AI vs. ruční vzorce v Excelu: co se vyplatí v účetnictví

Prvním krokem je připravit data tak, aby se dala strojově číst. Sloupec s datem nesmí obsahovat textové řetězce, částky musí mít jednotný desetinný oddělovač a žádná buňka nesmí být sloučená. AI nástroje pracující s tabulkami totiž sloučené buňky často interpretují jako prázdné hodnoty a výsledek pak tiše zkreslí. Před nahráním souboru proto odstraňte sloučené buňky, doplňte prázdná pole a převeďte všechny textové částky na čísla.

Nejčastější chyby jsou tři. První je, že se do systému nezadají zůstatky dovolené, takže lidé žádají o dny, které už vyčerpali. Druhá je příliš mnoho schvalovatelů, což vede k tomu, že se nikdo necítí odpovědný. Třetí je, že se pravidla po zavedení nikdo neaktualizuje, takže po změně počtu zaměstnanců přestanou platit. Jednou za čas zkontrolujte nastavení a projděte si, kolik žádostí se schvaluje ručně.

Než automatizaci nasadíte naostro, spusťte ji paralelně s ručním postupem alespoň dvě období. Porovnejte výsledky řádek po řádku a zapište si, kde se rozcházejí. Tím získáte jistotu, že nástroj rozumí vašim datům, a zároveň podklad pro případnou úpravu zadání. Automatizace nemá nahradit úsudek účetního, má mu uvolnit čas na práci, kterou stroj nezvládne – posouzení souvislostí a odpovědnost za správnost výkazů.

Než začnete nástroj používat, napište si na papír tři věci: komu prezentujete, co si má publikum odnést a jak dlouho budete mluvit. Teprve pak zadejte zadání. Čím konkrétnější vstup, tím použitelnější výstup. Místo „prezentace o marketingu" zadejte „pět konkrétních kroků, jak zařídit malou kuchyni zavést obsahový plán v malé firmě, pro tým pěti lidí, na dvacet minut". Nástroj tak dostane jasný rámec a nebude muset hádat.

Posledním krokem je pravidelná revize. Stačí jednou za týden projít nové doklady a označit podezřelé položky. Zavedení jednoduchého pravidla — že každá faktura musí kombinaci čísla, částky a data — odstraní většinu duplicit ještě před zaúčtováním. U chybných plateb se vyplatí vést samostatný seznam, ze kterého se dohledává, co se stalo a jak se to vyřešilo. Tím se stejným chybám předejde i v budoucnu.

Ruční zpracování dat v Excelu má jasná pravidla. Každý vzorec je vidět, každou buňku lze dohledat a výsledek se dá ověřit. Umělá inteligence naproti tomu vrací odpovědi, které vypadají správně, ale jejich logika zůstává skrytá. Pro účetní a analytiky v ČR to znamená jediné: AI má smysl nasadit tam, kde končí možnosti běžných funkcí, ne jako náhradu za kontrolovatelný výpočet.

Mezi typické chyby patří volné přístupy ke složkám na síti, sdílení hesel mezi kolegy nebo ukládání naskenovaných dokumentů do e-mailu bez šifrování. Dalším problémem je tisk: zapomenutý dokument na tiskárně se během chvíle dostane do rukou někomu, kdo by ho vidět neměl. Zaveďte pravidlo, že citlivé dokumenty se tisknou pouze na tiskárnách s ověřením uživatele a okamžitě se z nich odebírají. U elektronických souborů nastavte přístupová práva podle toho, kdo údaje skutečně potřebuje ke své práci, a nikoli plošně pro celé oddělení.

Typická chyba je vložit do promptu celý list včetně hlaviček a poznámek pod tabulkou. Model pak pracuje s balastem a výsledek obsahuje smyšlené řádky. Řešení je jednoduché: připravte čistou oblast jen se sloupci, které mají význam, a teprve tu pošlete ke zpracování. Druhá častá chyba je slepá důvěra ve výstup. Pokud AI dopočítá DPH nebo rozpočítá náklady, vždy proveďte nezávislou kontrolu na vzorku – například u deseti náhodně vybraných položek přepočítejte výsledek ručně.

Kdy je lepší zůstat u vzorců Klasické funkce jako SUMIFS, INDEX nebo POWER QUERY zvládnou opakující se úlohy spolehlivěji než jazykový model. Pokud potřebujete každý měsíc seskupit faktury podle středisek, nemá smysl popisovat zadání přirozeným jazykem. Vzorec se nemění, zatímco výstup AI se může lišit při každém spuštění. Uzávěrkové práce, které podléhají auditu, proto držte na vzorcích a AI používejte jen na přípravnou fázi – čištění, kategorizaci a hledání nesrovnalostí.

Praktické využití začíná u nepořádku v datech. Když máte v jednom sloupci názvy dodavatelů psané deseti způsoby, ruční sjednocení zabere hodiny. Nástroj s jazykovým modelem zvládne navrhnout mapování variant na jednoho dodavatele během několika minut. Stejně tak umí odhalit duplicity v číselníku odběratelů nebo upozornit nábytek na míru částky, které se vymykají obvyklému rozsahu. Vždy ale platí, že návrh musí projít vaší kontrolou, než jej pustíte do ostrých dat.

Automatizace se vyplatí zavádět postupně. Nejprve zautomatizujte jeden krok, ověřte výstup proti ručnímu výsledku a teprve pak přidejte další. Zcela bez kontroly se neobejdete – jednou za čas zkontrolujte, zda zdroj dat nezměnil strukturu a zda report stále odpovídá tomu, co má zobrazovat.