Masz w KSeF komplet danych o swojej firmie — i prawie na pewno z nich nie korzystasz

Co się naprawdę zmieniło — nie obowiązek, tylko format

Harmonogram jest już historią: od 1 lutego 2026 KSeF objął podatników z obrotem powyżej 200 mln zł, od 1 kwietnia 2026 zdecydowaną większość pozostałych firm, a mikroprzedsiębiorcy o obrocie do 10 tys. zł miesięcznie i fakturach do 450 zł wchodzą 1 stycznia 2027. Do końca 2026 trwa okres przejściowy, w którym urzędy nie karzą za błędy — i to jest w praktyce ostatni moment, żeby cokolwiek poukładać bez ryzyka.

Z perspektywy technologicznej istotna jest jedna rzecz. Do marca 2026 dane o transakcjach firmy leżały w PDF-ach, skanach, załącznikach do maili i w polach opisowych systemu księgowego, wypełnianych przez trzy osoby na trzy różne sposoby. Od kwietnia leżą w jednym schemacie XML, z twardo zdefiniowanymi polami: dane sprzedawcy, nabywcy, pozycje, stawki VAT, terminy i formy płatności, numer KSeF jako unikalny identyfikator dokumentu. Schemat FA(3) rozszerzył poprzednik o załączniki, opis towaru do 512 znaków i bardziej granularne pola płatnicze.

To jest różnica jakościowa, nie ilościowa. Przez lata w każdym projekcie analitycznym w małej firmie pierwsze trzy tygodnie schodziły na ustalanie, czy „P.H.U. Kowalski”, „PHU Kowalski sp. z o.o.” i „Kowalski Handel” to jeden kontrahent, czy trzech. Numer KSeF i NIP w ustalonym polu zamykają tę dyskusję. Bałagan w danych, o którym pisaliśmy przy okazji integracji AI z systemami firmy, właśnie zniknął — ale tylko w tym jednym obszarze i tylko dlatego, że wymusiło go państwo.

Poziom pierwszy: obieg dokumentów, czyli najniżej wiszący owoc

Zacznijmy od rzeczy oczywistej, bo mimo oczywistości większość firm jej nie zrobiła. Ręczne przetworzenie jednej faktury kosztuje w Polsce 40–60 zł, licząc pełny obieg: odbiór, dekretacja, opis, akceptacja, wprowadzenie do systemu. Po automatyzacji ten koszt spada do 7–8 zł. Przy tysiącu dokumentów miesięcznie mówimy o 166–250 godzinach pracy — czyli ponad jednym etacie — i o 160–240 tys. zł rocznie przy stawce 80 zł za godzinę.

Biura rachunkowe podają liczby jeszcze bardziej konkretne: 500 faktur miesięcznie to 20–30 godzin samego importu danych do systemu finansowo-księgowego. Po podpięciu parsowania XML z KSeF ten sam import zajmuje 2–4 godziny. Reszta to nie oszczędność na papierze, tylko czas, który da się przesunąć na coś, co klient faktycznie wycenia.

Warto tu jednak powiedzieć rzecz, którą dostawcy pomijają: to nie jest projekt AI. Parsowanie ustrukturyzowanego XML-a to zwykła integracja i najprostsze reguły — dokładnie ten przypadek, w którym w tekście o agencie AI kontra automatyzacji odradzaliśmy sięganie po model językowy. AI zaczyna być potrzebna dopiero przy dokumentach spoza KSeF (faktury zagraniczne, paragony, umowy) oraz przy dekretacji nieoczywistej, gdzie model uczy się z historii decyzji księgowego. Jeśli ktoś sprzedaje Ci „sztuczną inteligencję do odczytu e-faktur”, sprzedaje Ci parser XML z lepszą marżą.

Poziom drugi: pytania, których dotąd nie dało się zadać

Tu zaczyna się część, o której nikt nie pisze, bo nie da się jej sprzedać jako wdrożenia pudełkowego. Kompletna baza faktur sprzedażowych i zakupowych w jednolitym formacie oznacza, że pytania biznesowe, które dotąd wymagały dwóch dni pracy kontrolera, stają się kwestią jednego zapytania w języku naturalnym.

• Którzy klienci kupują u nas mniej niż rok temu — i od kiedy dokładnie zaczął się spadek. To najwcześniejszy sygnał odejścia klienta, jaki ma firma B2B, i praktycznie nikt go nie monitoruje, bo wymagał ręcznego zestawiania.
• Ile realnie płacimy za tę samą pozycję u trzech różnych dostawców i jak te ceny zmieniały się przez ostatnie osiem kwartałów. Dane zakupowe w KSeF są kompletne — po raz pierwszy negocjacje można oprzeć na własnej historii, a nie na wrażeniu zaopatrzeniowca.
• Jaka część obrotu przypada na trzech największych klientów. Koncentracja przychodu to ryzyko, o którym w małej firmie zwykle wie się intuicyjnie i za późno.
• Które pozycje asortymentu rosną, a które generują obrót głównie w jednym miesiącu w roku. Sezonowość liczona z faktur jest twardsza niż sezonowość z pamięci właściciela.
• Co się dzieje z średnią wartością faktury w podziale na kanał, handlowca i branżę klienta — czyli czy rośniemy sprzedażą, czy tylko cenami.

Poziom trzeci: przewidywanie, kto zapłaci i kiedy

Zatory płatnicze są w Polsce zjawiskiem masowym, nie incydentem. 87% firm przyznaje, że klienci regulują faktury po terminie; w budownictwie ten odsetek sięga 97%, w przemyśle 91%, w transporcie 85%. Podmioty publiczne deklarują terminy płatności na poziomie 51 dni, a płacą po 68 — luka wynosi 17 dni. Średnie opóźnienie liczone od wystawienia faktury to około 19 dni ponad umowę. 26% polskich przedsiębiorstw obawia się dziś upadłości lub zawieszenia działalności, wobec 15% cztery lata temu.

Firma, która ma w jednym miejscu historię wszystkich swoich faktur wraz z terminami i datami zapłaty, ma jednocześnie materiał do zbudowania czegoś, co duże organizacje mają od lat, a małe nie miały nigdy: prognozy wpływów opartej na rzeczywistym zachowaniu każdego kontrahenta, a nie na terminie z umowy. Model wytrenowany na historii płatności, kwotach i wzorcach sezonowych odpowiada na pytanie „ile realnie wpłynie na konto w przyszłym miesiącu” dokładniej niż suma terminów płatności — bo wie, że ten konkretny klient od dwóch lat płaci systematycznie 23 dni po terminie i że to nie jest sygnał kłopotów, tylko jego procedura.

Praktyczne zastosowanie jest prozaiczne i dlatego działa: kolejność telefonów windykacyjnych, decyzja o limicie kupieckim dla nowego klienta, moment sięgnięcia po faktoring. Nie potrzeba do tego wielkiego wdrożenia — potrzeba danych, które od kwietnia już masz, i kogoś, kto zadaje właściwe pytanie.

Poziom czwarty: anomalie i oszustwa, których księgowość nie zauważy

W lipcu 2026 CBZC rozbiło grupę działającą metodą BEC na Mazowszu i Dolnym Śląsku. Straty przekroczyły 4 mln zł, wartość nieudanych prób — kolejne 5,5 mln zł. Mechanizm był banalny: przestępcy przejmowali firmową korespondencję i podmieniali w fakturach jeden szczegół, numer rachunku bankowego. Pojedyncza firma z powiatu łęczyńskiego straciła w ten sposób ponad 100 tys. zł.

KSeF ogranicza część tego wektora, bo faktura sprzedażowa ma teraz twarde źródło w systemie państwowym. Nie eliminuje go jednak, dopóki płatności realizuje człowiek na podstawie maila z informacją o „zmianie numeru konta”. Różnica polega na czymś innym: mając komplet historycznych faktur w ustrukturyzowanej formie, można automatycznie porównać rachunek na dokumencie do zapłaty z rachunkiem, na który płaciło się temu kontrahentowi przez ostatnie trzy lata. To jest reguła na dziesięć linijek, a wychwytuje dokładnie ten atak.

Wokół tego samego zbioru danych buduje się kolejne kontrole: nietypowe kwoty w relacji do historii kontrahenta, faktura od dostawcy, z którym nie było ruchu od dwóch lat, duplikaty tego samego dokumentu wprowadzone dwiema ścieżkami, pozycje odbiegające od uzgodnionego cennika. Żadna z tych rzeczy nie wymaga modelu językowego — wymaga tego, żeby ktoś w firmie w ogóle uznał, że dane z KSeF nadają się do czegoś poza JPK.

Czego w tych danych nie ma — i dlaczego to ważne

Symetrycznie do entuzjazmu trzeba postawić granicę, bo inaczej pierwszy projekt skończy się rozczarowaniem. Faktura w KSeF opisuje transakcję z punktu widzenia podatku, nie z punktu widzenia biznesu. Nie ma w niej kosztu własnego, więc nie policzysz z niej marży. Nie ma powodu, dla którego klient kupił lub nie kupił. Nie ma ustaleń handlowych, rabatów obiecanych na przyszły kwartał ani informacji, że dostawa spóźniła się o tydzień i dlatego klient odszedł.

To znaczy, że sensowna analityka powstaje dopiero z połączenia KSeF z tym, co firma ma u siebie: magazynem, CRM-em, kartotekami produktów. I tu wraca problem opisany osobno — łączenie źródeł to praca integracyjna, która pochłania 20–35% budżetu wdrożenia AI. KSeF nie usuwa tej pozycji z kosztorysu. Usuwa najgorszą jej część: czyszczenie danych o kontrahentach i dokumentach.

Druga granica dotyczy tego, komu te dane pokazujesz. Baza faktur to jednocześnie baza danych osobowych kontrahentów, baza warunków handlowych i baza informacji, których nie chcesz zobaczyć u konkurencji. Jeżeli asystent analityczny działa na koncie z dostępem do całości, to każdy pracownik, który zadaje pytanie, ma dostęp do całości — łącznie z cenami dla klientów, których nie obsługuje. Ten sam mechanizm opisywaliśmy przy shadow AI, tyle że tam wyciek był przypadkowy, a tu byłby wdrożony.

Trzy ryzyka, które trzeba zamknąć przed pierwszym zapytaniem

Lista jest krótka, bo tylko trzy rzeczy w tym obszarze potrafią zamienić usprawnienie w problem prawny.

1. Miejsce przetwarzania. Dane fakturowe to dane finansowe kontrahentów i dane osobowe w rozumieniu RODO. Zanim cokolwiek trafi do zewnętrznego modelu, sprawdź, gdzie fizycznie jest przetwarzane i czy dostawca ma umowę powierzenia. Przy tej klasie danych pytanie o region przetwarzania nie jest formalnością.
2. Uprawnienia odwzorowane z systemu źródłowego. Handlowiec pytający asystenta widzi swoich klientów, nie wszystkich. Zarząd widzi całość. Domyślne „konto techniczne z dostępem do wszystkiego” jest najszybszą drogą do wycieku cennika.
3. Rozliczalność wobec AI Act. Jeżeli system wspiera decyzje o limitach kupieckich albo o odmowie współpracy, to jest to decyzja o konsekwencjach dla kontrahenta i musisz umieć wykazać, na jakiej podstawie zapadła. Log zapytań i wyników to minimum — szerzej pisaliśmy o tym w tekście o AI Act w małej firmie.

Jak to uruchomić w trzydzieści dni, a nie w trzy kwartały

Najczęstszy błąd na tym etapie to potraktowanie tematu jako projektu „hurtowni danych”, który wraca z wyceną na sześciocyfrową kwotę i terminem na przyszły rok. Nie ma powodu, żeby tak zaczynać. Poniżej ścieżka, która daje odpowiedź, zanim wyda się poważne pieniądze.

1. Wyciągnij z KSeF wszystkie faktury z ostatnich dwunastu miesięcy — sprzedaż i zakup. To jest eksport, nie projekt. Masz do tego prawo i masz to w jednym formacie.
2. Zadaj trzy pytania, na które dziś nikt w firmie nie umie odpowiedzieć w ciągu godziny. Najlepiej takie, których odpowiedź zmieni czyjąś decyzję w tym kwartale — nie takie, które ładnie wyglądają na slajdzie.
3. Policz odpowiedzi na tych danych i skonfrontuj je z intuicją zarządu. Jeżeli wyniki potwierdzają to, co wszyscy wiedzieli, temat jest zamknięty tanio. Jeżeli zaprzeczają — właśnie znalazłeś uzasadnienie dla całej reszty.
4. Dopiero teraz decyduj o narzędziu i o tym, czy w ogóle potrzebujesz modelu językowego. Do większości powyższych pytań wystarczy zapytanie do bazy; model przydaje się dopiero wtedy, gdy pytania mają zadawać ludzie, którzy nie napiszą zapytania.
5. Ustaw jedną kontrolę automatyczną — najlepiej porównanie numeru rachunku z historią kontrahenta. Zwraca się przy pierwszym wychwyconym dokumencie i nie wymaga niczyjej zgody na „projekt AI”.

Dlaczego większość firm tego nie zrobi

Statystyka jest tu bezlitosna: automatyzację przetwarzania faktur wdrożyło 4% polskich firm, przy 70% deklarujących gotowość. Ta rozbieżność między deklaracją a wdrożeniem to ten sam wzorzec, który opisywaliśmy w tekście o luce adopcji — gotowość jest darmowa, wdrożenie wymaga, żeby ktoś konkretny wziął temat na siebie obok swojej normalnej pracy.

Drugi powód jest bardziej subtelny. KSeF trafił w firmach do księgowości, a księgowość ma z nim jeden cel: żeby się zgadzało i żeby nie było kary. To jest cel słuszny i wystarczający — tylko że nikt w tej roli nie ma mandatu, żeby zapytać, co jeszcze da się z tymi danymi zrobić. Pytanie o marże na dostawcach albo o prognozę wpływów należy do zarządu, a zarząd zwykle nie wie, że dane właśnie stały się dostępne.

Trzeci powód to okres przejściowy. Do końca 2026 nie ma kar za błędy, więc temat wydaje się niepilny. Z perspektywy operacyjnej jest odwrotnie: to jedyne okno, w którym można ustawiać procesy, popełniać błędy i poprawiać je bez konsekwencji. Od stycznia 2027 ten komfort znika.

Od czego zacząć

Najtańszy pierwszy krok zajmuje jedno popołudnie: wyeksportuj faktury zakupowe z ostatniego roku i zsumuj wydatki według NIP-u dostawcy. W większości firm, z którymi rozmawiamy, ten jeden arkusz pokazuje co najmniej jedną pozycję, o której nikt nie wiedział, że urosła do takiej skali. To jest cały koszt sprawdzenia, czy w tych danych coś dla Was jest.

Jeżeli okaże się, że jest, kolejność bywa nieoczywista: zwykle nie zaczyna się od analityki, tylko od uporządkowania tego, jak faktury w ogóle wpadają do systemu — bo analiza na niepełnym zbiorze da odpowiedzi gorsze niż brak odpowiedzi. Ten etap wychodzi na audycie AI i jest tą pozycją, która w budżecie wdrożenia najczęściej wykracza ponad wycenę.

Tak z tym pracujemy: najpierw eksport i trzy pytania, potem jedna kontrola automatyczna z policzonym efektem, dopiero na końcu narzędzie dla całego zespołu. Zakres konsultingu i wdrożeń AI opisaliśmy osobno, sposób rozliczeń znajdziesz w cenniku, a jeśli chcesz sprawdzić, co konkretnie da się wyciągnąć z Waszych danych — umów bezpłatną konsultację.