Vytěžování faktur je automatické přečtení dokladu a převod jeho obsahu na strukturovaná data, se kterými umí pracovat účetní systém – dodavatel, částka, variabilní symbol, datum splatnosti. OCR je jen první část toho řetězce: převede obrázek na text, ale nerozumí tomu, co který údaj znamená.
Jaký je rozdíl mezi OCR a vytěžováním?
OCR je přepis. Z fotky nebo skenu udělá strojově čitelný text a tím jeho práce končí, kontext ani strukturu dokumentu neřeší. Vytěžování dokladů je přepis plus pochopení: software rozezná, že jedno číslo je celková částka, druhé variabilní symbol a nahoře je dodavatel. Odborně se této vrstvě říká inteligentní zpracování dokumentů, protože ke čtení přidává klasifikaci dokumentu, extrakci polí a jejich kontrolu.
Jak vytěžování probíhá?
- Doklad přijde e-mailem, vyfocený z mobilu nebo ze skeneru.
- Pokud jde o obrázek, OCR z něj udělá text. U PDF, ze kterého jde text myší zkopírovat, nebo u elektronické faktury se tenhle krok přeskakuje.
- Vytěžovací vrstva najde jednotlivá pole: dodavatele, IČO, DIČ, číslo faktury, data vystavení a splatnosti, částky, číslo účtu a variabilní symbol.
- Systém data zkontroluje. Sedí součty? Existuje to IČO?
- Člověk výsledek schválí nebo opraví.
Poslední krok nemusí projít každý doklad. Dobře nastavená linka pustí dál faktury, které projdou kontrolami, a člověku předá výjimky a případy, kde si systém není jistý. Úplně ho ale vynechat nejde – někdo musí ty výjimky řešit a nést za výsledek odpovědnost.
Jak je to přesné?
Pořadí technologií je poměrně jasné: nejhůř dopadají šablonová řešení, kde se předem definuje, kde na faktuře co leží, lépe OCR doplněné o strojové učení a nejlépe velké jazykové modely, které dokument čtou bez šablony. Konkrétní procenta z různých srovnání ale mezi sebou porovnávat nejde – každé měří jiná pole, na jiných datech a jinou metrikou. Vždy záleží i na vstupu: digitálně vystavená faktura se čte spolehlivěji než sken papíru.
Praktičtější číslo je podíl celých dokladů, které projdou bez lidského zásahu; stačí totiž jedna chyba v jediném poli a doklad se zastaví ke kontrole. Dodavatelé uvádějí hodnoty v řádu vysokých desítek procent, každý si to ale měří po svém a jde o jejich vlastní údaje, ne nezávislý audit. Ručně psané doklady přesnost výrazně zhoršují a tisk na termopapíru časem vybledne, zvlášť na světle a v teple.
Kolik vytěžování faktur stojí?
Ceny se liší podle modelu a část dodavatelů je nezveřejňuje vůbec. iDoklad nabízí vytěžování jako doplněk placených tarifů: pár vytěžení na vyzkoušení a dál po kreditech, sto kreditů za 500 Kč bez DPH, tedy pět korun za doklad. Wflow má podle ceníku k září 2026 tarif Profi od 449 Kč měsíčně za uživatele a v ceně je 50 vytěžených dokumentů měsíčně. Rossum, řešení pro velké objemy, startuje na 18 000 USD ročně. Digitoo ceník na webu nemá a zjišťuje se poptávkou. Z cloudových rozhraní má Azure Document Intelligence bezplatnou úroveň do 500 stran měsíčně, z jednoho dokumentu ale zpracuje jen dvě strany; placené sazby se uvádějí za tisíc stran a liší se podle modelu.
Vytěžovací linku stavím klientům na míru: nejdřív se z dokladu vytáhne, co jde vytáhnout spolehlivě a bez AI, a teprve zbytek jde na jazykový model. Nastavuju k tomu i schvalovací krok, aby bylo vidět, co systém navrhl a co člověk změnil. Víc o automatizacích a AI agentech na míru →
Proč je v Česku často nejlepší vytěžování to, které nemusíte spustit?
Velkou část českých B2B faktur jde zpracovat úplně bez čtení obrázku. ISDOC je český standard elektronické faktury – strukturované XML, které definovalo sdružení SPIS a které se spustilo v roce 2009. Přijdou vám rovnou strukturovaná data, žádné rozpoznávání; věcnou správnost dokladu si ale pořád musíte ohlídat. Druhá zkratka je QR platba ve standardu SPD, který Česká bankovní asociace vydala v listopadu 2012. Z QR kódu se přesně načtou platební údaje, povinné je jen číslo účtu; údaje potřebné k zaúčtování, třeba rozpis DPH, musí systém dočíst z dokladu.
Rozumný postup proto vypadá takhle: nejdřív zkusit deterministické čtení ISDOC a QR kódu, na papírové a skenované doklady nasadit jazykový model a celé to poskládat v automatizačním nástroji, třeba v n8n, s krokem pro schválení člověkem.
Na co si dát pozor?
Odpovědnost zůstává na firmě. Podle § 5 odst. 2 zákona o účetnictví nese odpovědnost za vedení účetnictví účetní jednotka a nezbavuje se jí tím, že vedením pověří někoho jiného. Software ji převzít nemůže, ať čte doklady sebelépe.
Dál myslete na archivaci a na osobní údaje. Účetní doklady se uchovávají pět let od konce účetního období, daňové doklady k DPH deset let od konce zdaňovacího období podle zákona o DPH, a za porušení těchto povinností hrozí citelné sankce. Faktura navíc často obsahuje osobní údaje, typicky u OSVČ a fyzických osob. Pokud je za vás zpracovává cloudový dodavatel, musí být vztah ošetřený smlouvou podle článku 28 GDPR a porušení zabezpečení se hlásí úřadu bez zbytečného odkladu, pokud možno do 72 hodin.
Můj pohled
Vytěžování faktur patří dnes k nejsnáze dostupným automatizacím vůbec. Co nevyčte deterministický proces ve skriptu, to vyčte jazykový model. Je to prostě konec opisování faktur u účetních.
Pavel Szabo
Programátor webů, eshopů a informačních systémů s více než 23 lety praxe. Pomáhám firmám i jednotlivcům s online podnikáním, automatizacemi a využitím AI v praxi.
