Cyfryzacja archiwum przed obiegiem: 7 kroków w 2026 (i dlaczego kolejność decyduje o sukcesie wdrożenia)

Kiedy klient przychodzi do nas z gotową decyzją o wdrożeniu obiegu dokumentów, pierwsze pytanie nie dotyczy funkcji systemu ani ceny licencji. Dotyczy archiwum: ile metrów bieżących segregatorów stoi w piwnicy albo w wynajętym magazynie, od którego roku, i czy ktoś w ogóle wie, co w nich jest. W dziewięciu na dziesięć przypadków odpowiedź brzmi mniej więcej tak: „nie wiemy dokładnie, ale sporo”. I to jest moment, w którym trzeba wstrzymać decyzję zakupową o rok czy dwa, bo inaczej projekt będzie wyglądał pięknie w prezentacji handlowca i fatalnie w codziennej pracy księgowej.

Dlaczego wdrożenia padają na starym archiwum, a nie na nowych dokumentach

Dostawcy systemów do obiegu dokumentów sprzedają scenariusz, w którym od jutra wszystkie nowe faktury wpadają do systemu, OCR je czyta, a workflow akceptacji działa sam. To działa. Problem w tym, że firma nie żyje tylko „od jutra”. Ma zobowiązanie podatkowe do zachowania dokumentacji przez 5 lat, ma kadry z aktami pracowników, które trzeba przechowywać 10 lub 50 lat w zależności od daty zatrudnienia, i ma umowy handlowe, które ktoś musi móc znaleźć, gdy za dwa lata pojawi się spór z kontrahentem. Jeśli ten cały zasób zostaje w segregatorach, a system obsługuje wyłącznie bieżący napływ, firma de facto prowadzi dwa archiwa równolegle: cyfrowe i papierowe. Pracownicy szybko się orientują, że szukanie czegokolwiek sprzed wdrożenia wymaga zejścia do piwnicy, i system zaczyna być traktowany jako dodatkowy obowiązek, a nie narzędzie, które ułatwia pracę.

Drugi problem jest bardziej praktyczny. Większość projektów DMS zakłada, że nowe dokumenty będą się odnosić do wcześniejszych: faktura korygująca do faktury pierwotnej sprzed trzech lat, aneks do umowy podpisanej jeszcze przed wdrożeniem. Jeśli tamtej umowy nie ma w systemie, workflow się urywa w połowie, a użytkownik i tak musi szukać ręcznie. To właśnie ten moment najczęściej kończy entuzjazm zarządu do projektu.

Co naprawdę trzeba zdigitalizować: podział wg okresu przechowywania

Zanim ktokolwiek włączy skaner, warto zrobić prostą segregację backlogu na trzy koszyki, bo każdy ma inne wymagania i inny priorytet.

Dokumentacja podatkowa i księgowa

Faktury, dowody księgowe, ewidencje VAT, dokumentacja cen transferowych: ustawowy okres przechowywania to 5 lat, licząc od końca roku podatkowego, w którym upłynął termin płatności podatku. W praktyce oznacza to, że firma działająca od dłuższego czasu ma w archiwum kilka pełnych roczników, z których część zbliża się do końca obowiązkowego przechowywania. To dobra wiadomość przy planowaniu projektu: roczniki, którym zostało kilka miesięcy do przedawnienia, można zeskanować w niższej jakości indeksacji albo w ogóle pominąć, jeśli firma i tak planuje je zniszczyć po upływie terminu. Priorytet dajemy rocznikom, które będą jeszcze długo „żywe”, bo mogą wrócić w kontroli podatkowej.

Akta osobowe i dokumentacja kadrowa

Tu okres przechowywania zależy od daty zatrudnienia pracownika: 10 lat dla osób zatrudnionych po 2018 roku (przy spełnieniu warunków zgłoszenia do ZUS skracających okres), 50 lat dla zatrudnień wcześniejszych, jeśli nie skorzystano ze skróconej ścieżki. To oznacza, że akta sprzed kilkunastu lat będą leżeć w archiwum firmy jeszcze bardzo długo. Digitalizacja akt osobowych ma sens przede wszystkim z perspektywy bezpieczeństwa: papierowe teczki giną, niszczeją, bywają nieczytelne po latach. Jeśli firma planuje w ogóle wdrożyć elektroniczne akta osobowe (co prawo dopuszcza), backlog kadrowy to pierwszy kandydat do uporządkowania, bo konsekwencje zgubienia dokumentu kadrowego są poważniejsze niż zgubienia starej faktury kosztowej.

Umowy handlowe i korespondencja

Tu nie ma sztywnego ustawowego terminu, więc decyduje praktyka biznesowa: umowy czynne i te, z których mogą wynikać roszczenia, digitalizujemy w pierwszej kolejności. Stare umowy z nieaktywnymi już kontrahentami, bez znaczenia prawnego, mogą poczekać albo w ogóle nie trafić do projektu.

Skanowanie: zrobić samemu czy zlecić na zewnątrz

To pytanie, które pada w każdym projekcie, i odpowiedź zależy głównie od objętości backlogu, nie od budżetu na system. Kilka segregatorów da się zeskanować siłami własnego zespołu w godzinach poza szczytem. Kilkadziesiąt metrów bieżących akt to już projekt, który sensowniej oddać firmie zewnętrznej specjalizującej się w digitalizacji archiwów.

Firmy zewnętrzne rozliczają się zwykle stawką za stronę, przy czym cena rośnie, gdy oprócz samego skanu zamawia się indeksację, czyli nadanie dokumentowi metadanych pozwalających go później wyszukać bez otwierania pliku. Tańszy wariant to „suchy skan”: PDF bez żadnego opisu, który trzeba będzie później ręcznie posegregować. Z doświadczenia: opłaca się dopłacić do indeksacji chociaż podstawowych pól (typ dokumentu, data, kontrahent, numer), bo koszt ręcznego katalogowania własnymi rękami później i tak przewyższa różnicę w cenie usługi.

OCR: które narzędzie radzi sobie z polskimi fakturami

Sam skan to tylko obraz, nie dane. Żeby system obiegu dokumentów mógł cokolwiek z faktury wyciągnąć automatycznie (numer, kwotę, NIP, termin płatności), potrzebny jest OCR, czyli rozpoznawanie tekstu. I tu zaczynają się realne różnice między narzędziami, które warto znać zanim się na coś zdecyduje.

Tesseract to otwartoźródłowy silnik OCR, darmowy i dość popularny jako baza wielu tańszych rozwiązań. Problem w tym, że na polskich fakturach, zwłaszcza tych słabo zeskanowanych, pogniecionych albo z pieczątkami nachodzącymi na tekst, jego skuteczność potrafi mocno spaść. Radzi sobie nieźle z czystym, wyraźnym drukiem, ale przy fakturach drukowanych na kiepskich drukarkach igłowych sprzed kilku lat albo przy skanach robionych pod kątem, trzeba liczyć się z dużym odsetkiem błędów wymagających ręcznej korekty. Dla małego wolumenu i ograniczonego budżetu bywa akceptowalnym startem, pod warunkiem że ktoś zaakceptuje dodatkową pracę korektora.

Azure AI Document Intelligence (dawniej Form Recognizer) ma gotowe modele do dokumentów finansowych i lepiej radzi sobie z układem typowej polskiej faktury: tabelą pozycji, nagłówkiem sprzedawcy i nabywcy, sekcją podsumowania VAT. Rozpoznaje diakrytyki znacznie pewniej niż Tesseract i oferuje strukturalne wyciąganie pól, a nie tylko surowy tekst. To rozwiązanie płatne, rozliczane za liczbę przetworzonych stron, ale w projektach z realnym wolumenem faktur ta jakość rozpoznawania zwraca się w czasie zaoszczędzonym na korekcie.

Google Document AI stoi na podobnym poziomie co Azure, z własnym modelem dedykowanym fakturom i paragonom. W naszych testach różnice między Azure a Google Document AI na polskich dokumentach są niewielkie, więc wybór często sprowadza się do tego, z jakim ekosystemem chmurowym firma już pracuje, nie do samej jakości rozpoznawania.

Praktyczna rekomendacja: przy backlogu liczącym kilkaset czy kilka tysięcy starych faktur nie opłaca się oszczędzać na OCR, żeby potem ręcznie poprawiać połowę pól. Lepiej zainwestować w jedno z płatnych narzędzi i zautomatyzować ekstrakcję danych, zostawiając człowiekowi wyłącznie weryfikację wyjątków, czyli dokumentów, których system sam nie rozpoznał z wystarczającą pewnością. Dokładnie w ten sposób projektujemy to w automatyzacji faktur: OCR robi pierwsze czytanie, ale ostateczne zatwierdzenie kwoty czy kontrahenta zostaje przy człowieku, dopóki system nie osiągnie wystarczającej historii poprawnych rozpoznań dla danego dostawcy.

Klasyfikacja i indeksowanie: żeby dokument dało się potem znaleźć

Zeskanowany i odczytany przez OCR dokument wciąż może być bezużyteczny, jeśli nikt nie wie, gdzie go szukać. Klasyfikacja to nadanie dokumentowi kategorii (faktura kosztowa, faktura sprzedażowa, umowa, akta osobowe, korespondencja) i powiązanie go z metadanymi, po których ktoś faktycznie będzie szukał: kontrahent, numer dokumentu, data, kwota, dział, pracownik.

Tu pojawia się pytanie o strukturę folderów kontra tagowanie. Jeśli system docelowy obsługuje wyszukiwanie po metadanych, nie trzeba się upierać przy skomplikowanej hierarchii katalogów, bo i tak nikt nie będzie w niej klikał ręcznie. Ważniejsze jest, żeby pola metadanych były spójne: ten sam format daty, ta sama nazwa kontrahenta zapisana identycznie we wszystkich dokumentach, nie raz z kropką po spółce z o.o., a raz bez. Niespójność w nazewnictwie na etapie indeksacji backlogu to jeden z częstszych powodów, dla których wyszukiwarka w nowym systemie i tak nie znajduje dokumentu, mimo że teoretycznie jest już zeskanowany.

Warto też od razu ustalić, co się dzieje z dokumentem papierowym po zeskanowaniu. Prawo dopuszcza w wielu przypadkach zastąpienie oryginału papierowego wersją elektroniczną, ale są wyjątki (np. niektóre dokumenty wymagające podpisu własnoręcznego w oryginale), które trzeba sprawdzić przed decyzją o zniszczeniu papieru. Dla biur rachunkowych obsługujących wielu klientów to szczególnie istotne, bo skala backlogu bywa wielokrotnie większa niż w pojedynczej firmie, a błąd przy archiwizacji dotyka od razu kilku podmiotów. Pokazujemy to szerzej przy automatyzacji biura rachunkowego, gdzie uporządkowanie archiwum klientów zwykle poprzedza wdrożenie jakiegokolwiek workflow.

Kolejność projektu krok po kroku

Poniższa sekwencja to porządek, który sprawdza się w praktyce niezależnie od wielkości firmy, zmienia się tylko skala poszczególnych etapów.

• Inwentaryzacja backlogu: ile dokumentów, jakiego typu, z jakich lat, w jakim stanie fizycznym.
• Segregacja wg okresu przechowywania i realnej przydatności: co trzeba zdigitalizować, co można zniszczyć po upływie terminu, co ma niski priorytet.
• Decyzja: skanowanie własne czy zewnętrzna firma, w zależności od wolumenu i stanu dokumentów.
• Skanowanie i OCR z ustalonym standardem jakości (rozdzielczość, format pliku, czy robimy pełną indeksację czy podstawową).
• Klasyfikacja i nadanie spójnych metadanych, zgodnie z jednym ustalonym wcześniej wzorcem nazewnictwa.
• Import uporządkowanego archiwum do docelowego systemu obiegu dokumentów.
• Dopiero teraz: wdrożenie automatyzacji dla nowych dokumentów napływających do firmy.

Punkt siódmy celowo stawiam na końcu, bo to jest moment, w którym większość dostawców chce zacząć cały projekt. Automatyzacja nowego napływu jest technicznie prostsza niż uporządkowanie backlogu, więc kusi, żeby zrobić ją najpierw i pokazać szybki sukces. Krótkoterminowo to działa, długoterminowo zostawia firmę z dwoma archiwami i koniecznością powrotu do tego samego problemu za rok, tyle że z jeszcze większym backlogiem.

Ile to realnie trwa i czego nie da się przyspieszyć

Automat robi dobrą robotę przy samym skanowaniu i wstępnym OCR, ale nie przy decyzjach, które wymagają kontekstu biznesowego: czy ta stara umowa jest jeszcze aktywna, czy tę fakturę korygującą da się jednoznacznie powiązać z dokumentem pierwotnym sprzed lat, czy ten nieopisany dokument to w ogóle coś, co firma musi przechowywać. Te decyzje i tak podejmuje człowiek znający historię firmy, najczęściej ktoś z księgowości lub kadr z dłuższym stażem. Realistyczne planowanie projektu zakłada, że sam skan i OCR to może być 60–70% nakładu czasu, a pozostała część to właśnie weryfikacja i klasyfikacja wymagająca wiedzy merytorycznej, której żadne narzędzie nie zastąpi.

Firma handlowa z kilkunastoletnią historią i kilkoma tysiącami dokumentów w archiwum powinna liczyć ten etap w tygodniach, nie dniach, jeśli robi to własnym zespołem równolegle z bieżącą pracą. Zlecenie na zewnątrz skraca czas skanowania, ale nie skraca czasu weryfikacji merytorycznej po stronie firmy, bo tego etapu zewnętrzny dostawca i tak nie wykona za klienta.