AI w księgowości 2025: 5 zadań automatu, 3 dla ludzi (i dlaczego zawód księgowego nie kończy się)

Z rozmów, które prowadzimy z właścicielami biur rachunkowych, wynika jedno: strach nie jest proporcjonalny do realnego ryzyka. Księgowi boją się, że oprogramowanie zastąpi ich za pięć lat, a jednocześnie tego samego dnia ręcznie przepisują dane z faktury do systemu, bo nikt nie wdrożył im OCR-a. To jest odwrócona hierarchia problemów. Zanim ktokolwiek zacznie się zastanawiać, czy AI "zabierze zawód", warto sprawdzić, ile godzin w tygodniu księgowy traci na czynności, które maszyna robi lepiej i szybciej już teraz. U nas to pierwsze pytanie w każdym audycie.

Skąd ten strach i czemu jest źle skalibrowany

Narracja "AI zabierze pracę księgowym" sprzedaje się dobrze w mediach, ale słabo pasuje do tego, co widzimy we wdrożeniach. Polski rynek usług księgowych jest silnie rozdrobniony. Według szacunków branżowych działa u nas kilkadziesiąt tysięcy biur rachunkowych, w większości zespoły liczące od kilku do kilkunastu osób, obsługujące po kilkadziesiąt lub kilkaset małych firm. To nie jest rynek, na którym jeden algorytm zastąpi całą branżę. To rynek, na którym każde biuro ma swój sposób pracy, swoich klientów przyzwyczajonych do telefonu do "swojej pani księgowej" i swoje wyjątki, których żaden generyczny system nie przewidzi.

Strach bierze się z pomylenia dwóch różnych rzeczy: automatyzacji zadania i automatyzacji zawodu. Da się zautomatyzować wpisanie faktury do systemu. Nie da się zautomatyzować decyzji, czy dany wydatek można zaliczyć do kosztów w konkretnej, niejednoznacznej sytuacji podatkowej klienta. Te dwie rzeczy mylone są bardzo często, także przez samych dostawców oprogramowania, którzy w materiałach marketingowych piszą "księgowość bez księgowego", co jest nieprawdą i szkodzi zaufaniu do całej kategorii.

Co AI faktycznie robi dziś w księgowości

Zacznijmy od tego, co jest realne i sprawdzone, nie od obietnic. Cztery obszary działają dobrze w praktyce, w polskich warunkach, z polskimi dokumentami i z KSeF w tle.

OCR i odczyt dokumentów

Skanowanie faktury, paragonu czy potwierdzenia przelewu i wyciągnięcie z niego danych: NIP, kwota, data, numer dokumentu. To zadanie, które AI robi dziś z dokładnością wystarczającą do produkcyjnego użycia, o ile dane wejściowe są w rozsądnej jakości. Jeśli księgowy w biurze rachunkowym spędza 40 minut dziennie na przepisywaniu pozycji z faktur papierowych albo skanów PDF, to jest pierwszy kandydat do automatyzacji, zanim ktokolwiek zacznie mówić o "AI w księgowości" w szerszym sensie.

Dekretacja i klasyfikacja kosztów

System uczy się, że faktury od danego dostawcy zwykle trafiają na określone konto kosztowe, i proponuje dekretację automatycznie. Księgowy weryfikuje, a nie wpisuje od zera. To nie jest pełna automatyzacja, to przyspieszenie decyzji, które i tak człowiek by podjął, tylko szybciej.

Uzgadnianie płatności i sald

Porównanie wyciągu bankowego z rejestrem faktur, wychwycenie rozbieżności, oznaczenie nieopłaconych pozycji. To praca mechaniczna, powtarzalna, idealna dla automatu, i jednocześnie praca, przy której ludzie robią błędy z rozproszenia uwagi po godzinie takiej roboty.

Obsługa KSeF i wymiana dokumentów

Automatyczne pobieranie faktur ustrukturyzowanych, walidacja pod kątem formalnym, przekazanie do systemu księgowego bez pośrednictwa człowieka na etapie samego transferu danych. To jest technicznie dojrzałe i w praktyce jedno z najbardziej opłacalnych wdrożeń, bo eliminuje krok, który wcześniej i tak był czysto mechaniczny.

Case z biura rachunkowego: co się realnie zmieniło

W jednym z wdrożeń, które robiliśmy dla średniej wielkości biura rachunkowego, punktem wyjścia była zwykła frustracja: dwie osoby w zespole spędzały większość przedpołudnia na przepisywaniu faktur kosztowych od klientów, którzy nadal przysyłali skany mailem albo papier. Nie chodziło o wielką transformację, tylko o jedno wąskie gardło. Wdrożyliśmy automatyczny odczyt dokumentów połączony z proponowaną dekretacją, którą księgowy zatwierdzał jednym kliknięciem albo poprawiał, jeśli system się pomylił.

Efekt nie był taki, że ktoś stracił pracę. Efekt był taki, że te dwie osoby przestały spędzać poranki na wpisywaniu, a zaczęły więcej czasu poświęcać na rozmowy z klientami o optymalizacji kosztów i na przegląd deklaracji przed wysyłką, czyli na rzeczy, za które biuro faktycznie mogło rozliczać wyższą wartość swojej pracy. Liczba obsługiwanych klientów na osobę wzrosła, ale nie dlatego, że automat "zastąpił" księgowego, tylko dlatego, że przestał on tracić czas na czynność, która nie wymagała jego kwalifikacji.

Dlaczego odpowiedzialność zostaje po stronie człowieka

To jest argument, który często ginie w dyskusjach o AI, a jest kluczowy dla zawodu księgowego: podpis pod deklaracją podatkową, pod sprawozdaniem finansowym, pod interpretacją zastosowaną w konkretnej sprawie, wiąże się z odpowiedzialnością karno-skarbową konkretnej osoby. Żaden model językowy nie odpowiada przed urzędem skarbowym. Nie ma statusu prawnego, nie można go ukarać, nie można od niego wymagać wyjaśnień w toku kontroli. Dopóki prawo działa w ten sposób, a nic nie wskazuje, żeby miało się to zmienić w najbliższych latach, decyzyjność w sprawach o realnym ryzyku prawnym musi zostać przy człowieku.

To nie jest ograniczenie technologiczne, to jest ograniczenie systemowe, i dobrze, że tak jest. Automat może zaproponować klasyfikację wydatku, ale to księgowy decyduje, czy w świetle konkretnej sytuacji klienta ta klasyfikacja ma sens, czy niesie ryzyko przy kontroli, czy wymaga dodatkowego uzasadnienia. Te decyzje wymagają kontekstu, który AI dziś nie ma i który trudno mu w pełni podać: historii relacji z urzędem, specyfiki branży klienta, znajomości jego planów biznesowych, czasem po prostu wiedzy "z korytarza", że dany naczelnik urzędu ostatnio interpretuje coś inaczej niż rok temu.

Jak to zmienia codzienną pracę księgowego

Zamiast mówić w abstrakcji o "zmianie zawodu", warto rozłożyć to na proporcje czasu. W typowym biurze rachunkowym bez automatyzacji księgowy spędza dużą część dnia na czynnościach mechanicznych: wpisywanie, przepisywanie, uzgadnianie, wysyłanie przypomnień o brakujących dokumentach. Po wdrożeniu automatyzacji ten sam czas przesuwa się w stronę zadań, które wymagają myślenia: przegląd wyjątków, rozmowa z klientem, planowanie podatkowe, ocena ryzyka przy nietypowej transakcji.

To przesunięcie ma jedną konsekwencję, którą warto nazwać wprost: księgowy, który dotąd konkurował głównie tempem wpisywania danych, musi zacząć konkurować jakością doradztwa. Dla części osób w branży to dobra wiadomość, bo doradztwo płaci się lepiej niż przepisywanie. Dla części to wyzwanie, bo wymaga innych kompetencji niż te, które budowały karierę przez ostatnie dwadzieścia lat. Nie każdy księgowy chce być doradcą, część woli precyzyjną, powtarzalną pracę operacyjną, i to też jest w porządku, tylko trzeba mieć tego świadomość przy planowaniu rozwoju zawodowego albo strategii biura.

Dla biur rachunkowych to również pytanie o model rozliczeń z klientami. Jeśli automatyzacja skraca czas obsługi jednej firmy, a rozliczenia są oparte na stawce za liczbę dokumentów, biuro może zarabiać mniej, mimo że pracuje lepiej. Warto to przemyśleć razem z wdrożeniem, nie po nim. Dokładniej piszemy o tym w kontekście automatyzacji biura rachunkowego, gdzie ta zmiana modelu rozliczeń jest częścią projektu, nie skutkiem ubocznym.

Od czego zacząć w małej firmie albo małym biurze

Nie zaczynałbym od wielkiego projektu "wdrożenie AI w księgowości". Zaczynałbym od jednego, konkretnego wąskiego gardła, które da się zmierzyć w godzinach. Jeśli ktoś przepisuje dane z faktur ręcznie, sprawdzenie, ile to kosztuje w godzinach miesięcznie, jest prostsze niż się wydaje, i zwykle daje liczbę, która przekonuje szybciej niż jakakolwiek prezentacja o AI.

Praktyczna kolejność, która się sprawdza:

• Zmapować, gdzie realnie ucieka czas: wpisywanie faktur, uzgadnianie płatności, wysyłanie przypomnień klientom, przygotowywanie deklaracji.
• Wybrać jeden obszar, najlepiej ten najbardziej powtarzalny i najmniej zależny od wyjątków, i zautomatyzować go najpierw.
• Zostawić człowiekowi punkt kontroli na każdym etapie, przynajmniej na początku, żeby móc skorygować błędy systemu, zanim urosną w wolumenie.
• Dopiero po ustabilizowaniu jednego procesu rozszerzać na kolejne, np. na obsługę dokumentów z KSeF czy na komunikację z klientami o brakujących dokumentach.

Faktury są najczęściej pierwszym krokiem, bo mają najbardziej powtarzalną strukturę i najłatwiej mierzy się na nich efekt. Jeśli to jest obszar, który boli najbardziej, sensowniej jest zajrzeć od razu w stronę automatyzacji faktur, zamiast projektować wielki, ogólny program wdrożenia AI, który trudno rozliczyć.

Czego nie warto robić

Nie wdrażałbym systemu, który samodzielnie wysyła deklaracje podatkowe bez etapu weryfikacji przez człowieka, nawet jeśli technicznie się to da. Nie wdrażałbym też narzędzia, które generuje interpretacje podatkowe albo odpowiedzi na pytania klientów o skutki podatkowe konkretnej decyzji biznesowej bez przeglądu przez osobę z uprawnieniami. Ryzyko błędu jest w tych obszarach zbyt kosztowne, a odpowiedzialności i tak nie da się przenieść na algorytm. Automatyzacja ma sens tam, gdzie błąd jest łatwo wykryć i naprawić, nie tam, gdzie błąd wychodzi na jaw miesiące później przy kontroli.