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
• Jaká je přesnost vytěžování
• Co se děje s vytěženými daty
• Ruční přepis vs. automatické vytěžování
• Jak vytěžování faktur dělá DokladBot
• Vytěžení první faktury krok za krokem
• Časté otázky
• Zdroje a reference

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.

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.

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

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.

Co se děje s vytěženými daty

Vytěžení je jen první krok. Skutečná hodnota vzniká v tom, co s daty uděláte dál:

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.
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.

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 detailní pohled na cestu dokladu od fotky účtenky k zaúčtování. 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.

Zdroje a reference

• Zákon č. 235/2004 Sb., o dani z přidané hodnoty, § 26 až § 35a (daňové doklady, elektronická podoba, uchovávání): https://www.zakonyprolidi.cz/cs/2004-235
• Zákon č. 563/1991 Sb., o účetnictví, § 31 a § 33 (úschova účetních záznamů, průkaznost): https://www.zakonyprolidi.cz/cs/1991-563
• ARES, registr ekonomických subjektů Ministerstva financí ČR: https://ares.gov.cz
• Finanční správa ČR, informace k elektronické fakturaci a daňovým dokladům: https://financnisprava.gov.cz