Przejdź do treści
BCR GROUP
← Wszystkie wpisy

Comarch ERP + AI: jak skróciliśmy zamknięcie miesiąca o 60%

autor BCR GROUP
  • #AI
  • #Comarch
  • #automatyzacja
  • #case study

Sytuacja wyjściowa

Klient: spółka handlowa z 8 mln zł przychodu rocznie, dwa biura, zespół księgowy 4 osoby. Comarch ERP XL od 5 lat, dobrze parametryzowany. Problem: zamknięcie miesiąca trwało 12-14 dni roboczych.

Główne wąskie gardła:

  • kategoryzacja faktur kosztowych (ok. 800 miesięcznie),
  • dopasowanie faktur do zamówień zakupu (~ 60% pasowało automatycznie, reszta ręcznie),
  • weryfikacja kompletności rozliczeń międzyfirmowych (3 spółki w grupie).

Co wdrożyliśmy

Agent 1 — kategoryzator. AI patrzy na fakturę z OCR-a, czyta NIP dostawcy, pozycje, kwoty i przypisuje konto MPK. Trening na 6 miesiącach historycznych danych klienta.

Agent 2 — PO matcher. Łączy fakturę z zamówieniem na podstawie NIP, daty, kwoty, numerów PO (z różnymi formatami zapisu).

Agent 3 — kontroler kompletności. Codziennie pyta: czy wszystkie faktury z miesiąca są zaksięgowane? Czy międzyfirmowe się zgadzają? Czy nie ma kosztów bez dokumentu?

Wszystko podpięte do Comarch ERP XL przez API.

Wyniki po 4 miesiącach

MetrykaPrzedPo
Czas zamknięcia miesiąca13 dni5 dni
Trafność kategoryzacji100% (ręcznie)96% (do akceptacji)
PO matching60% auto92% auto
Błędy w rozliczeniach intercompany3-5/mies.0-1/mies.

Zamknięcie miesiąca z 13 do 5 dni — to zysk równy etatowi bez dodawania osób.

Czego nie udało się zrobić

  • Pełnej automatyzacji deklaracji VAT — JPK_V7 wymaga finalnej weryfikacji człowieka, nie zaufaliśmy AI w tym obszarze.
  • Klasyfikacji nietypowych przychodów — przychody z dotacji UE wymagały specjalistycznej wiedzy, której agent nie miał.
  • Pełnego raportowania zarządczego — to było obecnie poza zakresem (faza 2).

Koszty i zwrot

  • Wdrożenie: 4 miesiące pracy + ~95 tys. zł.
  • Operacja agentów: ~3 tys. zł/miesiąc (model + infrastruktura).
  • Zwrot: 7 miesięcy (zaoszczędzony 1 etat księgowego).

Co byśmy zrobili inaczej

  1. Wcześniej czyściliśmy bazę dostawców. AI uczył się na śmieciach, trafność była początkowo niska.
  2. Krótszy backlog do treningu — wystarczyło 3 miesiące, nie 6.
  3. Dłuższa faza testowa — dwa miesiące „cienia" zamiast miesiąca.

Robimy podobne wdrożenia dla biur rachunkowych i działów księgowości. Każdy projekt jest inny, ale wzór działa: audyt → MVP → pełne wdrożenie. Pierwszy audit-call gratis.

ZadzwońUmów rozmowę