Jak automatycznie wyciągnąć dane z faktury — NIP, kwoty, daty, bez przepisywania

2026-07-10 · SzopaLabs

Trzy sposoby na odczytanie danych z faktur PDF i zdjęć — ręcznie, klasycznym OCR-em i z pomocą AI. Co naprawdę działa na polskich fakturach i krzywych skanach.

Jeśli księgujesz faktury kosztowe, znasz ten rytuał: otwierasz PDF, spisujesz NIP, numer dokumentu, datę wystawienia, kwoty netto/VAT/brutto — i tak dwadzieścia, pięćdziesiąt, dwieście razy w miesiącu. Przy dwóch minutach na dokument sto faktur to ponad trzy godziny czystego przepisywania. W tym artykule porównujemy trzy podejścia do automatyzacji tego procesu i pokazujemy, na co uważać przy polskich dokumentach.

Sposób 1: ręcznie, ale sprytniej

Zanim sięgniesz po narzędzia — dwie rzeczy, które przyspieszają pracę ręczną:

• Kopiowanie z warstwy tekstowej PDF. Większość e-faktur ma tekst do zaznaczenia (Ctrl+C działa). Problem: kolejność zaznaczania bywa chaotyczna, a kwoty łatwo pomylić z innymi liczbami na dokumencie.
• Stałe szablony dostawców. Faktury od tego samego kontrahenta wyglądają tak samo — pola są zawsze w tym samym miejscu. To pomaga, ale nadal wymaga człowieka przy każdym dokumencie.

Ręczna praca ma jedną zaletę: zero kosztów wdrożenia. I jedną wadę, która rośnie z każdą fakturą: błędy przepisywania. Przestawione cyfry w NIP-ie albo kwocie to najczęstszy powód korekt.

Sposób 2: klasyczny OCR

Tradycyjne programy OCR (rozpoznawanie tekstu) zamieniają obraz na tekst. Działają dobrze, gdy:

• skan jest prosty, ostry i dobrze oświetlony,
• dokument ma standardowy układ,
• zależy Ci na całym tekście, a nie konkretnych polach.

I tu jest sedno problemu: klasyczny OCR czyta wszystko, ale nie rozumie nic. Dostajesz ścianę tekstu, z której nadal trzeba ręcznie wyłuskać, która liczba to brutto, a która to numer zamówienia. Do tego polskie realia: ogonki (ą, ę, ł) potrafią wypaść lub zamienić się w krzaczki, a data „12.03.2026" bywa mylona z numerem konta.

Sposób 3: OCR z AI, czyli ekstrakcja pól

Nowsze podejście łączy rozpoznawanie tekstu z modelem językowym, który rozumie strukturę faktury. Różnica jest zasadnicza — zamiast ściany tekstu dostajesz gotowe pola:

Dobre narzędzia tej klasy radzą sobie z tym, co wykłada klasyczny OCR:

• krzywe zdjęcia z telefonu — algorytm normalizuje obrót i perspektywę,
• polskie formaty — daty DD.MM.RRRR, kwoty z przecinkiem, NIP z myślnikami albo bez,
• niestandardowe pola — potrzebujesz „miejsca dostawy" albo „numeru zamówienia"? Definiujesz raz i narzędzie wyciąga je z każdej kolejnej faktury.

Na co uważać — niezależnie od metody

1. Weryfikuj NIP sumą kontrolną. Ostatnia cyfra NIP-u to suma kontrolna — jej sprawdzenie wyłapuje 90% literówek. Dobre narzędzie robi to samo.
2. Kwoty muszą się spinać. Netto + VAT = brutto. Jeśli się nie zgadza, dokument wymaga spojrzenia człowieka — automat powinien go oznaczyć, nie przepuścić.
3. Dane nie powinny trenować cudzych modeli. Wgrywasz dokumenty finansowe swojej firmy lub klientów — sprawdź, czy dostawca gwarantuje, że nie trafią do publicznego trenowania modeli AI.
4. Eksport w formacie, którego używasz. Ekstrakcja bez eksportu do CSV/Excela to połowa roboty.

Ile to realnie oszczędza?

Wróćmy do rachunku z początku: 100 faktur miesięcznie × 2 minuty = ponad 3 godziny przepisywania. Z ekstrakcją AI ten sam proces to wgranie plików paczką i przejrzenie wyników — realnie kilkanaście minut, głównie na kontrolę wyjątków. W skali roku różnica robi się liczona w dniach roboczych.

Uwaga: skaner faktur SzopaLabs, o którym pisaliśmy w sposobie trzecim, został wycofany — zamknęliśmy pakiet Mikroaplikacje AI w lipcu 2026. Sam opis podejść pozostaje aktualny, a rynek ma dziś kilka dojrzałych narzędzi tej klasy (Saldeo, Fakturownia, OCR wbudowany w wFirma czy inFakt). My skupiamy się teraz na produktach dla biur rachunkowych i kancelarii: Skorowidz odpowiada na pytania z Waszych własnych umów i procedur, a Sygnatura co tydzień przynosi orzecznictwo podatkowe z Waszej działki.

← Wszystkie wpisy