Dokumentbehandling med AI – fakturaer, kontrakter og fragtdokumenter

Kort fortalt

• OCR (optisk tegngenkendelse) omsætter et billede af tekst til tekst; en sprogmodel kan derefter forstå indholdet og udfylde faste felter uden en skabelon pr. layout.
• Strukturerede e-fakturaer i OIOUBL- eller Peppol BIS-format kræver ikke AI-aflæsning; Erhvervsstyrelsen definerer netop en e-faktura som en faktura, der kan læses direkte ind i bogføringen uden scanning, OCR eller AI-tolkning, så en PDF er ikke en e-faktura.
• Erhvervsstyrelsen beskriver en planlagt udfasning af OIOUBL til fordel for Nemhandel BIS 4, som bygger på Peppol BIS 4, med en implementeringsfase i 2028–2029 (Erhvervsstyrelsens vejledning).
• Nøjagtigheden bør måles på 100–200 af jeres egne dokumenter; tal fra andre virksomheder siger lidt om jeres layouts og scanninger.
• Beløb, bankoplysninger og tolddata bør altid kontrolleres af et menneske, før de bogføres eller sendes videre.

Hvilke dokumenter egner sig til AI?

Mange typer forretningsdokumenter kan behandles med AI, men egnethed, nøjagtighed og gevinst skal testes for hver dokumenttype:

Det sværeste er sjældent at læse teksten. Det er at forstå, hvad der hører sammen – fx hvilket beløb der er totalen, når der står fem beløb på siden – og at koble oplysningerne til de rigtige poster i jeres systemer.

Fra OCR til forståelse – hvad sprogmodeller ændrer

Klassisk OCR omsætter et billede af tekst til tekst. For at få struktur på resultatet skulle man typisk lave en skabelon pr. layout: "fakturanummeret står øverst til højre". Det fungerer godt for få, faste layouts og dårligt for mange leverandører, der hver har deres eget.

Moderne dokumentbehandling med AI kombinerer to ting:

1. Tekstgenkendelse, der læser både digitale PDF'er og scannede dokumenter – også tabeller.
2. En sprogmodel, der forstår indholdet og udfylder et fast skema: "Find fakturanummer, forfaldsdato, totalbeløb inkl. moms og alle ordrelinjer." Den kan håndtere nye layouts uden en ny skabelon og læse dokumenter på dansk, engelsk, tysk og andre sprog.

Resultatet bliver struktureret data, som kan valideres automatisk: Stemmer summen af ordrelinjerne med totalen? Findes CVR-nummeret i leverandørkartoteket? Matcher fakturaen en indkøbsordre? Er noget usikkert, sendes dokumentet til en medarbejder med de tvivlsomme felter markeret.

Det er også her, en AI-løsning kan gå et skridt videre end aflæsning – fx ved at en AI-agent matcher faktura, ordre og følgeseddel og skriver et forslag til bogholderiet.

Fakturaer – start med det, der ikke allerede er struktureret

Før I bygger noget til fakturaer, så tjek to ting:

• E-fakturaer er allerede strukturerede. Modtager I fakturaer i OIOUBL eller Peppol BIS via NemHandel, indeholder de felterne i maskinlæsbar form. Dem skal der ikke AI til at læse – de skal bare indlæses korrekt. Pr. oktober 2026 skal registrerede bogføringssystemer kunne håndtere begge formater, og OIOUBL er planlagt udfaset i 2028–2029 (Erhvervsstyrelsen).
• Jeres økonomisystem har måske funktionen. Undersøg, om jeres regnskabs- eller ERP-system har indbygget bilagsscanning eller kan kobles til en sådan tjeneste. Er jeres behov standard, er det ofte det billigste.

En specialbygget løsning giver mening, når mængden af PDF- og papirfakturaer er stor, layouts er mange, I har brug for særlige valideringer eller matchning mod egne data, eller når fakturaerne kun er én af flere dokumenttyper, der skal håndteres i samme flow.

Sådan kunne et flow for leverandørfakturaer se ud i en specialbygget løsning:

1. Fakturaen kommer ind i en fælles indbakke som PDF eller scanning.
2. Løsningen genkender, at det er en faktura – ikke en rykker, et kontoudtog eller en reklame.
3. Felterne aflæses: leverandør, CVR-nummer, fakturanummer, datoer, beløb, moms og ordrelinjer.
4. Valideringer køres: Findes leverandøren? Stemmer linjerne med totalen? Er fakturanummeret set før?
5. Fakturaen matches med indkøbsordre og varemodtagelse, hvis de findes.
6. Sikre fakturaer sendes til godkendelse i økonomisystemet. Usikre felter vises for en bogholder ved siden af det originale dokument.

Hvert trin kan måles for sig, så I kan se præcis, hvor fejlene opstår, og forbedre der.

Kontrakter og fragtdokumenter

Kontrakter. Her handler det sjældnere om at taste data ind og oftere om overblik. En AI-løsning kan gennemgå en portefølje af leverandør- eller kundeaftaler og udtrække løbetid, opsigelsesvarsler, automatisk fornyelse, prisreguleringer og ansvarsbegrænsninger – og markere de aftaler, der skal genforhandles inden for de næste seks måneder. Kombineret med søgning i egne dokumenter (RAG) kan medarbejdere stille spørgsmål som "hvilke aftaler har en ansvarsbegrænsning under 1 mio. kr.?" og få svar med henvisning til den konkrete klausul. Juridiske vurderinger skal stadig foretages af en jurist.

Fragt- og forsendelsesdokumenter. CMR-fragtbreve, konnossementer, pakkelister og handelsfakturaer kommer ofte fra mange afsendere, på flere sprog og med stempler og håndskrift. AI kan aflæse de vigtigste felter, sammenligne dem på tværs af dokumenterne for samme forsendelse og markere afvigelser – fx når vægten på fragtbrevet ikke stemmer med pakkelisten. For told- og afgiftsoplysninger bør et menneske altid godkende, fordi fejl kan få økonomiske konsekvenser. Aflæsningen er kun ét led; selve logistikprocesserne – booking, sporing og afvigelseshåndtering – er et emne for sig.

Dokumentbehandling med AI – kvalitet, kontrol og databeskyttelse

Ingen dokumentløsning er 100 % præcis, og det skal den heller ikke være. Det afgørende er, at fejlene bliver fanget. Byg løsningen med:

• Sikkerhedsscore pr. felt, så kun usikre felter sendes til manuel kontrol.
• Automatiske valideringer mod jeres stamdata og regler.
• Sporbarhed, så man fra hver registrering kan se det originale dokument og hvem der godkendte den.
• Opbevaring af originalerne efter jeres gældende regler for bogføring og arkivering.

Et projekt kræver også bidrag fra jeres side. Regn med at levere:

• Et repræsentativt udsnit af dokumenter – ikke kun de pæne, men også dårlige scanninger, håndskrevne noter og usædvanlige leverandører.
• Det korrekte resultat for hvert testdokument, så nøjagtigheden kan måles objektivt.
• Adgang til stamdata som leverandørkartotek, varenumre og åbne indkøbsordrer, så aflæsningerne kan valideres.
• En medarbejder fra økonomi eller logistik, der kender undtagelserne og kan godkende reglerne for, hvornår et dokument skal til manuel kontrol.

Mål nøjagtigheden på jeres egne dokumenter: Saml 100–200 rigtige eksempler, inkl. de besværlige, og mål andelen af korrekt aflæste felter, andelen af dokumenter der kan behandles uden manuel indgriben, og tiden pr. dokument før og efter.

Kontrakter, fragtbreve og fakturaer fra enkeltmandsvirksomheder indeholder ofte personoplysninger. Så gælder GDPR, og behandler en leverandør dokumenterne for jer, skal der være en databehandleraftale. Datatilsynet har en skabelon til databehandleraftaler. Dette er generel information, ikke juridisk rådgivning.

To eksempler fra vores egen praksis – ingen af dem danske. NKKTech Global, en AI-udviklingsvirksomhed med base i Hanoi, Vietnam, driver selv regnskabsprogrammet est-invoice med AI-aflæsning af fakturaer og en flersproget skattechatbot til vietnamesiske SMV'er, så vi kender også driftssiden af fakturaaflæsning. Og i vores offentliggjorte case for en amerikansk fintech-virksomhed blev en løsning til dokumentforståelse med sprogmodeller bygget på 14 uger for USD 85.000; kunden rapporterer 80 % kortere behandlingstid, 95 % nøjagtighed og en årlig besparelse på USD 200.000. Læs også om AI-automatisering.

Ofte stillede spørgsmål

Kan AI læse danske fakturaer? Ja. Moderne tekstgenkendelse og sprogmodeller kan læse danske fakturaer, også med æ, ø og å, CVR-numre og danske datoformater. Kvaliteten afhænger af scanningerne og layoutene, så test altid på et udsnit af jeres egne fakturaer, før I beslutter jer.

Hvor præcis er AI til dokumentbehandling? Det varierer med dokumenttype, kvalitet og felter, så tal fra andre virksomheder siger ikke meget om jeres dokumenter. Mål det selv på 100–200 rigtige eksempler. Det vigtigste er, at usikre felter bliver markeret og kontrolleret, så fejl ikke går videre uset.

Skal et menneske stadig godkende dokumenterne? I starten ja, og for vigtige felter som beløb, bankoplysninger og toldoplysninger bør der altid være en kontrol. Efterhånden som I kender fejlraten, kan I lade løsningen behandle de sikre dokumenter automatisk og kun sende de usikre til manuel kontrol.