Papirni racuni, tabele, nedostajuci podaci i naknadno jurcanje za
odobrenjima dugo su bili normalan deo poslovanja. Danas zaposleni moze
da fotografise racun telefonom, a sistem zatim predlaze trgovca, datum,
iznos, porez i kategoriju troska. Ipak, iza naizgled jednostavne
fotografije nalazi se citav niz tehnickih i poslovnih koraka.
Najvaznija promena tokom 2025. i 2026. nije samo bolji OCR. Trziste
se pomera od aplikacija koje citaju racune ka povezanim tokovima rada sa
pravilima, kontrolama, integracijama i ljudskim odobravanjem. Drugim
recima, cilj vise nije samo pretvoriti sliku u tekst, vec pouzdano
dovesti trosak od nastanka do knjizenja.
Kako
fotografija postaje knjigovodstveni podatak
Proces pocinje kada zaposleni fotografise racun u mobilnoj aplikaciji
ili dostavi vec postojeci digitalni dokument. Dobra aplikacija najpre
pokusava da prepozna dokument u kadru, izdvoji njegove ivice i utvrdi da
li je fotografija zamucena, lose osvetljena ili prekrivena odsjajem.
Kvalitet ulazne slike je presudan: izbledeli termalni papir, zgužvan
racun i rukom dopisana napojnica mogu zbuniti i napredan sistem.
Zatim OCR pretvara slova i brojeve sa slike u masinski citljiv tekst.
To je samo prvi sloj. Sistem mora da razume i raspored dokumenta: koji
broj predstavlja datum, koji je poreski iznos, a koji konacni zbir.
Naprednija resenja izdvajaju trgovca, valutu, nacin placanja i
pojedinacne stavke.
Posle citanja dolazi tumacenje. Modeli masinskog ucenja i NLP mogu na
osnovu opisa, trgovca, ranijih izbora i pravila firme da predloze
kategoriju kao sto su prevoz, smestaj ili reprezentacija. Predlog ipak
nije isto sto i cinjenica. Isti trgovac moze prodavati robu koja pripada
razlicitim troskovnim kategorijama, pa je posebno kod neobicnih kupovina
potrebna provera.
Slede kontrole. Sistem poredi racun sa karticnom transakcijom, trazi
moguce duplikate, proverava obavezna polja i primenjuje politiku
troskova. Ako je stavka dozvoljena i podaci deluju pouzdano, ona ide
nadredjenom ili finansijama na odobravanje. Ako postoji odstupanje,
racun se izdvaja kao izuzetak. Tek posle odobrenja podaci treba da budu
poslati na knjizenje ili nadoknadu zaposlenom.
Integracije odredjuju
stvarnu vrednost
Automatsko citanje ima ogranicenu korist ako rezultat ostane
zarobljen u posebnoj aplikaciji. Vrednost nastaje kada se podaci prenesu
u racunovodstveni sistem, ERP ili postojeci proces zasnovan na
Excelu.
Povezivanje moze da bude neposredno, preko gotovog konektora, ili
prilagodjeno preko API-ja. Kada neposredna veza ne postoji, podaci se
mogu izvesti u Excel ili CSV, pregledati i zatim uvesti u ciljni sistem.
Ne treba, medjutim, pretpostaviti da svaki proizvod podrzava svaki
racunovodstveni program, ERP i oblik izvoza. Integracije se moraju
proveriti za konkretnu verziju proizvoda i poslovni scenario.
Medju reprezentativnim resenjima su Expensify, SAP Concur, Rydoo,
Spendesk, Fyle, Dext odnosno nekadasnji Receipt Bank, Klippa odnosno
danasnja Doxis resenja i Veryfi. Njihove uloge nisu nuzno iste. Neki
proizvodi su usmereni na upravljanje troskovima zaposlenih, neki na
knjigovodstvenu obradu, a neki nude OCR i API kao gradivne elemente za
sopstvene aplikacije. Zato izbor ne treba zasnivati na izolovanoj
tvrdnji o tacnosti, vec na celom procesu: prijemu dokumenta, pravilima,
odobravanju, izvozu, bezbednosti i obradi izuzetaka.
Optimisticni
pogled: ugao tehnoloskog „boomera”
Ovde „boomer” ne oznacava generaciju, vec poslovnog optimistu koji
veruje da ce nova tehnologija doneti snazan rast produktivnosti.
Iz tog ugla, koristi su vrlo konkretne. Zaposleni manje vremena trosi
na prepisivanje podataka i sastavljanje izvestaja. Finansijski tim
dobija uredjenije podatke, brze vidi nepotpune zahteve i moze ranije da
pokrene nadoknadu. Automatsko povezivanje racuna sa karticnim
transakcijama olaksava usaglasavanje, dok centralizovani podaci
omogucavaju pregled potrosnje po trgovcu, kategoriji ili organizacionoj
jedinici.
Automatizacija moze da proveri mnogo veci broj stavki nego covek koji
radi samo kontrolu uzorka. Umesto rutinskog unosa, racunovodja se
usmerava na neuobicajene transakcije, slozene poreske situacije, analizu
troskova i savetovanje rukovodstva. To govori u prilog promeni posla, a
ne automatski njegovom nestanku.
Brze odobravanje moze da znaci i brzu nadoknadu zaposlenima.
Istovremeno, ujednacena struktura podataka daje kvalitetniju osnovu za
analitiku i planiranje. Najveci dobitak zato nije samo nekoliko
ustedenih koraka, vec pregledniji i kontrolisaniji proces.
Pesimisticni
pogled: ugao tehnoloskog „doomera”
„Doomer” je ovde skeptik koji ocekuje da ce rizici tehnologije
nadmasiti obecane koristi. Njegovi prigovori nisu bez osnova.
OCR moze pogresno procitati iznos, datum ili valutu. Model moze
svrstati trosak u pogresnu kategoriju, a lose definisana pravila mogu
propustiti neusklađenu stavku ili blokirati opravdan trosak. Poseban
problem predstavljaju izuzeci: slozen hotelski racun, vise poreskih
stopa, nepotpun dokument ili kupovina koja se deli na nekoliko
kategorija.
Duplikati takodje nisu uvek ocigledni. Isti trosak moze biti
dostavljen kao fotografija i kao PDF, ili jednom kao licni izdatak, a
drugi put preko karticne transakcije. Uz to, generativni alati
omogucavaju stvaranje ili izmenu uverljivih racuna. Zbog toga vizuelni
pregled vise nije dovoljan; potrebni su povezivanje sa karticnim
podacima, provera istorije, analiza metapodataka i slojevite
kontrole.
Tu su i pitanja privatnosti. Racuni mogu sadrzati podatke o
zaposlenom, lokaciji, kartici i kupovnim navikama. Firma zato mora znati
gde se podaci cuvaju, ko im pristupa, koliko dugo ostaju u sistemu i sta
radi spoljni dobavljac. Evidencija odluka, mogucnost rucne ispravke i
jasno dodeljena odgovornost vazniji su od privida potpune
autonomije.
Najopasnija greska bila bi prihvatiti svaki predlog sistema kao
tacan. Preveliko oslanjanje na automatizaciju moze oslabiti strucne
vestine i stvoriti lazni osecaj sigurnosti.
Razuman put izmedju
odusevljenja i straha
Firma ne treba da bira izmedju potpuno rucnog procesa i potpuno
autonomnog sistema. Bolji model je kontrolisana automatizacija:
tehnologija cita, predlaze, povezuje i upozorava; ovlascena osoba
proverava, odobrava i snosi odgovornost.
Pre uvodjenja treba definisati kategorije, limite, izuzetke i
vlasnike procesa. Zatim vredi testirati alat na stvarnim racunima,
ukljucujuci lose fotografije i neuobicajene dokumente. Posebno treba
proveriti integraciju sa racunovodstvom, ERP-om ili Excel postupkom, kao
i nacin resavanja duplikata i sumnjivih racuna.
AI za obradu troskova vec moze da donese produktivnost, kvalitetnije
podatke, brze nadoknade i bolju analitiku. Ali njegova vrednost ne
dolazi iz ukidanja ljudske procene. Najuspesniji tok je onaj u kojem
automatizacija ubrzava rutinu, a covek zadrzava kontrolu nad izuzecima,
odobrenjem i konacnim knjizenjem.