---
title: "Prevod PDF faktúry do Excelu: kedy treba AI a kedy nie"
description: "Prevod PDF faktúry do Excelu: skript prečítal 30 z 30 textových PDF, skeny potrebujú model a jeho chyby sú v IČ DPH. Vyťažovanie faktúr v praxi."
url: "https://madsalt.tech/sk/blog/pdf-invoice-to-excel/"
author: "Denys Zaichenko"
author_url: "https://madsalt.tech/sk/about/"
language: "sk"
published: 2026-10-22
---

# Prevod PDF faktúry do Excelu: kedy treba AI a kedy nie

TL;DR

Najprv zistite, či má PDF textovú vrstvu. Ak áno, krátky skript bez AI prečítal správne všetkých 30 mojich testovacích faktúr, hlavičku aj všetkých 113 riadkových položiek, s mediánom 0,03 sekundy na faktúru. Pri skene ten istý skript nevráti nič a potrebujete model. V behu, o ktorom píšem, prečítal Claude Haiku 5.5 pri všetkých 30 skenoch správne súčty základu, DPH aj celkovej sumy, ale pomýlil číslice v IČ DPH, číslach faktúr a popisoch a dve sumy na riadkoch: 4 z 30 faktúr celkom správne, 12, keď sa prehliadnu podobné znaky. Aritmetické kontroly zachytili 2 z 18 chybných faktúr. Kontrola kontrolnej číslice IČ DPH zachytila 16 z 18 a spolu s aritmetickými kontrolami 17 z 18.

Som Denys, full-stack a AI inžinier. Chcel som vedieť, čo funguje pri prevode PDF faktúry do Excelu a ako často je výsledok zlý. Vyskúšal som preto úlohu sám od začiatku do konca na 30 fiktívnych dodávateľských faktúrach podobných tým z [môjho skoršieho testu štyroch modelov AI](https://madsalt.tech/sk/blog/invoice-data-extraction-with-ai/): 10 českých, 10 nemeckých a 10 portugalských, spolu 113 riadkových položiek. Názvy firiem nesú ukážkové slová (Vzor, Muster, Beispiel, Exemplo), každá faktúra má v pätičke text SAMPLE a IČ DPH boli overené v službe VIES Európskej únie, ktorá pri všetkých odpovedala „neplatné“. Tento test používa PDF, pridáva riadkové položky a končí v zošite Excelu.

## Ako spoznáte textové PDF od skenu?

PDF vytlačené z účtovného programu obsahuje samotný text, textovú vrstvu. Skenované PDF je obrázok strany zabalený do súboru PDF, bez akéhokoľvek textu. Ak môžete myšou označiť slovo, je to textové PDF.

Od každej faktúry som vytvoril obe verzie, spolu 60 PDF. Všetkých 30 textových PDF malo textovú vrstvu. Zo všetkých 30 skenov získala knižnica na PDF 0 znakov. Skeny sú moja simulácia zo skoršieho testu (pootočenie, rozmazanie, šum, silná JPEG kompresia), nie papier zo skenera.

## Ide prevod PDF faktúry do Excelu bez AI?

Ide, ak má PDF textovú vrstvu. Napísal som skript v Pythone s knižnicou [pdfplumber](https://github.com/jsvine/pdfplumber), ktorá zadarmo číta textovú vrstvu: jedna sada popiskov na jazyk, IČ DPH nájdené podľa polovice strany (dodávateľ vľavo, odberateľ vpravo) a regulárny výraz na každý riadok položky. Je to 94 riadkov pre 3 rozloženia.

Výsledok na textových PDF: 30 z 30 faktúr celkom správne, 0 chýb v 270 poliach hlavičky, 113 zo 113 riadkových položiek správne, medián 0,03 sekundy na faktúru a žiadne náklady.

Má to veľký háčik. Pravidlá som písal s týmito 30 faktúrami pred očami, takže je to pre pravidlá najlepší možný prípad. Každé nové rozloženie dodávateľa potrebuje nové pravidlá a žiadne iné rozloženie som netestoval. Dve veci, ktoré pravidlá museli zvládnuť:

- **Poradie čítania.** Pri všetkých 30 faktúrach, vo všetkých troch rozloženiach, je v textovej vrstve IČ DPH odberateľa pred IČ DPH dodávateľa, takže „vezmi prvé IČ DPH“ ich vymení. Skript číta ľavú a pravú polovicu strany osobitne.
- **Predpona IČ DPH.** Portugalské faktúry tlačia číslo s `PT` aj bez neho. Porovnávam bez predpony: 8 faktúr sa od pravdivej hodnoty líši len týmto.

![Od PDF faktúry do Excelu. Prvá otázka: má PDF textovú vrstvu? Textová vrstva nájdená: PDF → Skript → Súbor Excel; Bez textovej vrstvy (sken): PDF → AI model → Kontrola IČ DPH → Revízia → Súbor Excel.](https://madsalt.tech/charts/sk/pdf-invoice-to-excel-flow.svg)

*Z môjho testu 30 fiktívnych faktúr, 22. októbra 2026. Kontrola IČ DPH: kontrolná číslica IČ DPH.*

## Čo sa stane, keď je PDF faktúra sken?

Skript zlyhá potichu. Pri 30 skenoch vrátilo `extract_text()` zakaždým prázdny reťazec, volanie uspelo a všetkých 270 polí hlavičky prišlo prázdnych. Nič nevyvolalo chybu.

Pri skenoch som každé PDF poslal cez OpenRouter modelu Claude Haiku 5.5, ktorý číta PDF priamo, bez samostatného kroku OCR. Teplota 0, jeden JSON na faktúru: deväť polí hlavičky plus riadkové položky (popis, množstvo, jednotková cena, suma).

| Metóda a vstup                            | Faktúry celkom správne | Riadkové položky správne |
| ----------------------------------------- | ---------------------- | ------------------------ |
| Skript, textové PDF                       | 30 z 30                | 113 zo 113               |
| Skript, sken                              | 0 z 30                 | 0 zo 113                 |
| Haiku 5.5, textové PDF                    | 29 z 30                | 112 zo 113               |
| Haiku 5.5, sken, presne                   | 4 z 30                 | 76 zo 113                |
| Haiku 5.5, sken, podobné znaky ignorované | 12 z 30                | 108 zo 113               |

„Celkom správne“ znamená, že sedí deväť polí hlavičky aj každá riadková položka. Pri textových PDF bola jediná chyba Haiku v popise, `Europaletten` namiesto `Europalette`; jeho hlavička bola správne pri 30 z 30. Pri skenoch malo všetkých deväť polí hlavičky správne 14 z 30 faktúr.

![Faktúry celkom správne, z 30. Hlavička aj každá riadková položka správne. Haiku 5.5 pri skenoch: 12, keď sa prehliadnu podobné znaky (× a x, – a -). Skript, textové PDF: 30; Skript, sken: 0; Haiku 5.5, textové PDF: 29; Haiku 5.5, sken: 4.](https://madsalt.tech/charts/sk/pdf-invoice-to-excel.svg)

*Môj test 30 fiktívnych českých, nemeckých a portugalských faktúr, 22. októbra 2026. Textové PDF má textovú vrstvu, sken ju nemá.*

## Čo model pri vyťažovaní faktúr zo skenov prečítal zle?

Väčšinou nie peniaze. Dátum vystavenia, dátum splatnosti, mena, základ dane, DPH a celková suma: 0 chýb pri všetkých 30 faktúrach v tomto behu. Množstvo, jednotková cena a suma: 111 zo 113 správne. Chyby boli väčšinou v texte:

- **Hlavička: 21 chybných polí v 16 faktúrach**, všetky v IČ DPH. IČ DPH dodávateľa 6-krát, IČ DPH odberateľa 15-krát.
- **Riadkové položky: 37 zo 113 nie je presne správne.** 32 sa líši len typograficky: `×` vrátené ako `x`, `–` ako `-`, `µ` (znak mikro) ako `μ` (grécke mí). 5 je skutočných chybných prečítaní: 3 popisy (`fita estirável` namiesto `filme estirável`, všetky na jednej portugalskej faktúre) a 2 sumy (`184,00` prečítané ako `164,00`, `1.376,67` ako `1.378,67`).

## Prečo aritmetické kontroly takmer mlčali?

Do zošita som dal dve kontroly ako stĺpce: riadkové položky sa sčítajú na základ dane a základ plus DPH sa rovná celkovej sume, oboje s toleranciou 0,01. Pri skenoch čítaných modelom označili 2 z 18 skutočne chybných faktúr (2 z 26, keď sa za chybu počíta aj typografia), teda tie dve so zle prečítanou sumou na riadku. Sumy v hlavičke boli správne, takže súčty sedeli. Kontrola čísel nevidí zlú číslicu v identifikátore ani v slove. Rovnaký vzorec našiel už [skorší test](https://madsalt.tech/sk/blog/invoice-data-extraction-with-ai/): jeho kontrola súčtov označila 3 zo 63 chybných faktúr.

Pri prázdnom výstupe skriptu zahlásili obe kontroly chybu pri 30 z 30. Vyťaženie, ktoré nevráti nič, aspoň v tabuľke zlyhá nahlas.

Tretia kontrola, kontrolná číslica IČ DPH ([python-stdnum](https://arthurdejong.org/python-stdnum/) pre české DIČ, nemecké USt-IdNr. a portugalské NIF), zachytila 16 z 18 chybných faktúr a pri žiadnej správnej nevyvolala falošný poplach. Žiadne chybné IČ DPH ňou neprešlo. Spolu s aritmetickými kontrolami je to 17 z 18. Zostávajúca jedna bola portugalská faktúra, na ktorej boli zle prečítané len popisy, a potrebuje človeka, ktorý má vedľa riadku otvorené PDF.

## Ako usporiadať faktúry do Excelu?

Dva listy. `Invoices` má jeden riadok na faktúru: názov súboru, číslo faktúry, dátum vystavenia a splatnosti, IČ DPH dodávateľa a odberateľa, menu, základ, DPH a celkovú sumu, počet riadkových položiek a ich súčet a tri stĺpce kontrol. `Lines` má jeden riadok na položku: názov súboru, číslo faktúry, číslo riadka, popis, množstvo, jednotkovú cenu a sumu. Obe prepája číslo faktúry. Jeden plochý riadok na faktúru nefunguje, pretože počet položiek kolíše a moja najdlhšia faktúra ich má deväť.

Čísla sa zapisujú ako čísla a dátumy ako dátumy. České `175 011,84 Kč` alebo nemecké `10.465,61 €` treba pred zápisom previesť, inak ich Excel berie ako text a súčet ich ignoruje. Uložený súbor som znova otvoril a skontroloval typ 2 256 buniek: dátumy, sumy, množstvá aj výsledky kontrol mali správny typ a 0 bolo uložených ako text. Ďalších 300 buniek bolo prázdnych, išlo o riadky, kde skript nič nenašiel.

Súbor som načítal späť knižnicou a neotváral som ho v Exceli ani v LibreOffice a kontroly sú hodnoty TRUE alebo FALSE, nie vzorce.

## Koľko to stojí a ako dlho to trvá?

Skript nestojí nič a zaberie 0,03 sekundy na faktúru. Pri Haiku 5.5 som použil cenu za volanie vyúčtovanú OpenRouterom:

| Haiku 5.5     | USD za 1 000 faktúr | Medián sekúnd na faktúru |
| ------------- | ------------------- | ------------------------ |
| Textové PDF   | 0,58                | 2,96                     |
| Sken          | 0,72                | 4,31                     |
| Obe dohromady | 0,65                | 3,66                     |

Celý beh mal 60 volaní a stál USD 0,038847 (133 197 vstupných a 51 055 výstupných tokenov), bez neúspešného volania, bez opakovania a bez nečitateľnej odpovede. Časy zahŕňajú sieť a uvažovanie modelu, pri 8 súbežných volaniach.

## Čo ovplyvňuje výsledok pri skenoch?

Ten istý model na tých istých skenoch nedáva jedno číslo. Aby som zistil, na čom záleží, zopakoval som test skenov na tejto sade: len skeny, teplota 0, dve opakovania na podmienku, ďalších 240 volaní za USD 0,145779. Podmienky boli vstup (strana ako obrázok, alebo PDF) a prompt (deväť polí hlavičky, alebo hlavička plus riadkové položky). Faktúry so všetkými deviatimi poliami hlavičky správne, z 30:

| Podmienka                  | Beh 1 | Beh 2 |
| -------------------------- | ----- | ----- |
| Obrázok, len hlavička      | 13    | 14    |
| Obrázok, hlavička a riadky | 14    | 14    |
| PDF, len hlavička          | 13    | 13    |
| PDF, hlavička a riadky     | 15    | 12    |

Beh, o ktorom píšem vyššie, je piaty beh s PDF, hlavičkou a riadkami: 14. Test štyroch modelov s obrázkami dal pri Haiku na týchto skenoch tiež 14.

- **Cesta vstupu: žiadny viditeľný vplyv.** Behy s obrázkom dali 13, 14, 14, 14 a 14 (priemer 13,8), behy s PDF 13, 13, 15, 12 a 14 (priemer 13,4). Rozsahy sa takmer úplne prekrývajú.
- **Veľkosť promptu: žiadny viditeľný vplyv.** Len hlavička dala 13, 14, 13 a 13; hlavička a riadky 14, 14, 15, 12 a 14.
- **Medzi behmi: 0 až 3 faktúry** medzi opakovaniami jednej podmienky.
- **Najväčším faktorom je sada faktúr.** S rovnakým modelom a rovnakým promptom s obrázkom dala skoršia sada 30 faktúr 22 a 22. Táto dáva 13 a 14. V každej krajine sa jedno IČ DPH odberateľa opakuje na 10 faktúrach a na tejto sade ho Haiku číta zle na 11 až 13 z 30 faktúr na jeden beh s obrázkom (na skoršej sade na 2 až 3). Jeden zle prečítaný reťazec posunie až 10 faktúr naraz. Pri dvoch sadách a jednom modeli to ukazuje, že sada prevažuje nad ďalšími dvoma vplyvmi, nie prečo je daný reťazec ťažké prečítať.
- **Sumy sa môžu pokaziť.** Pri 4 z 8 opakovaných behov bola zle aspoň jedna suma. Kontroly súčtov označili 2 z týchto 4 faktúr; 2 zostali bez povšimnutia. Beh, o ktorom píšem, nemal žiadnu zlú sumu v hlavičke, takže „väčšinou nie peniaze“ tam platí, ale nie v každom behu.

## Čo som netestoval?

- Vlastný import Excelu (Power Query „From PDF“, „Data from Picture“).
- Skutočné dodávateľské faktúry. Všetkých 30 je fiktívnych: 3 rozloženia, jedno písmo, jedna strana.
- Viacstranové faktúry, iné jazyky, fotky a skutočný šum skenera.
- OCR ako predstupeň skriptu s pravidlami. Základ pre skeny je samotný skript.
- Iný model než Haiku 5.5.
- Pravidlá na rozložení, na ktoré neboli vyladené.

## Čo by som robil so skutočnými faktúrami?

Toto je moje čítanie čísel, nie nameraný výsledok. Najprv skontrolujte textovú vrstvu. Pri pár dodávateľoch s textovými PDF sú pravidlá lacnejšie, rýchlejšie a v tomto teste presné. Pri mnohých alebo neznámych rozloženiach alebo pri skenoch použite model, pustite kontrolu kontrolnej číslice IČ DPH a aritmetické kontroly a nechajte človeka prejsť, čo označia, a tiež popisy, ktoré nekryje žiadna z mojich kontrol.

Skripty, faktúry, súbory s pravdivými hodnotami, výsledky aj zošit sú v [tomto archíve](https://madsalt.tech/blog/pdf-invoice-to-excel/pdf-invoice-to-excel-test.zip). Je v ňom 60 PDF a surové odpovede modelu, takže vyhodnotenie aj zošit sa dá znova zostaviť bez kľúča k API. Môj [prototyp vyťažovania faktúr](https://madsalt.tech/sk/work/invoice-extraction/) beží na ukážkových dátach.

Ak ešte zvažujete, ktorú časť firmy sa oplatí automatizovať, pomôžem ju vybrať a potom ju postavím: pozrite [AI konzultant pre malé firmy](https://madsalt.tech/sk/services/ai-consultant-small-business/). Správy od zákazníkov sú druhá častá prvá práca pre AI v malej firme: [koľko stojí WhatsApp chatbot s AI za odpoveď](https://madsalt.tech/sk/blog/whatsapp-ai-chatbot-for-business/), vrátane poplatku Meta.

Pozri aj: [Systém na správu dokumentov pre malú firmu: ceny a limity](https://madsalt.tech/sk/blog/document-management-software-for-small-business/).

## Môj podobný prípad

Postavil som službu, ktorá z potvrdenia o nehnuteľnosti, na ktoré sa čakalo 2–3 týždne a stálo EUR 200–300, urobí potvrdenie za 2–3 minúty a EUR 99, so skriptami a vision AI. Stavba je v [prípadovej štúdii automatizácie dokumentov k nehnuteľnostiam](https://madsalt.tech/sk/work/property-document-automation/).

Ak majú faktúry prísť do vašej tabuľky alebo účtovného nástroja a nikto ich neprepisuje ručne, staviam to v rámci [automatizácie procesov](https://madsalt.tech/sk/services/workflow-automation/).

Presúvate faktúry do tabuľky ručne? Napíšte mi a spoločne vyberieme najlepšiu možnosť.

Stále presúvate faktúry ručne?

Napíšte mi, čo máte teraz a čo potrebujete. Odpoviem variantom, ktorý by som zvolil ja.

[Napíšte mi](https://madsalt.tech/sk/#contact)
