# AI-alapú számla- és dokumentumfeldolgozás: mennyit hoz? URL: https://casterconsulting.hu/ai-dokumentum-szamlafeldolgozas/ Published: 2026-10-15 Updated: 2026-10-15 Author: Caster Consulting > A mai AI-modellek a számlák adatainak 90–96%-át helyesen olvassák ki, de a maradék hibát egy embernek kell elkapnia. Az AI ott hoz a legtöbbet, ahol sok a PDF, a papír és a külföldi dokumentum, a hazai számlák pedig hamarosan eleve adatként érkeznek. **Rövid válasz: a mai legjobb AI-modellek a számlák adatainak nagyjából 90–96%-át helyesen olvassák ki, a dokumentum minőségétől függően, de a maradék hibát egy embernek kell elkapnia.** Az AI-alapú dokumentumfeldolgozás ezért nem a könyvelő vagy az ügyintéző kiváltása, hanem a gépelés megszüntetése: az ember az eltéréseket nézi, nem minden sort. A legtöbbet ott hozza, ahol sok a PDF, a papír és a külföldi dokumentum. A hazai B2B számlák viszont az e-számla bevezetésével hamarosan eleve adatként érkeznek, és ott az AI-ra már nem lesz szükség. ## Mi az AI-alapú dokumentumfeldolgozás? Régebben a beérkező dokumentumokból szövegfelismeréssel (OCR) és előre beállított sablonokkal nyerték ki az adatokat. Ez addig működött, amíg minden beszállító ugyanazt a formátumot küldte. Ha új beszállító jött vagy a régi megváltoztatta a számlaképét, a sablont újra kellett állítani. A mai, nagy nyelvi és képi modelleken alapuló megoldások ehhez képest „megértik” a dokumentumot: sablon nélkül is felismerik, melyik a számlaszám, a kelte, az adószám, a nettó és a bruttó összeg, és a tételsorok. Ezt szakszóval intelligens dokumentumfeldolgozásnak (IDP) is nevezik. ## Mennyire pontos? Egy 2025-ös, számlafeldolgozást vizsgáló kutatás több nagy modellt hasonlított össze. A legjobb multimodális modell, amely közvetlenül a dokumentum képét olvasta: - **tiszta, digitális számláknál** 96,5%-os, - **szkennelt számláknál** 92,7%-os, - **szkennelt nyugtáknál** 87,5%-os pontosságot ért el. Ugyanebben a vizsgálatban azok a megoldások, amelyek előbb szöveggé alakították a dokumentumot, és csak utána elemezték, jóval gyengébben teljesítettek. A tanulság: a képet közvetlenül olvasó modellek ma megbízhatóbbak. A 90–96% jól hangzik, de érdemes lefordítani. Ha egy számlán húsz mező van, 95%-os pontosság mellett átlagosan egy mező hibás. Ezért a jó rendszer nem azt ígéri, hogy nem hibázik, hanem azt, hogy **tudja, hol bizonytalan**. ## A megbízhatósági érték: így dolgozik ember és gép együtt A Microsoft dokumentumfeldolgozó szolgáltatásának útmutatója jól elmagyarázza a lényeget. A modell minden kiolvasott mezőhöz megbízhatósági értéket ad: a 0,95 azt jelenti, hogy húszból tizenkilencszer helyes. Az útmutató szerint legalább 80%-os modellpontosságra érdemes törekedni, pénzügyi adatoknál pedig a 100%-hoz közelire, és a kritikus folyamatokban emberi ellenőrzési lépést kell beiktatni. Azt is kiemeli, hogy nem minden mező kap megbízhatósági értéket. A gyakorlatban ez így működik: - **magas megbízhatóságú mezők:** a rendszer automatikusan átveszi őket; - **alacsony megbízhatóságú mezők:** egy ember ellenőrzi, a dokumentum képével egymás mellett; - **üzleti szabályok:** a rendszer ellenőrzi, hogy a nettó plusz az áfa kiadja-e a bruttót, létezik-e a beszállító, van-e hozzá megrendelés. Így az ember nem minden számlát néz meg, csak azokat a mezőket, ahol a gép bizonytalan, vagy ahol valami nem egyezik. A küszöböt érdemes az első hetekben szigorúra állítani, és csak akkor lazítani, ha a mérések szerint a magas megbízhatóságú mezők valóban hibátlanok. A rendszer így a te dokumentumaidon bizonyít, nem a gyártó ígéretén. ## Mennyit spórol? A számlafeldolgozás költségére az Ardent Partners felmérései adnak támpontot, két 2025-ös kiadásban, eltérő mintával: - Az egyik szerint a legjobbak számlánként 2,65 dollárért dolgoznak fel egy számlát, az átlag 12,42 dollár (204 pénzügyi vezető válaszai alapján). - A másik szerint az átlagos költség 9,40 dollár számlánként, a legjobbaknál a feldolgozási idő 3,1 nap az átlagos 17,4 nap helyett, és a kivételek aránya 9% a 22% helyett. A két kiadás számai eltérnek, de az irány egyértelmű: a legjobban automatizált cégek a költség töredékéért, napok helyett órák alatt dolgoznak fel egy számlát. Egy kkv-nál ez kevésbé dollárban, inkább munkaórában jelentkezik: kevesebb gépelés, kevesebb hiba, gyorsabb jóváhagyás. ## Hol hozza a legtöbbet? - **Külföldi számlák és nyugták,** amelyek PDF-ben vagy papíron érkeznek, és nem jelennek meg a NAV rendszerében. - **Szállítólevelek és megrendelések,** amelyeket párosítani kell a számlával. - **Szerződések és ajánlatok,** amelyekből kulcsadatokat kell kiolvasni: határidők, összegek, felmondási feltételek. - **Terepi adatgyűjtés,** ahol papíron kitöltött űrlapokat kell digitalizálni. - **Költségelszámolások,** ahol a munkatársak fotón küldik be a nyugtákat. ## Hol nem lesz rá szükség? A hazai B2B számláknál a helyzet változik. A NAV 2025-ös e-számla-koncepciója szerint a jövőben a belföldi számlák strukturált XML-adatként érkeznek, amelyet a könyvelőprogram emberi beavatkozás nélkül vagy minimális ellenőrzéssel be tud olvasni és könyvelni. Ahol az adat eleve adatként érkezik, ott nincs mit kiolvasni. Ez nem jelenti, hogy most nem érdemes foglalkozni vele. A kötelező hazai e-számla dátuma még nincs kihirdetve, a külföldi és nem számla jellegű dokumentumok pedig maradnak. De egy kizárólag hazai bejövő számlákra épülő AI-projekt megtérülési idejét érdemes ehhez igazítani. ## Hol tartanak a könyvelők? Egy 2025-ös hazai beszámoló szerint a könyvelőknek csak 11%-a használ aktívan mesterséges intelligenciát, és az ügyfeleik 42%-ánál még semmilyen digitális megoldás nincs. Ugyanez a beszámoló szerint a digitalizáció eddig sokszor csak annyit hozott, hogy „több a munka, de nem több a pénz”. Az AI-alapú feldolgozás és az e-számla együtt ezen változtathat, de csak akkor, ha a folyamat is átalakul, nem csak az eszköz. ## A folyamat fontosabb, mint az eszköz A leggyakoribb hiba, hogy a cég megvesz egy AI-eszközt a kiolvasásra, de a folyamat többi része marad a régi: a kiolvasott adatot valaki kézzel átmásolja az ügyviteli rendszerbe, a jóváhagyás e-mailben megy, a megrendeléssel való párosítás fejben történik. Ilyenkor a megtakarítás kicsi. Egy jól működő folyamatban: 1. a dokumentum egy helyre érkezik (közös postafiók vagy feltöltés); 2. az AI kiolvassa az adatokat, megbízhatósági értékkel; 3. a rendszer párosítja a megrendeléssel és a beérkezéssel; 4. az eltérések és a bizonytalan mezők egy ember elé kerülnek; 5. a jóváhagyott tétel automatikusan bekerül az ügyviteli vagy könyvelő rendszerbe. ## Hogyan válassz eszközt? A piacon háromféle megoldás létezik: a nagy felhőszolgáltatók dokumentumfeldolgozó szolgáltatásai, a kifejezetten számlafeldolgozásra szakosodott termékek, és az általános AI-asszisztensek, amelyek egy munkafolyamatba építve szintén ki tudnak olvasni adatokat. Néhány kérdés, amellyel gyorsan szűkíthető a kör: - **Kezeli-e a te dokumentumaidat?** Próbáld ki ötven valódi, vegyes minőségű dokumentumon, ne a szállító mintáin. - **Ad-e megbízhatósági értéket** mezőnként, és beállítható-e a küszöb? - **Hogyan kapcsolódik** az ügyviteli vagy a könyvelő rendszeredhez? Kész összekötő, vagy fejleszteni kell? - **Hol dolgozza fel az adatokat?** A számlákon személyes és üzleti adat is van, ezért ez adatvédelmi kérdés. - **Mennyibe kerül dokumentumonként,** és hogyan változik az ár, ha a mennyiség nő? ## Adatvédelem és megőrzés A számlákon, szerződéseken és költségelszámolásokon nevek, címek, bankszámlaszámok szerepelnek. Ha ezeket egy külső AI-szolgáltatás dolgozza fel, az a GDPR szerint adatfeldolgozás, amelyhez adatfeldolgozói szerződés kell, és tudnod kell, hol tárolódnak és mennyi ideig az adatok. Az üzleti csomagoknál a nagy szolgáltatók jellemzően vállalják, hogy a feltöltött dokumentumokon nem tanítják a modelljeiket, de ezt a szerződésben érdemes ellenőrizni. A könyvelési bizonylatokra a számviteli és adózási szabályok szerinti megőrzési kötelezettség is vonatkozik. Az AI-feldolgozás mellett is meg kell őrizni az eredeti dokumentumot, visszakereshetően. ## Három gyakori hiba **Kísérlet a szállító mintáin.** A bemutatón minden tökéletes. A te beszállítóid gyűrött szállítólevelein és furcsa formátumú számláin derül ki, mire képes valójában. **Az emberi ellenőrzés elhagyása.** Egy hibásan kiolvasott bankszámlaszám vagy összeg többe kerül, mint amennyit az automatizálás egész évben megspórol. A bizonytalan mezőket mindig nézze meg valaki. **A kivételek elfelejtése.** A jóváírások, részszállítások, devizás számlák ritkábbak, de ezek viszik el a legtöbb időt. Tervezd meg előre, hová kerülnek. ## Amit mi láttunk A csapatunk egyik korábbi projektjén egy nemzetközi állategészségügyi vállalatnál az ügyfelek farmjain papíron végezték az auditokat, és az eredményeket utólag Excelbe rögzítették. A megoldás itt nem a papír AI-alapú beolvasása volt, hanem a papír kiváltása: egy webes és mobilos auditrendszer, amelyben az adat eleve digitálisan keletkezik. Ez fontos tanulság: **néha a legjobb dokumentumfeldolgozás az, ha a dokumentum nem is keletkezik.** Egy másik projekten, a vállalat brazil leányvállalatánál a hatósági anyagok és szabályzatok kerültek fájlszerverről egy dokumentumkezelő rendszerbe, jóváhagyási folyamattal, verziókezeléssel és lejáratfigyeléssel. Itt sem a kiolvasás volt a lényeg, hanem az, hogy minden dokumentumnak legyen gazdája, állapota és határideje. ## Mit tegyél most? 1. **Számold meg a bejövő dokumentumokat** típusonként: hány hazai számla, hány külföldi, hány szállítólevél, hány egyéb. 2. **Mérd meg, mennyi időbe telik ma** egy dokumentum rögzítése és jóváhagyása. 3. **Válaszd ki azt a típust,** ahol a legtöbb a manuális rögzítés, és ahol nem várható hamarosan e-számla. 4. **Tervezd meg a teljes folyamatot,** ne csak a kiolvasást: párosítás, jóváhagyás, könyvelés. 5. **Állíts be megbízhatósági küszöböt,** és tartsd meg az emberi ellenőrzést a bizonytalan mezőknél. 6. **Kérdezd meg, hol keletkezik a dokumentum:** ha nálad, ki lehet-e váltani digitális űrlappal. 7. **Egy hónap után mérj újra:** mennyi idő, hány hiba, hány dokumentum ment át emberi ellenőrzés nélkül. Ha szeretnéd, hogy megnézzük, a te cégednél melyik dokumentumtípusnál éri meg az AI-alapú feldolgozás, és hogyan illeszthető a könyveléshez, nézd meg a [folyamatautomatizálási](/folyamatautomatizalas/) és az [AI-megoldásainkat](/ai-megoldasok/). ## GYIK ### Mennyire pontos az AI a számlák feldolgozásában? Egy 2025-ös kutatásban a legjobb modell a tiszta számláknál 96,5%-os, a szkennelteknél 92,7%-os, a nyugtáknál 87,5%-os pontosságot ért el. Ezért a bizonytalan mezőket egy embernek érdemes ellenőriznie. ### Kiváltja az AI a könyvelőt? Nem. A gépelést váltja ki, nem a szakmai munkát. A könyvelő az eltérésekkel, az ellenőrzéssel és a tanácsadással foglalkozik, a rutinszerű rögzítés helyett. ### Megéri-e AI-t bevezetni, ha jön az e-számla? A hazai B2B számláknál az e-számla hosszabb távon kiváltja a kiolvasást, de kötelező dátuma még nincs. A külföldi számlák, nyugták, szállítólevelek és szerződések feldolgozásában az AI ezután is hasznos marad. ### Mi az a megbízhatósági érték? A modell minden kiolvasott mezőhöz megadja, mennyire biztos benne. A 0,95 azt jelenti, hogy húszból tizenkilencszer helyes. A bizonytalan mezőket érdemes emberi ellenőrzésre küldeni. ### Mennyibe kerül egy számla feldolgozása? Az Ardent Partners 2025-ös adatai szerint az átlag számlánként 9–12 dollár, a legjobbaknál 2,65 dollár. Egy kkv-nál a megtakarítás főleg munkaórában és kevesebb hibában jelentkezik. ## Sources - [Berghaus et al. – Multi-Modal Vision vs. Text-Based Parsing: Benchmarking LLM Strategies for Invoice Processing (arXiv 2509.04469)](https://arxiv.org/abs/2509.04469) - [Microsoft Learn – Interpret and improve model accuracy and confidence scores (Document Intelligence)](https://learn.microsoft.com/en-us/azure/ai-services/document-intelligence/concept-accuracy-confidence?view=doc-intel-2.1.0) - [Ardent Partners – The State of ePayables 2025](https://tradeshift.com/state-of-epayables-2025-report/) - [Thomson Reuters – 3 AP metrics that matter](https://europe.thomsonreuters.com/blog/3-ap-metrics-that-matter) - [NAV – A ViDA implementációja Magyarországon](https://nav.gov.hu/pfile/file?path=%2Fvida%2Fkoncepcio%2F2025_NAV_ViDA_implementacio_web_kiadvany.pdf1) - [Economx – Letölthető jövő: így lesz „szexi” szakma a könyvelésből](https://www.economx.hu/mesterseges-intelligencia/2025/07/02/konyveles-mesterseges-intelligencia-matyoka-zoltan-bookkeepie-811978/)