Jak AI odczytuje zdjęcia dokumentów z terenu i wpisuje dane do systemu zamiast pracownika?

Tak, AI potrafi odczytać zdjęcie zrobione telefonem przez pracownika w terenie i wpisać dane do systemu zamiast człowieka. Faktura sfotografowana przy samochodzie, licznik na klatce schodowej, tabliczka znamionowa sprężarki albo zdjęcie pokazujące, co ekipa właśnie zmontowała na dachu. Ze zdjęcia wyciągamy konkretne pola i dopinamy je do właściwego zlecenia, kosztu albo karty urządzenia. Warunek jest jeden: zdjęcie musi być wyraźne, a system musi wiedzieć, co z tymi danymi zrobić dalej.

Które zdjęcia z terenu AI odczyta pewnie, a które zawsze idą do weryfikacji?

Nie każde zdjęcie nadaje się do automatycznego odczytu. Z doświadczenia z wdrożeń w różnych firmach wychodzi dość klarowny podział i lepiej znać go przed startem, nie po.

Odczyt pewny, bez konieczności weryfikacji:

• Faktura VAT wydrukowana lub wygenerowana cyfrowo. Warunek: dokument leży prosto, kąt aparatu zbliżony do prostopadłego, żadnych cieni przecinających tekst. Z takiej faktury AI wyciąga NIP sprzedawcy, datę wystawienia, numer dokumentu, pozycje z opisem, kwotę netto i brutto oraz stawkę VAT.
• Liczniki z cyfrowym wyświetlaczem LCD lub LED. Klasyczne tarcze zegarowe też działają, ale wymagają dobrego oświetlenia i zbliżenia na samą tarczę. Numer ewidencyjny z tabliczki obok wyświetlacza jest odczytywany razem ze stanem.
• Tabliczki znamionowe urządzeń elektrycznych, silników, sprężarek, klimatyzatorów, pomp. AI wyciąga producenta, model, numer seryjny, rok produkcji, parametry znamionowe. Warunek: tabliczka czysta, zdjęcie z przodu, bez odblasków latarki ani szyby.
• Kody QR i kody kreskowe EAN oraz Code 128. Odczyt pewny, gdy kod nie jest mechanicznie uszkodzony ani zgnieciony.
• Etykiety magazynowe z indeksem towaru i ilością na opakowaniu.

Odczyt wymaga weryfikacji przez człowieka:

• Protokoły odbioru z odręcznymi dopiskami. AI rozpozna zadrukowane pola, ale odręczne uwagi techniczne wpisane przez technika albo inicjały zleceniodawcy w polu "zatwierdzam" mogą być błędnie odczytane.
• Stare, korodujące lub przebite tabliczki znamionowe, zwłaszcza gdy numer seryjny ma znaczenie gwarancyjne albo prawne.
• Paragony fiskalne na papierze termicznym po kilku dniach w kieszeni roboczej albo wyblakłe od słońca.
• Zdjęcia zrobione pod dużym kątem, przy słabym oświetleniu albo przez szybę.
• Dokumenty z pieczątkami nałożonymi na tekst kluczowych pól.

Zasada, którą stosujemy przy każdym wdrożeniu: AI wystawia wynik razem z poziomem pewności odczytu. Gdy ta pewność spada poniżej progu, który firma ustala sama, rekord trafia do kolejki weryfikacji zamiast od razu do bazy. Pracownik widzi zdjęcie i wstępnie wyciągnięte dane obok siebie. Zatwierdza jednym kliknięciem albo koryguje konkretne pole. To zupełnie inny tryb pracy niż wklepywanie od zera. A i tak szybszy niż czekanie, aż faktura znajdzie się na biurku następnego dnia.

Co konkretnie wyciągamy ze zdjęcia i gdzie to ląduje w systemie?

Zdjęcie to nie tylko treść dokumentu. Każde zdjęcie zrobione telefonem niesie ze sobą metadane: datę i godzinę do sekundy, często współrzędne GPS. A jeśli trafia przez firmowy kanał, wiadomo też, kto je wysłał. To razem daje komplet do jednego rekordu bez żadnego dodatkowego wypełniania przez pracownika.

Przykład z firmy serwisującej klimatyzację. Technik przyjeżdża na obiekt, fotografuje tabliczkę znamionową jednostki zewnętrznej. Z jednego zdjęcia AI wyciąga: producent (Daikin), model (RXYM28UVMA), numer seryjny (F123456), rok produkcji (2021), zasilanie (400V/3Ph). Telefon dodaje GPS i godzinę 10:23. System wie, że technik Marcin był rano na tym obiekcie, zbadał to konkretne urządzenie, i uzupełnia kartę serwisową bez jednego kliknięcia z jego strony. Karta jest kompletna zanim Marcin wsiądzie do samochodu i jedzie na kolejne zlecenie.

Z faktury i paragonu wyciągamy: NIP wystawcy (system sam szuka go w bazie kontrahentów i wie, czy to znany dostawca czy nowa firma), numer dokumentu, data wystawienia, kwota brutto, kwota netto, stawka VAT, pozycje z opisem usług lub towarów. To wystarczy do wstępnego rekordu kosztu w systemie finansowym albo do przekazania do biura rachunkowego.

Ze stanu licznika wyciągamy: numer ewidencyjny licznika z tabliczki, aktualny odczyt w jednostce (kWh, m³ albo GJ), datę i godzinę odczytu, lokalizację GPS. System porównuje z poprzednim odczytem dla tego licznika i liczy zużycie za okres. Wynik idzie do faktury za media, do rozliczenia najemców albo do raportu zużycia dla zarządu nieruchomości.

Z tabliczki znamionowej wyciągamy: producent, typ i model, numer fabryczny lub seryjny, rok produkcji, parametry techniczne. Dane trafiają do rejestru urządzeń, karty majątku albo bazy serwisowej, w zależności od tego, co prowadzi firma.

Ze zdjęcia dokumentującego postęp prac wyciągamy: datę, godzinę, lokalizację GPS, autora na podstawie konta, z którego przyszło, i opis etapu, jeśli pracownik dopisał komentarz przy wysyłce. To idzie do dziennika budowy, raportu postępu dla inwestora albo protokołu zaawansowania prac. Bez żadnego dodatkowego formularza.

Jak AI wie, do którego zlecenia albo kosztu przypiąć zdjęcie?

To pytanie pada najczęściej na rozmowach przed wdrożeniem. Skąd system wie, że ta faktura za materiały dotyczy zlecenia 2024/847, a nie innego? Mamy kilka mechanizmów i zwykle używamy kilku naraz.

• Identyfikator w wiadomości. Pracownik wysyła zdjęcie i dopisuje "847" albo "Kraków Zabłocie". Nie wypełnia formularza, jedno słowo w tekście wystarczy. System bierze ten tag i szuka pasującego rekordu w bazie zleceń.
• GPS do lokalizacji. Zdjęcie zrobione na obiekcie przy ul. Lipowej 12 trafia automatycznie do zlecenia przypisanego do tego adresu, bo współrzędne GPS pokrywają się z adresem zlecenia w systemie. Działa bez żadnego oznaczania ze strony pracownika.
• Numer licznika z bazy. Firma ma listę liczników z przypisanymi lokalizacjami i umowami. AI wyciąga numer z tabliczki, szuka go w bazie i wie, czyj to licznik i do jakiej umowy należy odczyt.
• NIP kontrahenta z faktury. Faktura od podwykonawcy X trafia do kosztów projektu powiązanego z tym kontrahentem, bo NIP jest już w systemie razem z przypisaną sprawą albo projektem.
• Kontekst sesji. Gdy tego samego dnia technik obsługiwał jedno zlecenie i z niego przysłał kilka zdjęć w krótkim odstępie czasu, AI może użyć kontekstu całej sesji do dopasowania kolejnych zdjęć.

Gdy żaden mechanizm nie daje pewnego dopasowania, zdjęcie trafia do poczekalni z krótkim pytaniem do dyspozytora albo kierownika: "Do którego zlecenia przypiąć?" Ktoś klika wybór z listy i gotowe. Nadal dużo szybciej niż szukanie faktury w skrzynce i przepisywanie jej ręcznie do systemu.

Jak z codziennych zdjęć ekipy buduje się dziennik prac?

Ekipa w terenie i tak wysyła zdjęcia. Do WhatsApp kierownika, do wspólnego czatu, do Telegramu. Robi to naturalnie, żeby pokazać, co skończyła, albo żeby dostać potwierdzenie, że można przejść do kolejnego etapu. Nikt przy tym nie wypełnia żadnych formularzy. Problem jest jeden: te zdjęcia giną w czacie albo trzeba je potem ręcznie zbierać, sortować i wklejać do raportu dla inwestora.

Gdy kanał jest podłączony do systemu, każde takie zdjęcie jedzie przez AI i trafia do struktury. Data. Godzina. Autor. GPS. Opis etapu, jeśli padł w komentarzu. System buduje z tego dzienny raport postępu prac: co było zrobione, o której, przez kogo i w jakiej lokalizacji. Fotodokumentacja, którą można przekazać inwestorowi albo zachować na wypadek sporu z podwykonawcą.

Typowo wygląda to tak, że kierownik budowy dostaje rano zestawienie z poprzedniego dnia, posortowane według obiektu. Miniaturki zdjęć, godziny, nazwiska. Nie musi dzwonić po pracownikach, żeby wiedzieć, na którym etapie są prace na poszczególnych obiektach. Inwestor dostaje co tydzień PDF z fotodokumentacją, gdzie każde zdjęcie ma pieczęć czasu i lokalizację. Wcześniej ktoś musiał to zbierać ręcznie przez godzinę tygodniowo. Teraz system generuje dokument sam, a człowiek tylko zatwierdza i wysyła.

Jedna granica jest tu ważna: AI opisuje to, co widzi na zdjęciu, albo przetwarza dopisany komentarz. Ale nie ocenia jakości wykonania. Czy murek jest prosto wymurowany, czy zbrojenie leży jak powinno, czy spoiny mają właściwą szerokość: tego AI nie rozstrzygnie. Do takich ocen potrzebny jest inspektor albo kierownik, który przejrzy zdjęcia. Dziennik budowany automatycznie to zapis chronologiczny z fotodokumentacją, a nie protokół jakości.

Gdzie AI wyraźnie pomaga, a gdzie lepiej trzymać człowieka?

Z kolejnych wdrożeń w różnych branżach wynika kilka rzeczy, o których lepiej mówić od razu, przed podpisaniem czegokolwiek.

AI działa dobrze przy:

• Wyciąganiu ustrukturyzowanych danych z wyraźnych dokumentów drukowanych i zdjęć cyfrowych.
• Odczycie liczników i tabliczek znamionowych, gdy pracownicy nauczą się dobrze fotografować: z przodu, z bliska, bez odblasków. To kwestia krótkiego szkolenia, nie sprzętu.
• Budowaniu chronologicznego rejestru z metadanych zdjęć bez dodatkowego nakładu pracy ekipy.
• Powiązaniu zdjęcia z właściwym rekordem przez GPS, numer ewidencyjny albo identyfikator w wiadomości.
• Flagowaniu zdjęć nieczytelnych i kierowaniu ich do weryfikacji zamiast błędnego zapisu w systemie.

Człowiek zostaje przy:

• Zatwierdzaniu faktur kosztowych przed zaksięgowaniem, szczególnie na duże kwoty albo od nowych dostawców bez historii w systemie.
• Weryfikacji numerów seryjnych, gdy numer ma znaczenie gwarancyjne, ubezpieczeniowe albo prawne.
• Interpretacji odręcznych uwag w protokołach odbioru i protokołach serwisowych.
• Każdej sytuacji, gdy AI zwróci niski poziom pewności i system skieruje rekord do kolejki.

Jedno zdanie, które powtarzamy klientom przed każdym uruchomieniem: system odciąża od przepisywania, ale nie przejmuje odpowiedzialności za dane finansowe i techniczne. Przyspiesza człowieka i eliminuje manualne wklepywanie, a nie zastępuje jego oceny i podpisu.

Od czego zaczynamy, gdy firma chce uruchomić odczyt zdjęć?

Nie zaczynamy od wyboru technologii. Zaczynamy od jednego pytania: jakie zdjęcia firma zbiera teraz i co z nimi robi?

Mapa przed wdrożeniem wygląda zwykle tak: faktury za materiały przychodzą wiadomością na WhatsApp, ktoś je drukuje albo ręcznie wpisuje do Excela. Odczyty liczników technik zapisuje w notatniku i przepisuje po powrocie do biura. Zdjęcia z budowy trafiają na wspólny czat i zostają tam. Protokoły odbioru są skanowane i lądują w folderze "do wpisania", skąd ktoś wyciąga je, gdy znajdzie chwilę. Każdy z tych punktów to kandydat do automatyzacji.

Pierwsze wdrożenie robimy zawsze na jednym strumieniu, nie na wszystkich naraz. Najczęściej zaczynamy od tego, który jest największy, najbardziej powtarzalny i daje najszybszy efekt. Dla firmy remontowej to często zdjęcia z postępu prac, bo ekipa już je wysyła. Dla serwisu urządzeń: tabliczki znamionowe i protokoły serwisowe. Dla firmy budowlanej rozliczającej podwykonawców: faktury kosztowe.

Do uruchomienia ustalamy pięć rzeczy:

• Kanał: którędy zdjęcia trafiają do systemu: e-mail na dedykowany adres, Telegram, aplikacja mobilna, formularz z aparatem w przeglądarce.
• Pola: co konkretnie wyciągamy: numer dokumentu, data, kwota netto i brutto, identyfikator zlecenia, numer seryjny, stan licznika.
• Dopasowanie: jak system wie, do czego przypiąć zdjęcie: GPS, tag w wiadomości, numer ewidencyjny z bazy.
• Kolejka weryfikacji: gdzie trafiają przypadki niepewne i kto je zatwierdza: dyspozytor, kierownik, księgowa.
• Cel: w jakim systemie pojawiają się dane po odczycie: ERP, arkusz kalkulacyjny, własna baza, system serwisowy.

Pierwsze działające testy mamy zwykle po kilku dniach pracy. Pełne wdrożenie na jednym strumieniu, z kolejką weryfikacji i połączeniem z systemem docelowym, to kilka tygodni. Czas zależy głównie od złożoności integracji z systemem, do którego dane trafiają, a nie od samego odczytu zdjęć.

Jeśli chcesz sprawdzić, czy zdjęcia, które Twoja ekipa już teraz wysyła, mogą zastąpić formularze i ręczne wklepywanie, umów się na 15 minut rozmowy. Pokażemy, od którego strumienia warto zacząć i jak to wygląda na realnych danych z podobnej branży. Realne wdrożenia z różnych firm znajdziesz na naszej stronie.