Az AI dokumentumfeldolgozás 2026-ban már nem vállalati luxus: ezer oldal számla, szerződés vagy szkennelt PDF feldolgozása néhány dollárból megoldható, és az eredmény gépi úton továbbküldhető a könyvelés vagy a CRM felé. A valódi munka nem a modellválasztás, hanem a folyamat: melyik dokumentumtípussal kezdd, mit engedj automatikusan átmenni, és hol kell embernek döntenie. Ez a cikk hat lépésben, konkrét árakkal és buktatókkal mutatja meg, hogyan vezess be ilyen rendszert egy 5–50 fős cégben.
AI dokumentumfeldolgozás: milyen problémát oldunk meg
A tipikus kisvállalkozásnál a beérkező számla végigjárja a következő utat: e-mail-csatolmány, letöltés, adatok átírása kézzel a könyvelőprogramba, egyeztetés a megrendeléssel, jóváhagyás, iktatás. Ugyanez a kör a szerződéseknél még rosszabb, mert ott senki nem tartja nyilván, mikor jár le vagy újul meg automatikusan egy megállapodás.
Az Aifyze összefoglalója szerint — amely a DocuClipper 2026-os adataira hivatkozik — a kézi számlafeldolgozás számlánként 15–16 dollár körül van, automatizálva pedig 3 dollár alá vihető, ami körülbelül 80 százalékos csökkenés. Ugyanez a forrás 10–50 fős cégeknél évi 15 000–50 000 dollár megtakarítást és 400 százalék feletti megtérülést említ az AdAI News adatai alapján. Ezek iparági és gyártói becslések, nem független mérések — a saját számodat csak a saját dokumentumaidon kapod meg.
Ami viszont vitathatatlanul megváltozott, az a technológia ára. Innen induljunk.
Mennyibe kerül ma: a tényleges listáárak
Ezer feldolgozott oldalra számolva, listááron:
- Mistral OCR 4 (megjelenés: 2026. június 23.): 4 dollár, Batch API-val 2 dollár. A séma-alapú, strukturált JSON-t adó Document AI változat 5 dollár. Önhosztolási opció is van, ha az adat nem hagyhatja el a céget — a részletek a Mistral bejelentésében szerepelnek.
- Google Document AI: egyszerű OCR 1,50 dollár, a Gemini-alapú Layout Parser 10 dollár, a Form Parser és a Custom Extractor 30 dollár. Van ingyenes szint is: havi 1000 oldal, plusz 300 dollár GCP-kredit az induláshoz. EU-régiók elérhetők, processzor- és verziófüggően.
- Azure AI Document Intelligence: a Read szint 1,50 dollár, a Custom 30 dollár; az Eden AI összehasonlítása 10 dolláros átlagot ad.
- AWS Textract táblázat- és űrlapkinyeréssel: 65 dollár. A dedikált dokumentumplatformok ennél drágábbak: Mindee körülbelül 100 dollár, Veryfi 50–500 dollár, Affinda 100–130 dollár.
Mit jelent ez a gyakorlatban? A Digital Applied számítása szerint évi 10 000 oldal feldolgozása 20–50 dollár között van, évi 100 000 oldal pedig 200–500 dollár. Egy kisvállalkozásnál tehát a modellköltség kerekítési hiba. A pénz az integrációban és az emberi ellenőrzésben van — és pontosan ezért kell a folyamatot megtervezni, nem az API-t kiválasztani.
Lépésről lépésre: 6 lépés a bevezetéshez
1. Mérd meg a mai kézi költséget
Vedd az elmúlt egy hónap beérkező számláit, és nézd meg, mennyi idő megy el a rögzítésükkel. Egy magyar könyvelési munkaóra 4000–6000 forint körül mozog az r-szoft.hu összeállítása szerint — ez a szám csak szemléltetésre jó, a saját díjszabásoddal számolj. A lényeg, hogy legyen kiindulási értéked, különben később nem fogod tudni, nyertél-e valamit.
2. Válassz egyetlen dokumentumtípust
A legjobb első jelölt a bejövő szállítói számla: sok van belőle, a mezői szabványosak (szállító, számlaszám, összeg, fizetési határidő, tételek), és a hibát azonnal látod. A szerződések és a szkennelt vegyes iratok később jönnek. Aki egyszerre akar mindent, az általában semmit nem fejez be — ezt a logikát jártuk végig a 90 napos KKV AI-bevezetési útmutatóban is.
3. Teszteld 50–100 saját dokumentumon
Ez a lépés nem kihagyható. A Borderless Recruit összefoglalója pont ezt a mondatot teszi a gyártói számok mellé:
„Ezeket a gyártói eredményeket továbbra is validálni kell a saját szállítóidon, mezőiden, nyelveiden és szkennelési minőségeden.” — Borderless Recruit
A valós pontosság erősen függ a dokumentum minőségétől. Az Eden AI a Google Document AI-nál mezőszinten körülbelül 92 százalékos pontosságot becsül. Ugyanez a modell egy rosszul beszkennelt, kézírásos jegyzettel teli számlán sokkal rosszabbul teljesít.
4. A bizonytalan mezőket küldd emberhez
Ez a kivételkezelés, és ez dönti el, hogy a rendszer működni fog-e. A modern OCR-kimenet nemcsak szöveget ad: a Mistral OCR 4 strukturált válaszában szerepel a mező helye (bounding box), a blokk típusa és egy confidence-pontszám is, 170 nyelv támogatásával (gyártói adat). Állíts be egy küszöböt: ami alatta van, az emberi jóváhagyásra kerül, ami fölötte, az mehet automatikusan.
Ez a szűrő az oka annak, hogy egy jól beállított rendszer nem termel csendben hibás könyvelési tételeket. A Keerok elemzése szerint a számlánkénti 3 perces kézi munka 5–15 másodpercre esik, ami 80–95 százalékos időcsökkenés — de ez csak akkor igaz, ha a kivételek 5–10 százaléka tényleg emberhez kerül, nem pedig átcsúszik.
5. Döntsd el, hol futhat az adat
Számla és szerződés személyes adatot is tartalmaz. Két járható út van: EU-régióban futó szolgáltatás (a Google Document AI-nál ez processzorfüggően elérhető), vagy önhosztolt modell (a Mistral ezt kínálja). A Rossum ezt a kérdést egy mondatban zárja le:
„A feketedobozként működő AI elfogadhatatlan kockázatot teremt.” — Rossum, a számlákhoz, megrendelésekhez és személyes adatokhoz hozzáférő rendszerekről
Ez nem jogi tanács, és a konkrét megfelelési kérdéseket a könyvelőddel vagy adatvédelmi szakértővel kell átbeszélni. A céges keretek lefektetéséhez jó kiindulás a céges AI-szabályzat 12 szabálya, a felhős AI-használat gyakorlati korlátaihoz pedig a ChatGPT és a GDPR 6 lépéses útmutatója.
6. Naplózz mindent
Minden feldolgozott dokumentumról legyen nyoma: mi volt a bemenet, mit nyert ki a modell, mit módosított ember, és mikor. Ez egyszerre adja a hibakeresés alapját és az auditálhatóságot. A Rossum ugyanitt a magyarázhatóságot és az adatvédelmi auditot is a governance részének tekinti.
Milyen eszközök kellenek
A választás elsősorban mennyiség kérdése. A Keerok ajánlása szerint havi 500 számla alatt általában elég az integrált könyvelési szoftver beépített AI-OCR-je — a QuickBooks, a Xero vagy a Bill.com mind ad ilyet. Ha ennél több dokumentumot kezelsz, vagy egyedi layoutokkal dolgozol, akkor jön az API-alapú út: Mistral, Google vagy Azure, plusz egy saját automatizálási réteg, amely a kinyert JSON-t továbbítja a célrendszerbe.
Érdemes tudni, hogy a multimodális modellek (például a GPT-4 Vision, a Claude Vision vagy a Mistral OCR) természetes nyelvű utasítással, előzetes tanítás nélkül is képesek mezőket kinyerni — vagyis egy új dokumentumtípushoz nem feltétlenül kell külön modellt betanítani. A Keerok elemzése szerint ez az, ami a korábbi, sablonalapú OCR-rendszerekhez képest a legnagyobb változás.
Az összerakás az a pont, ahol a legtöbb projekt elhal: a modell működik, de az adat nem jut el oda, ahol kellene. Erről szól az AI-eszközök összekötéséről szóló útmutatónk — és ha a cégedben nincs, aki ezt a réteget megépítse, erre van a WebAIPro automatizálási szolgáltatása.
Magyar vonatkozás: a NAV-adat már megvan
Egy fontos különbség a magyar KKV-knál: a bejövő és kimenő számlák adatai a NAV Online Számla rendszerében már gépi formában rendelkezésre állnak, XML-ben, és a számlakép PDF-ben is exportálható; a belépés KAÜ-azonosítással történik. Ez azt jelenti, hogy a NAV-on átmenő számláknál az adat megszerzéséhez nem kell OCR.
Az OCR tehát arra a körre kell, ami kimarad: e-mailben érkező külföldi számlák, szkennelt szerződések, papíralapú bizonylatok, árajánlatok, szállítólevelek. Ez a kör kisebb, mint amire sokan számolnak — és ez jó hír, mert kisebb projektet jelent.
Buktatók, amiken sorban elhasalnak a bevezetések
- A gyártói benchmarkot készpénznek vesszük. A számok marketinganyagból jönnek. A Mistral oldalán például Aidan Donohue, a Rogo AI-mérnöke így fogalmaz: „A Mistral OCR 4-et a vezető ágens-alapú dokumentumfeldolgozókkal mértük össze egy ábra- és diagramsűrű pénzügyi kérdés-válasz adathalmazon, és azonos pontosságot értünk el körülbelül nyolcszor alacsonyabb költségen és tizenhétszer kisebb késleltetéssel.” Ez hihető eredmény — de egy pénzügyi adathalmazon, nem a te szállítói számláidon.
- Nincs kivételkezelés. Ha minden kinyert mező automatikusan átmegy, a rendszer nem időt spórol, hanem hibát szór szét a könyvelésben.
- Rossz a bemenet minősége. Ferde, alacsony felbontású, pecsétes szkennek esetén a pontosság drasztikusan esik. Néha a szkennelési folyamat javítása többet hoz, mint a modellváltás.
- Érzékeny adat megy ellenőrizetlen API-ba. Ezt az 5. lépésben előre el kell dönteni, nem utólag.
- Hiányzik a bázismérés. Megtérülésről csak akkor beszélhetsz, ha tudod, honnan indultál.
Mit nyersz vele: a realista várakozás
A nagy számokat érdemes a helyükre tenni. A Borderless Recruit idéz egy Google Cloud-esetet, ahol havi körülbelül 1000 számla feldolgozása 150 dollár körüli felhőköltséget jelentett, és 40-szeres megtérülést vetítettek. Ugyanez a forrás említi a Microsoft és a Concentrix együttműködését: havi körülbelül 100 000 számlánál a pontosság 65–70 százalékról 96 százalék fölé emelkedett (2026 januárjában 99 százalékot jelentettek), a karbantartó csapat pedig körülbelül 40 főről 11-re csökkent. Ezek vállalati léptékű, gyártói közlésen alapuló esetek.
Egy 5–50 fős magyar cégnél a reális cél szerényebb és biztosabb: a bejövő számlák 80–90 százaléka emberi adatrögzítés nélkül kerül be a könyvelésbe, a maradék pedig egy rövid jóváhagyási listán landol. Ez havi néhány ezer forintos API-költség mellett is heti több óra felszabadult munkaidőt jelent. Ha pedig a teljes AI-költségedet is látni akarod, erről külön összeállítást készítettünk: mennyibe kerül az AI havonta 2026-ban.
A kiindulás ingyenes: a Google Document AI havi 1000 oldalt ad díjmentesen, a Mistral OCR 4-et pedig itt tudod kipróbálni. Töltsd fel az elmúlt hónap tíz legbonyolultabb számláját, és nézd meg, mit kapsz vissza — ez a teszt egy délután alatt megvan, és jobb döntési alapot ad, mint bármelyik gyártói esettanulmány.
Kapcsolódó útmutatónk: Claude for Small Business: 7 erős workflow kisvállalkozásoknak
A dokumentumfeldolgozás az a terület, ahol az AI-beruházás a leggyorsabban mérhetővé válik — és ahol az árak hónapok alatt harmadolódnak. Ha követni szeretnéd, melyik szolgáltató mit lép és mikor lesz érdemes modellt váltani, iratkozz fel az AI Hírek hírlevelére: heti egyszer megkapod a lényeget.