Wyzwanie
Zastrzeżenie: RAN-SIGMA to firma, którą zarządzam. Ten system powstał najpierw na własne potrzeby i dopiero sprawdzony trafił do oferty — tak samo testuję każde rozwiązanie, zanim zaproponuję je klientowi.
W RAN-SIGMA dokumenty przychodziły różnymi kanałami — e-mailem, od kontrahentów, z serwisów zewnętrznych. Faktury, protokoły, umowy, decyzje środowiskowe, dokumenty BDO — każdy typ lądował gdzieś indziej albo w ogóle nie lądował. Przy kilkudziesięciu dokumentach tygodniowo ktoś musiał pobrać każdy załącznik i wrzucić go w odpowiednie miejsce na dysku.
Dodatkowy problem: nikt nie wiedział, co jest w środku pliku bez otwierania go. Pliki nie miały ani opisów, ani wspólnego indeksu. Szukanie dokumentu sprzed pół roku — loteria.
Jak działa bot
Pracownik wysyła PDF na adres bot@ransigma.pl — i na tym jego praca się kończy. Nie wybiera folderu — kategorię i nazwę dokumentu proponuje model. Dalej idzie to samo za każdym razem: bot odczytuje treść, pyta model, co to za dokument, przenosi plik do właściwego folderu, dopisuje wiersz do rejestru i wysyła potwierdzenie. Od maila do posortowanego pliku na Drive mija poniżej 30 sekund.
Autoryzacja nadawcy
Bot sprawdza w Google Sheets, czy nadawca maila jest na liście autoryzowanych użytkowników. Sprawdzenie stoi na początku przebiegu — przed OCR i przed pytaniem do modelu. Nieznany adres dostaje automatyczną odpowiedź odmowną.
OCR — odczyt treści z PDF
Google Cloud Vision skanuje każdą stronę dokumentu i wyciąga pełny tekst. Działa na skany, zdjęcia i cyfrowe PDF-y. Wyciągnięty tekst trafia do modelu.
Klasyfikacja i opis przez OpenAI
Dedykowany asystent OpenAI analizuje treść i zwraca: kategorię dokumentu, nazwę pliku, streszczenie po polsku, streszczenie po angielsku oraz słowa kluczowe. Faktury rozpoznaje osobno — podobnie działa automatyczne przyjmowanie faktur w biurach rachunkowych.
Automatyczne sortowanie na Google Drive
Na podstawie kategorii bot pobiera z arkusza docelowy folder i przenosi plik we właściwe miejsce. Każda kategoria ma swój folder — umowy do umów, decyzje środowiskowe do środowiskowych, faktury do księgowości.
Rejestr dokumentów w Google Sheets
Każdy przetworzony dokument jest logowany: nazwa, data, streszczenie PL i EN, link do pliku na Drive, słowa kluczowe, status. Arkusz staje się pełnym indeksem dokumentów firmy z możliwością filtrowania.
Powiadomienia e-mail
Nadawca dostaje potwierdzenie z linkiem do pliku, a odpowiedni dział — powiadomienie z opisem dokumentu. Gdy coś pójdzie nie tak — błędny format, nieznana kategoria — bot odsyła czytelny komunikat z wyjaśnieniem.
Jakość klasyfikacji zaczyna się przy odczycie. Cyfrowy PDF ma warstwę tekstową, więc model dostaje dokładnie to, co jest w dokumencie. Skan albo zdjęcie to obraz — znaki trzeba rozpoznać z pikseli, a krzywy papier, słaby kontrast czy pieczątka na środku strony potrafią część z nich zabrać. Dlatego przy takim module pytamy najpierw, w jakiej postaci dokumenty naprawdę przychodzą: im więcej skanów, tym ostrożniej dobieramy kategorie, żeby rozpoznanie nie wisiało na jednym słowie, które OCR może zgubić.
Co rozstrzyga model, a co arkusz
Model dostaje jedno pytanie
Model dostaje treść dokumentu i ma powiedzieć tylko jedno: co to jest. Zwraca kategorię i streszczenie, a o to, co zrobić dalej, nikt go nie pyta — następny krok jest już zapisany w przepływie. Dlatego nie nazywamy tego pełnym agentem. Rozwiązanie, w którym to model dobiera kolejność i sam sięga po narzędzia, opisujemy na stronie agentów AI.
Mapowanie kategorii na foldery mieszka w arkuszu
Gdzie ma trafić dokument danej kategorii, nie jest zapisane w promptcie, tylko w arkuszu. Nowy typ dokumentu dokłada się wierszem, bez ruszania promptu. Tak układamy ten moduł: wszystko, co zmienia się w czasie, trzymamy w danych, a nie w instrukcji dla modelu.
Ten sam podział decyduje o tym, co się dzieje przy nieznanej kategorii: gdy odpowiedź modelu nie ma odpowiednika w arkuszu, przebieg się zatrzymuje, dokument nie trafia do żadnego folderu, a nadawca dostaje czytelny komunikat z wyjaśnieniem. Wolimy zatrzymanie od folderu domyślnego, bo plik odłożony z domyślną kategorią miałby w rejestrze status „przetworzony”.
Sam status jest w rejestrze po to, żeby przegląd arkusza nie wymagał otwierania Drive'a. Widać w nim, na czym skończył się przebieg dla konkretnego dokumentu, więc filtr po jednej kolumnie odpowiada na pytanie, czy wszystko z ostatniego tygodnia rzeczywiście doszło na miejsce. Reszta wiersza — streszczenia, słowa kluczowe, link — służy szukaniu; status służy kontroli.
Efekt
Dokument wysłany na skrzynkę bota nie wymaga już ręcznego segregowania. Bot działa 24/7 — ten wysłany wieczorem jest już posortowany rano. Firma ma po raz pierwszy pełny, przeszukiwalny rejestr wszystkich dokumentów z opisami w dwóch językach.
Co zastąpił bot
- Decyzja, gdzie plik trafić — model rozpoznaje kategorię, a folder przypisany tej kategorii bot pobiera z arkusza
- Faktury gubiące się w skrzynce — faktury rozpoznaje osobno: idą na faktury@ransigma.pl oraz do folderu księgowości
Kiedy scenariusz przestaje wystarczać
Ten bot ma świadomie wąski zakres: przyjmuje dokument, opisuje go, odkłada w folderze i dopisuje wiersz do rejestru. Dopóki dokument ma trafić w jedno miejsce i powiadomić właściwą osobę, robi to scenariusz automatyzacji. Kolejka akceptacji i historia każdej akcji z godziną to już osobna aplikacja — jak obieg faktur EODSIGMA.PL. Silnik tego scenariusza to Make.com; czym różni się od n8n i Zapiera, zestawiamy w porównaniu Make, n8n i Zapiera.
Próg, poniżej którego to się nie zwraca
W RAN-SIGMA ręcznie rozdzielano kilkadziesiąt dokumentów tygodniowo — i to jest rząd wielkości, od którego zaczynamy tę rozmowę. Poniżej tego progu analiza, budowa i utrzymanie nie zwracają się w rozsądnym czasie; wtedy lepiej zostać przy scenariuszu albo przy pracy ręcznej.
Pytania o to wdrożenie
Ile trwa wdrożenie takiego bota?
W RAN-SIGMA realizacja zajęła dwa tygodnie. Zakres obejmował analizę wymagań, projekt przepływu, konfigurację Make.com, wdrożenie i szkolenie. Przy innym zakresie ten czas się zmienia, więc podajemy go po analizie.
Co trzeba przygotować przed uruchomieniem takiego bota?
Dwie listy: kategorie dokumentów wraz z docelowymi folderami na Drive oraz adresy, z których wolno wysyłać. Obie trzymamy w arkuszu, więc powstają na etapie analizy, a później zmieniają się bez dotykania scenariusza.
Czy taki bot musi działać na Make.com?
Nie. Ten sam scenariusz — wyzwalacz na skrzynce, OCR, pytanie do modelu, zapis pliku i wiersz w rejestrze — układamy również w n8n. Silnik dobieramy przy analizie; warstwa wykonawcza zmienia się razem z nim, a pytanie do modelu zostaje to samo.
Chcesz to samo dla swoich dokumentów?
Jeśli dokumenty rozchodzą się u Ciebie po skrzynkach, na pierwszej rozmowie sprawdzamy, ile kategorii trzeba rozdzielić i czy scenariusz wystarczy.
Szczegóły projektu
Technologie
Make.com · Google Drive · Google Cloud Vision · OpenAI · Google Sheets · Gmail
