Zdjęcie Faktury Telefonem → Excel: Jak Działa OCR AI?

Tablixa Blog · 2026-05-02

Zdjęcie Faktury Telefonem → Excel: Jak Działa OCR AI?

Wyobraź sobie scenariusz: otrzymujesz fakturę papierową, robisz zdjęcie telefonem, wgrywasz je na platformę — i po kilku sekundach masz gotowy arkusz Excel z wszystkimi danymi: kontrahentem, numerem faktury, pozycjami, kwotami, datami. Bez przepisywania, bez skanera, bez godzin spędzonych przy klawiaturze.

Brzmi jak magia, ale to w 100% realna technologia. Wyjaśniamy, jak dokładnie działa OCR oparte na AI — i dlaczego jest tak radykalnie lepsze od starszych rozwiązań.

Czym Jest OCR i Czemu "Stary" OCR Zawodził?

OCR (Optical Character Recognition — optyczne rozpoznawanie znaków) to technologia zamieniająca obrazy tekstu na tekst maszynowy. Klasyczne OCR z lat 90. i 2000. działało na zasadzie dopasowywania wzorców: algorytm uczył się, jak wyglądają litery A-Z i 0-9, a potem szukał ich w obrazie piksel po pikselu.

Problem? Ta metoda świetnie działała dla tekstu wydrukowanego w standardowym foncie na białym tle, ale kompletnie się sypała przy:

  • zdjęciach z telefonu (perspektywa, blur, oświetlenie)
  • różnych fontach i rozmiarach
  • kolorowymi tłach, pieczęciach, watermarkach
  • tabelach i złożonych układach strony

W efekcie "stary" OCR dawał pełno błędów, a użytkownik i tak musiał ręcznie korygować wyniki.

AI OCR: Zupełnie Inna Klasa

Nowoczesne systemy, takie jak używany przez Tablixa Google Gemini, to nie tylko rozpoznawanie liter — to rozumienie dokumentu. AI analizuje kontekst całej strony: wie, że "ciąg cyfr po słowie NIP" to numer identyfikacyjny podatnika, a "tabela z kolumnami Ilość / Cena / Wartość" to pozycje fakturowe.

Jak AI przetwarza zdjecie faktury? WEJSCIE Zdjecie lub PDF faktury WARSTWA 1 Vision OCR surowy tekst WARSTWA 2 AI — LLM rozumienie struktury WARSTWA 3 Dane strukturalne JSON / XML WYJSCIE Excel / KSeF XML / ERP Pola wyodrebniane automatycznie NIP sprzedawcy i nabywcy Numer faktury Nazwa firmy / adres Data wystawienia Pozycje (nazwa, ilosc, cena) Stawki VAT Kwota netto / VAT / brutto Termin platnosci Nr rachunku bankowego Waluta Dokladnosc rozpoznawania: powyzej 95% dla wyraznych skanow Tablixa uzywa Google Gemini Vision do analizy dokumentow

Trzy Warstwy Przetwarzania

Warstwa 1: Percepcja wizualna (Vision OCR)

Pierwsza warstwa to widzenie dokumentu. Model Vision analizuje obraz nie litera po literze, lecz jako całość — podobnie jak człowiek czyta stronę. Identyfikuje obszary tekstu, tabelę, nagłówki, logotypy, pieczęcie.

Na tym etapie obraz jest zamieniany w surowy tekst — ale bez interpretacji struktury.

Warstwa 2: Rozumienie kontekstu (LLM — Large Language Model)

Tu dzieje się magia. Duży model językowy (w przypadku Tablixa — Google Gemini) rozumie, że dokument jest fakturą. Wie, że "sprzedawca" i "nabywca" to określone role, że tabelka z kolumnami opisuje pozycje fakturowe, że "do zapłaty" to kwota brutto do uregulowania.

Model analizuje kontekst każdego fragmentu tekstu i przypisuje go do odpowiedniego pola strukturalnego — nawet jeśli faktura ma niestandardowy układ, różni się od poprzedniej z tej samej firmy, albo jest zdjęciem z telefonu z lekko przekrzywionym kątem.

Warstwa 3: Strukturyzacja danych

Rozpoznane dane są mapowane do ustandaryzowanej struktury (JSON wewnętrznie, a następnie na wyjściu do wybranego formatu). Na tym etapie system stosuje też reguły walidacji: sprawdza, czy suma pozycji odpowiada kwocie brutto, czy NIP ma prawidłową długość, czy daty są logicznie spójne.

Dokładność i Ograniczenia

Dobry AI OCR osiąga dokładność powyżej 95% dla wyraźnych faktur — drukowanych, zdjętych w dobrym świetle, z czytelnym tekstem. Dla gorszej jakości skanów, zlewiających się tabel lub odręcznych adnotacji dokładność spada.

Gdzie AI radzi sobie dobrze:

  • Faktury drukowane w standardowych formatach
  • PDF generowane cyfrowo (nie skanowane)
  • Zdjęcia zrobione w normalnym oświetleniu, bez silnego cienia
  • Faktury w języku polskim i angielskim (i kilkudziesięciu innych)

Gdzie warto zachować ostrożność:

  • Bardzo stare, zniszczone dokumenty
  • Faktury z odręcznie dopisanymi kwotami
  • Zdjęcia przy słabym oświetleniu lub z silną perspektywą
  • Dokumenty z bardzo skomplikowanym układem tabelarycznym

Dlatego Tablixa zawsze pokazuje rozpoznane dane przed eksportem — możesz jednym rzutem oka sprawdzić, czy wszystko się zgadza, zanim klikniesz "eksportuj do Excel".

Praktyczne Zastosowania

Dla freelancera

Dostajesz fakturę od podwykonawcy jako zdjęcie z telefonu. Wgrywasz do Tablixa, w 10 sekund masz dane w Excelu — gotowe do wklejenia do rejestru zakupów.

Dla biura rachunkowego

Klienci przesyłają stosy PDF przez WhatsApp lub e-mail. Zamiast przepisywać, wgrywasz pliki hurtowo — Tablixa przetwarza je w kolejce i zwraca zestawienie. To, co zajmowało godziny, teraz zajmuje minuty.

Dla działu finansowego

Faktury kosztowe z delegacji, paragony za hotel, faktury od dostawców w różnych formatach — wszystko można wgrać i wyeksportować do jednolitego Excela, gotowego do importu do systemu finansowo-księgowego.

Od Zdjęcia do KSeF

Interesujące jest to, że ten sam proces można rozszerzyć: po wyodrębnieniu danych z faktury PDF można je automatycznie przekształcić w fakturę ustrukturyzowaną FA3 XML i wysłać do Krajowego Systemu e-Faktur.

To dokładnie to, co robi Tablixa: PDF → dane → format KSeF. Cały łańcuch automatyzacji w jednym narzędziu.

---

Wypróbuj AI OCR w Tablixa

Najlepszy sposób na przekonanie się do technologii to przetestowanie jej na własnym dokumencie:

Wgraj fakturę i sprawdź, co AI potrafi wyodrębnić w ciągu kilku sekund.