Ismerős a helyzet, amikor a havi vagy éves könyvelési anyagok több tucat Google Drive almappában, ömlesztve hevernek? Ott vannak a villanyszámlák, a telekomszámlák, a bolti blokkok képei, a PDF-ek – és persze a mappákba bekeveredett bankszámlakivonatok is.

A legtöbb kis- és középvállalkozásnál ilyenkor jön a monoton, hibalehetőségekkel teli kézi munka: valaki órákon vagy napokon át nyitogatja a fájlokat, és egyenként másolgatja a számlaszámot, szállítót, nettót, áfát és bruttót egy Excel táblázatba.

De miért végezne egy ember favágó munkát 2026-ban, amikor mindez egy gombnyomással, mesterséges intelligenciával is megoldható?

Ebben a cikkben bemutatjuk, hogyan építettünk fel egy közvetlenül Google Workspace-be (Google Drive + Google Sheets) integrált, intelligens számlafeldolgozó rendszert, ami töredékáron, másodpercek alatt végzi el a munkát.

A kihívás: Amikor a hagyományos szoftverek elvéreznek

Sokan próbálkoztak már hagyományos OCR (karakterfelismerő) eszközökkel, de a valós életben szinte mindig felmerülnek olyan akadályok, amikbe a sablonalapú rendszerek beletörnek:

1. Mapparengeteg: A számlák nincsenek egy helyen; hónapok, partnerek vagy sorszámok szerint mélyen egymásba ágyazott almappákban találhatók.
2. Keveredő dokumentumtípusok: A könyvelési mappákban a számlák mellett szinte mindig ott vannak a bankszámlakivonatok is, amiket nem szabad számlaként beemelni a listába.
3. Szkennelési anomáliák: Gyakori, hogy a kollégák papírtakarékosságból két különböző bolt számláját/blokkját másolják egyetlen A4-es lapra. A hagyományos OCR ilyenkor összezavarodik vagy csak az egyiket látja.
4. Különböző formátumok: A formátum a kézzel kiállított egyszerűsített számlától az E.ON/MVM részszámlákon át a többoldalas mobilszámlákig terjed.

A technológiai megoldás: Google Apps Script + Gemini AI

A feladathoz nem volt szükség drága, havidíjas dobozos szoftverre. Egy rugalmas, közvetlenül a cég felhőtárhelyén futó architektúrát hoztunk létre:

• Futtatókörnyezet: Google Apps Script (a Google Táblázatba ágyazva, külön szervert vagy telepítést nem igényel).
• Adattár: Google Drive (rekurzív mappabejárás) és Google Sheets (automatikus összesítő és pénznemformázás).
• „A szem és az agy”: Google Gemini multimodális modell (kép- és dokumentumértelmezés strukturált JSON kimenettel).

[ Google Drive Mappák ] 
       │ (rekurzív felderítés + bankkivonat szűrés)
       ▼
[ Google Sheets Vezérlőlap ] ──> Kijelölés / Felülvizsgálat
       │ (küldés API-n keresztül)
       ▼
[ Multimodális AI (Gemini) ] ──> Strukturált JSON kinyerés
       │ (értékek, fizetési mód, több számla szétbontása)
       ▼
[ Összesített Táblázat ] ──> Pénzügyi formázás, azonnali export Excelbe (.xlsx)

4 kulcslépés, amitől a rendszer a gyakorlatban is hibátlanul működik

1. Rekurzív bejárás és intelligens előszűrés

A szkript a megadott gyökérmappából kiindulva végigjárja a teljes mappafát. Egy külön vezérlőlapra kilistázza a fájlokat jelölőnégyzetekkel (checkbox). A reguláris kifejezésekkel felvértezett szűrő az OTP és egyéb bankszámlaszámok, illetve kulcsszavak alapján automatikusan leveszi a pipát a bankkivonatokról, így azok nem terhelik a feldolgozást.

2. Egy lapon több számla felismerése

A mesterséges intelligenciának nem egyetlen objektumot, hanem egy dinamikus listát (tömböt) kell visszaadnia. Ha egy képen például fent egy Spar blokk, lent pedig egy posta feladószelvény szerepel, a rendszer két különálló tételként azonosítja őket, és két külön sorként könyveli el a táblázatban.

3. Részletes mezőkinyerés és fizetési mód

A rendszer a szabványos adatokon túl (Szállító, Adószám, Vevő, Dátumok, Nettó, Áfa, Bruttó) pontosan beazonosítja a Fizetési módot is (Átutalás, Készpénz, Bankkártya), ami elengedhetetlen a pénzügyi zárásokhoz.

4. Folyamatmentés és időkorlát-kezelés

A felhőalapú szkripteknél szigorú futásidő-korlát van (általában 4-6 perc). A megoldásunk figyeli az eltelt időt: 4 percnél biztonságosan leáll, elmenti az addig feldolgozott adatokat, és megjegyzi, hol tartott. Így akár több száz vagy ezer számla is feldolgozható anélkül, hogy a rendszer duplikálna vagy hibára futna.

Mennyibe kerül mindez? (Döbbenetes számok)

A legtöbb számlafeldolgozó SaaS szolgáltatás havi 15 000 – 40 000 Ft-os előfizetési díjat kér néhány száz számla kezeléséért.

Ezzel szemben a modern AI API-k közvetlen használata esetén nincs havidíj, csak tisztán használatalapú elszámolás:

• Egy egyoldalas számla vagy fotó beolvasása: kb. 0,15 – 0,30 Ft
• 100 darab számla teljes körű kigyűjtése: kb. 20 – 30 Ft
• 1 000 darab számla feldolgozása: kb. 250 – 300 Ft

Egy átlagos KKV teljes éves számlaállományának feldolgozási költsége a mesterséges intelligencia szintjén még egy kávé árát sem éri el.

Összegzés: Az ember felügyel, az AI dolgozik

Az irodai hatékonyságnövelés lényege nem az, hogy a dolgozókat lecseréljük, hanem hogy felszabadítsuk őket a gépies adatmásolás alól.

Egy ilyen automatizációval a pénzügyi kolléga vagy a cégvezető feladata csupán annyi, hogy ránéz a kész Google Táblázatra, átfutja a zölddel jelölt kész tételeket, és egyetlen kattintással letölti a könyvelésre kész Excel állományt.