Jak AI detekuje chybné položky faktur ještě před zaúčtováním

Problém: Chyby ve fakturách stojí peníze

Typické chyby na fakturách:

• 💸 Špatná cena (neshoduje se s ceníkem/smlouvou)
• 📦 Špatné množství (dodáno méně než fakturováno)
• 🔢 Chyby ve výpočtu (DPH, součty, slevy)
• 🔁 Duplicitní fakturace
• 📅 Nesprávné datum plnění
• 📋 Chybějící náležitosti

Důsledky:

• Zbytečně zaplacené peníze
• Časově náročné reklamace
• Špatné vztahy s dodavateli
• Compliance problémy (DPH)
• Chyby v účetnictví

Statistika:

• 8-12% faktur obsahuje nějakou chybu
• Průměrná "nadúčtovaná" částka: 350 Kč/faktura
• 30% chyb není nikdy zachyceno
• Reklamace trvá průměrně 12 dní

---

Jak AI kontroluje faktury

1. Porovnání s objednávkou

OBJEDNÁVKA #PO-2024-567:
┌────────────────────────────┐
│ Položka       Ks   Cena/ks │
│ Notebook HP   10   15 000  │
│ Myš Logitech  20      280  │
│ CELKEM:              155 600│
└────────────────────────────┘

FAKTURA #2024-156:
┌────────────────────────────┐
│ Položka       Ks   Cena/ks │
│ Notebook HP   10   15 500  │ ⚠️ ROZDÍL +500 Kč
│ Myš Logitech  20      280  │ ✓ OK
│ CELKEM:              160 600│
└────────────────────────────┘

AI ALERT:
━━━━━━━━━━━━━━━━━━━━━━━━━
⚠️  CHYBA DETEKOVÁNA
━━━━━━━━━━━━━━━━━━━━━━━━━
Položka: Notebook HP
Objednáno: 15 000 Kč/ks
Fakturováno: 15 500 Kč/ks
Rozdíl: +500 Kč (+3,3%)

Celková odchylka: +5 000 Kč

[ Zamítnout ] [ Reklamovat ] [ Schválit přesto ]

2. Validace ceníkových cen

CENÍK DODAVATELE (platný od 1.1.2025):
┌─────────────────────────────┐
│ Produkt        Cena  Sleva  │
│ Notebook HP   16000  5% VIP │
│ = 15 200 Kč                 │
└─────────────────────────────┘

FAKTURA:
┌─────────────────────────────┐
│ Notebook HP    15 500 Kč    │
└─────────────────────────────┘

AI KONTROLA:
✓ Cena 15 500 je mezi:
  - Základní cena: 16 000 Kč
  - VIP cena: 15 200 Kč
  → Pravděpodobně standardní sleva
  → AUTO-SCHVÁLENO

3. Matematické kontroly

FAKTURA:
┌──────────────────────────────────┐
│ Položky celkem:      45 000 Kč   │
│ Doprava:              1 200 Kč   │
│ ─────────────────────────────    │
│ Základ daně:         46 200 Kč   │
│ DPH 21%:              9 072 Kč   │ ⚠️ CHYBA
│ ─────────────────────────────    │
│ CELKEM:              55 272 Kč   │
└──────────────────────────────────┘

AI KONTROLA:
❌ DPH 21% z 46 200 = 9 702 Kč
   Fakturováno: 9 072 Kč
   ROZDÍL: -630 Kč

→ Chyba ve výpočtu DPH
→ Možné vysvětlení: Používají 19% sazbu?
   19% z 46 200 = 8 778 Kč (ne)
→ Nevysvětlitelná chyba

[ Automatická notifikace dodavateli ]

4. Detekce duplicit

NOVÁ FAKTURA #2024-789:
- Dodavatel: ABC s.r.o.
- Částka: 125 450 Kč
- Datum: 20.1.2025
- VS: 2024789
- Položky: 15× různé

AI HLEDÁ PODOBNOSTI:
┌─────────────────────────────────────┐
│ MATCH FOUND! 98% podobnost          │
├─────────────────────────────────────┤
│ Faktura #2024-723 (ze 18.1.2025)   │
│ - Stejný dodavatel ✓               │
│ - Částka: 125 450 Kč ✓             │
│ - Položky: 14/15 stejných (93%) ⚠️  │
│                                     │
│ VERDIKT: Pravděpodobná DUPLICITA    │
│          Pouze 1 položka navíc      │
└─────────────────────────────────────┘

DOPORUČENÍ:
→ Zkontrolovat manuálně
→ Možná opravená faktura s 1 položkou navíc?
→ Nebo chyba dodavatele?

5. Historická analýza

NOVÁ FAKTURA od XYZ:
Položka: Kancelářský papír A4
Množství: 100 balíků
Cena: 85 Kč/balík

AI ANALÝZA HISTORIE (12 měsíců):
┌─────────────────────────────────┐
│ Stejná položka fakturováno 24×  │
│ Průměrná cena: 62 Kč ±5 Kč      │
│ Min: 55 Kč, Max: 68 Kč          │
│                                 │
│ AKTUÁLNÍ: 85 Kč                 │
│ Odchylka: +37% ⚠️  ⚠️  ⚠️       │
└─────────────────────────────────┘

MOŽNÉ PŘÍČINY:
1. Chyba v ceně (nejpravděpodobnější)
2. Zvýšení cen (ale o 37%? nepravděpodobné)
3. Jiná kvalita/specifikace produktu

[ FLAG FOR REVIEW ]
[ Automatický email nákupčímu ]

---

Typy kontrol: Kompletní checklist

✅ Formální kontroly (100% automatizované)

1. Povinné náležitosti

   • IČO/DIČ dodavatele
   • Datem vystavení
   • Datum splatnosti
   • Variabilní symbol
   • Bankovní spojení

2. Matematická správnost

   • Součet položek = základ daně
   • DPH výpočet (všechny sazby)
   • Celková částka = základ + DPH
   • Slevy aplikovány správně

3. Duplicity

   • Stejné číslo faktury
   • Podobný obsah + částka + datum
   • Stejné VS již zaplaceno

⚙️ Business pravidla (90-95% automatizované)

1. Shodas objednávkou

   • Položky a množství
   • Jednotkové ceny
   • Dodací podmínky
   • Termín dodání

2. Cenová kontrola

   • Soulad s ceníkem/smlouvou
   • Slevy dle dohody
   • Ceny vs. historické průměry
   • Outlier detection

3. Limity a schvalování

   • Překročení rozpočtu
   • Neschválená objednávka
   • Chybějící schválení nad limit
   • Nesprávné středisko/zakázka

🧠 Advanced checks (70-80% automatizované)

1. Kontext a logika

   • Množství vs. obvyklá spotřeba
   • Frekvence faktur (měsíční vs. týdenní)
   • Sezónní anomálie
   • Neobvyklé kombinace položek

2. Vendor risk

   • Nový/neznámý dodavatel
   • Dodavatel s historií chyb
   • Podezřelé bankovní účty
   • Blacklist check

---

Případová studie: 1 000 000 Kč ušetřeno ročně

Firma: Stavební společnost, 120 zaměstnanců

Před AI kontrolou

Proces:

1. Faktura dorazí emailem
2. Asistentka stáhne a předá účetní
3. Účetní zkontroluje základní náležitosti (3 min)
4. Zaúčtuje
5. Schválí vedoucí (pokud nad 50k)

Problémy:

• Kontrola jen "na první pohled"
• Není čas porovnávat s objednávkou
• Ceny nekontrolovány
• Duplikáty zachyceny náhodou

Měřené chyby (6 měsíců):

Typ chyby	Počet	Nadúčtováno
Špatná cena	18	87 000 Kč
Špatné množství	12	42 000 Kč
Chyby ve výpočtu	8	14 500 Kč
Duplicity	3	156 000 Kč
CELKEM	41	299 500 Kč

Extrapolace na rok: ~600k Kč přeplatků

Po nasazení AI (6 měsíců)

Nový proces:

1. Faktura dorazí emailem
2. AI automaticky:
   • Extrahuje data (OCR)
   • Zkontroluje všechny pravidla (2 sec)
   • Porovná s objednávkou
   • Validuje ceny
   • Hledá duplicity
3. ✅ OK faktury → Auto-schválení
4. ⚠️ Problémové → Notifikace + manuální review

Detekované chyby:

Typ chyby	Detekováno AI	Zachráněno
Špatná cena	22	118 000 Kč
Špatné množství	15	63 000 Kč
Chyby ve výpočtu	28	47 500 Kč
Duplicity	6	298 000 Kč
Nové typy	11	45 000 Kč
CELKEM	82	571 500 Kč

Roční úspora: ~1 140 000 Kč

Bonus efekty:

• Rychlejší schvalovací proces (2 dny → 4 hodiny)
• Lepší vztahy s dodavateli (rychlé reklamace)
• Účetní má čas na value-add práci
• Zero duplicitních plateb

ROI

Investice:

• AI systém + integrace: 580k Kč
• Měsíční provoz: 12k Kč

ROI: 6 měsíců (580k / 95k úspora měsíčně)

---

Technická implementace

Architektura systému

┌─────────────┐
│   EMAIL     │
│  FAKTURY    │
└──────┬──────┘
       │
       ↓
┌──────────────────┐
│  OCR + AI        │
│  Extrakt data    │
└──────┬───────────┘
       │
       ↓
┌──────────────────────────────┐
│  KONTROLNÍ ENGINE            │
│  ├─ Formální kontroly        │
│  ├─ Business rules           │
│  ├─ ML anomaly detection     │
│  └─ Scoring (risk/confidence)│
└──────┬───────────────────────┘
       │
       ├──→ ✅ OK (>95% confidence)
       │        ↓
       │    Auto-schválení
       │
       └──→ ⚠️ Issues detected
                ↓
            Notifikace + Review
                ↓
            [ Schválit / Reklamovat / Zamítnout ]

Kontrolní pravidla

Rule engine (příklad):

def check_invoice(invoice, purchase_order, price_list, history):
    issues = []
    confidence = 100

    # 1. Formální kontroly
    if not invoice.has_ico():
        issues.append({
            "type": "MISSING_ICO",
            "severity": "HIGH",
            "message": "Chybí IČO dodavatele"
        })
        confidence -= 30

    # 2. Matematika
    calc_vat = invoice.base * invoice.vat_rate / 100
    if abs(calc_vat - invoice.vat_amount) > 1:  # tolerance 1 Kč
        issues.append({
            "type": "VAT_CALCULATION_ERROR",
            "severity": "HIGH",
            "amount_diff": calc_vat - invoice.vat_amount,
            "message": f"Chyba ve výpočtu DPH: {calc_vat - invoice.vat_amount} Kč"
        })
        confidence -= 40

    # 3. Porovnání s objednávkou
    if purchase_order:
        for item in invoice.items:
            po_item = purchase_order.find_item(item.code)
            if po_item:
                if item.price > po_item.price * 1.05:  # tolerance +5%
                    issues.append({
                        "type": "PRICE_EXCEEDS_PO",
                        "severity": "MEDIUM",
                        "item": item.name,
                        "expected": po_item.price,
                        "actual": item.price,
                        "diff_pct": (item.price / po_item.price - 1) * 100
                    })
                    confidence -= 20

    # 4. Historická analýza (ML model)
    historical_prices = history.get_prices(item.code, months=12)
    if historical_prices:
        mean = np.mean(historical_prices)
        std = np.std(historical_prices)

        # Outlier detection (>2 sigma)
        if abs(item.price - mean) > 2 * std:
            issues.append({
                "type": "PRICE_ANOMALY",
                "severity": "LOW",
                "message": f"Cena {item.price} je neobvyklá (průměr: {mean})"
            })
            confidence -= 10

    # 5. Duplicita check
    similar = history.find_similar(invoice, threshold=0.9)
    if similar:
        issues.append({
            "type": "POSSIBLE_DUPLICATE",
            "severity": "HIGH",
            "similar_invoice": similar.number,
            "similarity": similar.score
        })
        confidence = 20  # Velmi nízká důvěra

    return {
        "issues": issues,
        "confidence": max(0, confidence),
        "recommendation": get_recommendation(confidence, issues)
    }

def get_recommendation(confidence, issues):
    high_severity = [i for i in issues if i['severity'] == 'HIGH']

    if confidence >= 95 and not high_severity:
        return "AUTO_APPROVE"
    elif confidence >= 80 or (len(high_severity) <= 1):
        return "REVIEW_QUICK"  # 2 min kontrola
    else:
        return "REVIEW_DETAILED"  # Důkladná kontrola

---

Implementace: Krok za krokem

Týden 1-2: Setup a integrace

1. Napojení na emailový účet (faktury)
2. Export historických faktur (12 měsíců)
3. Export objednávek a ceníků
4. Setup OCR engine

Týden 3-4: Konfigurace pravidel

1. Workshop s účetní a nákupem
2. Definice business rules
3. Nastavení limitů a tolerancí
4. Konfigurace notifikací

Týden 5-6: Training ML modelů

1. Trénink na historických datech
2. Validace přesnosti
3. Tuning pravidel
4. A/B testování

Týden 7-8: Pilotní provoz

1. Soft launch (20% faktur)
2. Paralelní manuální kontrola
3. Měření přesnosti
4. Feedback od uživatelů

Týden 9+: Produkce

1. Full rollout
2. Monitoring
3. Continuous improvement
4. Měsíční reporting

---

Metrik​y: Jak měřit úspěch

KPIs

1. Detection rate

Chyby zachycené AI / Celkem chyb
Cíl: >95%

2. False positive rate

Nesprávné flaginutí / Celkem flagů
Cíl: <10%

3. Time savings

Čas před AI - Čas po AI
Cíl: >70% úspora

4. Cost savings

Suma zachycených chyb (Kč)
Cíl: ROI <12 měsíců

5. User satisfaction

NPS skóre od účetních
Cíl: >70

---

Závěr: Proč to dává smysl

AI kontrola faktur je no-brainer, když:

• ✅ >300 faktur měsíčně
• ✅ Různorodí dodavatelé
• ✅ Historie chyb (každá firma má)
• ✅ Hodnota faktur >5 mil/měsíc

Benefity:

• 💰 Přímé úspory (zachycené chyby)
• ⏱️ Časové úspory (automatizace)
• 😌 Klid (žádné "jak to mohlo projet?")
• 📊 Lepší data (všechno zkontrolováno)

First step: Audit vašich faktur za poslední 3 měsíce. Kolik chyb najdete?

Chcete vyzkoušet? Pošlete nám 50 sample faktur + odpovídající objednávky, ukážeme vám kolik chyb by AI zachytila.