AI w księgowości — co realnie automatyzuje w erze KSeF (2026)

Co AI realnie robi w księgowości — pięć procesów

Rynkowa narracja miesza ze sobą trzy różne technologie: klasyczny OCR (odczyt znaków), uczenie maszynowe (klasyfikacja, wykrywanie anomalii) i modele generatywne (LLM). W księgowości każda z nich rozwiązuje inny problem i ma inny profil ryzyka.

Do tego dochodzi szósty, najbardziej przereklamowany obszar: asystent LLM odpowiadający na pytania o przepisy. Tu ryzyko jest najwyższe — wracamy do niego w sekcji o halucynacjach.

Kluczowe rozróżnienie: pierwsze pięć procesów to automatyzacja deterministyczna z podpowiedzią — AI proponuje, człowiek akceptuje. Szósty to generowanie treści, w którym model może z pełnym przekonaniem wymyślić nieistniejącą interpretację podatkową. To nie jest ta sama klasa narzędzia i nie należy jej wdrażać tym samym trybem.

KSeF — dlaczego 2026 rok zmienia całą grę

To jest część, którą większość poradników o „AI w księgowości” pomija, a która determinuje sensowność każdej inwestycji w automatyzację.

Harmonogram (stan na lipiec 2026)

Podstawa: ustawa z 5 sierpnia 2025 r., harmonogram Ministerstwa Finansów (gov.pl — plan wdrożenia KSeF, ksef.podatki.gov.pl).

Do końca 2026 r. obowiązuje okres przejściowy: dopuszczone są faktury z kas rejestrujących, nie ma wymogu podawania numeru KSeF w płatnościach i nie ma kar za błędy w fakturowaniu przez KSeF.

Kary — od 1 stycznia 2027

Sankcje z art. 106ni ustawy o VAT zaczynają obowiązywać 1 stycznia 2027 r. Kara pieniężna nakładana jest decyzją naczelnika urzędu skarbowego i wynosi do 100% kwoty podatku wykazanego na fakturze wystawionej poza KSeF, a przy fakturze bez wykazanego podatku — do 18,7% kwoty należności ogółem. Karę uiszcza się bez wezwania w terminie 14 dni od doręczenia decyzji. Kara podlega miarkowaniu na zasadach działu IVa k.p.a., a Ministerstwo Finansów odrzuciło postulaty obniżenia stawek, wskazując właśnie na tę możliwość (ksef.podatki.gov.pl — najczęstsze pytania, Infor.pl).

Co to znaczy dla AI w księgowości

Trzy konsekwencje, których nie znajdziesz w materiałach marketingowych dostawców:

1. OCR faktur kosztowych przestaje być wąskim gardłem. Faktura z KSeF przychodzi jako ustrukturyzowany XML (schema FA(3)) — nie trzeba jej „rozpoznawać”, bo dane są już w polach. OCR pozostaje potrzebny do paragonów, faktur zagranicznych, umów i dokumentów spoza KSeF — czyli do ogona, nie do rdzenia.
2. Rośnie wartość dekretacji i uzgodnień. Skoro dane wpadają automatycznie i punktualnie, wąskim gardłem staje się to, co dalej: przypisanie konta, dopasowanie płatności, kontrola. To dokładnie te procesy, w których ML ma sens.
3. Wolumen i tempo rosną. Faktury przestają spływać workiem 5. dnia miesiąca — pojawiają się w systemie w dniu wystawienia. Biuro, które pracowało w rytmie miesięcznym, musi przejść na ciągły. To zmiana organizacyjna, nie technologiczna — i to na niej wykłada się najwięcej wdrożeń.

Kontekst kadrowy: według Barometru księgowości fillup (2026) 61,6% księgowych zgłasza poważne trudności z rekrutacją specjalistów, 65,9% alarmuje o wzroście pracochłonności, a 67,5% biur wskazuje integrację systemów jako priorytet inwestycyjny roku. Obsługa KSeF jest wyzwaniem dla 80,9% badanych, nowe struktury JPK — dla 82,4% (fillup, Barometr księgowości 2026). Automatyzacja nie jest tu modą — jest odpowiedzią na brak ludzi.

Ile to kosztuje — konkretne ceny w PLN

Większość artykułów o AI w księgowości nie podaje ani jednej liczby. Poniżej ceny z publicznych cenników (lipiec 2026, kwoty netto).

Platformy dla biur rachunkowych

SaldeoSMART — rozliczenie w modelu abonament + kredyty (saldeosmart.pl/cennik/biuro):

Zużycie kredytów: OCR faktury — 1 kredyt za stronę; odczyt wyciągu bankowego — 1 kredyt za 3 transakcje; pobieranie faktur z KSeF i wysyłka faktur sprzedaży do KSeF — bezpłatnie. Ta ostatnia pozycja jest ekonomicznym potwierdzeniem tezy z poprzedniej sekcji: dostawcy sami nie wyceniają już KSeF-owego kanału, bo nie ma tam czego rozpoznawać.

OCR rozliczany za stronę

Fakturownia sprzedaje OCR w pakietach ważnych 90 dni (fakturownia.pl/ocr):

To użyteczny punkt odniesienia dla całej kategorii: rynkowy koszt maszynowego odczytu jednej strony dokumentu w Polsce to 0,17–0,40 zł. Jeśli dostawca proponuje istotnie więcej, kupujesz coś innego niż OCR — na przykład obieg dokumentów, integrację z ERP albo wsparcie wdrożeniowe. To bywa warte swojej ceny, ale warto wiedzieć, za co się płaci.

Wdrożenia szyte na miarę

Dedykowane automatyzacje procesów księgowych (integracje ERP/WMS/bankowość, custom workflow) wyceniane są projektowo — widełki zależą przede wszystkim od liczby integracji i stanu danych źródłowych, a nie od „ilości AI”. Jeśli w firmie działa już robotyzacja procesów albo platforma automatyzacji procesów, część infrastruktury jest gotowa i koszt spada.

Tabela decyzyjna — co kupić przy jakim profilu

Trzy zmienne rozstrzygają wybór: wolumen dokumentów, udział dokumentów spoza KSeF i to, czy masz już system księgowy z wbudowaną AI.

Prosty test opłacalności OCR: przy koszcie 0,17–0,40 zł za stronę i ręcznym odczycie zajmującym kilka minut, OCR zwraca się praktycznie zawsze — ale tylko na dokumentach, które faktycznie wymagają odczytu. Jeśli 70% Twojego wolumenu wpada z KSeF jako XML, kupujesz OCR na 30% dokumentów, nie na 100%. Ten jeden mnożnik przewraca większość ofert, które dostaniesz.

Ile to oszczędza — i jak policzyć to uczciwie

Tu zaczyna się teren, po którym trzeba stąpać ostrożnie, bo prawie wszystkie krążące liczby pochodzą od dostawców.

Najczęściej cytowany benchmark: ręczne wprowadzenie jednej faktury do systemu zajmuje około 90 sekund, a jej pełna obsługa w obiegu papierowym kosztuje około 4 zł; przy 500 fakturach miesięcznie to ponad 12 godzin i ok. 2000 zł. Comarch deklaruje skrócenie czasu wprowadzania faktur o około 65%. Powiedzmy to wprost: obie liczby pochodzą z materiałów dostawców i szukaliśmy dla nich niezależnego pokrycia — nie ma go. Nie istnieje publicznie dostępne, niezależne badanie czasu i kosztu ręcznego zaksięgowania faktury w Polsce. Traktuj te wartości jako górną granicę optymizmu sprzedawcy, nie jako obietnicę.

Jedyny nie-dostawczy punkt odniesienia, jaki udało się znaleźć, jest zagraniczny i mierzy coś szerszego: firma analityczna Ardent Partners w raporcie AP Metrics that Matter in 2025 podaje pełny koszt obsługi jednej faktury zakupowej (praca, oprogramowanie, akceptacje, korekty) na poziomie ok. 12,88 USD średnio i ok. 2,88 USD w organizacjach najlepiej zautomatyzowanych, przy średnim czasie obiegu 17,4 dnia wobec 3,1 dnia u najlepszych (Ardent Partners). To inna definicja i inny rynek niż polskie „4 zł za fakturę” — nie przenoś tych liczb wprost do swojego arkusza.

Sensowniejsze podejście: policz swój własny baseline, zanim cokolwiek kupisz.

1. Zmierz — przez dwa tygodnie zapisuj, ile minut zajmuje odczyt, dekretacja, uzgodnienie i korekta na jeden dokument. Bez tego nie masz z czym porównać.
2. Policz wolumen — dokumenty/miesiąc w podziale na: z KSeF (XML), skany, paragony, dokumenty obce.
3. Odejmij KSeF — dokumenty przychodzące przez KSeF już nie wymagają OCR. Jeśli to 70% Twojego wolumenu, oszczędność z OCR liczysz tylko na pozostałych 30%.
4. Doliczyć koszt weryfikacji — automatyzacja nie usuwa kontroli, tylko ją przesuwa. Człowiek nadal patrzy na wyjątki, a im wyższa automatyzacja, tym trudniejsze są wyjątki, które zostają.
5. Doliczyć koszt wdrożenia i nauki — pierwsze 2–3 miesiące są wolniejsze, nie szybsze.

Punkt 4 jest tym, który psuje większość biznes case’ów. Zautomatyzowanie 80% dokumentów nie daje 80% oszczędności czasu, bo pozostałe 20% to właśnie te trudne — i to one zawsze zjadały większość godzin.

Czego AI w księgowości nie potrafi — i gdzie to boli

Halucynacja w księgowości to błąd w księgach

Model językowy zapytany o stawkę VAT dla nietypowej usługi albo o interpretację podatkową udzieli odpowiedzi. Zawsze. Nawet jeśli interpretacja nie istnieje. To zjawisko nazywa się halucynacją AI i w większości zastosowań jest irytujące — w księgowości jest kosztowne, bo skutkuje błędną deklaracją, korektą i odpowiedzialnością karnoskarbową. Odpowiada za nią księgowy, nie model.

Praktyczna zasada: LLM wolno używać do szukania, nigdy do rozstrzygania. Niech zaproponuje, gdzie szukać przepisu — a potem otwórz przepis. Odpowiedź modelu bez linku do źródła jest w księgowości bezwartościowa.

Dekretacja to nie klasyfikacja obrazków

Model uczy się z historii. Jeśli klient przez trzy lata księgował coś na błędnym koncie, AI z entuzjazmem utrwali ten błąd. Przy nowym kliencie, nowym typie kosztu albo zmianie przepisów model nie ma się na czym oprzeć — i to właśnie wtedy jego pewność siebie jest najbardziej myląca.

Uzgodnienia bankowe łamią się na wielości

Dopasowanie 1:1 (jeden przelew = jedna faktura) działa świetnie. Jedna zbiorcza płatność za siedem faktur, z kompensatą i groszową różnicą kursową — dużo gorzej. Warto od razu założyć, że to zostanie na człowieku.

Nieudane wdrożenia mają wspólny mianownik

Nie technologia — dane i proces. Biuro, w którym każdy klient przysyła dokumenty inaczej (mail, WhatsApp, reklamówka), nie zautomatyzuje niczego, dopóki nie ujednolici wejścia. AI nakłada się na porządek; nie tworzy go.

Kto odpowiada, gdy AI się pomyli

Odpowiedź jest krótka i niewygodna: ten sam, kto odpowiadałby za własny błąd. W polskim prawie nie istnieje żadna konstrukcja, w której narzędzie przejmuje odpowiedzialność za treść ksiąg czy deklaracji. „To AI się pomyliło” nie jest okolicznością wyłączającą winę — nie jest nawet argumentem.

Trzy przepisy, które to przesądzają:

Konsekwencje praktyczne, których nie znajdziesz w materiałach dostawców:

1. Odpowiedzialność karnoskarbowa jest osobista. Art. 9 § 3 k.k.s. mówi o „faktycznym wykonywaniu” — nie chroni Cię ani struktura spółki, ani zapis w umowie z klientem, ani regulamin dostawcy AI. Odpowiada człowiek, który księgował.
2. Nie da się jej scedować na dostawcę oprogramowania. Żaden regulamin SaaS nie przenosi odpowiedzialności podatkowej — bo nie może. Umowy dostawców AI standardowo wyłączają odpowiedzialność za skutki decyzji podjętych na podstawie wyjścia z modelu. To nie jest luka w umowie, to jej sens.
3. Odpowiedzialność klienta i biura się nie znoszą, tylko nakładają. Kierownik jednostki odpowiada za rachunkowość mimo powierzenia (uor), a biuro odpowiada karnoskarbowo za faktyczne prowadzenie ksiąg (k.k.s.). Obie strony mogą odpowiadać jednocześnie, w różnych reżimach.
4. OC nie obejmuje kar — a obowiązkowe jest węziej, niż się sądzi. Ustawowy obowiązek OC (art. 76h w zw. z art. 76a ust. 1 ustawy o rachunkowości) dotyczy wyłącznie przedsiębiorców usługowo prowadzących księgi rachunkowe, czyli pełną księgowość. Biuro obsługujące tylko KPiR i ryczałt nie ma tego obowiązku z ustawy — i bywa nieubezpieczone. Niezależnie od tego polisa pokrywa szkodę wyrządzoną klientowi, nigdy grzywnę karnoskarbową nałożoną na Ciebie. Grzywny nie da się ubezpieczyć.

Stąd bierze się jedyna bezpieczna architektura wdrożenia: AI proponuje, człowiek akceptuje, akceptacja zostawia ślad. Jeżeli Twój system nie zapisuje, kto i kiedy zatwierdził podpowiedź modelu, w razie kontroli nie masz czym pokazać, że nadzór w ogóle istniał. Log akceptacji to nie funkcja premium — to dowód.

Źródła: art. 9 k.k.s., art. 4 ustawy o rachunkowości, art. 28 i 82 RODO.

RODO i tajemnica zawodowa — czego nie wolno wkleić do ChatGPT

To najbardziej niedoceniane ryzyko w całej branży, a mechanizm jest banalny: księgowa wkleja zestawienie faktur do darmowego ChatGPT, żeby „wyciągnąć trendy”. W tej sekundzie:

• dane osobowe kontrahentów, pracowników i klientów trafiają do procesora spoza umowy powierzenia — naruszenie RODO;
• treść umów i danych finansowych klienta opuszcza kancelarię — naruszenie tajemnicy zawodowej i tajemnicy przedsiębiorstwa klienta, z ryzykiem odpowiedzialności odszkodowawczej;
• odpowiedzialność ponosi biuro, nie pracownik, który to zrobił.

Wersja darmowa ani osobiste konto Plus nie dają umowy powierzenia przetwarzania danych. Bez niej użycie modelu do danych klientów jest po prostu nielegalne — niezależnie od tego, jak dobrze działa.

Trening na Twoich danych jest domyślnie włączony

To detal, który przesądza sprawę, a prawie nikt go nie wymienia: w ChatGPT Free i Plus wykorzystywanie rozmów do trenowania modeli jest ustawieniem domyślnie włączonym. Trzeba je wyłączyć ręcznie w ustawieniach konta. Księgowa, która wkleja fakturę do darmowego ChatGPT „tylko żeby sprawdzić”, nie „konsultuje się z narzędziem” — ona przekazuje dane klienta do zbioru treningowego dostawcy. Bez wiedzy klienta, bez podstawy prawnej i bez możliwości cofnięcia. Plany biznesowe (Team, Enterprise, API) domyślnie tego nie robią — i to jest realna, a nie marketingowa różnica między nimi a kontem prywatnym.

Podpowierzenie — pułapka, o której nie mówi nikt

To wywraca typowe zalecenie „kup plan biznesowy z DPA i będzie dobrze”.

Biuro rachunkowe wobec danych klienta nie jest administratorem — jest podmiotem przetwarzającym (procesorem). Administratorem jest klient. A zgodnie z art. 28 ust. 2 RODO procesor „nie korzysta z usług innego podmiotu przetwarzającego bez uprzedniej szczegółowej lub ogólnej pisemnej zgody administratora”.

Wysłanie dokumentów klienta do modelu w chmurze to podpowierzenie (sub-processing). Z tego wynika łańcuch, którego większość biur nie domyka:

1. Sam podpisany DPA z OpenAI, Microsoftem czy dostawcą systemu księgowego nie wystarczy. To umowa między Tobą a dostawcą — nie daje Ci uprawnienia wobec klienta.
2. Potrzebujesz zgody klienta (administratora) na podpowierzenie — szczegółowej albo ogólnej, ale pisemnej i wynikającej z umowy powierzenia, którą masz z klientem.
3. Zgoda ogólna nakłada na Ciebie obowiązek informowania klienta o zmianach w liście podprocesorów i danie mu możliwości sprzeciwu (art. 28 ust. 2 zd. 2).
4. Za działania podprocesora odpowiadasz wobec klienta jak za własne (art. 28 ust. 4).

Praktyczny wniosek: zanim włączysz jakąkolwiek funkcję AI na danych klientów, przejrzyj umowy powierzenia z klientami. Jeśli nie ma w nich klauzuli o podpowierzeniu — nie masz podstawy prawnej, choćbyś miał najlepszy plan Enterprise na rynku. To nudna, tygodniowa robota prawna, którą trzeba wykonać przed wdrożeniem, a nie po.

Co robić zamiast tego

Ostatni wiersz jest praktyczną odpowiedzią dla większości biur: system księgowy zwykle jest już wpisany do umowy powierzenia, którą masz z klientem, więc AI wbudowana w ten system nie tworzy nowego, nieujawnionego ogniwa łańcucha. Zastrzeżenie: jeśli dostawca uruchamia funkcje AI na cudzym modelu, dochodzi kolejny podprocesor — i to jego musisz odnaleźć na liście. Jeśli budujesz własnego asystenta AI dla firmy, zgoda klienta na podpowierzenie, umowa powierzenia z dostawcą i wyłączenie treningu na danych to trzy rzeczy do ustalenia — przed jakąkolwiek rozmową o funkcjach.

Trzecia rzecz to ludzie. Najskuteczniejszym zabezpieczeniem przed wklejeniem listy płac do publicznego czatu nie jest polityka w PDF-ie, tylko przeszkolony zespół, który rozumie, dlaczego nie wolno.

AI Act — co biuro rachunkowe naprawdę musi zrobić

Biuro, które używa AI, jest w rozumieniu AI Act podmiotem stosującym (deployer), a nie dostawcą. To dobra wiadomość: obowiązki dostawcy — dokumentacja techniczna, ocena zgodności, oznakowanie CE — spadają na producenta oprogramowania, nie na Ciebie.

Zacznijmy jednak od rozwiania paniki, którą podsyca rynek szkoleń: dekretacja, OCR i uzgodnienia bankowe nie są systemami wysokiego ryzyka. Załącznik III wylicza konkretne obszary — biometrię, rekrutację, edukację, scoring kredytowy — i księgowania faktur wśród nich nie ma. Rdzeń tego, co robi AI w księgowości, mieści się w ryzyku minimalnym.

Terminy dla wysokiego ryzyka zostały przesunięte pakietem Digital Omnibus, zatwierdzonym ostatecznie przez Radę UE 29 czerwca 2026 r. — z 2.08.2026 na 2.12.2027 (załącznik III). Uwaga: art. 50 nie został przesunięty. Jeśli więc planujesz chatbota dla klientów biura, masz na to sierpień 2026, a nie grudzień 2027.

Jeden wyjątek od tej tabeli, o którym warto wiedzieć, zanim ktoś sprzeda Ci narzędzie do rekrutacji: system, który wnioskuje o emocjach kandydata lub pracownika (analiza mimiki, tonu głosu, „poziomu zaangażowania”) w miejscu pracy nie jest wysokim ryzykiem — jest praktyką zakazaną z art. 5 ust. 1 lit. f, obowiązującą już od 2 lutego 2025 r., z karą do 35 mln EUR lub 7% obrotu. Digital Omnibus jej nie przesunął.

Art. 4 — jedyny obowiązek, który dotyczy każdego biura z AI

Artykuł 4 AI Act obowiązuje od 2 lutego 2025 r. i nakłada na podmioty stosujące obowiązek zapewnienia wystarczającego poziomu kompetencji w zakresie AI u osób, które tych systemów używają. Nadzór organów rynku nad tym obowiązkiem rusza od 2 sierpnia 2026 r.

W praktyce, dla biura rachunkowego, „wystarczający poziom” oznacza zespół, który wie: co model potrafi, gdzie halucynuje, czego nie wolno mu podać i kto podpisuje się pod wynikiem. To dokładnie ta wiedza, która chroni Cię przed wklejeniem listy płac do publicznego czatu.

I prostujemy najczęstszy strach sprzedawany w Polsce: krążące „15 mln euro kary za brak szkoleń z AI Act” to nadinterpretacja. Katalog kar z art. 99 ust. 4 wylicza artykuły 16, 22, 23, 24, 26, 31, 33, 34 i 50 — art. 4 się w nim nie znajduje. Sankcja za brak kompetencji idzie przez krajowe systemy kar, nie przez unijne widełki. Kompetencje warto zbudować dlatego, że bez nich model zaksięguje Ci bzdurę — a nie dlatego, że ktoś straszy milionami euro.

Nie potrzebujesz też żadnego „certyfikatu zgodności z AI Act” dla księgowego. AI Act certyfikuje systemy (art. 43, jednostki notyfikowane, znak CE), nie ludzi. Komisja Europejska stwierdza to wprost w swoim FAQ: „There is no need for a certificate”. Firmy sprzedające certyfikaty AI Act pracownikom sprzedają papier bez podstawy prawnej.

Od czego zacząć — kolejność, która działa

1. Ustaw KSeF jako fundament, nie jako dodatek. Wszystko inne buduje się na tym, że dane wejściowe są ustrukturyzowane. Jeśli KSeF jest u Ciebie „obsługiwany ręcznie przez eksport”, automatyzacja wyżej nie ma sensu.
2. Ujednolić wejście dokumentów spoza KSeF. Jeden kanał, jeden format. To najtańszy krok o największym zwrocie i nie wymaga AI.
3. Włącz podpowiedzi dekretacji z trybem akceptacji. Nie autopilot. Przez pierwszy kwartał człowiek zatwierdza każdą propozycję — i tak model się uczy Twojej specyfiki.
4. Dodaj wykrywanie anomalii. Duplikaty faktur i nietypowe kwoty to najszybszy, najbezpieczniejszy zysk — AI tu nic nie księguje, tylko sygnalizuje.
5. Prognozy i analityka na końcu. Cash flow i raportowanie mają sens dopiero na czystych, kompletnych danych. Jeśli myślisz o dashboardach i raportach zarządczych, to już terytorium business intelligence, nie księgowości.

Nie zaczynaj od chatbota odpowiadającego na pytania o przepisy. To najbardziej efektowna i najmniej opłacalna część układanki — i jedyna, w której model może wymyślić przepis, którego nie ma.

Wniosek praktyczny: w 2026 roku AI w księgowości nie jest już przewagą konkurencyjną — jest warunkiem obsłużenia wolumenu, który wymusił KSeF, przy liczbie księgowych, której na rynku nie ma. Ale sama technologia niczego nie naprawi: automatyzacja nałożona na bałagan produkuje bałagan szybciej. Zacznij od procesu, potem kup narzędzie. Jeśli planujesz szersze wdrożenie AI w firmie, księgowość jest dobrym pierwszym poligonem — bo tu wynik jest mierzalny co do złotówki.

Najczęściej zadawane pytania