OCR extrakcia faktúr cez AI: Ako funguje automatické vyťažovanie dát

Prečo OCR extrakcia?

Napriek rozmachu elektronickej fakturácie stále dostávate faktúry v tradičnej podobe – oskenované PDF z emailu, fotka z WhatsAppu, papierový doklad zo zásielky. Manuálne prepisovanie 10–30 údajov z každej faktúry do účtovného systému je zdĺhavá a chybová práca. OCR (Optical Character Recognition) v kombinácii s umelou inteligenciou dokáže tento proces automatizovať.

Fakturix integruje AI vyťažovanie priamo do platformy. Nahráte PDF alebo fotku faktúry a systém vám za pár sekúnd vráti štruktúrované dáta – meno dodávateľa, IČO, DIČ, adresu, sumu, splatnosť, IBAN, položky. Tie potom uložíte jedným kliknutím.

Aký model Fakturix používa?

Fakturix využíva Gemini 2.0 Flash od Google – multimodálny AI model, ktorý priamo spracúva obrázky a PDF dokumenty. Na rozdiel od tradičného OCR (Tesseract, ABBYY FineReader), ktoré najprv prevedie obraz na text a potom sa snaží text parsovať regex pravidlami, Gemini chápe kontext celého dokumentu.

Rozdiel je najvidnejší pri neštandardných faktúrach – zákazníkom vytvorené šablóny, skeny s nižšou kvalitou, faktúry z rôznych krajín. Tradičný OCR zlyhá, keď je faktúra otočená o 5 stupňov alebo má písmo v nezvyčajnom fonte. AI model si s tým poradí, pretože rozumie, čo faktúra je.

Podporované formáty

• PDF – natívne aj oskenované
• Obrázky – JPEG, PNG (napríklad fotka z mobilu)
• Veľkosť – do 10 MB na súbor

Ktoré polia sa extrahujú

Fakturix vyťaží z faktúry všetky polia, ktoré sú relevantné pre slovenskú účtovnú a daňovú legislatívu. Extrahované údaje zodpovedajú povinným náležitostiam podľa §74 zákona o DPH.

Dodávateľ

• Názov firmy
• IČO (bez medzier)
• DIČ
• IČ DPH (napr. SK2023909382)
• Adresa

Odberateľ

• Názov firmy / meno osoby
• IČO, DIČ, IČ DPH (ak ide o firmu)
• Adresa

Doklad

• Číslo faktúry
• Dátum vystavenia
• Dátum splatnosti
• Dátum dodania / zdaniteľného plnenia
• Mena (EUR, CZK, USD...)
• Variabilný symbol

Sumy

• Základ DPH (taxExclusiveAmount)
• Suma DPH (taxAmount)
• Celkom na úhradu (totalAmount)
• Rekapitulácia DPH podľa sadzieb

Platba

• IBAN (bez medzier)
• BIC/SWIFT

Položky

Pre každý riadok faktúry sa extrahuje názov položky, množstvo, jednotková cena bez DPH, sadzba DPH a celková suma s DPH.

Typ dokumentu – automatická klasifikácia

Jedna z užitočných funkcií je, že AI rozoznáva, čo vlastne dokument predstavuje. Vráti jeden zo štyroch typov:

• INVOICE – riadna faktúra alebo daňový doklad
• PROFORMA – proforma / zálohová faktúra (nie je daňový doklad)
• CREDIT_NOTE – dobropis
• OTHER – nejde o faktúru (napríklad objednávka, dodací list, reklamný leták)

Táto klasifikácia je dôležitá hlavne pri emailovom skenovaní, kde bot automaticky prehliada prichádzajúce správy. Reklamné newslettre a dodacie listy sa neuložia ako faktúry – len dokumenty typu INVOICE a CREDIT_NOTE prejdú do účtovníctva.

Kde všade Fakturix AI extrakciu používa

1. Manuálne nahrávanie

V aplikácii otvoríte "AI extrakcia", nahráte súbor a systém vráti štruktúrovaný náhľad. Údaje skontrolujete a jedným klikom uložíte ako prijatú faktúru.

2. Emailový skener

Prepojíte svoj email (IMAP) a Fakturix periodicky kontroluje prichádzajúce správy. Ak nájde prílohu typu INVOICE, automaticky ju extrahuje a uloží ako prijatú faktúru. Ak klasifikácia vráti OTHER, súbor sa preskočí.

3. Telegram bot

Pošlete fotku alebo PDF faktúry do Telegram chatu a bot vráti rozpoznané údaje. Vhodné pre podnikateľov v teréne – odfotíte papierovú faktúru od subdodávateľa a o 10 sekúnd máte údaje v systéme.

4. WhatsApp bot

Identicky ako Telegram, cez WhatsApp Business API.

5. E-shop API

Externý systém (ERP, účtovný softvér) môže cez endpoint /api/v1/ai/extract poslať dokument a získať JSON s extrahovanými dátami.

Presnosť rozpoznávania

Presnosť závisí od kvality vstupu. Reálne hodnoty z produkčného nasadenia:

• Natívne PDF faktúry (generované z fakturačného systému): 98–99 % úspešnosť na všetkých poliach
• Kvalitne oskenované PDF: 95–97 %
• Fotografie faktúr z mobilu: 88–94 % (závisí od osvetlenia a uhla)
• Pokrčené / zašpinené papierové faktúry: 70–85 %

Najčastejšie chyby pri horšej kvalite vstupu:

• Zamenené znaky "0" a "O" v IČO
• Zamenené "1" a "l" v názvoch firiem
• Dátumy v nejasnom formáte (31/5/26 vs 5/31/26)
• Položky v zložitej tabuľkovej štruktúre s viacerými stĺpcami

Ľudská kontrola: áno, či nie?

AI extrakcia nie je 100 %. Pri každej faktúre Fakturix zobrazí výsledok v editovateľnej forme, kde môžete opraviť prípadné chyby pred uložením. Ak pracujete s veľkým objemom dokladov, pár sekundová vizuálna kontrola je dobrý kompromis – väčšinou nie je čo opravovať, ale keď áno, ušetrí vám to zápis nesprávnej sumy do účtovníctva.

Pri automatickom emailovom skenovaní má Fakturix vstavanú poistku: ak niektoré povinné pole chýba alebo je AI neistá (napríklad suma nesedí s rekapituláciou DPH), faktúra sa označí ako "Na overenie" a čaká na schválenie používateľom. Len istotne rozpoznané doklady prejdú do systému priamo.

Limity a GDPR

Dáta sa počas spracovania odosielajú do Gemini API (Google Cloud). Google v zmluvných podmienkach uvádza, že vstupné dáta nepoužíva na trénovanie modelov pri platenom API a spracovanie prebieha v EÚ regióne. Pre organizácie s prísnymi požiadavkami na dátovú suverenitu to môže byť limit – v takom prípade je vhodnejšie manuálne zadanie údajov alebo lokálny OCR model.

Fakturix ukladá originál nahratého súboru (PDF/obrázok) do vlastnej databázy, aby ste mali archív. Samotné AI volanie trvá 2–4 sekundy a údaje sa po extrakcii v Google nezachovávajú.

Porovnanie: AI vs tradičný OCR

Parameter	Tradičný OCR (Tesseract)	AI model (Gemini)
Rozpoznanie textu	Dobré na čistý text	Veľmi dobré
Chápanie kontextu	Žiadne	Silné
Extrakcia štruktúry	Regex pravidlá	Natívne
Šikmé / otočené skeny	Často zlyhá	Zvláda
Rôzne jazyky	Jeden jazyk na jednom runne	Multilingválne
Klasifikácia dokumentu	Nie	Áno
Rýchlosť	Milisekundy	2–4 sekundy
Cena	Zadarmo (open source)	Platené API

Záver

AI extrakcia faktúr je jeden z praktických spôsobov, ako automatizovať spracovanie papierových a PDF dokladov. Fakturix integruje Gemini 2.0 Flash do viacerých vstupných kanálov – emailový skener, mobilný chat, manuálne nahrávanie aj API – takže si môžete vybrať, ktorý workflow vám vyhovuje. Presnosť pri bežných faktúrach je nad 95 %, pri zložitých skenoch je vhodná krátka ľudská kontrola.

Ak kombinujete AI extrakciu s PEPPOL e-fakturáciou od 2027, získate plne digitálny proces – vystavené faktúry idú cez PEPPOL sieť ako štruktúrované dáta, prijaté papierové faktúry od subdodávateľov sa automaticky vyťažia AI-om. Manuálne prepisovanie sa vytráca.