Podstawy sztucznej inteligencji dla księgowych

Po tej lekcji wyjaśnisz, czym różni się automatyzacja regułowa od generatywnej sztucznej inteligencji i do jakich zadań w księgowości każda z nich się nadaje. Poznasz też jedną zasadę, która będzie wracać w całym kursie: AI przygotowuje, a człowiek zatwierdza.

Trzy rodzaje automatyzacji, które spotkasz w biurze

Słowo „AI” w ofertach programów księgowych oznacza bardzo różne rzeczy. Zanim zaczniesz z czegokolwiek korzystać, warto je rozróżnić.

1. Reguły (automatyzacja klasyczna). Program robi dokładnie to, co mu zapisano: „jeśli faktura pochodzi od stałego operatora telefonii, księguj ją na konto 402”. Reguła nie zgaduje i nie myli się w sposób nieprzewidywalny, ale też nie poradzi sobie z dokumentem, którego nikt nie przewidział. Do tej grupy należą schematy dekretacji, automatyczne rozliczanie wyciągów według tytułu przelewu czy kontrola sum w pliku JPK.

2. Uczenie maszynowe (ML). Model uczy się z historii: widzi, że faktury od danego dostawcy paliwa przez dwa lata trafiały na konto 401 (zużycie materiałów i energii w typowym planie kont), więc proponuje to samo dla nowej faktury, zwykle z oceną pewności. Uczenie maszynowe dobrze radzi sobie z powtarzalnymi dokumentami i źle z nowymi, nietypowymi sytuacjami, bo nie ma dla nich historii.

3. Generatywna AI (duże modele językowe). Narzędzia takie jak ChatGPT, Microsoft Copilot, Gemini czy Claude (stan na październik 2026) generują tekst na podstawie polecenia. Potrafią streścić umowę leasingu, napisać projekt maila do klienta, wyjaśnić odchylenie kosztów albo zaproponować formułę w arkuszu. Model językowy przewiduje kolejne słowa na podstawie wzorców z ogromnej ilości tekstów, więc jego odpowiedź brzmi przekonująco nawet wtedy, gdy jest błędna.

Opracowanie własne na potrzeby kursu.

Czego AI nie wie, a co Ty wiesz

Model językowy nie ma dostępu do Twojej ewidencji, chyba że go do niej podłączysz. Nie zna polityki rachunkowości klienta, nie wie, że właściciel jednoosobowej firmy samochód ma w ewidencji środków trwałych, i nie odróżni pewnej wiedzy od zgadywania. Model ma też datę graniczną wiedzy: zmiany w przepisach z ostatnich miesięcy mogą być mu nieznane, nawet jeśli odpowie z pełnym przekonaniem.

Zjawisko, w którym model podaje nieistniejący artykuł ustawy albo zmyśloną interpretację, nazywa się halucynacją. W księgowości jest szczególnie groźne, bo błędna stawka VAT czy zły termin wyglądają w odpowiedzi identycznie jak poprawne. Dlatego w tym kursie każdą informację prawną sprawdzasz w źródle: w tekście ustawy w ISAP, na podatki.gov.pl albo w objaśnieniach Ministerstwa Finansów.

Ty wnosisz do procesu to, czego AI nie ma: znajomość klienta, kontekst transakcji i odpowiedzialność. Ustawa o rachunkowości wymaga, żeby dowód księgowy zawierał stwierdzenie sprawdzenia i zakwalifikowania go do ujęcia w księgach, czyli dekretację, z podpisem osoby odpowiedzialnej za te wskazania (art. 21 ust. 1 pkt 6). Program może zaproponować dekret, ale odpowiada człowiek.

Zasada „AI przygotowuje, człowiek zatwierdza”

W fikcyjnym Biurze Rachunkowym Kolumna z Lublina, które będzie towarzyszyć Ci w całym kursie, właścicielka Anna obsługuje z dwiema księgowymi około 40 klientów: część na KPiR i ryczałcie, kilka spółek z pełnymi księgami. Anna przyjęła prostą zasadę: każde zadanie dzieli na trzy kroki.

Zasada stosowana w całym kursie.

Takie podejście ma dwie zalety. Po pierwsze, oszczędza czas tam, gdzie praca jest powtarzalna: przepisywanie danych, szukanie dokumentu, pierwsza wersja tekstu. Po drugie, nie przenosi na narzędzie decyzji, za które odpowiadasz zawodowo.

Dobre i złe pierwsze zastosowania

Na start wybieraj zadania, w których błąd AI łatwo wychwycić, a oszczędność czasu jest widoczna:

• streszczenie długiej umowy najmu do kilku punktów ważnych dla księgowania (czynsz, waluta, indeksacja, kaucja);
• projekt maila do klienta z listą brakujących dokumentów za miesiąc;
• wyjaśnienie formuły w arkuszu albo propozycja nowej;
• uporządkowanie notatek ze spotkania z klientem.

Nie zaczynaj od zadań, w których odpowiedź trudno sprawdzić albo błąd jest kosztowny: ustalania stawki VAT dla nietypowej usługi, interpretacji przepisów bez sprawdzenia źródła, wysyłania do czatu pełnych danych osobowych pracowników klienta. Bezpieczeństwu danych poświęcony jest moduł 6.

Najważniejsze w 3 punktach

1. Reguły, uczenie maszynowe i generatywna AI to różne narzędzia o różnych błędach: dobierz kontrolę do rodzaju automatyzacji.
2. Model językowy może zmyślić przepis lub liczbę, więc każdą informację prawną sprawdzasz w źródle urzędowym.
3. AI przygotowuje, człowiek sprawdza i zatwierdza: odpowiedzialność za dekretację i księgi zostaje po stronie ludzi.

Źródła

• Ustawa z dnia 29 września 1994 r. o rachunkowości, tekst jednolity Dz.U. 2026 poz. 522, art. 21 ust. 1 pkt 6: https://isap.sejm.gov.pl/isap.nsf/DocDetails.xsp?id=WDU20260000522
• Ustawa z dnia 11 marca 2004 r. o podatku od towarów i usług, tekst jednolity Dz.U. 2026 poz. 1263 (art. 43): https://isap.sejm.gov.pl/isap.nsf/DocDetails.xsp?id=WDU20260001263
• Microsoft Learn, Data, Privacy, and Security for Microsoft Copilot (informacja o zmianie nazwy i ograniczeniach odpowiedzi), stan na październik 2026: https://learn.microsoft.com/en-us/copilot/microsoft-365/microsoft-365-copilot-privacy

Materiał edukacyjny, nie porada prawna ani podatkowa. Stan prawny na październik 2026.