OCR faktur vs. AI vytěžování: v čem je reálný rozdíl

Rozdíl v jedné větě: OCR faktur přečte znaky na papíře a vy mu musíte říct, kde který údaj hledat; AI vytěžování rozumí tomu, co je faktura, a najde si údaje samo i na dokladu, který nikdy nevidělo. Obojí má svoje místo. Klasické OCR se šablonami je levné, předvídatelné a u stabilního toku dokladů od několika stálých dodavatelů odvede práci bez problémů. Jakmile ale začnou chodit faktury od desítek různých firem, v různých rozvrženích a jazycích, přestává být limitem technologie čtení a stává se jím údržba šablon. Tenhle článek popisuje obě technologie věcně: jak fungují, kde každá selhává, jak se přesnost vlastně měří a podle čeho se rozhodnout — bez toho, abychom z OCR dělali strašáka.

Jaký je rozdíl mezi OCR a AI vytěžováním faktur?

OCR (optical character recognition) je převod obrazu na text. Umí říct, že v pravém horním rohu je řetězec „12 100,00 Kč“, ale ne, jestli je to celková částka, záloha nebo součet za jeden řádek. Význam mu dodáváte vy — šablonou, která říká „částku ber ze souřadnic X, Y“. AI vytěžování pracuje opačně: vyhodnocuje kontext celého dokladu, vztahy mezi popisky a hodnotami a typické účetní vzory, takže položku pojmenuje bez ohledu na to, kde na stránce leží.

Jak funguje OCR faktur?

OCR běží ve třech krocích. Nejdřív předzpracuje obraz — narovná nakloněný sken, zvýší kontrast, odstraní šum. Pak segmentuje stránku na bloky, řádky a jednotlivé znaky. Nakonec každý znak porovná s naučenými tvary a vrátí text s určitou mírou jistoty. Výsledkem je souvislý přepis dokladu, nic víc.

Aby z toho přepisu vznikla použitelná data pro účetnictví, přidává se nad OCR druhá vrstva: šablona neboli extrakční pravidlo. Ta říká, že IČO se hledá vedle popisku „IČ“ v horní třetině stránky, částka k úhradě v tabulce vpravo dole a variabilní symbol za slovem „VS“. Když faktura odpovídá šabloně, výsledek je velmi spolehlivý — u čistého digitálního PDF se běžně dostanete přes 99 % správně přečtených znaků. Problém nastane až ve chvíli, kdy se předpoklad šablony poruší.

Proč OCR selhává u nových dodavatelů?

Protože šablona popisuje jedno konkrétní rozvržení, ne fakturu obecně. Přijde-li doklad od dodavatele, kterého systém nezná, nemá se čeho chytit: buď nevrátí nic, nebo — což je horší — vrátí hodnotu ze špatného místa. Klasický případ je faktura, kde je nad sebou částka bez DPH, DPH a celkem; posun o jeden řádek znamená, že se do účetnictví dostane číslo, které vypadá naprosto věrohodně, jen je špatně.

Stejně křehké je to při změně formátu u stávajícího dodavatele. Firma přejde na nový fakturační systém, posune logo a přesune tabulku — a šablona, která rok fungovala, začne tiše vracet nesmysly. Nikdo o tom neví, dokud si někdo nevšimne rozdílu při párování plateb nebo při kontrolním hlášení. Právě tyhle tiché chyby jsou u OCR dražší než chyby hlasité.

Kolik reálně stojí nastavování šablon?

Víc, než se do rozpočtu obvykle zapíše — protože náklad není v pořízení, ale v provozu. Založení jedné šablony zabere podle složitosti dokladu zhruba 15 až 45 minut: nahrát vzorek, označit pole, otestovat na několika fakturách, doladit výjimky. U kanceláře s padesáti dodavateli je to samo o sobě několik dnů práce.

Horší je údržba. Šablony je potřeba opravovat pokaždé, když dodavatel změní vzhled faktury, a přidávat pokaždé, když přibude nový. U účetní kanceláře, které se klientský kmen mění každý měsíc, se z toho stane trvalá agenda, kterou navíc typicky zvládne jen jeden zaškolený člověk — a ten se stane úzkým hrdlem. Tenhle skrytý náklad se v porovnání s cenou licence často ukáže jako ten podstatnější.

Čím se liší AI vytěžování od OCR?

Tím, že nepracuje se souřadnicemi, ale s porozuměním. Model vidí celý doklad najednou, rozpozná, že jde o fakturu, a vyhodnotí vztahy: který řetězec je popisek, který hodnota, které číslo je součet a které dílčí položka. Proto nepotřebuje vědět, kde na stránce se údaj nachází — pozná ho podle kontextu. Faktura otočená, cizojazyčná nebo od úplně nového dodavatele je pro něj běžný případ.

Prakticky to znamená, že odpadá celá vrstva nastavování. Vytěžování faktur v Lyxe funguje bez šablon: doklad nahrajete a zpracování trvá zhruba 30 sekund, s přesností 97 %. Nad samotnou extrakcí běží ještě kontrolní vrstva, kterou OCR nemá — ověření IČO a DIČ proti registru ARES a detekce duplicit, takže se stejná faktura nezaúčtuje ani nezaplatí dvakrát. Zvládá i ručně psané dokumenty a vícejazyčné faktury.

Kdy OCR stačí?

Častěji, než by se z marketingových materiálů zdálo. Klasické OCR se šablonami dává smysl, když platí většina z těchto podmínek: máte malý a stabilní okruh dodavatelů, jejich faktury chodí ve stejném rozvržení, dokumenty jsou digitální PDF v dobré kvalitě a objem dokladů je natolik nízký, že se údržba pár šablon dá zvládnout mimochodem.

Typicky jde o menší firmu s deseti až patnácti pravidelnými dodavateli a jednotkami desítek faktur měsíčně. Tam vám šablonové řešení odvede práci levně a předvídatelně — a předvídatelnost je hodnota sama o sobě. Přechod na AI se vyplatí tehdy, když začne růst rozmanitost dokladů: hodně nových dodavatelů, papírové a fotografované doklady, faktury ze zahraničí, ručně psané účtenky. Hranicí není objem, ale různorodost.

Kde má limity i AI vytěžování?

Žádná technologie nečte to, co na dokladu není. Nekvalitní sken, uříznutý okraj, přeložená nebo vybledlá účtenka z termopapíru — tam klesá úspěšnost oběma přístupům. AI si s obtížnou předlohou poradí lépe než šablona, ale zázraky nedělá; fotka pořízená za šera a pod úhlem bude vždycky horší vstup než rovný sken.

Druhý limit je povaha odhadu. AI vrací nejpravděpodobnější čtení, ne jistotu — proto ke každému poli patří míra spolehlivosti a proto má smysl nechat člověka potvrdit údaje, u kterých si systém není jistý. A třetí limit je zadání: co není jednoznačně definované ani pro člověka (například jak rozdělit položku mezi dvě střediska), nevyřeší za vás ani model. Realistická role je zkrátka rychlý a přesný podklad ke schválení, ne bezobslužný proces bez dohledu.

Jak se měří přesnost vytěžování?

Pozor na to, co dodavatel měří — čísla se liší podle úrovně. Přesnost na úrovni znaků říká, kolik procent písmen a číslic bylo přečteno správně; vypadá skvěle (klidně 99 %), ale jediný přehozený znak v IČO stačí, aby byl celý údaj špatně. Přesnost na úrovni pole počítá, kolik jednotlivých údajů — dodavatel, IČO, datum, částka, DPH — je kompletně správně. Přesnost na úrovni dokladu je nejpřísnější: doklad se počítá jako správný jen tehdy, když sedí všechna pole.

Když srovnáváte řešení, ptejte se vždy na tři věci: na jaké úrovni se přesnost měří, na jakém vzorku dokladů (vlastních, nebo dodavatelových) a jestli se do vzorku počítají i špatné skeny. Nejpoctivější test je jednoduchý — vezměte padesát svých reálných faktur včetně těch ošklivých a porovnejte výstup s tím, co má být. Čísla z vašich dokladů jsou jediné, na kterých záleží.