Sztuczna inteligencja w dziale zobowiązań – zmierzona, a nie tylko zachwalana

Najważniejsze wnioski

• Około 31% zespołów AP korzysta z jakiejś formy AI. Zaledwie 4% realizuje proces od faktury do płatności bez udziału człowieka.
• Koszty przetworzenia pojedynczej faktury wahają się od 2,78 USD do 22,75 USD. Różnica wynika z zakresu obliczeń, a nie z wydajności. Zapytaj, co dokładnie policzono.
• Zwrot z inwestycji następuje od sześciu do osiemnastu miesięcy przy czystych danych i wydłuża się do ponad dwóch lat, gdy prawdziwym problemem jest baza dostawców.
• Dokładność to nie jest jedna liczba. Ten sam model uzyskał wynik 96,50% na czystych fakturach cyfrowych i 87,46% na zeskanowanych paragonach.
• Wąskim gardłem są wyjątki, a nie ekstrakcja. Twierdzi tak 53% zespołów AP.
• Szablony odeszły do lamusa. Nowoczesne silniki odczytują dokument, zamiast dopasowywać go do zeszłorocznego układu.

Prawie połowa zespołów finansowych, które już kupiły rozwiązania do automatyzacji AP, twierdzi, że nie zaoszczędziły one prawie nic. Dotyczy to 48% ze 225 liderów średnich firm według ankiety z 2025 r. opublikowanej przez CFO.com, i jest to najbardziej użyteczny fakt na tej stronie.

Oprogramowanie ich nie zawiodło. Zautomatyzowali przepisywanie danych, a przepisywanie danych nigdy nie było najdroższą częścią procesu.

Oto biznesowe spojrzenie na sztuczną inteligencję w dziale zobowiązań. Co tak naprawdę robi, ile zespołów faktycznie z niej korzysta, ile kosztuje przetworzenie faktury, kiedy pieniądze się zwracają i gdzie cały proces upada. Każda liczba odsyła do swojego źródła. Jeśli wydawca sam sprzedaje oprogramowanie AP, wprost o tym informujemy.

Tabele benchmarkingowe, z którymi możesz porównać swój zespół, znajdują się na stronie benchmarków przetwarzania faktur z AI, a mechanika przepływu pracy jest opisana w przewodniku po przetwarzaniu faktur.

Co sztuczna inteligencja w dziale zobowiązań tak naprawdę robi przez cały dzień

Sztuczna inteligencja w dziale zobowiązań to oprogramowanie, które odczytuje faktury od dostawców, przewiduje, w jaki sposób powinny zostać zakodowane, i oflagowuje te, które wyglądają na błędne. Zastępuje ręczne przepisywanie i oparte na regułach szablony, na których działały starsze systemy AP, i znajduje się między momentem dotarcia faktury a jej zaksięgowaniem w Twoim systemie księgowym.

W praktyce pojawia się w siedmiu miejscach:

• Przechwytywanie i ekstrakcja faktur. Dostawca, numer faktury, daty, numer zamówienia (PO), podatki, fracht, sumy i pozycje (line items) wyodrębniane z plików PDF, skanów i treści wiadomości e-mail. To część, która działa najlepiej i część, którą większość zespołów kupuje w pierwszej kolejności.
• Przewidywanie kodowania księgi głównej (GL). Uczenie się z własnej historii, na które konto, centrum kosztów i podmiot zazwyczaj trafia faktura danego dostawcy. Działa najlepiej przy powtarzających się wydatkach bez zamówienia: media, czynsz, oprogramowanie SaaS, telekomunikacja.
• Pomoc w dopasowywaniu. Logika dopasowywania dwu- i trójstronnego (two-way and three-way match) pozostaje dokładnie taka sama. AI wnioskuje o brakującym numerze PO, mapuje opisy pozycji na pozycje w zamówieniu i rozróżnia odchylenia cenowe od odchyleń ilościowych.
• Kierowanie zatwierdzeniami. Przewidywanie właściwej osoby zatwierdzającej na podstawie dostawcy, kwoty, centrum kosztów i zachowań w przeszłości. Przewidywanie należy do AI. Sama matryca delegowania uprawnień pozostaje deterministyczna, ponieważ zapyta o nią Twój audytor.
• Wykrywanie duplikatów i oszustw. Ta sama faktura przesłana dwukrotnie w innym formacie. Zmienione dane bankowe. Podobne nazwy dostawców. Kwoty "zaparkowane" podejrzanie tuż poniżej progu zatwierdzenia.
• Ocena ryzyka dostawcy i płatności. Oflagowywanie nietypowego czasu transakcji, nowych adresów do przelewów oraz wydatków, które nie pasują do historii dostawcy.
• Samoobsługa dostawców. Odpowiadanie na pytania "czy moja faktura dotarła" i "kiedy otrzymam płatność" bez ręcznego przepisywania odpowiedzi przez urzędnika.

Tylko pierwsza z tych ról to ekstrakcja dokumentów. Pozostałe sześć zależy od tego, jak czyste są dane, które już posiadasz, dlatego dwie firmy kupujące ten sam produkt uzyskują zupełnie inne wyniki.

Dlaczego to nie jest OCR, którego już próbowałeś

Optyczne rozpoznawanie znaków (OCR) zamienia obraz dokumentu w tekst. Jest obecne w dziale AP od dwudziestu lat i działa świetnie, aż do poranka, kiedy dostawca zmienia projekt swojej faktury. Wtedy ktoś musi od nowa budować szablon.

Parsowanie oparte na AI odczytuje dokument, zamiast go tylko dopasowywać. Układ, którego system nigdy nie widział, jest obsługiwany w momencie przybycia, ponieważ model wie, jak wygląda numer faktury, a nie tylko gdzie znajdował się poprzednio. Parseur jest naszym narzędziem, więc weź na to poprawkę: silnik Text AI odczytuje wiadomości e-mail i dokumenty tekstowe, silnik Vision AI odczytuje pliki PDF, skany i obrazy, a żaden z nich nie wymaga wcześniejszego budowania jakichkolwiek reguł.

To cała różnica i powód, dla którego w 2026 roku sformułowanie "szablony definiowane przez użytkownika" powinno uruchomić alarm. Aspekt przechwytywania danych jest szerzej omówiony na naszej stronie poświęconej OCR w dziale zobowiązań.

Jedna trzecia zespołów AP posiada AI. Cztery procent ma ją od początku do końca.

Około 31% zespołów AP korzystało z jakiejś formy AI w 2024 roku, a prognozowano, że do końca tego roku wskaźnik ten osiągnie 45%, według badania ePayables firmy Ardent Partners podsumowanego przez Bottomline.

Pełna automatyzacja to inna historia. Tylko 4% ze 225 liderów finansowych i księgowych średnich firm stwierdziło, że zautomatyzowało dział AP od faktury do płatności bez ręcznych punktów styku, a 48% zgłosiło niewielkie lub żadne oszczędności kosztów z wdrożonych już narzędzi do automatyzacji AP, według ankiety z 2025 r. opublikowanej przez CFO.com.

Nad tą drugą liczbą warto się chwilę zatrzymać. Nie jest to argument przeciwko automatyzacji. To argument za tym, by wiedzieć, w której połowie wylądujesz, zanim cokolwiek podpiszesz.

Szerszy obraz, z zastrzeżeniem, że większość danych pochodzi od osób sprzedających automatyzację:

Szacunki dostawców i analityków są wyższe. Medius informuje, że około 75% działów AP korzysta obecnie z jakiejś formy AI lub automatyzacji, a firma Ascend, która sprzedaje oprogramowanie AP, szacuje, że wysokowydajne zespoły osiągają od 60% do 80% wskaźnika przetwarzania bezdotykowego (touchless processing). Warto zapoznać się z obiema opiniami, choć żadna z nich nie jest całkowicie neutralna.

Pomiń tę część, jeśli kupujesz tylko w jednym kraju

Adopcja jest nierównomierna, a liczby z badań rynkowych są zazwyczaj starsze, niż przyznają to strony dostawców, które je cytują. Patrząc na udział w rynku w 2023 r., Verified Market Reports wycenia Amerykę Północną na około 40% globalnego rynku oprogramowania do automatyzacji AP, region Azji i Pacyfiku na 30% z najszybszym wzrostem dzięki wspieranym przez rządy programom cyfryzacji, a Europę na 20%, gdzie to RODO (GDPR) i kolejne obowiązki e-fakturowania napędzają wdrażanie rozwiązań mocniej niż cięcia kosztów.

Z kolei w ujęciu branżowym, PMarketResearch donosi, że na czele stoją firmy technologiczne i SaaS, gdzie odsetek wdrożeń automatycznego przetwarzania faktur wynosi 72%, w produkcji 65% (gdzie wymusza to różnorodność dostawców), a w handlu detalicznym i eCommerce blisko 60% ze względu na dużą liczbę transakcji i niskie marże.

Traktuj te dane wyłącznie jako poglądowe. Są to szacunki wielkości rynku tworzone przez agregatory badań, a nie ankiety z upublicznioną próbą badawczą, a same dane pochodzą z 2023 r.

Ile to kosztuje i dlaczego nikt nie jest zgodny co do liczby

Średni koszt przetworzenia faktury wynosi 9,40 USD, a najlepsze w swojej klasie zespoły AP robią to za 2,78 USD, jak wynika z raportu Accounts Payable Metrics That Matter in 2025 od Ardent Partners, badania obejmującego 212 specjalistów ds. AP i finansów.

Można również spotkać wyceny na poziomie 12–15 USD oraz 22,75 USD za przetwarzanie ręczne, i obie te wartości są prawdziwe. Ten rozstrzał wynika z faktu, że nikt nie określa zakresu obliczeń w ten sam sposób. Biorąc pod uwagę wyłącznie koszty pracy działu AP, lądujesz w okolicach 3 USD. Dodając oprogramowanie, obsługę wyjątków, wsparcie dostawców, wsparcie IT oraz koszty ogólne zarządzania, koszt zbliża się do 20 USD. Firma Mosaic Corp szacuje koszty pracy ręcznej na 12 do 15 USD, podczas gdy koszt automatycznego przetwarzania najlepszych w klasie to 2 do 4 USD, natomiast PR Wire podaje średni ręczny koszt na poziomie 22,75 USD. Dowiedz się dokładnie, co policzyła dana firma, zanim porównasz z nią swoje liczby.

Czas cyklu, wskaźnik bezdotykowości (touchless rate) oraz wskaźnik wyjątków znajdziesz na stronie poświęconej benchmarkom przetwarzania faktur z AI.

Tym, co opóźnia zwrot z inwestycji, nigdy nie jest sztuczna inteligencja

Spodziewaj się od sześciu do osiemnastu miesięcy, jeśli integracja z systemem ERP jest prosta, a dyscyplina w obszarze zamówień (PO) się utrzymuje. Licz się z czasem powyżej dwóch lat, jeśli baza dostawców jest przestarzała, zgody czekają w czyjejś skrzynce odbiorczej lub system ERP pochodzi z czasów, gdy pojęcie interfejsu API jeszcze nie istniało.

Zwróć uwagę na to, czego brakuje na tej liście. Dokładność ekstrakcji niemal nigdy nie decyduje o harmonogramie. Decyduje o nim porządkowanie danych. Automatyzacja działu zobowiązań za pomocą sztucznej inteligencji to projekt analityczny ubrany w projekt wdrożenia oprogramowania, a większość zespołów zdaje sobie z tego sprawę około trzech tygodni później, gdy ktoś otwiera tabelę bazy dostawców.

Zwrot z inwestycji (ROI) w automatyzację AP opiera się na dwóch oszczędnościach, a zespoły zazwyczaj liczą tylko tę pierwszą. Pierwszą z nich jest zmniejszenie kosztów pracy, za którą przestajesz płacić. Drugą stanowią rabaty z tytułu wczesnej zapłaty (skonto), do których już się kwalifikujesz, ale stale je tracisz, ponieważ proces zatwierdzania posuwa się w ślimaczym tempie. Market Growth Report wykazał, że przedsiębiorstwa korzystające z oprogramowania AP skróciły czas przetwarzania faktur średnio o 62%, z 20,8 dnia do 7,9 dnia, przy czym około 68% firm odnotowało zmniejszenie ryzyka oszustw finansowych po wdrożeniu automatyzacji. To wydawca badań rynkowych, a nie ankieta z opublikowaną grupą badawczą.

Gdzie sztuczna inteligencja w dziale zobowiązań wciąż zawodzi

Żadna prezentacja sprzedażowa nie posiada tej sekcji. Przeczytaj ją dwa razy.

Dokładność to nie jest jedna liczba. W opublikowanym w 2025 r. benchmarku ośmiu modeli multimodalnych autorstwa Fraunhofer IAIS, najlepszy model uzyskał wynik 96,50% na czystych fakturach cyfrowych, 92,71% na zeskanowanych fakturach i 87,46% na zeskanowanych paragonach. Ten sam model, te same pola, dziewięciopunktowy rozstrzał podyktowany wyłącznie jakością dokumentu. Gdy ktoś podaje Ci jedną wartość dotyczącą dokładności, zapytaj o to, o jakie pola i rodzaje dokumentów chodzi, oraz czy jest to dokładność na poziomie znaków (character-level), czy na poziomie pola (field-level).

Pozycje (line items) są trudniejsze niż nagłówki. Podsumowania, daty czy numery faktur są w dużej mierze rozwiązane. Natomiast tabela z pozycjami, która ciągnie się przez cztery strony i ma sumy częściowe oraz koszty transportu nienależące do tych pozycji – już nie. Przetestuj to podczas okresu próbnego na własnych, najgorszych fakturach, a nie na dostarczonych przez nich próbkach.

Noty uznaniowe to kategoria sama w sobie. Ujemne kwoty, odniesienia do pierwotnej faktury, która mogła jeszcze nie zostać zaksięgowana, a także układy, które przypominają faktury, choć wcale nimi nie są. Model radzący sobie z nimi płynnie został specjalnie w tym kierunku przetrenowany, ale z wieloma modelami nie było tak dobrze.

Jeden dostawca, kilkanaście rodzajów wydatków. Przewidywanie kodowania opiera się na analizie historii wpisów, więc comiesięczny rachunek za prąd to łatwizna. Amazon Business, Grainger, firma zajmująca się utrzymaniem obiektu czy agencja marketingowa: jeden dostawca, którego faktury należy przypisać do kilkunastu różnych kont – to tutaj przewidywania przestają spełniać swoje zadanie.

Wąskim gardłem są wyjątki i w większości nie są to błędy z zakresu ekstrakcji danych. Więcej niż 53% zespołów AP określiło wyjątki w fakturach jako największe z wyzwań w badaniu przeprowadzonym przez Ardent Partners w 2024 r.. Niezgodności PO, brakujące dowody dostawy, wahania stawek podatku oraz transportu czy zgnilizna w bazie dostawców. Lepszy parser nie rozwiązuje żadnego z tych problemów, i właśnie dlatego 48% zespołów z sektora średnich przedsiębiorstw odnotowało bardzo niewielkie cięcia kosztów.

Błędy popełniane z wysoką pewnością (high confidence) są tymi najdroższymi. Faktura odrzucona przez model wędruje do weryfikacji manualnej. Faktura, którą model wypełni pewnie, ale i tak z błędami, ląduje w księgach bez niczyjej kontroli. Zapytaj, jak kalibrowane są wyniki pewności, jaki jest ich dopuszczalny próg i co się dzieje poniżej jego pułapu.

Reszta tego, co idzie nie tak, nie ma nic wspólnego ze sztuczną inteligencją. RODO i CCPA regulują to, gdzie mogą znajdować się dane z faktur i kto ma do nich dostęp, a Twój zespół ds. bezpieczeństwa będzie chciał uzyskać pisemną odpowiedź na pytanie, czy Twoje dokumenty są wykorzystywane do trenowania modeli dostawcy, ponieważ faktury zawierają dane bankowe i wyceny (nasze nie są do tego wykorzystywane). Starsze systemy ERP mogą nie mieć użytecznego API, co oznacza oprogramowanie pośredniczące (middleware) lub wdrażanie etapowe. Z kolei zespół AP, który podejrzewa, że tak naprawdę projekt ma na celu redukcję etatów, nie będzie zgłaszał błędów, które pomogłyby ulepszyć model. Zarządzanie zmianami to w tym przypadku nie jest miękki czynnik. To różnica między wskaźnikiem przetwarzania bezdotykowego na poziomie 40%, a wskaźnikiem na poziomie zaledwie 15%.

Trzy zadania warte przekazania

Wykrywanie oszustw i duplikatów to najprostsze "tak". Straty na tym polu są bolesne i łatwe do przeoczenia przez człowieka, a wyszukiwanie wzorców na każdej, kiedykolwiek odebranej fakturze jest zadaniem wręcz stworzonym dla maszyny: zdublowane dokumenty w innych formatach, zmienione dane bankowe, wizualnie podobne nazwy dostawców lub kwoty faktur utrzymujące się minimalnie poniżej limitu akceptacji. Oceń ryzyko, przypisz pracownika do weryfikowania wysokich wyników i nie pozwól, by cokolwiek blokowało się w pełni automatycznie.

Przewidywanie przepływów pieniężnych to niedoceniana funkcja. Prognozowanie terminów płatności, zachowań dostawców i sezonowych skoków liczby faktur pozwala działom skarbu podejmować realne decyzje dotyczące rabatów z tytułu wczesnej spłaty i zarządzania kapitałem obrotowym. W większości produktów jest to częściej analityka niż AI, ale i tak jest wysoce przydatna, gdy Twoje procedury płatności osiągną odpowiednią dojrzałość. Wolumeny wielowalutowe to trzecia z opcji. Ekstrakcja odczytuje walutę, pozycje podatkowe i sumy w każdym języku, w jakim nadchodzi faktura, bez konieczności stosowania oddzielnego szablonu dla każdego kraju, podczas gdy kwestie księgowania podatków pozostają w systemie ERP lub silniku podatkowym, czyli tam, gdzie ich miejsce.

Co zrobić przed czwartą prezentacją (demo)

Zacznij od nudnych faktur. Powtarzający się dostawcy, przewidywalne układy, wydatki niezwiązane z zamówieniami, które księgujesz w ten sam sposób każdego miesiąca. Udowodnij działanie ekstrakcji, zmierz uczciwie wskaźnik bezdotykowości, a następnie szukaj kłopotów na tym bardziej bałaganiarskim końcu.

Trzy rzeczy, które należy zrobić w pierwszej kolejności, a żadna z nich nie obejmuje dostawcy:

1. Oblicz własny koszt przetworzenia faktury i zapisz, co dokładnie policzyłeś. W przeciwnym razie każdy oglądany slajd dotyczący zwrotu z inwestycji (ROI) będzie dyskutował z liczbą, na którą nigdy się nie zgodziłeś, a Twoje uzasadnienie biznesowe odziedziczy ten spór.
2. Wybierz trzydzieści najbrzydszych faktur. Wielostronicowe pozycje, skan, zdjęcie z telefonu, nota uznaniowa, dostawca wystawiający faktury w języku portugalskim. Ten zestaw to Twój test. Dostawca, który odmówi jego przeprowadzenia, właśnie Ci coś udowodnił.
3. Dowiedz się, kto po Twojej stronie odpowiada za mapowanie pól w systemie ERP. To jedno nazwisko przewidzi Twój harmonogram lepiej niż jakakolwiek lista funkcji.

Zespoły, którym inwestycja się zwraca, to nie te, które kupiły najsprytniejszy model. To te, które w pierwszej kolejności naprawiły bazę dostawców.

Gdzie kończy się rola Parseur

Parseur to warstwa przechwytywania (capture layer), a nie pełen pakiet AP. Odczytuje faktury przychodzące pocztą elektroniczną, w formacie PDF, poprzez skany lub arkusze kalkulacyjne, wyodrębnia pola bez konieczności budowania szablonów i przekazuje czyste, ustrukturyzowane dane do systemu, który obsługuje Twoje zatwierdzenia i płatności. Nie zajmuje się trójstronnym dopasowywaniem, przepływem zatwierdzeń ani realizacją płatności i wcale tego nie udaje.

Ma to znaczenie przy zakupie. Jeśli Twój system księgowy obsługuje już cały proces (workflow), a Twoim wąskim gardłem są ludzie, którzy muszą ręcznie przepisywać dokumenty, warstwa przechwytywania danych rozwiązuje cały problem, a pełen pakiet jest drugim procesem AP, z którego i tak nikt nie skorzysta. Jeśli potrzebujesz również samego workflow, Parseur po prostu zasila odpowiednie do tego narzędzie.

W praktyce: QuickBooks, Xero, Arkusze Google, Excel, Dynamics 365 lub cokolwiek, do czego można dotrzeć przez Zapier, Make, n8n lub zwykły webhook. Jeśli korzystasz z NetSuite, SAP, Sage lub czegokolwiek, czego nie ma na tej listcie, ścieżką wdrożenia jest webhook lub platforma automatyzacji, gdzie ktoś po Twojej stronie jest odpowiedzialny za mapowanie odpowiednich pól – dokładnie tak, jak ostrzegał o tym krok trzeci powyżej. Rozwijani z własnych środków od 2016 r. (bootstrapped), z ponad 100 milionami przetworzonych dokumentów i bez konieczności rozmowy sprzedażowej, która dzieliłaby Cię od posiadania w pełni działającej skrzynki odbiorczej.

Więc weź trzydzieści najgorszych faktur z kroku drugiego i przetestuj je samodzielnie. Obserwowanie, jak Parseur odczytuje jedną z Twoich faktur, zajmuje około pięciu minut i nikt nie musi do Ciebie w tym celu oddzwaniać. Z handlowym spojrzeniem na tę samą kwestię zapoznasz się na naszej stronie o automatyzacji działu zobowiązań.

Ostatnia aktualizacja 18 sierpnia 2026