Automatyczne faktury z AI: OCR, wyciąganie danych i wpis do arkusza

👁 176 przeczytań

Kiedy przenoszę kwoty do formularza, OCR służy mi do wstępnego wypełnienia. Dane sprawdzam względem źródła przed zapisem. Sternik opisuję tu jako narzędzie systemowe. Do próby odczytu użyłem osobnego lokalnego OCR i przykładowego dokumentu z polskimi znakami. Zmniejszenie obrazu miało większy wpływ na odczyt sumy niż zmiana jakości JPEG.

Przy której szerokości przestaję ufać sumie z OCR

Na fikcyjnym potwierdzeniu zamówienia umieściłem dwie sztuki po 12,50 zł, dodatkową pozycję za 28,90 zł i przesyłkę za 8 zł. Niezależnie wyliczona suma wynosi 61,90 zł. Przygotowałem wersje o szerokości 960, 480 i 320 pikseli, każdą w dwóch jakościach JPEG. Przy 960 pikselach odczytałem dokładną kwotę w obu próbach. Przy mniejszych wymiarach nie udało się to w żadnej z czterech. Dokument nie miał numeru rachunku bankowego. Przy przelewie sprawdzałbym go osobno z zaufanym źródłem. Nie mierzyłem szybkości pracy księgowego.

Sternik

Automatyczne faktury z AI to przepływ, w którym PDF z maila albo zdjęcie paragonu zamienia się w wiersz arkusza z kontrahentem, NIP-em, numerem, datą, kwotami i terminem płatności, a plik ląduje w folderze miesiąca. Poniżej trzy scenariusze krok po kroku: faktury z maila przez model, skany przez usługę OCR i faktury z KSeF, które przychodzą jako gotowy XML.

Skąd biorą się faktury i dlaczego to zmienia plan

Zanim zbudujesz cokolwiek, policz, skąd przychodzą dokumenty. Faktury B2B od polskich kontrahentów od 1 lutego 2026 (sprzedaż powyżej 200 mln zł w 2024 roku) i od 1 kwietnia 2026 (pozostali) trafiają do Krajowego Systemu e-Faktur jako XML. Firmy ze sprzedażą do 10 000 zł miesięcznie mają odroczenie wystawiania do 1 stycznia 2027, ale odbierać faktury w KSeF muszą już teraz. Kary według ustawy wchodzą od 2027 roku (we wrześniu 2026 pojawiły się doniesienia o przesunięciu na 2028, nie potwierdziłem ich u źródła).

Wniosek: dla faktur z KSeF nie potrzebujesz modelu ani OCR, tylko pobrania XML. Rozpoznawanie zostaje dla faktur zagranicznych, paragonów, najmniejszych kontrahentów do końca 2026 roku i archiwum skanów. Nazwy węzłów podaję dla n8n; Make i Zapier mają odpowiedniki.

Scenariusz 1: faktura z maila przez model wielomodalny

• Wyzwalacz: Gmail Trigger z filtrem „has:attachment filename:pdf” i etykietą albo listą nadawców. Odpytywanie co godzinę, pobieranie załączników włączone.
• Krok 2, plik: Extract from File wyciąga tekst z PDF-a. Jeśli PDF jest skanem bez warstwy tekstowej, wynik jest pusty i strona zamieniona na obraz trafia do modelu jako załącznik.
• Krok 3, model: Basic LLM Chain z modelem obsługującym obrazy, np. gpt-5.4-mini albo Claude Sonnet 5, z Output Parser wymuszającym JSON. Prompt: „Wyciągnij z faktury pola: sprzedawca, NIP sprzedawcy, numer, data wystawienia, termin płatności, netto, VAT, brutto, waluta, numer konta. Jeśli pola nie ma, wpisz null. Nie zgaduj.”
• Krok 4, walidacja: węzeł IF: netto plus VAT równa się brutto z tolerancją 0,02; NIP ma 10 cyfr i poprawną sumę kontrolną; data z ostatnich 90 dni. Co nie przejdzie, idzie do człowieka na Slacka z linkiem do pliku.
• Krok 5, zapis: Google Sheets Lookup sprawdza, czy numer faktury już jest w arkuszu; jeśli nie, Append Row.
• Krok 6, archiwum: Google Drive Upload do folderu „2026-09” z nazwą „NIP_numer.pdf”, a w arkuszu link do pliku.

Co się psuje: kwoty z przecinkiem i spacją („1 234,56”) trzeba znormalizować przed porównaniem; faktury wielostronicowe wymagają wysłania wszystkich stron; model bez zdania „wpisz null” wymyśla termin płatności; załączniki ZIP muszą mieć osobną gałąź; przypomnienia o płatności zawierają tę samą fakturę drugi raz, stąd sprawdzanie duplikatów.

Koszt: strona jako obraz to ok. 1500 tokenów, plus 500 promptu i ok. 250 odpowiedzi. Przy 100 fakturach to 200 000 tokenów wejścia i 25 000 wyjścia. gpt-5.4-mini (0,75 USD za milion wejścia, 4,50 USD za wyjście) to ok. 0,26 USD miesięcznie, Claude Sonnet 5 (2 USD i 10 USD) ok. 0,65 USD.

Scenariusz 2: skany i paragony przez usługę OCR

• Wyzwalacz: Google Drive Trigger na folderze „Do rozliczenia”, do którego wrzucasz zdjęcia z telefonu.
• Krok 2, OCR: HTTP Request do Azure AI Document Intelligence (model prebuilt-invoice albo prebuilt-receipt) albo do Google Document AI (procesor Invoice Parser). Obie usługi zwracają gotowe pola z pewnością rozpoznania.
• Krok 3, próg pewności: pola z pewnością poniżej 0,8 idą do ręcznego sprawdzenia, reszta do walidacji jak w scenariuszu 1, potem zapis i archiwum.

Model wielomodalny też czyta zdjęcia, ale usługi OCR zwracają pewność rozpoznania każdego pola i nie wymyślają wartości, których nie widzą. To opinia redakcji.

Koszt: Azure liczy 10 USD za 1000 stron w modelach gotowych, a darmowy poziom F0 daje 500 stron miesięcznie (tylko dwie pierwsze strony dokumentu). 100 faktur to 1 USD albo 0 w F0. Google Document AI liczy Invoice Parser po 0,10 USD za dokument do 10 stron, czyli 10 USD (ok. 39 zł) za 100 faktur; samo rozpoznanie tekstu to 1,50 USD za 1000 stron. Cennik Google sprawdziłem przez zestawienia z 2026 roku, bo strona nie wyświetla tabel bez JavaScriptu.

Scenariusz 3: faktury z KSeF bez rozpoznawania

• Wyzwalacz: Schedule Trigger raz dziennie.
• Krok 2, sesja: HTTP Request do API KSeF 2.0: uwierzytelnienie certyfikatem albo tokenem, potem zapytanie o faktury zakupowe z ostatniej doby.
• Krok 3, XML: węzeł XML zamienia strukturę FA na JSON; pola sprzedawcy, numeru, dat i kwot są w ustalonych miejscach.
• Krok 4: zapis do arkusza z numerem KSeF jako identyfikatorem i pobranie wizualizacji PDF do archiwum.

Co się psuje: od 1 sierpnia 2026 przelewy w podzielonej płatności wymagają 35-znakowego numeru KSeF w tytule, więc numer musi trafić do arkusza w całości; uprawnienia do odczytu nadaje się osobno w KSeF; API było aktualizowane w 2026 roku (wersja 2.1.1 od lutego), więc trzymaj się dokumentacji ministerstwa, nie poradników sprzed roku. Żadna platforma bez kodu nie ma gotowego węzła KSeF.

Ile to razem kosztuje

Ceny bez VAT, kurs NBP z 24 września 2026: 3,857 zł za dolara, 4,39 zł za euro. Dane kontrahentów wysyłane do modelu w chmurze trafiają do jego dostawcy; jeśli to problem, model lokalny przez Ollamę czyta faktury na własnym serwerze, wolniej i mniej dokładnie, ale bez wysyłania czegokolwiek.

Najczęstsze pytania

Czy AI może wyciągać dane z faktur?

Tak. Model wielomodalny czyta PDF albo zdjęcie i zwraca pola w formacie JSON, usługi OCR w Azure i Google robią to samo z pewnością rozpoznania. W obu wypadkach wynik trzeba sprawdzić: sumy, NIP, datę, duplikaty.

Ile kosztuje automatyczne przetwarzanie faktur?

Przy 100 fakturach miesięcznie: model ok. 1-3 zł, usługa OCR 0-39 zł, platforma 0 zł na własnym serwerze n8n albo 35-88 zł na pierwszym płatnym planie Make, Zapiera lub n8n Cloud.

Czy po wejściu KSeF OCR faktur jest jeszcze potrzebny?

Dla faktur między polskimi firmami nie: przychodzą jako XML. OCR zostaje dla faktur zagranicznych, paragonów, najmniejszych firm z odroczeniem do 2027 roku i starych skanów.

// czytaj dalejWipro rośnie na automatyzacji. Indie pokazują, jak AI zmieni outsourcing, zanim zmieni biura w DoliniePremiumAutomatyzacja Instagrama: Jak zwiększyć liczbę konwersji o 300% w 30 dniAutomatyzacjaPotęga automatyzacji na X: jak przekształcić platformę społecznościową w źródło wartościowych kontaktówAutomatyzacja