmiana tego, co praktyka może oferować. Księgowa, która spędza siedemdziesiąt procent czasu na wprowadzaniu danych, jest pracownikiem wprowadzającym dane, który akurat rozumie księgowość. Księgowa, która spędza siedemdziesiąt procent czasu na pracy doradczej, jest doradcą finansowym, który akurat dysponuje dokładnymi danymi.

Liczby są bezpośrednie. Księgowe korzystające z narzędzi AI konsekwentnie zgłaszają obsługę trzy do czterech razy większej liczby klientów niż przed automatyzacją. Samodzielna księgowa, która obsługiwała trzydziestu klientów, może obsłużyć od dziewięćdziesięciu do stu dwudziestu przy tych samych godzinach pracy. Wzrost wynika nie z szybszej pracy, lecz z wyeliminowania godzin poświęcanych na czynności niewymagające ludzkiego osądu.

Ścieżka rozwoju praktyki z AI podąża za przewidywalną sekwencją. Po pierwsze, zautomatyzować przetwarzanie paragonów i uzgadnianie z bankiem. To uwalnia najwięcej godzin. Po drugie, zautomatyzować przygotowanie rozliczeń do poziomu sprawdź-i-złóż. Po trzecie, wykorzystać uwolnione godziny na usługi doradcze — prognozowanie przepływów pieniężnych, planowanie podatkowe, doradztwo w sprawie formy prawnej — które przynoszą wyższe stawki niż sama księgowość. Po czwarte, powiększyć bazę klientów, żeby wypełnić pozostałe moce przerobowe.

Biuro, które podąża tą ścieżką, nie konkuruje ceną. Konkuruje wartością ludzkiego osądu zastosowanego do czystych, przygotowanych przez AI danych. Paragony czyta maszyna. Poradę daje człowiek. Klient płaci za poradę, a przetwarzanie paragonów dostaje w pakiecie. To jest przyszłość małego biura księgowego — i ta przyszłość jest już tu dla tych czterdziestu jeden procent, które wdrożyły wcześnie.

Potrzebujesz pomocy w automatyzacji przetwarzania paragonów i procesów księgowych? CoolCatsOf.dev buduje automatyzacje AI dla branży prawnej, medycznej, nieruchomości i małych firm w Szwecji, Polsce i całej Unii Europejskiej.

// Najczęściej zadawane pytania