---
title: "Adminisztráció automatizálás AI-val: számla, dokumentum, adat"
url: https://automating.hu/blog/adminisztracio-automatizalasa
publisher: Automating (https://automating.hu)
---

# Adminisztráció automatizálása AI-val: számlák, dokumentumok, adatbevitel

Mit vehet át az AI a számlák, szerződések és űrlapok kézi gépeléséből, és hol kell ember? Belülről mutatjuk meg, hogyan olvas és ellenőriz, mire figyelj magyar számláknál, és hogyan fut ez egy pékségben.

Röviden

- Az AI egy dokumentumot két lépésben dolgoz fel: először szöveget nyer ki belőle (szkennelt anyagnál OCR-rel), utána egy nyelvi modell előre megadott mezőkbe rendezi az adatot.
- A kinyert adatot gépi szabályok ellenőrzik: összegek, adószám, dátumok, duplikáció. Ami nem megy át, emberhez kerül.
- Magyar sajátosság: a NAV Online Számla rendszerében a vevő gépi interfészen lekérdezheti a neki kiállított számlák adatait, ha a számlán szerepel az adószáma. Ez a beolvasott adat egyik legjobb ellenőrzője.
- Az emberi munka gépelésből jóváhagyássá és kivételkezeléssé alakul.
- A Kakucsi Pékségnél a rendeléstől a kasszán, a készleten és a beszállítói rendelésen át a napi zárásig automatizált a működés.

Az adminisztráció automatizálása AI-val azt jelenti, hogy a háttérmunka olvasó és gépelő részét gép végzi. A beérkező számlát, szerződést, űrlapot vagy e-mail-mellékletet egy AI elolvassa, a benne lévő adatot mezőkbe rendezi, gépi szabályok ellenőrzik, és beíródik a számlázóba, a táblázatba vagy a vállalatirányítási rendszerbe. Ember csak azt nézi meg, ami nem ment át az ellenőrzésen.

Nem az a kérdés, hogy meg tudjátok-e csinálni kézzel. Hanem hogy mennyibe kerül, hogy még mindig kézzel csináljátok.

Az általános keretet, hogy egy automatizált folyamat milyen alkatrészekből áll, [az üzleti folyamat-automatizálásról szóló alapcikk](https://automating.hu/blog/uzleti-folyamat-automatizalas) adja. Itt a dokumentumokra szűkítünk.

## Milyen adminisztratív munkát lehet automatizálni?

Automatizálható minden olyan háttérmunka, ahol egy dokumentumból vagy üzenetből adatot kell átvinni egy rendszerbe, vagy ahol több forrásból kell rendszeres összesítést készíteni. A leggyakoribbak a beérkező számlák, a szerződések adatai, az űrlapok, az e-mailek mellékletei, a kézi adatbevitel és az ismétlődő riportok. Mindegyiknél más az AI szerepe, és más a kockázat.


| Dokumentum vagy munka | Mit végez az AI | Mit ellenőriz gép | Hol kell ember |
| --- | --- | --- | --- |
| Beérkező számla | Kinyeri a szállítót, adószámot, tételeket, összegeket, határidőt | Nettó + áfa = bruttó, adószám, duplikáció, NAV-adat | Eltérésnél, új szállítónál, kifizetés jóváhagyásánál |
| Szerződés | Kiemeli a feleket, határidőket, díjakat, felmondási feltételeket | Kötelező mezők megléte, dátumok sorrendje | Mindig: a jogi értelmezés emberi feladat |
| Űrlap (papír vagy PDF) | Mezőnként kiolvassa a kitöltött adatot | Formátum (adószám, irányítószám, e-mail), kötelező mezők | Olvashatatlan vagy kézzel írt mezőknél |
| E-mail melléklet | Felismeri, milyen dokumentum (számla, rendelés, szállítólevél), és a megfelelő folyamatba küldi | Feladó, típus, ismétlődés | Ha a típus bizonytalan |
| Kézi adatbevitel két rendszer között | Ha a forrás szöveg, értelmezi, ha táblázat, átalakítja | Egyezés a célrendszer adataival | Ritkán, a kivételeknél |
| Ismétlődő riport | Összegyűjti az adatot, megírja a szöveges összefoglalót | Végösszegek egyezése a forrással | Az első hetekben a számok átnézésénél |
| Megbeszélés jegyzőkönyve | Leírja és összefoglalja, kiemeli a teendőket | Résztvevők, határidők listája | Kiküldés előtt |


A számlák külön cikket kaptak: [a számlafeldolgozás AI-val](https://automating.hu/blog/szamlafeldolgozas-ai) a beérkező számlától a könyvelésig követi az utat. A megbeszélések rögzítéséről [az AI jegyzőkönyv és meeting-jegyzetelő eszközökről szóló cikkünk](https://automating.hu/blog/ai-jegyzokonyv) szól.

## Hogyan olvas el egy dokumentumot az AI?

Az AI egy dokumentumot két lépésben dolgoz fel. Először szöveget nyer ki belőle: egy digitálisan készült PDF-ből ez közvetlenül kiolvasható, egy szkennelt vagy lefényképezett lapnál optikai karakterfelismerés (OCR) kell. Utána egy nyelvi modell ezt a szöveget előre megadott mezőkbe rendezi: melyik szám a végösszeg, melyik a fizetési határidő, ki a szállító. A két lépés együtt adja az intelligens dokumentumfeldolgozást.

Intelligens dokumentumfeldolgozás

Olyan automatizálás, amely dokumentumokból (számla, szerződés, űrlap, levél) strukturált adatot állít elő. Szövegfelismerést (OCR) kombinál nyelvi modellel, amely a felismert szöveget értelmezi és előre rögzített mezőkbe rendezi, majd a kinyert adatot gépi ellenőrzés és szükség esetén emberi jóváhagyás után adja át a célrendszernek.

A teljes út egy beérkező dokumentumnál így néz ki:

1. **Beérkezés.** A dokumentum megjön e-mail-mellékletként, feltöltésként vagy szkennerből egy megosztott mappába. A rendszer naplózza, honnan és mikor jött.

2. **Szövegkinyerés.** Ha a PDF digitális, a szövegréteget olvassa ki. Ha kép, OCR fut rajta. Ha a minőség gyenge (elmosódott fotó, ferde szkennelés), a dokumentum már itt kivételként megjelölődik.

3. **Típusfelismerés.** A modell eldönti, mi ez: számla, díjbekérő, szállítólevél, szerződés, árajánlat. A típus dönti el, melyik mezősablon és melyik folyamat jön.

4. **Adatkinyerés.** A modell kitölti a típushoz tartozó mezőket. A jó rendszer nem szabad szöveget kér, hanem pontos mezőlistát, formátummal: dátum, összeg, pénznem, adószám.

5. **Ellenőrzés.** Gépi szabályok nézik meg az eredményt (erről a következő szakasz szól). Ami átmegy, továbbmegy. Ami nem, ember elé kerül, a hibával együtt.

6. **Beírás és archiválás.** Az adat bekerül a célrendszerbe, az eredeti dokumentum pedig a megfelelő helyre kerül, hivatkozással a rögzített tételre.

A nyelvi modell itt nem "talál ki" semmit, ha jól van beállítva: csak azt írhatja a mezőbe, ami a dokumentumban szerepel, és ha valamit nem talál, üresen kell hagynia. Ez a beállítás az egyik legfontosabb különbség egy jól és egy rosszul megépített rendszer között.

## Hogyan ellenőrizd a kinyert adatot?

A kinyert adatot gépi ellenőrzési szabályok teszik megbízhatóvá. Minden mezőhöz tartozik egy vizsgálat: stimmel-e az összeg, létezik-e az adószám, nem érkezett-e már ugyanez a dokumentum, ésszerű-e a dátum. Ami bármelyiken elbukik, nem megy tovább automatikusan, hanem a hibával együtt emberhez kerül.

A legfontosabb ellenőrzések egy számlánál:

- **Számtani egyezés.** A tételsorok összege adja-e a nettót, a nettó és az áfa együtt a bruttót. Ez a leggyorsabb módja annak, hogy egy félreolvasott számjegy kiderüljön.

- **Adószám.** Formailag helyes-e, és létezik-e. A NAV Online Számla interfészének van egy erre szolgáló művelete (queryTaxpayer), amely a dokumentáció szerint a NAV adatbázisa alapján ad adatot egy belföldi adószám valódiságáról és érvényességéről.

- **Duplikáció.** Rögzítették-e már ugyanezt a számlát ugyanattól a szállítótól. A dupla rögzítés a kézi adatbevitel egyik leggyakoribb hibája, géppel egyszerű kiszűrni.

- **Dátumok.** A teljesítés, a kiállítás és a fizetési határidő sorrendje ésszerű-e, és nem a jövőben vagy évekkel ezelőtt van-e.

- **Ismert szállító.** Egyezik-e a bankszámlaszám a szállítónál korábban rögzítettel. Ha megváltozott, az mindig emberi ellenőrzést kér, mert a megváltozott számlaszám csalásra is utalhat.

- **Bizonyossági szint.** Ha a modell maga jelzi, hogy egy mezőben bizonytalan, az a mező akkor is emberhez megy, ha a többi ellenőrzés átment.

Egy dokumentumfeldolgozó rendszerben az AI a könnyebbik rész. Ami megbízhatóvá teszi, az a mögötte lévő ellenőrzési lista. Én minden mezőnél azt kérdezem: ha ez rossz, miből venném észre? Ha erre nincs gépi válasz, az a mező emberi jóváhagyással megy. Így a rendszer nem attól lesz pontos, hogy az AI soha nem hibázik, hanem attól, hogy a hibái nem jutnak át.

Hudácsek Bence Társalapító, CTO · Automating

## Mire figyelj magyar dokumentumoknál?

Magyar dokumentumoknál három dologra érdemes külön figyelni: a NAV Online Számla rendszerre, amelyből a számlaadatok egy része eleve gépi formában is elérhető, a magyar számok és dátumok írásmódjára, és a hazai dokumentumtípusokra, amelyeket egy külföldi sablonokra tanított rendszer nem ismer fel magától. Mindhárom a beállításon múlik, nem az AI-modellen.

### A NAV Online Számla mint ellenőrző forrás

Magyarországon a számlázóprogramok a kiállított számlák adatait a NAV Online Számla rendszerébe küldik. Ennek van egy kevésbé ismert következménye: a NAV nyilvánosan dokumentált gépi interfészén (API) a vevő oldaláról is lekérdezhetők a neki kiállított számlák adatai. A NAV interfész-specifikációja szerint a vevői irányú (INBOUND) keresés azokat a számlákat adja vissza, amelyeken a lekérdező adószáma vevőként szerepel.

Ebből két dolog következik. Egyrészt a beolvasott PDF adatait össze lehet vetni azzal, amit a szállító a NAV-nak beküldött. Ha eltér, valamelyik hibás, és ezt még a könyvelés előtt érdemes tisztázni. Másrészt a specifikáció azt is rögzíti, hogy a vevő adószámát nem tartalmazó számlák vevői oldalról nem kereshetők. Ilyen lehet például egy magánszemélynek kiállított vagy külföldi számla. Ezeknél marad a dokumentum beolvasása és a többi ellenőrzés.

### Számok, dátumok, ékezetek

A magyar írásmód több ponton eltér attól, amire sok szoftver alapból számít. A tizedesjel vessző, az ezres tagolás szóköz vagy pont. A dátum év-hónap-nap sorrendű, gyakran pontokkal ("2026. 10. 04."). A hosszú ő és ű betűt a szövegfelismerés néha rövid magánhangzónak vagy más jelnek olvassa. Egy jól beállított rendszer ezeket kifejezetten kezeli, és a mezőket egységes formára hozza, mielőtt továbbadja őket.

### Hazai dokumentumtípusok

Díjbekérő, teljesítésigazolás, szállítólevél, helyesbítő számla, sztornó számla. Ezek mind más kezelést kérnek. Egy díjbekérő nem számla, nem kerülhet a könyvelésbe számlaként. Egy helyesbítő számla egy korábbi számlához tartozik, és azt is meg kell találni. A típusfelismerésnek ezeket külön kategóriaként kell ismernie.

A könyvelőirodák felől nézve, ahol mindez napi tömegben jelentkezik, [az AI a könyvelőirodában](https://automating.hu/blog/ai-konyveloiroda) című cikk mutatja be, mit érdemes gépre bízni és mit nem.

## Hol marad emberi ellenőrzés?

Az emberi ellenőrzés megmarad, csak más lesz. A kolléga gépelés helyett jóváhagy: a kinyert adatot az eredeti dokumentum mellett látja, és csak azokkal a tételekkel foglalkozik, amelyeket az ellenőrzés kiszűrt. Három helyen viszont mindig ember dönt: kifizetés jóváhagyásakor, új szállító felvételekor és minden jogi értelmezést igénylő kérdésben.

Hogy mennyi munka marad, azt egy számolt példán mutatjuk meg. A számok feltevések, nem mért eredmények:

400 dbbeérkező számla havonta feltevés3 perckézi rögzítés számlánként feltevés20 órahavi kézi rögzítés ma számolt≈ 5,8 órahavi emberi munka automatizálva számolt

A számolás: ma 400 számla × 3 perc = 1 200 perc, vagyis 20 óra havonta. Automatizálva tegyük fel, hogy a számlák 85 százaléka minden ellenőrzésen átmegy, és ezeknél egy fél perces rátekintés elég: 340 × 0,5 perc = 170 perc. A maradék 15 százalék, 60 számla kivételként jön, ezeket teljesen kézzel nézik át, számlánként 3 percben: 180 perc. Összesen 350 perc, nagyjából 5,8 óra. A havi különbség körülbelül 14 óra. Hogy nálatok mekkora az arány, az a dokumentumok minőségén és a szállítók számán múlik, ezért a bevezetés első heteiben ezt mérni kell.

Egy ilyen rendszernél én először azt nézem, mennyi idő telik el a számla beérkezése és a könyvelőhöz kerülése között, és ki nyúl hozzá közben. Ha ezt a kiinduló állapotot nem írod fel, három hónap múlva csak érzésed lesz arról, megérte-e. Ha felírod, a különbség magától kiszámolódik.

Homoki Gábor Társalapító, CEO · Automating

## Hogyan néz ki ez élesben? A Kakucsi Pékség teljes működése

A gyáli Kakucsi Pékség & Pizza Szigetnél egy telefonos rendelésfelvevő AI-jal indultunk 2026 áprilisában. Nyáron Kakucsi Sándor visszajött, és azt kérte, hogy a bolt működését is tegyük AI-ra. Ma a főüzletben a rendelés telefonon, online vagy a pultnál jön be, a kassza áfakulcs szerint blokkol, a rendszer levonja a tételt a készletből, a beszállítói rendelést a rendelési napokhoz és határidőkhöz igazítja, este pedig magától elkészül a napi zárás, és e-mailben megy a pénzügynek.

Adminisztrációs szempontból ez azt jelenti, hogy a napi zárás összesítése, a beszállítói rendelések összeállítása és a riport nem egy ember esti munkája, hanem a nap végén keletkező eredmény. Ha egy áruátvétel túl sokáig nyitva marad, a rendszer szól. Ez a kivételkezelés: a rendszer azt figyeli, mi lóg ki.

Kakucsi Sándor a saját szavaival így foglalta össze:

„Egy hét elteltével már automatikusan kezeli a telefonos rendelésfelvételt, a számlázást, raktárkezelést, beszállítói rendeléseket és riportokat. A papírfelhasználásunk 90%-kal csökkent, ami nemcsak hatékonyabbá tette a működésünket, hanem költségben és fenntarthatóságban is hatalmas előrelépés."

A 90 százalék az ő állítása, nem a mi mérésünk. A teljes történet, a telefonos asszisztenstől a működésig, [a Kakucsi Pékség esettanulmányában](https://automating.hu/case-studies#kakucsi) olvasható.

## Mire figyelj adatvédelemben?

A számlákban, szerződésekben és űrlapokban szinte mindig van személyes adat: név, cím, telefonszám, bankszámlaszám. Ha ezeket egy AI-szolgáltatás dolgozza fel, az a GDPR szerint adatfeldolgozó, és vele adatfeldolgozói szerződés kell. Érdemes azt is eldönteni, mennyi ideig őrzi meg a rendszer a feldolgozott dokumentumok másolatát és a futási naplót, és ki fér hozzájuk.

A gyakorlati szabály: a feldolgozó rendszer csak azt lássa, ami a feladathoz kell, és a dokumentum ott maradjon, ahol eddig is tároltátok. Hogy mit kell rendezned, mielőtt ügyféladatot adsz egy AI-eszköznek, azt [az AI és a GDPR kapcsolatáról szóló cikkünk](https://automating.hu/blog/ai-gdpr) részletezi.

## Mikor nem éri meg automatizálni az adminisztrációt?

Nem éri meg, ha a dokumentumok száma kicsi, és minden darab más. Havi tíz számlánál a beállítás és a karbantartás több időt visz el, mint a kézi rögzítés. Akkor sem, ha a dokumentumokban lévő döntés jogi vagy szakmai mérlegelést kíván, és a gép csak előkészíteni tudna. Ilyenkor a segítség inkább egy jó keresés vagy összefoglaló, nem automatikus feldolgozás.

Akkor sem éri meg, ha a folyamat maga rendezetlen. Ha nincs meg, ki hagyja jóvá a számlát, hova kerül a szerződés, és melyik táblázat az igazi, az automatizálás csak gyorsabban viszi tovább a rendetlenséget. Ilyenkor előbb a folyamatot kell leírni. Hogy a beolvasott adatot végül API, RPA-robot vagy más út viszi be egy régi programba, azt [az RPA és az AI-automatizálás különbségéről szóló cikkünk](https://automating.hu/blog/rpa-vs-ai-automatizalas) segít eldönteni.

## Hogyan építjük fel ezt egy ügyfélnél?

Egy dokumentumtípussal kezdünk, azzal, amelyikből a legtöbb jön, és amelyiknek világos a célja. Leírjuk a mezőket, amelyeket ki kell nyerni, az ellenőrzési szabályokat, és azt, hogy hova kerül az adat. A rendszert a cég meglévő programjaira építjük, magyar számlák esetén a NAV-ellenőrzéssel együtt, ahol a cég ezt kéri és a jogosultságok megvannak. Az első hetekben minden tétel emberi jóváhagyással megy, a napló alapján hangoljuk a szabályokat, és csak utána döntünk közösen arról, mi mehet magától.

Egy fókuszált, egy folyamatot lefedő rendszer így jellemzően 1-2 hét alatt áll működésbe. Utána jöhet a következő dokumentumtípus, a meglévő ellenőrzési logikára építve.

## Gyakori kérdések

### Mi a különbség az OCR és az AI-alapú dokumentumfeldolgozás között?

Az OCR (optikai karakterfelismerés) képből szöveget csinál, de nem tudja, melyik szám a végösszeg és melyik az adószám. Az AI-alapú feldolgozás a felismert szöveget értelmezi, és előre megadott mezőkbe rendezi. A gyakorlatban a kettő egymás után fut.

### Kézzel írt dokumentumot is fel tud dolgozni az AI?

Részben. A nyomtatott, jó minőségű dokumentumokkal a legmegbízhatóbb. A kézírás felismerése a kézírástól és a kép minőségétől függ, ezért kézzel kitöltött űrlapoknál magasabb arányban kell emberi ellenőrzés.

### Kell-e a könyvelőnek bármit változtatnia, ha automatizáljuk a számlák feldolgozását?

Általában nem kell, de érdemes bevonni. A legjobb, ha az automatizálás pontosan abban a formában adja át az adatot, amit a könyvelő ma is kér, például importálható fájlban vagy a könyvelőprogram saját formátumában.

### Mennyi papírt lehet megspórolni?

Folyamatonként nagyon eltérő. Mért adatunk erre nincs, de ügyfelünk, Kakucsi Sándor saját szavaival a pékségében a papírfelhasználás 90 százalékkal csökkent, miután a rendelés, a számlázás, a raktár és a riportok automatizáltan futnak.

## Források

1. [NAV Online Számla interfész specifikáció v3.0 (2026.02.12): queryInvoiceDigest vevői (INBOUND) lekérdezés, queryTaxpayer adószám-ellenőrzés](https://github.com/nav-gov-hu/Online-Invoice/tree/master/docs/API%20docs/hu), Nemzeti Adó- és Vámhivatal (2026-02-12)
2. [Online-Invoice (az Online Számla rendszer nyilvános tárhelye)](https://github.com/nav-gov-hu/Online-Invoice), Nemzeti Adó- és Vámhivatal (2026-10-04)
3. [Az Európai Parlament és a Tanács (EU) 2016/679 rendelete (GDPR), 28. cikk](https://eur-lex.europa.eu/eli/reg/2016/679/oj), EUR-Lex (2016-04-27)
4. [Optical character recognition](https://en.wikipedia.org/wiki/Optical_character_recognition), Wikipedia (2026-10-04)
5. [Document processing](https://en.wikipedia.org/wiki/Document_processing), Wikipedia (2026-10-04)

Szakmailag átnézte: **[Homoki Gábor](https://automating.hu/blog/homoki-gabor)**, az Automating társalapítója. Utolsó tartalmi frissítés: 2026. október 4.