Kontrola kvality s umělou inteligencí: kde selhává nastavení prahů

Umělá inteligence v účetnictví nástroj, který převezme firmu za vás. U malých firem jde hlavně o tři činnosti: třídění dokladů, párování bankovních transakcí a přípravu podkladů pro daňové přiznání. Než začnete porovnávat jednotlivé nástroje, zapište si, kolik dokladů měsíčně zpracujete, kolik z nich přichází na papíře a kdo dnes dělá kontrolu. Bez těchto čísel nemá srovnání smysl a snadno se rozhodnete podle dojmu z ukázky, ne podle skutečné potřeby.

Nejčastější chyby vznikají ve třech místech. První je přílišná důvěra v automatické rozpoznání dokumentu; naskenované potvrzení bývá šikmé nebo nečitelné a údaje je nutné ověřovat. Druhou chybou je výpočet náhrady natvrdo zapsaný v pravidlech, který se při změně podmínek neaktualizuje. Třetí a nejdražší chybou je absence auditní stopy – pokud nelze dohledat, kdy a na základě čeho systém záznam vytvořil, obtížně se obhajuje před kontrolou i před zaměstnancem.

Před spuštěním si připravte testovací scénáře: standardní neschopenku, neschopenku bez správných údajů, opožděné dodání, návrat do práce uprostřed období a situaci, kdy zaměstnanec nastoupí do nového zaměstnání. Zkuste je na datech z minulých měsíců a porovnejte výsledek s ručním zpracováním. Pokud se částky nebo data rozcházejí, automatizaci ještě nepouštějte do ostrého provozu. Zaveďte také pravidelnou kontrolu, například jednou měsíčně, zda se počet ručních zásahů snižuje. Když neroste, je něco špatně v nastavení, ne v lidech.

Automatické zpracování faktur pomocí umělé inteligence dnes nabízí řada nástrojů a rozdíly mezi nimi nejsou v marketingu, ale v tom, jak zvládají reálné dokumenty. Než začnete cokoli nasazovat, sesbírejte vzorek alespoň padesáti faktur z posledních měsíců. Musí obsahovat různé dodavatele, skeny i nativní PDF, cizojazyčné doklady a několik špatně otočených nebo rozmazaných souborů. Právě na tomto vzorku si ověříte, co který nástroj skutečně vytáhne.

Typická chyba je spoléhat na to, že výstup OCR je hotový dokument. Není. Vždy je potřeba text projít a porovnat ho s předlohou, zvlášť čísla, data, jména a částky. Často se zaměňují podobná písmena a číslice, například jedna a sedmička nebo malé písmeno „l" a jednička. Kontrola zabere pár minut, ale ušetří hodiny dohledávání, co vlastně stálo v poznámkách.

Praktický postup je nasadit nástroj nejprve na jednoho dodavatele s velkým objemem faktur a po dobu dvou uzávěrek sledovat, kolik dokumentů prošlo bez zásahu a kolik jich vyžadovalo opravu. Teprve potom rozšiřujte na další dodavatele. Zapisujte si typy chyb – záměna data splatnosti, špatná sazba DPH, přehozené částky. Podle těchto záznamů poznáte, zda je problém v nástroji, nebo ve vstupních datech, a máte podklad pro jednání s dodavatelem řešení.

Prahová hodnota rozhoduje o tom, kolik zmetků propustíte Model obvykle nevrací ano/ne, ale skóre. Nastavení prahu je kompromis: nízký práh zachytí více vad, ale zastaví i dobré kusy, vysoký práh propustí vady dál. Typická chyba je nastavit práh jednou a už ho nikdy nezkontrolovat. Výrobní proces se mění, opotřebovává se nástroj, přichází jiná šarže materiálu a rozdělení skóre se posouvá. Prahové hodnoty je nutné pravidelně přezkoumávat proti aktuálním vzorkům a porovnávat je s výsledky lidské kontroly.

Nezapomeňte ani na ochranu osobních údajů. Pokud bot sbírá jména, kontakty nebo údaje o objednávkách, musí být jasné, proč je sbírá a kam se ukládají. Omezte vstupní pole na to, co skutečně potřebujete, a nastavte retenci. U citlivých témat, jako jsou stížnosti nebo zdravotní údaje, raději rovnou přesměrujte na člověka. Zpracujte krátký interní návod, co dělat při chybné odpovědi: kdo ji posoudí, jak zařídit malou kuchyni se uživateli omluvíte a jak zařídit malou kuchyni zajistíte nápravu. Právě rychlá a konkrétní reakce bývá v praxi důležitější než dokonalá smlouva.

Ručně psané poznámky se naskenují snadno, ale přečíst je automaticky už tak snadné není. Rozpoznávání rukopisu (OCR) funguje nejlépe tehdy, když je předloha čistá, rovná a kontrastní. Ještě před samotným skenováním proto zkontrolujte, zda jsou stránky rovné, zda se nepřekrývají a zda na nich není stín nebo odlesk. Poznámky na linkovaném papíře se čtou lépe než na čistém, protože linky pomáhají softwaru určit řádky textu. Pokud máte možnost, skenujte v rozlišení kolem 300 DPI a v odstínech šedi; barevný režim zbytečně přidává šum.

Při skenování dbejte na to, aby se celá stránka vešla do rámu a nebyla oříznutá. Ručně psané poznámky často končí u okraje a oříznutý konec řádku se už nerozpozná. Blokujte stránky rovně, ne na koleni, a foťte nebo skenujte zepředu, ne z úhlu. Šikmý snímek sice software často vyrovná, ale každá geometrická korekce snižuje ostrost a tím i přesnost čtení.