--- title: "AI számlafeldolgozás a gyakorlatban: így működik élesben" description: "AI számlafeldolgozás a gyakorlatban: LLM-alapú adatkinyerés, rendelés-párosítás, eltéréskezelés és könyvelés-előkészítés. Egy éles németországi rendszer tapasztalatai, magyar KKV-knak fordítva." url: https://milcomp.hu/news/ai-szamlafeldolgozas/ locale: hu published: 2026-07-26 modified: 2026-08-21 author: Molnár Márton --- AI automatizálás # AI számlafeldolgozás a gyakorlatban: így működik élesben Hogyan dolgozza fel egy AI a beérkező számlákat az e-mailtől a könyvelésig? Egy Németországban élesben futó rendszerünk tapasztalatai: architektúra, korlátok, megtérülés. 2026. július 26. Frissítve 2026. augusztus 21. 3 perc olvasás Írta Molnár Márton A Milcomp alapító tulajdonosa és fejlesztője. A bejövő számlák kezelése az a munka, amit minden cégben csinál valaki, és sehol nem szereti senki: e-mailből lementeni, átgépelni, ellenőrizni, továbbküldeni a könyvelőnek. Ebben a cikkben azt mutatom meg, hogyan néz ki ugyanez a folyamat mesterséges intelligenciával, méghozzá nem elméletben: az itt leírt rendszert én építettem, és a [német entsorgo hulladékkezelési platformon](https://milcomp.hu/projektek/entsorgo/) fut élesben, egy országos partnerhálózat számláin. ## Miért nem elég a hagyományos OCR? A számlafeldolgozás automatizálása nem új ötlet: OCR-alapú (szövegfelismerő) rendszerek régóta léteznek. A gyakorlati bajuk, hogy sablonfüggők: amíg a számla szabályos, gépelt PDF, addig jól mennek, de egy telefonnal fotózott, gyűrött, kézzel ráírt megjegyzéses vagy szokatlan elrendezésű számlánál elakadnak, és minden új szállítói formátumhoz tanítani kell őket. A nagy nyelvi modellek (LLM) itt hoznak áttörést: nem sablont keresnek, hanem ÉRTIK a dokumentumot, ezért az első, sosem látott formátumú számlából is kinyerik a szállítót, a tételeket, az összegeket és a határidőket. A leggyakoribb tévedés Az OCR nem *érti* a számlát, csak karaktereket olvas. Egy új szállító új sablonjánál a szabályalapú kinyerés azonnal elhasal, és a hibát általában csak a könyvelésnél veszik észre. Az LLM-alapú kinyerés ezért nem az OCR jobb változata, hanem másfajta feladatmegoldás. ## Hogyan épül fel egy éles rendszer? Az AI önmagában kevés; a megbízható működést a köré épített folyamat adja. Én így építettem fel a láncot: - **Beérkezés:** a számlák e-mailben vagy feltöltéssel érkeznek, minden dokumentum azonosítót kap, és semmi nem veszhet el. - **Adatkinyerés:** az LLM a számlából strukturált adatot készít egy rögzített séma szerint: szállító, számlaszám, dátumok, tételek, nettó, áfa, bruttó. - **Szabályalapú ellenőrzés:** az AI kimenetét nem hisszük el vakon. Külön, hagyományos kód ellenőrzi, hogy a tételek összege kiadja-e a végösszeget, stimmel-e az áfa-számtan, valós-e az adószám formátuma. - **Párosítás:** a rendszer a számlát hozzárendeli a megrendeléshez vagy szerződéshez, és összeveti a várt összeggel. - **Eltéréskezelés:** ami nem egyezik (más összeg, ismeretlen tétel, gyanús duplikátum), az emberi jóváhagyó sorba kerül, minden mást a rendszer magától enged tovább. - **Átadás a könyvelésnek:** a jóváhagyott tételek könyvelésre kész formában, exporttal vagy API-n keresztül mennek tovább. A kulcsszó a **human-in-the-loop**: az ember nem eltűnik a folyamatból, hanem oda kerül, ahol tényleg dönteni kell. A rutinmunkát viszi a gép, a kivételeket az ember. - **Fogalom Human-in-the-loop**: Olyan folyamat, amelyben a gép dönt, de a döntést ember hagyja jóvá, mielőtt annak pénzügyi következménye lenne. Számlafeldolgozásnál ez a különbség egy demó és egy éles rendszer között: nem az a kérdés, hogy az AI eltalálja-e, hanem hogy mi történik akkor, amikor nem. ## Mit tapasztaltunk élesben? Az entsorgónál a szállítói partnerhálózat számláit dolgozza fel így a rendszer. A kézi rögzítés nagy részét kiváltotta, és ezzel együtt eltűntek az átgépelési hibák is; az adminisztrációt végző kollégák ideje a kivételekre és az ügyfelekre szabadult fel. Általánosságban: minél több számla fut át egy cégen és minél többféle formátumban érkezik, annál nagyobb a megtakarítás. Havi néhány számlánál viszont nem éri meg: ott a bevezetés többe kerül, mint amennyit valaha hoz. ## Mire figyelj, mielőtt bevezeted? - **Hallucináció-kockázat:** az LLM tévedhet, ezért kötelező a szabályalapú utóellenőrzés, a bizonytalansági küszöb (ami alatt automatikusan emberhez kerül a számla), és az, hogy minden kinyert adat mellett visszakereshető legyen az eredeti dokumentum. - **Adatvédelem:** a számla üzleti és személyes adatokat tartalmaz. Tisztázni kell, hol fut a modell, milyen adatfeldolgozói szerződés van mögötte, és hogy az adataidon tanul-e a szolgáltató (jó válasz: nem). - **Integráció:** a rendszer annyit ér, amennyire illeszkedik a meglévő könyvelési folyamathoz. A cél nem egy újabb sziget, hanem az, hogy a könyvelőd kész, ellenőrzött adatot kapjon. - **Szabályozási környezet:** a kimenő oldalon a NAV Online Számla adatszolgáltatás már ma is szigorú (erről szól a [fejlesztői útmutatónk](https://milcomp.hu/news/nav-online-szamla-integracio/)), az e-számlázás pedig EU-szinten a strukturált formátumok felé tart a [ViDA-csomag](https://taxation-customs.ec.europa.eu/taxation/vat/vat-digital-age-vida_en) szerint (a magyar részletek az [e-számla 2026 cikkemben](https://milcomp.hu/news/e-szamla-2026-kkv-utmutato/)). Aki most épít folyamatot, annak érdemes eleve gépi feldolgozásra terveznie. Mielőtt belevágsz Ilyenkor éri meg - Sok a szállítói számla, és több formátumban érkezik. - A kézi rögzítés mérhető munkaidőt visz el, és visszatérő hibaforrás. - Van rendszer, amihez párosítani lehet: megrendelés, szerződés, teljesítés. Ilyenkor várj még - Havi néhány számlánál a bevezetés többe kerül, mint amennyit megtakarít. - Ha nincs kihez párosítani, az AI csak begépel helyetted, ellenőrizni nem tud. - Ha a folyamat maga rendezetlen, előbb azt rendezd - az automatizálás felnagyítja a káoszt. ## Mennyibe kerül, és mikor térül meg? Őszinte válasz: a volumentől és az integrációk számától függ. A jó hír, hogy nem kell egyben megvenni a teljes rendszert: mi minden projektet **pilottal** kezdünk, egy szűk számlakörön, mérhető cél mellett (feldolgozási idő, hibaarány, kézi munkaóra). Ha a pilot számai nem igazolják a folytatást, azt is kimondjuk. A megtérülés tipikusan ott jön, ahol havi több száz számla fut át a cégen, vagy ahol a számlarögzítés szűk keresztmetszet a zárásnál. Ha szeretnéd látni, mit jelentene ez a te számláidon, [kérj egy konzultációt](https://milcomp.hu/kapcsolat/): hozz 10-20 vegyes minőségű számlát, és megmutatom rajtuk élőben. :) A szolgáltatás részletei az [AI számlafeldolgozás oldalon](https://milcomp.hu/ai-szamlafeldolgozas/) találhatók. A lényeg, ha csak ennyit olvasol el - A klasszikus OCR sablonra tanul, az LLM a jelentést érti - ezért megy a fotózott és a sosem látott számla is. - Az igazi munka nem a kinyerés, hanem az ellenőrzés: párosítás a megrendeléshez, eltéréskezelés, könyvelésre kész átadás. - Emberi jóváhagyás nélkül ne engedj át semmit. Automatikusan csak a nagy megbízhatóságú találat mehet. Megosztás - [LinkedIn](https://www.linkedin.com/sharing/share-offsite/?url=https%3A%2F%2Fmilcomp.hu%2Fnews%2Fai-szamlafeldolgozas%2F) - [Facebook](https://www.facebook.com/sharer/sharer.php?u=https%3A%2F%2Fmilcomp.hu%2Fnews%2Fai-szamlafeldolgozas%2F) ## Kapcsolódó cikkek - [Könyvelés automatizálás AI-val: mit érdemes 2026-ban gépre bízni](https://milcomp.hu/news/konyveles-automatizalas-ai/) 2026. augusztus 10. Az AI a könyvelésben nem a könyvelőt váltja ki, hanem a gépelést. A kérdés az, hol húzod meg a határt, és mi történik akkor, ha a gép téved. - [Webshop automatizálás: rendeléstől a számlázásig emberi kéz nélkül](https://milcomp.hu/news/webshop-automatizalas/) 2026. augusztus 5. A legtöbb webshopban nem a rendelésfelvétel a szűk keresztmetszet, hanem minden, ami utána jön. Végigvesszük, mi automatizálható ma tényleg, hol szakad el a lánc, és mikor nem éri meg egyedit fejlesztetni. - [E-számla 2026: mi kötelező valójában egy KKV-nak?](https://milcomp.hu/news/e-szamla-2026-kkv-utmutato/) 2026. július 18. Sok cikk állítja, hogy 2026-tól kötelező a B2B e-számla. Nem az. Utánajártam elsődleges forrásokból, mi kötelező tényleg, mikortól, és mire érdemes már most készülnöd. Beszéljünk a te folyamataidról Megnézzük, hol termel valódi megtakarítást az automatizálás nálatok, és hol nem. Kérj AI-felmérést