ERP z sztuczną inteligencją: co to naprawdę oznacza w 2026 roku

W 2026 roku prawie wszystkie systemy ERP na rynku twierdzą, że posiadają sztuczną inteligencję. Problem polega na tym, że „posiadanie sztucznej inteligencji” może oznaczać bardzo różne rzeczy, z radykalnie odmiennymi skutkami operacyjnymi.

Istnieją systemy ERP, które uruchomiły chatbota w listopadzie 2023 roku, kiedy wszyscy to robili, i nazywają go „AI”. Chatbot pozwala zadawać pytania typu „ile wystawiłem faktur w zeszłym miesiącu?” i podaje odpowiedź, wydobywając dane z Twojej bazy danych. Jest to użyteczne. Nie jest transformacyjne.

Są też systemy ERP, w których sztuczna inteligencja jest częścią architektury od samego początku: gdzie AI nie znajduje się na systemie, obserwując dane, ale wewnątrz systemu, przetwarzając operacje.

Użyteczna różnica nie jest etykietą marketingową. To weryfikowalny kontrakt: jakie dane można odczytać, jaką wersję roboczą można przygotować, jakich uprawnień potrzeba i kto potwierdza końcowe działanie.

Problem z „dodawaniem AI” do istniejącego ERP

Wyobraź sobie, że masz budynek zbudowany w latach 90. i chcesz dodać panele słoneczne. Możesz to zrobić. Panele działają. Generują energię. Ale konstrukcja budynku nie była dla nich zaprojektowana: musisz dodać kable biegnące po ścianach, oryginalny system elektryczny nie jest zintegrowany z panelami, a wydajność nigdy nie będzie taka jak w budynku zaprojektowanym z myślą o energii słonecznej od podstaw.

Warstwa konwersacyjna może przydać się do wyszukiwania lub streszczania. Oceniając ERP, poproś jednak o listę obsługiwanych operacji, wymagane uprawnienia, zachowanie w razie błędu oraz dokładny punkt, w którym człowiek sprawdza i potwierdza wynik.

Takie kryterium nie wymaga zgadywania prywatnej architektury produktu na podstawie sloganu. Weryfikowalne są publicznie udokumentowane możliwości oraz kontrola zachowana przez użytkownika.

Czym są narzędzia funkcyjne i dlaczego są ważne

Narzędzie funkcyjne jest operacją, której dane wejściowe, wynik i błędy powinny być udokumentowane. Publiczny katalog Frihet pozwala sprawdzić aktualnie obsługiwane możliwości, zamiast wnioskować o pełnym zakresie na podstawie słowa „AI”.

Kluczowe jest rozróżnienie odczytu, przygotowania i zapisu. Asystent może odczytać dozwolony zasób lub przygotować wersję roboczą. Zmiana danych finansowych, wystawienie dokumentu albo wiadomość do klienta wymaga osobnego etapu weryfikacji i potwierdzenia.

Przed integracją sprawdź zakres narzędzia, stosuj dane uwierzytelniające o ograniczonym zakresie, waliduj odpowiedzi i jawnie obsługuj błędy. Użytkownik uruchamia przepływ i pozostaje odpowiedzialny za końcowe działanie.

OCR: różnica między digitalizacją a zrozumieniem

OCR (optyczne rozpoznawanie znaków) istnieje od lat 90. To, co zmieniło się wraz z AI, to nie to, że tekst można odczytać — to już było możliwe — ale to, że system może zrozumieć strukturę dokumentu.

Tradycyjny OCR odczytuje: „FAKTURA — Firma XYZ — Podstawa opodatkowania: 1.000,00 — IVA 21%: 210,00 — Razem: 1.210,00”.

OCR z AI może zaproponować strukturę dokumentu: dostawcę, datę, identyfikator podatkowy, podstawę, podatek i sumę. Pola pozostają wersją roboczą do porównania z oryginałem.

Różnica operacyjna polega na jakości wersji roboczej. Użytkownik weryfikuje każde pole, poprawia rozbieżności i potwierdza zapis wydatku.

Frihet przedstawia wyodrębnione wartości oraz kategorię jako sugestie. Czytelność dokumentu, waluta, zasady podatkowe i jakość obrazu mogą wpłynąć na wynik; źródłem odniesienia pozostaje oryginał.

Automatyczna kategoryzacja: jak uczy się Twój biznes

Kategoryzacja wydatków ma złożoność, którą widać dopiero w praktyce: dokumenty od tego samego dostawcy mogą należeć do różnych kategorii, zależnie od ich celu i dowodu źródłowego.

Frihet może zaproponować kategorię na podstawie dostępnych danych i obsługiwanej historii. Propozycja nie jest ostatecznym zapisem: użytkownik sprawdza dokument, wybiera lub poprawia kategorię i potwierdza zapis. W razie niejednoznaczności podatkowej powinien skonsultować się z odpowiedzialnym specjalistą.

Wsparcie podatkowe ma wyraźne granice

AI może pomóc odczytać dane albo przygotować szacunek na podstawie zapisanych informacji. Nie ustala samodzielnie prawidłowego sposobu rozliczenia, nie gwarantuje odliczenia i nie składa deklaracji w imieniu użytkownika.

Zawsze sprawdź okres, reżim, jurysdykcję i dokumenty źródłowe. Podatkowe wersje robocze muszą zostać zweryfikowane i potwierdzone przez użytkownika albo odpowiedzialnego specjalistę przed oficjalnym wykorzystaniem.

Analiza płynności: wsparcie, nie decyzja

Płynność finansowa to problem, który generuje najwięcej nieprzyjemnych niespodzianek w małych firmach. Nie dlatego, że liczby są złe — czasami są doskonale do opanowania — ale dlatego, że nikt nie patrzył z wystarczającym wyprzedzeniem.

Analiza może wykorzystać informacje, które użytkownik już zapisał lub zaimportował:

Historia płatności i wpływów. Którzy klienci zazwyczaj płacą późno? Jak bardzo późno, średnio? Którzy dostawcy pobierają opłaty punktualnie, a którzy mają elastyczność?

Znane przyszłe zobowiązania. Wystawione faktury oczekujące na zapłatę, zaplanowane płatności dla dostawców, składki samozatrudnionych lub składki na ubezpieczenie społeczne, terminy płatności podatków.

Jawne założenia. Możliwe opóźnienia i sezonowe zmiany powinny być pokazane jako założenia, a nie pewniki.

Wynikiem jest scenariusz do porównania z saldami i dokumentami źródłowymi. Decyzję o odroczeniu wydatku, przypomnieniu klientowi albo zmianie płatności nadal podejmuje człowiek.

Wyciągi bankowe są importowane, gdy użytkownik uruchamia operację, w formatach OFX, MT940, CAMT.053 lub CSV. Brak bezpośredniego połączenia Open Banking i ciągłej synchronizacji bankowej. Dopasowania są sugestiami: użytkownik je sprawdza i potwierdza.

Pomoc w języku naturalnym: od prośby do wersji roboczej

Bezpieczny przepływ zaczyna się, gdy użytkownik uruchamia konkretną prośbę. Asystent może odczytać dozwolone zasoby oraz przygotować podsumowanie lub wersję roboczą ze źródłami i polami wymagającymi sprawdzenia.

Użytkownik weryfikuje wynik, poprawia rozbieżności i osobno potwierdza następne działanie. Przygotowanie dokumentu oraz jego wysłanie to dwa różne etapy; polecenie w języku naturalnym nie usuwa uprawnień ani odpowiedzialności człowieka.

Agent Loop pozostaje w wersji beta, służy wyłącznie do wersji roboczych i nie jest funkcją dostępną dla użytkowników. Nie należy przedstawiać go jako autonomicznego agenta zarządzającego firmą.

Serwer MCP: udokumentowany kontrakt

Frihet publikuje serwer Model Context Protocol. Jego udokumentowany katalog określa narzędzia, zasoby i prompty dostępne dla zgodnych klientów; nie opisuje prywatnej architektury produktu.

Połączenie MCP dziedziczy uprawnienia dostarczonych danych uwierzytelniających. Stosuj minimalny zakres, waliduj każdą odpowiedź i zachowaj kontrolę człowieka przed zapisem księgowym, wystawieniem dokumentu lub komunikacją z klientem.

Czego AI nie robi w Frihet

Uczciwość jest częścią projektu. Istnieją rzeczy, których AI Frihet celowo nie robi:

Nie podejmuje decyzji za Ciebie. Może prognozować przepływy pieniężne, ale decyzja o odroczeniu wydatku lub przyspieszeniu płatności należy do Ciebie. Może wykryć anomalię, ale decyzja, co z nią zrobić, należy do Ciebie.

Nie zastępuje doradcy podatkowego. Może przygotować pola lub szacunek do weryfikacji. Strategiczne planowanie podatkowe, interpretacja złożonych przepisów i decyzje z konsekwencjami prawnymi wymagają profesjonalisty, który za nie odpowiada.

Nie działa z danymi niskiej jakości. Jeśli dokumenty przesłane przez użytkownika są nieczytelne, kategoryzacje będą nieprawidłowe. AI jest tak dobra, jak dane, które otrzymuje.

Nie konsoliduje danych bez przeglądu przez człowieka. Sugestie kategoryzacji i szkice wygenerowane przez AI są tak oznaczone. Użytkownik przegląda i zatwierdza, zanim zostaną skonsolidowane w księgowości.

To nie są wstydliwe ograniczenia. To zasady projektowania. ERP, który automatyzuje krytyczne decyzje bez nadzoru człowieka, nie jest dobrym ERP — to generator problemów z ładnym interfejsem.

Jak ocenić AI w ERP przed zakupem

Jeśli oceniasz ERP z AI, to są pytania, które oddzielają prawdziwą AI od marketingowej AI:

Czy AI ma dostęp do moich rzeczywistych danych, czy tylko udziela ogólnych odpowiedzi? Zapytaj o konkretny przypadek w Twojej firmie. Jeśli odpowiedź jest ogólna, AI nie ma kontekstu Twoich danych.

Czy narzędzia są udokumentowane? Sprawdź dane wejściowe, wyniki, uprawnienia i błędy każdej operacji, zamiast ufać marketingowej liczbie.

Co dzieje się przed zapisem? Dobry przepływ jasno rozdziela odczyt, wersję roboczą, weryfikację i końcowe potwierdzenie.

Czy w procesie jest nadzór człowieka? System, który automatycznie konsoliduje dane bez przeglądu, to system, który może popełnić błędy w Twojej księgowości, nie informując Cię o tym.

Czy dostawca wyjaśnia, co AI robi z Twoimi danymi? Zakres, retencja, podmioty przetwarzające i właściwe mechanizmy kontroli powinny być weryfikowalne w dokumentacji i aktualnych warunkach.

W przypadku Frihet sprawdź publiczną dokumentację API i MCP dla interesującej Cię funkcji. Przetestuj przepływ na danych niewrażliwych, a przed użyciem danych rzeczywistych potwierdź uprawnienia i punkt kontroli człowieka.