W Twojej firmie makra porządkują Excela, importy przenoszą dane do ERP, a reguły w systemie naliczają ceny. Co w takim razie zmienia automatyzacja AI, o której mówią dostawcy? Czy trzeba dodawać ją do czegoś, co już działa? Niekoniecznie. Jeśli dane mają stały układ, a sposób postępowania da się jednoznacznie opisać, reguły nadal wystarczą. AI może pomóc tam, gdzie zespół musi przeczytać mail, zrozumieć opis towaru albo odszukać informacje w dokumencie o innym układzie.
Nie wybierasz więc między AI a regułami dla całej firmy, lecz dla konkretnych kroków procesu. W tym samym zamówieniu AI może odczytać treść, a reguły sprawdzić ceny i ilości. Ważne jest nie tylko to, co model potrafi odczytać, ale też jak sprawdzić jego wynik, zanim trafi do ERP.
Czym jest automatyzacja AI i czym różni się od zwykłej automatyzacji?
Zwykła automatyzacja wykonuje kroki wcześniej opisane przez człowieka, a automatyzacja AI wykorzystuje model, który interpretuje treść i na tej podstawie przygotowuje wynik. Różnica polega na tym, czy program realizuje ustaloną instrukcję, czy sam wnioskuje na podstawie otrzymanych danych.
Jeśli w Twojej firmie działają makra w Excelu, importy plików do ERP, integracje przenoszące dane między programami albo reguły, które same naliczają ceny według grupy klienta, masz już automatyzację. Dla tych samych danych wynik będzie zawsze taki sam. Program nie musi rozumieć treści, wystarczy, że wykonuje instrukcję.
Tak działa również RPA, czyli program wykonujący w innych aplikacjach czynności podobne do pracy człowieka: klikanie, kopiowanie i przepisywanie danych. Samo naśladowanie pracownika nie oznacza jeszcze użycia AI. Microsoft przedstawia RPA w Power Automate jako narzędzie do powtarzalnych zadań opartych na regułach, między innymi wprowadzania danych do ERP.
W automatyzacji AI, nazywanej w ofertach także inteligentną automatyzacją, przynajmniej jeden krok wygląda inaczej. Model AI, czyli program, który rozumie i tworzy tekst, odczytuje na przykład mail lub PDF i ustala, jakie informacje zawiera. Nie szuka ich w stałej kolumnie, więc rozpozna je także w swobodnym opisie albo w dokumencie o innym układzie. Pozostałe kroki nadal mogą działać według sztywnych reguł.
Podobną granicę wyznacza AI Act: istotna jest zdolność wnioskowania, czyli ustalania na podstawie danych, jak wygenerować wynik. Samo wykonywanie zasad zapisanych przez człowieka nie czyni programu systemem AI.
| Co porównujesz? | Zwykła automatyzacja | Automatyzacja AI |
|---|---|---|
| Dane wejściowe | Dane w stałym, znanym układzie. | Swobodna treść i dokumenty w różnych układach. |
| Wynik dla tych samych danych | Zawsze ten sam. | Może się różnić przy kolejnym uruchomieniu. |
| Sposób popełniania błędów | Przy nieznanym układzie zatrzymuje się albo zgłasza błąd. | Może zwrócić wiarygodnie wyglądający, ale błędny wynik. |
| Koszt każdego użycia | Praktycznie zerowy. | Opłata za tokeny, czyli fragmenty tekstu, które model odczytuje i tworzy. |
| Nowy układ dokumentu | Ktoś musi dopisać lub zmienić regułę. | Zwykle nie wymaga zmian, ale wyniki trzeba sprawdzać. |
Tu jest haczyk: większa elastyczność nie oznacza pewności wyniku. AI odczyta dokument, którego Twoje makro nie obsłuży, ale może też pomylić się bez wyraźnego komunikatu o błędzie. To więc nie nowa nazwa tej samej automatyzacji, tylko inny sposób działania i inny rodzaj ryzyka.
Kiedy wystarczy automatyzacja oparta na regułach?
Reguły wystarczą, gdy dane przychodzą w stałym układzie, a decyzję można zapisać jednoznacznie. Jeśli program ma odczytać wskazane pole i wykonać ustaloną instrukcję, AI nie wnosi tu nic poza kosztem i możliwością pomyłki.
Takim wejściem może być plik CSV wysyłany przez system klienta albo plik EDI, czyli dokument w standardzie elektronicznej wymiany danych między systemami firm. Podobnie jest z fakturą z KSeF: od 1 lutego 2026 r. ma postać pliku XML według wzoru FA(3). Program odczytuje jej pola wprost. Nie musi interpretować treści, żeby znaleźć potrzebną wartość.
To samo dotyczy decyzji. Cena wynika z cennika, a upust z grupy klienta? Wystarczy reguła. Sprawdzenie stanu magazynu, zmiana statusu dokumentu czy wstrzymanie zamówienia po przekroczeniu limitu kredytowego też nie wymagają interpretacji. Wynik jest powtarzalny, łatwo prześledzić jego przyczynę, a wykonanie reguły nie wiąże się z opłatą za użycie modelu AI.
Zanim zamówisz rozwiązanie na miarę, sprawdź, co już oferuje producent Twojego ERP. Wiele takich funkcji może być dostępnych w samym programie lub dodatku, także tych opartych na AI. Przykładowo Comarch udostępnia w ERP Optima i ERP XL agentów, którzy kategoryzują i dekretują dokumenty, kwalifikują koszty, weryfikują e-Faktury i uzgadniają płatności. Ich użycie rozliczane jest w tokenach, czyli fragmentach tekstu przetwarzanych przez model. To dobra wiadomość: nie wszystko trzeba budować od początku.
A jeśli Twój starszy program nie ma importu ani API, czyli interfejsu do wymiany danych z innymi programami? Wtedy sens może mieć automatyzacja RPA: robot klika i wpisuje dane przez ekran jak pracownik. Według Microsoftu może korzystać także z elementów interfejsu starszych aplikacji, obrazów lub współrzędnych na ekranie. Stąd jego słabość: zmiana wyglądu programu po aktualizacji może zakłócić działanie robota. RPA nie jest więc przestarzałe, to narzędzie przydatne tam, gdzie brakuje innej drogi wprowadzania danych.
Kiedy potrzebna jest AI i co trzeba wtedy kontrolować?
AI jest potrzebna tam, gdzie trzeba zrozumieć swobodną treść albo odczytać dokument w zmiennym układzie. Reguły mogą wtedy sprawdzać wynik, zamiast opisywać każdy możliwy sposób zapisania informacji.


Tak jest z zamówieniem wpisanym w treść maila, PDF-ami od różnych dostawców czy zapytaniem ofertowym opisanym słowami. AI może też pomóc dopasować opis towaru do nazwy w Twoim ERP. Według danych Eurostatu w 2025 r. analiza języka pisanego była zresztą najczęściej używaną technologią AI w przedsiębiorstwach UE. Korzystało z niej 11,75% firm.
A co z Excelem od klienta? Sama zmiana kolejności kolumn jeszcze nie oznacza, że potrzebujesz AI. Sygnałem jest narastająca liczba poprawek: makro działa, klient zmienia układ, ktoś dopisuje wyjątek. Przybywa klientów i wersji pliku, a zespół stale naprawia import. Wtedy odczyt przez AI i sprawdzanie wyniku regułami mogą kosztować mniej niż utrzymywanie kolejnych wyjątków.
Nie oznacza to jednak, że odczyt można od razu zapisać w ERP. Krok z AI ma trzy ograniczenia:
- Model może podać informację nieprawdziwą lub niezgodną z dokumentem. Jak wyjaśnia dokumentacja Anthropic o halucynacjach, zabezpieczenia ograniczają takie błędy, ale nie eliminują ich całkowicie.
- Ten sam dokument może dać różne wyniki. Porównanie kilku odpowiedzi na to samo polecenie pomaga wykryć niespójność, lecz nie zastępuje sprawdzenia krytycznych danych.
- Poprawny format nie oznacza poprawnych danych. Pola i ich typy można wymusić, np. przez funkcję Structured Outputs w API OpenAI. Kod towaru, ilość i cena będą wtedy na swoich miejscach, ale ich wartości nadal mogą być błędne. Zdarza się też, że model odmówi odpowiedzi albo zostanie ona ucięta, więc program musi umieć to rozpoznać.
Dlatego w automatyzacji procesów AI projektujemy krok z AI razem z kontrolą po odczycie. Reguły sprawdzają, czy towar istnieje w ERP, czy ilość i cena mieszczą się w rozsądnym zakresie oraz czy suma się zgadza. Niepewne przypadki trafiają do pracownika. Zapis do ERP następuje dopiero po sprawdzeniu. AI pomaga zinterpretować dokument, ale nie omija zasad Twojej firmy.
Jak AI i reguły dzielą się pracą w zamówieniach, ofertach i fakturach?
W jednym procesie część kroków wykonują reguły, a AI zajmuje się tylko tymi, które wymagają zrozumienia treści. Dobrze zaprojektowane automatyzacje AI nie wysyłają więc do modelu każdego dokumentu.
Przykład: hurtownia z trzema rodzajami zamówień
Załóżmy, że hurtownia otrzymuje 50 zamówień dziennie. Część przychodzi w stałym formacie, pozostałe wymagają odczytania opisu albo rozpoznania towaru. Podział pracy może wyglądać tak:

| Rodzaj zamówienia | Udział (założenie) | Co wystarczy |
|---|---|---|
| Stały plik CSV albo EDI od sieci handlowej | ok. 40% | Import według reguł. |
| Excel od stałych klientów z ich kodami towarów | ok. 30% | Reguły i tabela przypisująca kody klienta do kodów w ERP. AI proponuje dopasowanie tylko brakującego kodu. |
| Maile z opisem zamówienia i PDF-y w różnych układach | ok. 30% | AI odczytuje treść, reguły sprawdzają wynik, pracownik zatwierdza wyjątki. |
Co to oznacza dla Twojego zespołu? Znany kod z Excela trafia do ERP według tabeli przypisań. Nie trzeba za każdym razem pytać modelu, jaki to produkt. Dopiero nowy kod wymaga propozycji AI i sprawdzenia przez pracownika, zanim uzupełni on tabelę.
Przy mailach i zmiennych PDF-ach AI odczytuje pozycje zamówienia. Potem reguły sprawdzają wynik, a przypadki niepewne lub niespełniające warunków trafiają do pracownika.
W tym przykładzie AI jest potrzebna mniej więcej w co trzecim zamówieniu, plus przy brakujących kodach w Excelu. Od tego udziału zależą koszt działania, liczba wyników do sprawdzenia i zakres wdrożenia. Opłaty za model dotyczą tylko kroków, w których rzeczywiście pracuje AI, nie wszystkich zamówień. Cały proces i przykładowe wyliczenie kosztu opisujemy w artykule o tym, jak przenosić zamówienia z maila do ERP bez ręcznego przepisywania.
Oferty i wyceny
Przy ofertach podział jest podobny. Klient opisuje słowami, czego potrzebuje, a AI odczytuje zapytanie i dopasowuje opisane pozycje do towarów albo elementów kalkulacji.
Na tym jej rola się kończy. Ceny, upusty, stany i koszty obsługują reguły oraz ERP, nie model. Handlowiec lub technolog sprawdza szkic przed wysłaniem: czy odpowiada potrzebie klienta i czy dopasowanie pozycji jest właściwe. Na takim podziale opieramy przygotowanie ofert i wycen z danych ERP.
Faktury zakupowe z KSeF
Tu punkt wyjścia jest inny. Faktura z KSeF to XML według wzoru FA(3). Odczyt danych i porównanie z zamówieniem oraz WZ, czyli dokumentem wydania towaru, wykonują reguły.
Stała struktura nie oznacza jednak łatwego dopasowania. Pole na numer i datę zamówienia jest nieobowiązkowe, więc sprzedawca może je pominąć. Nieobowiązkowy „Indeks” w wierszu faktury oznacza wewnętrzny kod sprzedawcy, nie kod z Twojego ERP.
Dlatego czasem potrzebna jest tabela kodów, a przy nowych lub różnie opisanych pozycjach propozycja AI do sprawdzenia. Rozbieżności ilości i cen wskazują reguły, a decyzję podejmuje pracownik. W ten sposób projektujemy sprawdzanie faktur zakupowych z KSeF z zamówieniami i WZ.
Jak sprawdzić, czy Twój proces potrzebuje AI?
Przejdź swój proces krok po kroku i przy każdym zadaj poniższe pytania. Odpowiedzi pokażą, gdzie wystarczą reguły, a gdzie potrzebna jest AI.

- Czy dane zawsze przychodzą w tym samym układzie? Jeśli plik z systemu, XML czy EDI ma stałą strukturę, do odczytania danych wystarczą reguły. Samo przenoszenie informacji nie wymaga AI.
- Czy decyzję potrafisz opisać tak, żeby nowy pracownik podjął ją bez dopytywania? Jeśli tak, możesz zapisać ją jako regułę. Model nie jest wtedy potrzebny.
- Ile wersji dokumentów trafia do tego kroku i jak często pojawiają się nowe? Im większa różnorodność, tym kosztowniejsze utrzymywanie osobnych reguł. To sygnał, żeby rozważyć AI do interpretacji treści.
- Czy wynik można sprawdzić regułą? Porównanie z cennikiem, stanem magazynu czy listą towarów w ERP pomaga zabezpieczyć krok z AI. Ustal, co dokładnie będzie sprawdzane.
- Ile kosztuje pomyłka i kto ją wychwyci? Od odpowiedzi zależy, ile wyników musi zatwierdzać pracownik. Samo uzyskanie odpowiedzi od AI nie oznacza, że można przekazać ją dalej bez kontroli.
- Czy producent Twojego ERP oferuje już taką funkcję? Najpierw sprawdź jej możliwości. Dopiero potem oceniaj, czy potrzebujesz rozwiązania na miarę.
Przy takim przeglądzie uważaj na cztery typowe pułapki:
- AI nalicza upust, choć ERP robi to sam i zawsze tak samo.
- Import maili albo dokumentów w różnych układach obrasta dziesiątkami wyjątków, choć prościej byłoby dodać krok z AI i reguły sprawdzające jego wynik.
- Wynik AI trafia do ERP bez sprawdzenia regułami.
- Robot RPA jest uznawany za AI, choć tylko klika według instrukcji i nie interpretuje treści.
Najczęściej wskazywanym powodem rezygnacji z AI jest brak wiedzy: według Eurostatu w 2025 r. podało go 70,89% firm w UE, które rozważały AI, ale jej nie używały. Jeśli trudno Ci samemu rozdzielić kroki na reguły i AI, pomaga analiza procesu.
Najczęstsze pytania
Czy RPA to sztuczna inteligencja?
RPA (robotic process automation) nie jest sztuczną inteligencją. Jeśli zastanawiasz się, co to RPA: to robot, który wykonuje w programach czynności pracownika według ustalonych reguł i niczego nie interpretuje. Według AI Act programy działające wyłącznie według zasad ustalonych przez ludzi nie są systemami AI. Możesz jednak połączyć RPA z AI: model odczyta dokument, a robot wpisze dane do programu bez API, czyli interfejsu do wymiany danych z innymi programami.
Czy n8n, Make albo Power Automate to automatyzacja AI?
n8n, Make i Power Automate to narzędzia do budowania przepływów opartych na regułach, które mogą zawierać krok z modelem AI. Przepływ to po prostu ciąg kolejnych czynności. Te narzędzia dobrze łączą popularne aplikacje w chmurze. Jeśli jednak Twój ERP działa na serwerze w firmie, trzeba zaprojektować połączenie z nim. O wyniku decyduje projekt procesu i integracji, w tym sprawdzanie odpowiedzi AI regułami oraz obsługa wyjątków, a nie samo narzędzie.
Ile kosztuje automatyzacja AI w porównaniu ze zwykłą automatyzacją?
Różnica dotyczy przede wszystkim kosztu działania: reguły nie mają opłat za użycie, a korzystanie z modelu AI jest rozliczane za tokeny, czyli fragmenty tekstu. Tak rozlicza się na przykład agentów AI w Comarch ERP Optima, których najtańsza subskrypcja kosztuje 22 zł netto miesięcznie (ceny od 1 października 2026 r.). Mniej kroków AI oznacza niższy koszt działania i mniej wyników do sprawdzenia. Wdrożenie automatyzacji zamówień lub ofertowania kosztuje u nas orientacyjnie 10–15 tys. zł netto bez bezpośredniej integracji z ERP i 15–25 tys. zł netto z integracją, inne rozwiązania wyceniamy indywidualnie.
Czy przy automatyzacji AI dane firmy trafiają do zewnętrznej usługi?
Przy modelu AI w chmurze fragmenty dokumentów trafiają do dostawcy modelu, ale nie każda automatyzacja wymaga wysyłania danych poza firmę. Warunki przetwarzania zależą od planu i umowy, więc sprawdź je przed wdrożeniem. Same reguły mogą działać lokalnie. Jeśli dane nie mogą opuszczać Twojej firmy, rozwiązaniem może być prywatne AI na firmowym serwerze, kosztem sprzętu i często jakości wyników. Udział zewnętrznej firmy w przetwarzaniu danych osobowych wymaga umowy powierzenia przetwarzania danych.
Czy automatyzacja z AI podlega AI Act?
Automatyzacja wykorzystująca model AI oznacza korzystanie z systemu AI w rozumieniu AI Act; same reguły nie są takim systemem. Zakres obowiązków zależy od zastosowania oraz roli Twojej firmy. Sama obecność modelu nie przesądza więc, jakie wymagania obejmą konkretną automatyzację. Szczegóły prawne Twojego zastosowania potwierdź u prawnika.
Co możesz zrobić dalej?
Masz już na myśli konkretny proces? Jak w naszym wykonaniu wygląda automatyzacja AI dla firm, opisujemy na osobnej stronie.
Jeśli chcesz odnieść to do swojej firmy, proponujemy bezpłatną rozmowę online, trwającą 30–45 minut. Wspólnie ustalimy, które kroki procesu zrobią reguły, a w których potrzebna jest AI. Przyda się kilka przykładowych dokumentów bez danych osobowych i liczba spraw miesięcznie.



