Blog · Opublikowano · Zaktualizowano
Własny model do rozpoznawania kategorii wydatków
Krótka odpowiedź
Własny model do kategorii wydatków ma sens, gdy reguły oparte na dostawcach i obecny system zakupowy mylą różne rodzaje zakupów u jednego dostawcy. Przed treningiem uzgodnij podział kategorii i sprawdź, czy opisy pozycji pozwalają je odróżnić, a wybór rozstrzygnij testem na nowych pozycjach.
Jak pracujemySzczegóły ↓
- 01Rozmowa30 min z inżynierem, 0 zł
- 02Prototypdziałający system na Twoim procesie i Twoich danych, 0 zł
- 03Wdrożeniecel i stała cena w umowie, 50% przy podpisaniu
- 04Odbiór50% po osiągnięciu celu
- model na Twoim serwerze albo w chmurze w UE
- wycena po analizie
- ta sama praca w aplikacji z modelem w chmurze UE
- od 12 500 zł
- analiza zadania, danych i sprzętu
- 0 zł
Należymy do programów partnerskich OpenAI i Anthropic, twórców ChatGPT i Claude, i uczymy się z ich oficjalnych kursów. Co to znaczy ↓
Autor: Syntalith · 4 min czytania
Statystyki
Zakupy i AI: statystyki 2026
33 godz.
miesięcznie mniej poprawek przy 6 000 pozycjach: reguły według dostawcy i opisu obniża błędy z 15% do 8%, fine-tuning do 4%. Scenariusz.
31%
Według SAP Polska (2026) poziom wykorzystania narzędzi AI w zespole monitoruje 31% menedżerów, a oszczędność czasu mierzy 41%.
50%
Według Komisji Europejskiej (2026) połowa małych i średnich firm w UE wskazuje wysokie koszty inwestycji jako barierę dla AI.
Źródło: Komisja Europejska, Flash Eurobarometer 578 (2026) ↗
17,8%
Według GUS (2026) technologie AI wykorzystuje 17,8% polskich przedsiębiorstw, dwa razy więcej niż rok wcześniej.
Źródło: GUS, Społeczeństwo informacyjne w Polsce w 2026 r. (2026) ↗
14–56%
Według Anthropic (2025) w badaniach z grupą kontrolną AI skracała czas zadań o 14 do 56%.
Źródło: Anthropic, Estimating AI productivity gains (2025) ↗
Dane sprawdzone: 22 października 2026
- Uzgodniony podział kategorii z właścicielem raportu
- Opisy pozycji, które pozwalają odróżnić kategorie
- Wynik obecnych reguł i systemu na nowych pozycjach
- Osoba sprawdzająca pozycje bez pewnej kategorii
Jeden dostawca, różne zakupy
Rozważmy ilustracyjny przykład firmy produkcyjnej. Ten sam dystrybutor dostarcza jej rękawice ochronne i części zamienne do maszyn. Reguła przypisująca cały obrót z dystrybutorem do artykułów BHP daje spójny technicznie raport, ale ukrywa wydatki na utrzymanie ruchu. Przy planowaniu wspólnego zakupu rękawic z innymi zakładami zespół posługuje się przez to niewłaściwą podstawą.
Model analizujący poszczególne pozycje mógłby rozdzielić te zakupy, jeśli dostanie informacje pozwalające je rozpoznać. Opis „rękawice ochronne” wnosi coś innego niż „materiały według zamówienia”. W drugim przypadku potrzebne może być powiązanie z zamówieniem. Samo zastosowanie bardziej złożonego modelu nie uzupełni brakującego kontekstu w wiarygodny sposób.
W pilotażu warto więc oddzielnie ocenić pozycje z czytelnym opisem i te, które wymagają dodatkowych dokumentów. Jeżeli poprawa zależy głównie od dostępu do zamówień, istotną częścią projektu będzie połączenie danych. Zakup samego treningu pozostawi ten problem nierozwiązany.
Kto rozstrzyga, do której kategorii należy wydatek
Taksonomia zakupowa to uporządkowany podział wydatków na kategorie i podkategorie. Powinna odpowiadać decyzjom, które podejmuje dział zakupów. Konto księgowe opisuje inny wymiar ewidencji; nie należy zakładać, że jego kod wystarczy do wyznaczenia kategorii używanej przy negocjacjach. Projekt może korzystać z obu informacji, zachowując ich odrębne znaczenie.
Przed wyborem technologii trzeba wskazać osobę odpowiedzialną za podział i rozstrzyganie sporów. W przykładzie z dystrybutorem zakupy i utrzymanie ruchu muszą uzgodnić, gdzie trafiają części zamienne. Jeżeli każdy zakład używa tej samej nazwy dla innego zakresu, wspólny raport będzie nieporównywalny także po wdrożeniu AI.
Przed klasyfikacją wydatków potrzebne są uzgodnienia z właścicielami raportów dotyczące podziału kategorii i jakości danych do uczenia. Dla kupującego oznacza to potrzebę sprawdzenia, czy historia przypisań odzwierciedla obecny podział. Dobre wyniki odtwarzania starych kategorii mogą mieć niewielką wartość, gdy firma właśnie je zmienia.
Co porównać przed zamówieniem własnego modelu
Reguły przypisane do dostawców zasługują na sprawdzenie tam, gdzie firma kupuje od nich jednoznacznie określony asortyment. Są łatwe do wyjaśnienia zespołowi. W przypadku dystrybutora obsługującego kilka obszarów wymagają jednak dodatkowych informacji o pozycji.
Jeśli obecny system zakupowy ma funkcję klasyfikacji wydatków, uwzględnij ją w porównaniu. Sprawdź obsługiwany podział kategorii i możliwość przekazania wyników do obecnych raportów. Własna aplikacja musi uzasadnić pracę potrzebną do jej utrzymania i połączenia z systemami.
Model ogólny można ocenić pod kątem rozumienia opisów i przypisywania ich do uzgodnionych kategorii. Gdy pozostają powtarzalne błędy charakterystyczne dla firmowego asortymentu, kandydatem do dalszego testu staje się własny klasyfikator lub fine-tuning, czyli dostosowanie istniejącego modelu przez dodatkowe uczenie. Fine-tuning nie jest obowiązkowym etapem ani gwarancją lepszego wyniku.
Porównanie powinno objąć także obsługę wyjątków. Rozwiązanie, które poprawnie rozpoznaje częste zakupy, lecz oddaje analitykom większość trudniejszych pozycji, może nadal wymagać znacznej pracy. Warto znać ten nakład przed decyzją o wdrożeniu.
Jak odebrać wynik pilotażu
Poproś o porównanie metod na tych samych, wcześniej niewidzianych pozycjach. Powinny obejmować zarówno znanych dostawców, jak i zakupy od firm, których model nie spotkał podczas dostosowania. Taki test pomaga odróżnić rozpoznawanie rodzaju zakupu od polegania na znajomej nazwie kontrahenta.
Wynik ogólny trzeba rozbić na kategorie i skutki błędów. Pomylenie dwóch podkategorii rękawic może mieć inne znaczenie niż zaliczenie części do maszyn do BHP. Oceniaj również wartość wydatków przypisanych błędnie: kilka dużych pozycji może zmienić obraz kategorii mimo poprawnej klasyfikacji wielu drobnych zakupów.
Uzgodnij, co system zrobi z opisem, który nie pozwala wybrać kategorii. Potrzebna jest osoba sprawdzająca takie pozycje oraz sposób przekazywania jej kontekstu. Systemy zakupowe z klasyfikacją wydatków często pokazują pewność przypisania i pozwalają ręcznie poprawiać wyniki, co jest punktem odniesienia przy ocenie obciążenia zespołu. Własny projekt wymaga sprawdzenia, czy wskazania pewności pomagają wychwytywać błędy na danych firmy.
Ustal też moment, w którym wynik może zasilić raport. Propozycja kategorii oczekująca na weryfikację i zaakceptowane przypisanie powinny być rozróżnialne dla odbiorcy analizy. W zakresie pilotażu można uzgodnić raport porównawczy, przegląd błędów oraz rekomendację dalszych działań wraz z ograniczeniami.
Zakres wdrożenia i dalsza odpowiedzialność
Nowi dostawcy oraz zmiany asortymentu mogą zmienić rodzaj opisów trafiających do klasyfikacji. Osobnym zdarzeniem jest przebudowa kategorii, na przykład wydzielenie części zamiennych z szerszego obszaru utrzymania ruchu. W obu sytuacjach trzeba ponownie ocenić wyniki, ale tylko druga zmienia samą definicję poprawnej odpowiedzi. Oferta powinna wskazywać, kto zgłasza takie zmiany i jak ustala się zakres aktualizacji.
Syntalith buduje aplikacje AI i rozwiązania z własnymi modelami, a także automatyzacje oraz oprogramowanie na zamówienie. Przy klasyfikacji wydatków pozwala to rozważyć wspólnie model, dostęp do danych zakupowych i obsługę korekt. Do uzgodnienia pozostaje, które elementy obejmie pilotaż, a które osobne wdrożenie. Prywatny model wyceniamy po bezpłatnej rozmowie o zadaniu, danych i sprzęcie. Aplikacja korzystająca z modelu zaczyna się od 12 500 zł netto (cennik).
W zapytaniu opisz raport, któremu dziś nie ufasz, i decyzję zakupową, która od niego zależy. Podaj używany system, dostępne informacje o pozycjach oraz osobę odpowiedzialną za kategorie. Przygotuj też do omówienia przykłady błędów i sposób ich obecnego sprawdzania. Na tej podstawie można ustalić, czy pierwsze zlecenie powinno dotyczyć porównania klasyfikatorów, uporządkowania kategorii czy dostępu do brakujących danych.
Ile to kosztuje
- Dziś: 15% błędów × 6 000 × 3 min
- 45 godz. (2 990 zł)
- Po zmianie bez treningu (reguły według dostawcy i opisu): 8%
- 24 godz. (1 595 zł)
- Po fine-tuningu: 4%
- 12 godz. (797 zł)
Fine-tuning dokłada 12 godz. (797 zł) miesięcznie ponad prostszą zmianę
Udziały błędów i czas poprawki to założenia scenariusza, które mierzymy na przypadkach niewykorzystanych do uczenia. Godzina pracy 66,45 zł to przeciętne wynagrodzenie według GUS z września 2026 r. z kosztami pracodawcy, 168 godz. w miesiącu.
- Sprawy do oceny oddzielone od przykładów do uczenia
- Ten sam zestaw dla obecnego rozwiązania, prostszej zmiany i nowego modelu
- Rozstrzygnięcia osób, które dziś poprawiają wyniki
- Błędy liczone osobno dla każdego rodzaju pomyłki
Od czego zacząć
Na bezpłatnej analizie wybieramy jeden proces i 20 do 100 spraw, które zespół już obsłużył. Porównujemy prostszą zmianę z dostosowanym modelem na przypadkach, których model nie widział, a w 2 dni robocze dostajesz pisemne podsumowanie z ceną. Dostosowanie modeli prowadzimy w ramach prywatnych modeli LLM, a aplikację w ramach aplikacji AI.
Przykład z liczbami · Scenariusz
Ile kosztuje Cię dziś szukanie w dokumentach
Ten sam rachunek robimy na bezpłatnej analizie dla Twojego procesu.
7 974 zł
miesięcznie kosztuje praca przy 600 pytaniach
Zwrot wersji w chmurze UE: 1,9 mies.
12 min na znalezienie odpowiedzi w dokumentacji i sprawdzanie w 15% dawnego czasu to nasze założenia. Godzina pracy 66,45 zł to nasze wyliczenie z przeciętnego wynagrodzenia według GUS z września 2026 r. (9 266,48 zł) z kosztami pracodawcy, 168 h w miesiącu. Koszt modelu: Claude Sonnet 5.5, około 6 000 + 500 tokenów na odpowiedź w wersji w chmurze w UE, kurs NBP 3,8889 zł z 21 października 2026 r. Zwrot liczymy dla aplikacji z modelem w chmurze w UE (od 12 500 zł netto). Model na Twoim serwerze wyceniamy po rozmowie, a koszt pracy ludzi jest ten sam.
Zobacz pełny rachunek →