Vytěžování faktur: jak funguje OCR s AI a co s vytěženými daty

Každá faktura, kterou dostanete, obsahuje stejná data: kdo ji vystavil, na kolik, s jakou DPH a do kdy ji máte zaplatit. Přesto tato data většina živnostníků stále přepisuje ručně z papíru nebo PDF do tabulky či účetního programu. Vytěžování faktur tuhle práci dělá za vás: software si doklad přečte, najde v něm všechny podstatné údaje a uloží je jako strukturovaná data připravená k zaúčtování. V článku si vysvětlíme, jak vytěžování dokladů technicky funguje, jak je přesné, co s vytěženými daty dál a kdy se automatizace vyplatí i podnikateli s pár desítkami dokladů měsíčně.

Co v článku najdete

• Co je vytěžování faktur a dokladů
• Jak vytěžování technicky funguje: OCR plus AI
• Co se s fotkou dokladu děje před rozpoznáním
• Konkrétní příklad: co systém vyčte z účtenky
• Jaká je přesnost vytěžování
• Jak systém pozná, do jaké kategorie doklad patří
• Co se děje s vytěženými daty
• Ruční přepis vs. automatické vytěžování
• Jak vytěžování faktur dělá DokladBot
• Vytěžení první faktury krok za krokem
• Časté otázky

Co je vytěžování faktur a dokladů

Vytěžování faktur (anglicky invoice data extraction nebo invoice capture) je proces, při kterém software převede obrázek nebo PDF dokladu na strukturovaná data. Vstupem je fotka účtenky z mobilu, sken faktury nebo PDF z e-mailu. Výstupem je sada polí: dodavatel, IČO a DIČ, datum vystavení, datum uskutečnění zdanitelného plnění, splatnost, jednotlivé položky, základy daně, sazby a částky DPH, celková částka, variabilní symbol a číslo účtu.

Rozdíl proti obyčejnému skenování je zásadní. Sken je jen obrázek, se kterým účetní software neumí nic dělat. Vytěžený doklad je datový záznam, který lze automaticky zaúčtovat, spárovat s platbou na bankovním výpisu, zahrnout do podkladů pro DPH nebo exportovat do účetního systému.

Pojem vytěžování dokladů je širší: kromě přijatých faktur zahrnuje účtenky, zjednodušené daňové doklady, zálohové faktury, dobropisy nebo doklady o zaplacení. Principy jsou u všech stejné, liší se jen struktura a kvalita vstupu. Zmačkaná termopáska z benzinky je pro software těžší úloha než strojově generované PDF.

Jak vytěžování technicky funguje: OCR plus AI

Moderní vytěžování stojí na dvou vrstvách technologie, které na sebe navazují.

Vrstva 1: OCR převede obrázek na text

OCR (Optical Character Recognition, optické rozpoznávání znaků) je technologie, která v obrázku najde znaky a převede je na text. U PDF vygenerovaného přímo z fakturačního programu tento krok často odpadá, protože text je v souboru už obsažen. U fotky nebo skenu musí OCR nejprve obrázek předzpracovat: narovnat perspektivu, zvýšit kontrast, odstranit stíny a šum, a teprve pak rozpoznat jednotlivé znaky a slova.

Samotné OCR ale nestačí. Výsledkem je jen hromada textu bez významu: software ví, že na dokladu je napsáno "21 %" a "1 250,00", ale neví, že první údaj je sazba DPH a druhý základ daně.

Vrstva 2: AI textu porozumí a přiřadí význam

Druhá vrstva je porozumění dokumentu. Starší systémy používaly šablony: pro každého dodavatele si člověk naklikal, kde na faktuře leží která hodnota. To fungovalo jen do chvíle, než dodavatel změnil vzhled faktury nebo přišel doklad od nového dodavatele.

Dnešní systémy používají strojové učení a jazykové modely trénované na milionech dokladů. AI nehledá údaje podle pozice, ale podle významu a kontextu: pozná, že částka vedle textu "Celkem k úhradě" je celková částka, že desetimístné číslo u zkratky "VS" je variabilní symbol a že tabulka uprostřed dokladu obsahuje položky s množstvím a jednotkovou cenou. Proto zvládne i fakturu, jakou nikdy předtím nevidělo, včetně ručně psaných údajů nebo cizojazyčných dokladů. Kam se tenhle obor posouvá, shrnuje článek AI v účetnictví: budoucnost je tady.

Vrstva 3: validace proti registrům

Dobré nástroje vytěžená data ještě ověřují. Typické kontroly:

• IČO a DIČ proti registru ARES, čímž se doplní nebo opraví název a adresa dodavatele,
• matematická kontrola, zda základ daně plus DPH odpovídá celkové částce,
• kontrola formátu bankovního účtu a variabilního symbolu,
• porovnání s už zpracovanými doklady kvůli odhalení duplicit.

Co se s fotkou dokladu děje před rozpoznáním

Mezi stisknutím spouště a rozpoznáním textu je krok, o kterém se skoro nemluví, a přitom rozhoduje o výsledku: předzpracování obrazu. Bez něj by přesnost u běžné mobilní fotky byla zhruba o dvacet procentních bodů nižší, protože OCR by se potýkalo se zkreslením, stíny a texturou papíru místo se samotným textem.

• Narovnání perspektivy. Když fotíte účtenku ležící na stole pod úhlem, systém detekuje zkreslení a dopočítá, jak by doklad vypadal při pohledu kolmo shora.
• Vyrovnání osvětlení. Stín z ruky udělá na dokladu tmavý pruh. Adaptivní korekce jasu srovná kontrast přes celou plochu, aby světlá i tmavá část měly stejnou čitelnost.
• Binarizace. Barva je pro čtení textu zbytečná, důležitý je kontrast. Obraz se převede na černý text na bílém pozadí.
• Detekce orientace. Doklad vyfocený vzhůru nohama nebo otočený o 90 stupňů systém sám narovná.
• Odstranění šumu. Textura papíru, drobné skvrny a pozadí stolu se odfiltrují, aby zbyl jen text a čísla.

U elektronické faktury v PDF žádný z těchto kroků nepotřebujete: text je v souboru přímo strojově čitelný a rozpoznávání obrazu se přeskočí. Proto je PDF vždy lepší vstup než jeho fotka nebo screenshot. Praktický postup focení a ukládání dokladů z telefonu popisuje návod na evidenci výdajů přes mobil.

Konkrétní příklad: co systém vyčte z účtenky

Teorie je jedna věc, tady je celý průchod na jedné běžné účtence z prodejny elektroniky. Takhle vypadá text, který z fotky vyjde po rozpoznání:

DATART International, a.s.
IČO: 64828824
DIČ: CZ64828824
Provozovna: OC Chodov, Praha 4

Datum: 15.02.2026  Čas: 14:23
Pokladna: 3  Účtenka č.: 2026-00847

USB-C kabel 2m          249,00
Myš bezdrátová          599,00
Podložka pod myš        149,00
                     ----------
Mezisoučet:             997,00
DPH 21%:                172,89
Základ 21%:             824,11
CELKEM:                 997,00

Platba kartou:          997,00

A takhle vypadá datový záznam, který z toho textu vznikne:

Pole	Vytěžená hodnota	Z čeho systém vyšel
Dodavatel	DATART International, a.s.	první řádky hlavičky
IČO	64828824	vzor osmi číslic za návěstím IČO
DIČ	CZ64828824	vzor CZ plus číslice
Datum vystavení	15. 2. 2026	formát DD.MM.RRRR za návěstím Datum
Číslo dokladu	2026-00847	řádek Účtenka č.
Základ daně	824,11 Kč	řádek Základ 21%
Sazba DPH	21 %	řádek DPH 21%
DPH	172,89 Kč	řádek DPH 21%
Celkem	997,00 Kč	řádek CELKEM
Způsob platby	karta	řádek Platba kartou

Na uloženém záznamu pak proběhnou kontroly, které odhalí většinu chyb dřív, než se dostanou do evidence:

• Součtová kontrola: základ 824,11 plus DPH 172,89 se má rovnat celkové částce 997,00. Souhlasí.
• Kontrola sazby: 21 % z 824,11 je 173,06, rozdíl 17 haléřů je zaokrouhlení v toleranci.
• Kontrola IČO: osm číslic v platném formátu, dohledatelné v rejstříku ARES.
• Kontrola data: platné datum, není v budoucnosti ani mimo zdaňovací období.

Když některá kontrola neprojde, doklad jde k ruční kontrole místo tichého uložení. To je ten zásadní rozdíl proti ručnímu přepisu, kde nekontroluje nikdo.

Jaká je přesnost vytěžování

Na tuhle otázku se ptá každý, kdo zvažuje přechod z ručního přepisu. Poctivá odpověď: přesnost závisí na kvalitě vstupu a na typu pole.

Orientační přesnost vytěžování podle typu vstupu

Typ dokladu	Kvalita vstupu	Typická úspěšnost klíčových polí
PDF z fakturačního softwaru	výborná, text v souboru	velmi vysoká, chyby výjimečné
Kvalitní sken faktury	dobrá	vysoká
Fotka faktury z mobilu	dle světla a ostrosti	vysoká při dobrém světle
Účtenka z termotiskárny	často vybledlá, zmačkaná	nižší, nutná častější kontrola
Ručně psaný doklad	velmi proměnlivá	nejnižší, vždy kontrolovat

Konkrétní limity a typické chyby rozebíráme v článku přesnost a limity OCR faktur. Důležitější než procento úspěšnosti je, jak nástroj pracuje s nejistotou. Kvalitní řešení u pole, kterým si není jisté, přizná nejistotu a vyžádá si kontrolu člověkem, místo aby potichu uložilo špatnou hodnotu. Chyba, na kterou vás systém upozorní, stojí deset vteřin. Chyba, která projde bez povšimnutí do přiznání k DPH, stojí opravné přiznání.

I ruční přepis má přitom svou chybovost. Studie datové kvality dlouhodobě uvádějí, že člověk při ručním přepisu dat chybuje zhruba v 1 % úhozů, a při stovkách znaků na fakturu tedy chyby vznikají i u pečlivého přepisovače, jen je nikdo systematicky nekontroluje. Automat plus rychlá lidská kontrola nejistých polí je v praxi přesnější kombinace než člověk sám.

Pár tipů, jak přesnost vytěžování maximalizovat na své straně:

• foťte doklady kolmo shora při denním světle, ne večer pod lampou,
• termopáskové účtenky zpracujte co nejdřív, než vyblednou,
• PDF posílejte v originále z e-mailu, ne jako screenshot,
• na fotce nechte celý doklad včetně okrajů.

Jak systém pozná, do jaké kategorie doklad patří

Vytěžení dat je půl práce. Aby byl doklad v evidenci k něčemu, musí sedět i v kategorii výdaje. Systém ji odhaduje z několika signálů současně:

Signál na dokladu	Navržená kategorie	Jak jistý odhad bývá
Dodavatel čerpací stanice, položka Natural 95	pohonné hmoty	velmi jistý
Dodavatel prodejce elektroniky, položka monitor	IT vybavení	jistý
Velkoobchod, položka kancelářský papír	kancelářské potřeby	jistý
Restaurace	stravování nebo reprezentace	nejistý, potřebuje upřesnění
Neznámý dodavatel, neurčité položky	ostatní výdaje	nejistý, na ruční přiřazení

U nejistých případů je rozhodující vaše oprava: jakmile doklady od téhož dodavatele jednou nebo dvakrát přeřadíte, systém si preferenci uloží a příště navrhne rovnou tu vaši kategorii. Proč se v praxi osvědčuje kombinace pevných pravidel a učících se modelů, rozebírá článek pravidla vs. učící se systémy v účetnictví. Co musí účtenka obsahovat, abyste si z ní mohli odečíst DPH, popisuje článek o aplikacích na účtenky.

Co se děje s vytěženými daty

Vytěžení je jen první krok. Skutečná hodnota vzniká v tom, co s daty uděláte dál (širší přehled toho, co za vás automatizace převezme, dává článek 5 věcí, které AI účetní vyřeší za vás):

1. Evidence a kategorizace. Doklad se zařadí do výdajové kategorie (materiál, pohonné hmoty, software), takže průběžně vidíte strukturu nákladů.
2. Podklady pro DPH. Protože každý doklad má evidovanou sazbu a částku DPH, skládají se podklady pro přiznání a kontrolní hlášení průběžně, ne v panice před 25. dnem v měsíci.
3. Párování s bankou. Podle částky a variabilního symbolu se doklad spáruje s platbou na výpisu a vy vidíte, co je uhrazené.
4. Hlídání splatností. Z vytěžené splatnosti systém ví, kdy fakturu zaplatit, a připomene ji včas.
5. Export do účetního systému. Data odejdou do Pohody, Money S3 nebo k účetní bez dalšího přepisování, postup pro nejrozšířenější český program popisuje návod na export faktur do Pohody.
6. Archivace. Původní obrázek dokladu zůstává uložený u datového záznamu, což pokrývá zákonnou povinnost uchovávat daňové doklady 10 let (u plátců DPH podle § 35 zákona o DPH).

Ruční přepis vs. automatické vytěžování

Srovnání ručního přepisu a automatického vytěžování dokladů

Kritérium	Ruční přepis	Automatické vytěžování
Čas na jeden doklad	3 až 5 minut	vteřiny až minuta včetně kontroly
Chybovost	cca 1 % úhozů, chyby bez upozornění	nízká, nejistá pole k ruční kontrole
Položky faktury	většinou se nepřepisují vůbec	vytěží se automaticky
Duplicitní doklady	odhalíte náhodou	automatická kontrola
Ztracené doklady	běžná realita krabice od bot	doklad zpracujete hned po přijetí
Náklady	váš čas nebo hodinovka účetní	předplatné od stokorun měsíčně
Škálování	každý doklad stojí stejný čas	10 i 200 dokladů měsíčně bez rozdílu

Zlomový bod je nízko. Při 30 dokladech měsíčně a 4 minutách na doklad strávíte přepisem 2 hodiny měsíčně, tedy zhruba 24 hodin ročně. Když si svůj čas oceníte na 500 Kč za hodinu, ruční přepis vás stojí přes 12 000 Kč ročně, nepočítaje chyby a ztracené účtenky. Podrobnější srovnání obou přístupů najdete na stránce automatické účtování vs. ruční přepis, kolik času se dá reálně ušetřit, počítá článek jak šetřit čas na účetnictví OSVČ a celkový postup zavedení popisuje průvodce automatizací účetnictví pro OSVČ.

Jak vytěžování faktur dělá DokladBot

DokladBot je postavený na tom, že vytěžování nemá vyžadovat žádnou instalaci ani školení. Doklad mu pošlete třemi cestami:

• fotkou přes WhatsApp: vyfotíte účtenku nebo fakturu a pošlete ji jako běžnou zprávu, podrobně na stránce účtenky přes WhatsApp,
• PDF e-mailem: dostanete vlastní příjmovou adresu a faktury na ni přeposíláte, případně si nastavíte automatické přeposílání,
• datovou schránkou: DokladBot čte seznam obálek a obsah zprávy stáhne až po vašem výslovném potvrzení, protože otevření zprávy se právně počítá jako doručení.

Z každého dokladu bot vytěží dodavatele, částky, datum, sazby a částky DPH, splatnost a u faktur i jednotlivé položky. Když si u některého údaje není jistý, zeptá se přímo v chatu a vy odpovíte jednou zprávou. Vytěžený doklad se automaticky zařadí do kategorie podle obsahu a vašich předchozích oprav, projde kontrolou duplicit a uloží se do dashboardu.

S daty pak DokladBot pracuje dál: páruje platby s propojeným bankovním účtem (mimo jiné Fio, Česká spořitelna, Raiffeisenbank, mBank, Moneta), hlídá splatnosti, průběžně skládá podklady pro DPH a kontrolní hlášení a doklady exportuje do Pohody přes mServer nebo XML. Zvládne i hromadné zpracování: jedno velké PDF s desítkami naskenovaných dokladů rozdělí a každý vytěží zvlášť. Reálná nasazení včetně čísel najdete v případových studiích, všech 12 ověřených scénářů použití pak na stránce jak využívat DokladBot naplno.

Férově dodejme, co DokladBot nedělá: nevede podvojné účetnictví ani sklady, neřeší mzdy a datovou schránkou zprávy neodesílá, pouze přijímá. Je to vrstva pro sběr, vytěžení a přípravu dokladů, která se doplňuje s vaší účetní nebo účetním systémem, nenahrazuje je.

Vytěžení první faktury krok za krokem

Pokud vás zajímá širší kontext výběru nástroje, přečtěte si také srovnání AI OCR nástrojů na účtenky a účtenky do účetnictví bez papírování. Ceny tarifů od 199 Kč měsíčně bez DPH najdete v ceníku.

Časté otázky

Co přesně znamená vytěžování faktur?

Převod obrázku nebo PDF dokladu na strukturovaná data. Software pomocí OCR rozpozná text a pomocí AI mu přiřadí význam: pozná dodavatele, částky, sazby DPH, splatnost i jednotlivé položky. Výsledkem je datový záznam připravený k zaúčtování místo pouhého obrázku.

Jaký je rozdíl mezi OCR a vytěžováním s AI?

OCR jen převede obrázek na text, ale nerozumí mu. AI vrstva navíc pozná, který údaj je co: že číslo u textu "Celkem k úhradě" je celková částka a číslo u zkratky "VS" variabilní symbol. Starší čistě šablonové OCR systémy vyžadovaly nastavení pro každého dodavatele, AI vytěžování funguje na neznámých dokladech bez přípravy.

Je vytěžování dokladů přesnější než ruční přepis?

V kombinaci s kontrolou nejistých polí ano. Člověk při ručním přepisu chybuje zhruba v 1 % úhozů a chyby nikdo nehlídá. Kvalitní vytěžovací nástroj většinu polí přečte správně a u nejistých si vyžádá kontrolu, takže chyby se zachytí dřív, než se dostanou do účetnictví.

Musím po vytěžení schovávat papírový originál dokladu?

Daňové doklady je nutné uchovávat 10 let od konce zdaňovacího období (u plátců DPH § 35 zákona o DPH). Zákon ale umožňuje převedení dokladu do elektronické podoby, pokud je zajištěna věrohodnost původu, neporušenost obsahu a čitelnost. Uložený obrázek dokladu u datového záznamu tento požadavek v praxi pokrývá, u sporných či vysokých částek se vyplatí konzultace s účetní.

Zvládne vytěžování i ručně psané účtenky a cizí jazyky?

Moderní AI vytěžování ano, ale s nižší jistotou než u tištěných dokladů. U ručně psaných dokladů a nekvalitních fotek počítejte s tím, že systém častěji požádá o kontrolu. Cizojazyčné faktury (typicky anglické od zahraničních služeb) dnešní modely čtou běžně.

Je lepší poslat fotku dokladu, nebo PDF?

PDF vygenerované fakturačním programem je vždy lepší vstup. Text je v souboru strojově čitelný, takže se rozpoznávání obrazu přeskočí a chyby jsou výjimečné. U fotky papírového dokladu v dobrém světle je úspěšnost také vysoká, ale záleží na ostrosti a stínech. Pokud fakturu máte v e-mailu jako PDF, přeposílejte rovnou soubor, ne jeho screenshot.

Co když je na účtence firemní i osobní nákup?

Systém vytěží všechny položky včetně těch osobních. Vy pak označíte, které patří do podnikání, a do evidence půjde jen ta část. U plátce DPH je to podstatné: odpočet DPH lze uplatnit jen z plnění použitého pro ekonomickou činnost, jak popisuje článek o nároku na odpočet DPH.

Nahradí telefon klasický skener dokladů?

Pro daňovou evidenci OSVČ ano. Fotoaparát běžného telefonu dává snímky v kvalitě, která pro archivaci i rozpoznávání dostačuje, a zákon o DPH elektronickou podobu dokladu připouští, pokud je zajištěna věrohodnost původu, neporušenost obsahu a čitelnost. Dedikovaný skener má smysl u účetní kanceláře, která zpracovává stovky dokladů denně. Lhůty pro uchovávání shrnuje článek archivace dokladů.

Zdroje a právní předpisy

1. Zákon č. 235/2004 Sb., o dani z přidané hodnoty, § 26 až § 35a (daňové doklady, elektronická podoba, uchovávání)
2. Zákon č. 563/1991 Sb., o účetnictví, § 31 a § 33 (úschova účetních záznamů, průkaznost)
3. ARES: registr ekonomických subjektů Ministerstva financí ČR
4. Finanční správa ČR: daň z přidané hodnoty (informace k daňovým dokladům)