Automatizări AI

    Agent AI care procesează facturile primite în 30 secunde

    Email → extract → SAGA/SmartBill. Cum elimini 4 ore/săptămână de input manual din contabilitate.

    NNexAi Editorial 30 aprilie 2026 3 min citire
    Agent AI care procesează facturile primite în 30 secunde
    Cuprins
    1. 01Stack-ul tehnic
    2. 02De ce funcționează: prompt structurat
    3. 03Securitate și GDPR

    Orice afacere primește între 20 și 80 de facturi pe lună de la furnizori. Pentru fiecare, cineva trebuie să deschidă email-ul, să citească datele (furnizor, CUI, număr, dată, sume), să le introducă în SmartBill, SAGA sau Oblio, să arhiveze PDF-ul. Costul real per factură: 12-18 minute de muncă atentă. La 50 facturi/lună înseamnă 10-15 ore, adică o zi întreagă din timpul cuiva.

    Cu un agent AI bine construit pe GPT-4 Vision sau Gemini 2.5, același proces durează 30 de secunde și se întâmplă fără ca cineva să atingă tastatura. Articolul ăsta descrie exact stack-ul, prompt-ul, edge case-urile și cum integrezi totul cu programul tău de contabilitate românesc.

    Stack-ul tehnic

    • Inbox dedicat: facturi@firmata.ro pe Gmail Workspace sau IMAP propriu
    • n8n cu trigger pe email nou cu attachment PDF/imagine
    • GPT-4 Vision sau Gemini 2.5 Flash pentru extracție structurată (cost: ~€0.01/factură)
    • Validare cu regex pe format CUI românesc + verificare ANAF (opțional)
    • API SmartBill, SAGA sau Oblio pentru înregistrare automată
    • Slack sau email notification pentru factura procesată cu summary

    De ce funcționează: prompt structurat

    Cheia întregului sistem stă într-un singur lucru, dai modelului un schema JSON exact pe care trebuie să-l completeze. Furnizor (denumire completă), CUI (cu sau fără RO), număr factură, dată emitere, dată scadență, total fără TVA, TVA (defalcat pe cote), total cu TVA, monedă, IBAN. Plus o regulă pe care o repeți de 3 ori în prompt: dacă nu ești 100% sigur de un câmp, marchează-l ca null. Niciodată ghicit, niciodată „cel mai probabil".

    Această regulă singură reduce erorile cu 90%. Modelele LLM tind să fabuleze cu confidence când nu știu, dacă nu le instruiești explicit să se oprească la incertitudine, vei avea CUI-uri inventate care intră în contabilitate și creează coșmaruri la sfârșit de lună. Cu prompt-ul corect, modelul preferă să spună „nu știu" decât să ghicească.

    Al doilea truc important: cere modelului să returneze și un confidence score per câmp (0.0 - 1.0). Câmpurile sub 0.85 ajung automat într-un dashboard de review uman. În practică, ~88% din facturi sunt complet automate, restul de 12% sunt review în 30 de secunde, încă o îmbunătățire de 50x față de procesul manual integral.

    NexAi

    Vrei să implementezi asta în afacerea ta? Hai să vedem împreună ce-ți potrivește.

    Edge cases pe care le-am întâlnit

    Facturi scanate cu telefonul (rotite, prost luminate, cu degetul în colț), Vision le citește bine în 90% din cazuri, restul ajung la review manual cu evidențierea câmpurilor incerte. Facturi în limbi străine (engleză, italiană, germană), modelul le procesează nativ, doar mapping-ul de TVA trebuie ajustat. Facturi cu mai multe pagini sau cu anexe, trimitem fiecare pagină separat și agregăm totalurile final. Facturi storno cu sume negative, flag separat în SmartBill, nu le procesăm automat ca facturi normale.

    Cazul cel mai problematic: facturile de servicii recurente unde furnizorul folosește un format propriu, ne-standard. Pentru clienții cu volum mare de la același furnizor, construim un parser dedicat (regex + template matching) care e și mai precis decât LLM-ul și costă zero per execuție. LLM-ul rămâne pentru long-tail.

    Securitate și GDPR

    Facturile conțin date sensibile: CUI-uri, sume, IBAN-uri, uneori CNP-uri (persoane fizice autorizate). Toate sunt date care intră sub GDPR și obligația de păstrare 10 ani conform Codului Fiscal. PDF-urile originale se arhivează în Supabase Storage criptat, cu access policies stricte pe RLS. Procesarea cu LLM se face prin endpoint-uri enterprise care nu reutilizează datele pentru training (Azure OpenAI sau Google Vertex AI), nu prin API-ul public OpenAI care are alte termeni.

    "Pentru un dealer auto din Cluj, sistemul procesează 240 facturi/lună complet automat. Contabila vede doar excepțiile și a recuperat o săptămână de muncă din fiecare lună."

    Cât costă să-l construiești

    Pentru o afacere cu 50-200 facturi/lună, sistemul complet (n8n workflow + integrare contabilitate + dashboard review + training pentru echipă) e între €1.800 și €3.500 ca investiție inițială. Operare lunară: €8-25 (API calls + storage). Payback typical: 2-4 luni doar din timpul recuperat al contabilei. La volume mari (500+ facturi/lună), payback-ul e sub 30 zile.

    Întrebări frecvente

    Cât de precisă este extragerea datelor din facturi?

    Pe facturi standard, acuratețea este foarte ridicată, iar cazurile neclare pot fi trimise automat spre validare umană înainte de înregistrare.

    Se integrează cu programele de contabilitate din România?

    Da, prin API sau prin fișiere de import, în funcție de ce suportă programul folosit.

    Ce se întâmplă cu facturile în format scanat?

    Sunt procesate prin OCR, iar rezultatul este validat înainte de a fi introdus în sistem.

    Share
    Înapoi la blog

    Mai mult din Automatizări AI