Jak jsme připravili AI roadmapu a OCR prototyp pro účetní kancelář s 320+ klienty.

Projekt rozdělujeme na dvě paralelní stopy: strategickou AI roadmapu a inženýrskou dodávku prototypu pro OCR a automatickou klasifikaci faktur. V rámci roadmapy jsme zmapovali 14 procesů kanceláře (od příjmu dokladů přes klasifikaci, schvalování, párování plateb až po měsíční uzávěrky) a každý ohodnotili z hlediska ROI, technické proveditelnosti a citlivosti dat. Backend prototypu jsme postavili v Pythonu s FastAPI, OCR vrstvu jsme řešili kombinací Azure Document Intelligence pro strukturované faktury a vlastního pipeline pro nestandardní formáty od dodavatelů, kteří faktury stále posílají skenované. Klasifikační logika běží nad pgvector indexem postaveným nad českou účetní legislativou a interními pravidly kanceláře, takže model dokáže navrhnout účetní předkontaci s odkazem na konkrétní paragraf nebo interní směrnici. Prototyp obsahuje 17 REST endpointů a integrace na Pohodu (přes XML import) a ABRU (přes G2 API) pro 8 největších klientů kanceláře, kteří generují přes polovinu objemu dokladů. Vrstvu identit a SSO jsme napojili na klientský Microsoft 365, audit trail je veden v PostgreSQL s retencí 36 měsíců a logování všech LLM volání včetně promptu pro účely auditu poskytovatele dotace. Bezpečnost odpovídá ISO 27001 procesům na naší straně - data klientů zůstávají v EU regionu, citlivá pole jsou maskovaná před odesláním do LLM, a celý prototyp běží v privátním tenantu kanceláře. Dokumentace pro NPO obsahuje monitoring report, sady testovacích dat, popis modelové architektury a pevně dané akceptační kritérium 65 % automatické klasifikace na ostrém vzorku 1 200 faktur. Na naší straně projekt vedl tech lead s 1 AI inženýrem a 1 backend vývojářem na poloviční úvazek, na straně klienta sponzorka projektu byla provozní ředitelka, která vyhradila dva senior účetní pro validaci výstupů.

Kick-off proběhl v polovině ledna 2024 dvoudenním workshopem v Brně, kde jsme s vedením kanceláře vyhodnotili kandidátní procesy a do konce ledna sepsali roadmapu a podrobné technické zadání pro AI vouchery. V únoru a březnu jsme stavěli první iteraci OCR pipeline, narazili jsme však na vyšší než očekávanou variabilitu v kvalitě skenů od menších dodavatelů, kde míra úspěšnosti rozpoznání první verzí klesala pod 60 %. V průběhu března jsme proto rozšířili scope o předzpracování obrazu (deskew, denoise, segmentace) a duplicitní pipeline pro snímky z mobilního telefonu, což si vyžádalo dva týdny navíc oproti původnímu plánu. Duben byl věnován klasifikační vrstvě s pgvector a ladění promptů na české účetní pojmy, kde se jako problém ukázalo, že standardní embedding modely podhodnocují české terminy z legislativy, takže jsme přidali doménový slovník s 410 ručně označenými páry pojmů. Pilotní provoz nad 1 200 fakturami od osmi vybraných klientů odstartoval v polovině května 2024 a po dvou týdnech ladění dosáhl 71 % automatické klasifikace, čímž překonal smluvní akceptační hranici 65 %. Předání proběhlo v červnu 2024 - dodali jsme finální roadmapu na 18 měsíců, technickou dokumentaci pro NPO, závěrečnou zprávu pro poskytovatele dotace a tří denní zaškolení dvou interních účetních superuživatelů. Kancelář pokračuje s námi v rámci časově neomezené AI Expert on Demand spolupráce na 0,3 FTE, kde dále rozšiřujeme klasifikaci na další klienty a chystáme druhou vlnu z OP TAK pro nasazení do plné produkce.