Přijatá faktura často dorazí jako PDF do společné schránky a teprve potom začíná skutečná práce. Někdo přepíše dodavatele, částku a datum splatnosti. Jiný člověk dohledá, ke které objednávce nebo zakázce doklad patří. Vedoucí má potvrdit, že se plnění opravdu uskutečnilo, a účetní čeká na úplné podklady.
AI může část tohoto toku zrychlit. Z dokumentu navrhne strukturované údaje a upozorní na nejasnosti. Sama však nemá rozhodovat, zda je faktura věcně správná, zda odpovídá objednávce ani zda se má schválit k zaúčtování nebo úhradě. Bez jasného workflow by firma pouze nahradila ruční přepisování automatickým přepisováním bez odpovědnosti.
PDF faktura ještě není strukturovaný vstup
Na obrazovce může PDF vypadat přehledně, pro firemní systém je to ale často jen vizuální dokument. Evropská komise rozlišuje takové nestrukturované PDF od elektronické faktury ve strukturovaném datovém formátu, který lze automaticky zpracovat. Podrobněji rozdíl popisuje v přehledu What is eInvoicing.
Právě mezi dokumentem a firemní evidencí vzniká prostor pro vytěžování. Nástroj může z PDF nebo skenu navrhnout například:
identifikaci dodavatele a číslo dokladu,
datum vystavení, plnění a splatnosti,
měnu, základ, daň a celkovou částku,
variabilní symbol a bankovní účet,
číslo objednávky, zakázky nebo střediska, pokud je na dokladu uvedené,
položky, množství a popis plnění.
Výsledek je návrh dat, ne potvrzení jejich správnosti. Rozmazaný sken, neobvyklé rozložení, dobropis, více měn nebo ručně doplněná poznámka mohou vést k chybnému poli. Je proto důležité ukládat nejen hodnotu, ale také původní dokument, místo v dokumentu a informaci, zda pole prošlo kontrolou.
Bezpečný tok od originálu k exportu
Dobře navržený proces odděluje strojové čtení od lidského rozhodnutí. V praxi může mít šest navazujících kroků.
1. Přijetí a uložení originálu
Faktura se nejdřív uloží v původní podobě. Systém zaznamená zdroj, čas přijetí a vazbu na zprávu nebo datový kanál. Originál se při dalších opravách nepřepisuje. Vytěžená data jsou samostatná vrstva nad dokumentem.
Už při příjmu lze zkontrolovat duplicitu podle kombinace dodavatele, čísla dokladu, částky a data. Shoda není automatický důvod k odstranění. Je to výjimka, kterou musí někdo posoudit.
2. AI vytěžení údajů
AI nebo specializovaný nástroj pro zpracování dokumentů přečte fakturu a připraví návrh polí. U každého důležitého údaje má systém uchovat míru jistoty nebo jiný signál, podle kterého pozná, že je potřeba kontrola.
Nejde jen o dosažení co nejvyšší přesnosti. Důležitější je, aby nástroj uměl přiznat nejistotu a neposouval nejasný údaj dál jako hotovou věc. NIST ve svém AI Risk Management Framework doporučuje předem popsat omezení systému, role člověka, způsob dohledu a pravidelné vyhodnocování chyb.
3. Kontrola vytěžených polí
Kontrolující vidí originál a vedle něj navržené hodnoty. Nemá znovu přepisovat celý doklad. Zaměří se na pole, která jsou neúplná, neobvyklá nebo mají nízkou jistotu.
Praktické rozdělení může vypadat takto:
| Situace | Další krok | Kdo rozhoduje |
|---|---|---|
| Údaj je čitelný a odpovídá známému dodavateli | Potvrdit nebo zařadit do běžné kontroly | Pověřený pracovník |
| Částka, účet nebo číslo dokladu je nejisté | Porovnat s originálem a opravit | Pověřený pracovník |
| Doklad nemá jasnou objednávku či zakázku | Vrátit k přiřazení | Objednatel nebo vedoucí zakázky |
| Plnění nebo cena nesouhlasí | Zastavit schválení a vyžádat vysvětlení | Věcný schvalovatel |
4. Přiřazení k objednávce nebo zakázce
Správně přečtená částka ještě neříká, proč má firma fakturu zaplatit. Doklad potřebuje vazbu na objednávku, smlouvu, dodávku materiálu nebo konkrétní zakázku. Teprve tato vazba umožní porovnat očekávané a skutečné náklady.
Systém může navrhnout shodu podle čísla objednávky, dodavatele, střediska nebo historie. Člověk potvrzuje, zda dává smysl. Pokud jedna faktura patří k více zakázkám, rozdělení nákladů musí mít jasné pravidlo a vlastní kontrolu.
Tady se vytěžování přirozeně propojuje s digitalizací firemních procesů. AI řeší úzký krok čtení dokumentu, zatímco proces určuje, odkud se vezme kontext a kdo nese odpovědnost.
5. Věcné a účetní schválení
Schválení není jedno univerzální tlačítko. Vedoucí zakázky může potvrdit, že materiál nebo služba byly dodány. Jiná role kontroluje rozpočet, formální náležitosti nebo způsob zaúčtování. U vyšší částky může být potřeba další schvalovatel.
AI může upozornit na nesoulad nebo připravit podklady. Nemá sama potvrdit dodání, vyřešit spornou cenu ani nahradit účetní posouzení. Pravidla schválení musí odpovídat konkrétní firmě a její účetní praxi; tento provozní postup není daňovým ani právním návodem.
6. Export bez ztráty souvislostí
Do účetního nebo ERP systému se mají předat až schválená data. Export by měl mít vlastní stav a výsledek: připraveno, odesláno, přijato nebo chyba. Jinak může faktura zůstat schválená v jednom systému, ale do druhého se vůbec nedostat.
Současně je potřeba zachovat vazbu zpět. Z účetního záznamu má být dohledatelný originál, zakázka, objednávka i schvalovací historie. Samotné úspěšné odeslání dat není konec procesu.
Výjimky rozhodují o tom, zda proces funguje
Většina faktur může projít podobným tokem. Skutečnou kvalitu systému ale ukážou nestandardní situace. Každá výjimka potřebuje vlastní stav, vlastníka a další krok.
Nízká jistota vytěžení: doklad čeká na kontrolu konkrétního pole, ne na nové zpracování celého dokumentu.
Možná duplicita: faktura se nezahodí, ale zastaví do potvrzení.
Neznámý dodavatel: vznikne úkol ověřit a doplnit jeho kartu.
Chybějící objednávka: doklad se vrátí objednateli nebo vedoucímu zakázky.
Nesoulad ceny nebo plnění: schválení se přeruší a uloží se důvod.
Dobropis, záloha nebo cizí měna: doklad přejde do specializované kontroly podle pravidel účetní role.
Chyba exportu: systém zachová schválený záznam a nabídne bezpečné opakování bez vytvoření duplicity.
Užitečný přehled proto neukazuje jen počet zpracovaných faktur. Ukazuje hlavně, které doklady stojí, proč stojí a kdo má udělat další krok.
Auditní stopa musí oddělit originál, AI návrh a lidské rozhodnutí
Když se později řeší nesrovnalost, firma potřebuje rekonstruovat, co se stalo. Nestačí vidět poslední hodnotu v poli. U důležitých změn má být dohledatelné:
kdy a odkud přišel původní dokument,
jaké údaje navrhl nástroj a s jakou jistotou,
které hodnoty člověk změnil,
kdo doklad přiřadil a schválil,
jaký byl důvod vrácení nebo výjimky,
co a kdy bylo exportováno,
zda cílový systém data přijal.
Taková historie není administrativní přítěž. Umožní rozlišit chybu ve vstupním dokumentu, chybu vytěžení, chybu lidské kontroly a chybu integrace. Podle toho lze upravit pravidla nebo školení místo neurčitého závěru, že „AI se spletla“.
Data z faktur potřebují stejnou ochranu jako jiné firemní dokumenty
Před nasazením je potřeba zjistit, kam se dokument odesílá, kdo k němu má přístup, jak dlouho se uchovává a zda poskytovatel data používá pro další trénování. Pokud doklad obsahuje osobní údaje, platí mimo jiné zásady omezení účelu, minimalizace dat a odpovídajícího zabezpečení podle článku 5 GDPR.
Prakticky to znamená nepřenášet do AI služby více dokumentů a polí, než daný krok potřebuje. Přístupy se mají řídit rolemi a testovací prostředí nemá používat skutečné faktury jen proto, že jsou po ruce.
Jak začít bez velkého projektu
První pilot nemusí pokrýt všechny dodavatele a všechny typy dokladů. Bezpečnější je vybrat jeden opakovaný tok, například běžné tuzemské dodavatelské faktury u známých dodavatelů.
Sepsat, kudy faktura dnes přichází a kdo ji přepisuje, přiřazuje a schvaluje.
Určit povinná pole a odpovědnou roli pro jejich kontrolu.
Popsat nejčastější výjimky a zastavovací pravidla.
Otestovat vytěžování na reprezentativním vzorku dokumentů bez automatického exportu.
Sledovat opravy, nejasnosti, duplicity a chyby při předání.
Teprve po vyhodnocení zapnout omezený export schválených záznamů.
Smyslem pilotu není dokázat, že AI přečte pěknou fakturu. Má ukázat, zda celý proces bezpečně zvládne také nejasný dokument, chybějící vazbu a opravu člověkem.
Shrnutí: AI má připravit podklady, firma musí řídit rozhodnutí
Vytěžování přijatých faktur dává smysl tehdy, když zkrátí rutinní přepisování a současně zachová kontrolu. Originál zůstává uložený, AI navrhne data, člověk ověří nejasnosti, doklad se přiřadí k objednávce nebo zakázce a odpovědné role ho schválí. Export uzavírá technický krok, nikoli odpovědnost.
Pokud dnes faktury putují mezi e-mailem, tabulkou, vedoucím zakázky a účetním programem, pomůže nejdřív popsat skutečný tok a výjimky. Na něj lze navázat systémovou evidenci nabídek, rozpočtů a fakturace, ve které AI zůstává pomocníkem a každý důležitý krok má vlastníka i dohledatelný výsledek.
Zdroje a metodika
Evropská komise: What is eInvoicing – rozdíl mezi nestrukturovaným PDF a strukturovanou elektronickou fakturou.
NIST AI Risk Management Framework Core – role, lidský dohled, dokumentace omezení a průběžné vyhodnocování AI systému.
Nařízení (EU) 2016/679, článek 5 – zásady omezení účelu, minimalizace dat, správnosti a zabezpečení osobních údajů.
Zdroje byly ověřeny 24. července 2026. Článek popisuje provozní workflow a nenahrazuje účetní, daňové ani právní posouzení konkrétního dokladu.
