Prosječan ulazni račun u malom uredu prođe kroz najmanje četiri para ruku: netko ga preuzme s e-maila ili poštom, otvori kao PDF ili ga skenira, prepiše iznos, datum, OIB dobavljača i broj računa u knjigovodstveni program, pa provjeri je li unos točan. Kad se ta radnja pomnoži s desecima ili stotinama računa mjesečno, vrijeme voditelja financija ode na prepisivanje, a ne na analizu. AI obrada računa uz OCR tehnologiju taj korak briše iz procesa: dokument se skenira ili učita, sustav sam prepozna polja i podatke šalje dalje, a čovjek samo potvrđuje iznimke.
Zašto ručni unos ulaznih računa troši previše vremena i uzrokuje greške
Problem rijetko izgleda dramatično - riječ je o sitnim, ponavljajućim radnjama koje se zbrajaju. Netko prepiše iznos s jednom znamenkom pogrešno, netko zaboravi da je račun već plaćen i unese ga dvaput, netko previdi rok plaćanja jer je PDF ostao u pretincu e-pošte tri dana prije nego što je otvoren. U malim tvrtkama te poslove obično radi jedna ili dvije osobe uz sve druge obveze - vođenje blagajne, komunikaciju s knjigovodstvenim servisom, pripremu izvještaja za vlasnika. Kad se broj računa povećava s rastom poslovanja, ručni unos postaje usko grlo koje se ne rješava dodatnim satima rada, nego promjenom načina na koji se podaci uopće unose u sustav.
Dodatan problem je nedostatak standardizacije: dobavljači šalju račune u različitim formatima, papirnate, kao PDF privitke, ponekad kao sliku fotografiranu mobitelom. Papirnati račun treba prvo skenirati, PDF otvoriti i pročitati na ekranu, a fotografija s mobitela često je zamućena ili koso snimljena - svaki format usporava osobu koja podatke ručno prepisuje u sustav.
Što je AI OCR i kako prepoznaje podatke s računa
OCR (optičko prepoznavanje znakova) je tehnologija koja iz slike ili skeniranog dokumenta izvlači tekst - prepoznaje slova i brojke kao znakove, ne kao smislene podatke. AI obrada računa OCR-om ide korak dalje: sustav ne samo da pročita tekst, nego razumije strukturu dokumenta i prepoznaje koje polje predstavlja što. To znači da alat sam odredi koji je broj na računu iznos za plaćanje, koji je OIB dobavljača, koji je datum izdavanja, a koji rok plaćanja - bez da netko unaprijed označi točnu poziciju tih podataka na predlošku.
Tipični podaci koje takav alat izdvaja iz ulaznog računa:
- naziv i OIB dobavljača
- broj i datum računa
- rok plaćanja
- ukupan iznos u eurima i iznos PDV-a
- stavke i količine, ako je riječ o detaljnom računu
Modeli koji stoje iza ovakvih alata uče na velikom broju primjera dokumenata, a dodatno se prilagođavaju kad korisnik ispravi pogrešno prepoznato polje - svaka ispravka poboljšava buduće prepoznavanje za taj tip dokumenta. Poznati primjeri takvih alata su Google Document AI, Microsoft Azure AI Document Intelligence i specijalizirani alati za obradu računa kao Rossum ili ABBYY FlexiCapture, koji se koriste kao samostalno sučelje ili se povezuju s drugim sustavima putem API-ja.
Koraci uvođenja alata za automatsku obradu dokumenata u malu tvrtku
Od analize toka dokumenata do puštanja u rad
Uvođenje AI OCR alata ide korak po korak, ne kao jednokratna instalacija softvera.
- Snimanje trenutnog opterećenja (tjedan 1, voditelj financija)
Izbrojite koliko ulaznih računa mjesečno stiže, u kojem formatu i od koliko različitih dobavljača. Ovaj podatak određuje hoće li dostajati gotov alat ili je potrebna složenija integracija.
- Odabir alata za prepoznavanje dokumenata (tjedan 1-2, administracija ili IT)
Testira se rad s nekoliko stvarnih računa iz tvrtke, ne s demo dokumentima proizvođača - jer se preciznost prepoznavanja razlikuje ovisno o predlošku i jeziku.
- Testiranje prepoznavanja na uzorku računa (tjedan 2-3, knjigovodstvo)
Provjerava se koliko polja alat točno izdvoji bez ispravke i gdje najčešće griješi, primjerice kod ručno ispisanih dodataka na računu.
- Povezivanje s knjigovodstvenim programom (tjedan 3-4, IT ili vanjski razvojni partner)
Postavlja se konektor, middleware ili API veza kako bi prepoznati podaci automatski stizali u postojeći sustav, a ne ostajali u OCR alatu kao zaseban korak.
- Postavljanje pravila za odobravanje i iznimke (tjedan 4, voditelj financija)
Definira se kada se račun automatski knjiži, a kada čeka ljudsku potvrdu - primjerice kod iznosa iznad određenog praga ili novog dobavljača.
- Puštanje u rad i praćenje grešaka (tjedan 5 i dalje, cijeli tim)
U prvim tjednima se prati koliko računa sustav točno obradi bez ispravke, a ispravke se koriste za daljnje poboljšanje prepoznavanja.
Nakon nekoliko tjedana rada broj iznimaka koje traže ljudsku provjeru obično se smanjuje kako se alat prilagođava predlošcima dobavljača.
Uvođenje AI alata za urede ne počinje odabirom softvera, nego analizom postojećeg toka dokumenata. Redoslijed koraka i tko je za njih odgovoran obično izgleda ovako:
Povezivanje OCR alata s računovodstvenim programom i ERP sustavom
OCR alat sam po sebi rješava samo dio problema - prepoznavanje podataka. Vrijednost se dobiva kad se ti podaci automatski upisuju u knjigovodstveni program ili ERP sustav, bez ručnog prepisivanja iz jednog sučelja u drugo. Postoje tri načina na koje se to obično radi. Prvi je gotov konektor ili plugin koji proizvođač OCR alata već nudi za popularne knjigovodstvene programe - u tom slučaju integracija se svodi na postavke, ne na razvoj. Popularni hrvatski knjigovodstveni sustav Synesis jedan je od primjera programa s kojima se ovakva integracija u praksi najčešće povezuje. Drugi je middleware, odnosno posrednički sustav koji preuzme podatke iz OCR alata i prospavi ih u ERP prema pravilima koja se zasebno definiraju; taj pristup je koristan kad se povezuje više izvora podataka odjednom, slično kao kod povezivanja webshopa s ERP sustavom kroz integracijsku platformu. Treći je prilagođena integracija putem API-ja uz razvoj prilagođene web-aplikacije, gdje OCR alat vraća podatke u strukturiranom obliku (najčešće JSON), a taj se odgovor programski povezuje s poljima u ERP-u ili internoj web-aplikaciji tvrtke.
Bez obzira na metodu, prije povezivanja vrijedi provjeriti gdje se dokumenti i izdvojeni podaci pohranjuju te tko im ima pristup - ulazni računi sadrže poslovne i osobne podatke o dobavljačima i njihovim predstavnicima, što ih svrstava u kategoriju osobnih podataka prema Zakonu o provedbi Opće uredbe o zaštiti podataka, a nadzor nad time u Hrvatskoj provodi AZOP.
Gotovo rješenje ili prilagođena integracija: što odabrati
Gotov OCR alat naspram prilagođene integracije
Gotovo rješenje / SaaS OCR alat
Alati poput Google Document AI, Microsoft Azure AI Document Intelligence ili specijaliziranih rješenja kao Rossum dolaze s postojećim konektorima za popularne knjigovodstvene programe. Postavljanje je brže, a trošak je u pravilu pretplata po broju obrađenih dokumenata. Prikladno je za tvrtke sa standardnim formatom računa i manjim brojem dobavljača.
Prilagođena integracija putem API-ja
Podaci iz OCR alata se programski povezuju s internim ERP sustavom ili web-aplikacijom tvrtke, uz pravila prilagođena specifičnom toku dokumenata - više skladišta, više valuta ili nestandardni predlošci dobavljača. Zahtijeva razvoj i dulje vrijeme postavljanja, ali se bolje uklapa u složenije poslovne procese.
Za tvrtke s manjim brojem ulaznih računa mjesečno gotovo rješenje obično je dovoljno; kod većeg obujma ili nestandardnog toka dokumenata prilagođena integracija se brže isplati.
Odabir između gotovog OCR alata i prilagođene integracije ovisi prije svega o broju računa koje tvrtka obrađuje mjesečno i o tome koliko je postojeći knjigovodstveni program otvoren za povezivanje. Manje tvrtke s desecima računa mjesečno obično dobiju dovoljno vrijednosti od gotovog rješenja s postojećim konektorom. Tvrtke s većim obujmom ili nestandardnim tokom dokumenata (više skladišta, više valuta, različiti formati po dobavljaču) češće trebaju prilagođeno rješenje koje se uklapa u njihov postojeći ERP ili internu web-aplikaciju.
Što se mijenja kad je obrada računa automatizirana
Kad se automatska obrada dokumenata uspostavi, uloga osobe koja je prije prepisivala podatke pomiče se prema provjeri iznimaka - računa koje sustav nije mogao pouzdano pročitati, dvojbenih iznosa ili novih dobavljača koje alat još ne poznaje. Vrijeme koje se prije trošilo na prepisivanje standardnih računa oslobađa se za zadatke koji stvarno traže prosudbu, poput praćenja rokova plaćanja ili usklađivanja troškova s proračunom. Rizik dvostrukog unosa i pogrešno prepisanog iznosa se smanjuje jer se podaci ne prepisuju rukom u dva sustava, nego se prenose izravno iz jednog izvora. Koliko će taj učinak biti izražen ovisi o broju računa, kvaliteti ulaznih dokumenata i koliko je integracija s knjigovodstvenim programom zaista automatizirana, a ne samo djelomično povezana.
Obrada ulaznih računa rijetko stoji izolirano: tvrtke koje automatiziraju ovaj korak obično uskoro rade i na automatizaciji fakturiranja na izlaznoj strani, a način na koji su ERP i web-aplikacije povezani određuje koliko će cijeli sustav biti automatiziran.
