The impressive blog 1962

Jeśli szukasz sposobu, aby dokumenty wreszcie „szły same”, OpenClaw daje do ręki całkiem sprytny zestaw klocków. Krótko: OpenClaw to projekt, który pomaga budować automatyczne przepływy dokumentów z wykorzystaniem agentów AI, parsowania, reguł i weryfikacji przez człowieka. Działa jak szkielet, w którym łączysz wejścia (np. Skrzynki mailowe, SharePoint, S3), przetwarzanie (OCR, klasyfikacja, ekstrakcja danych, walidacje), decyzje (reguły i zaufanie do modelu) oraz wyjścia (ERP, CRM, DMS, podpisy, komunikacja). Jeśli pytasz, czy da się to ogarnąć „po polsku” i z realnymi firmowymi wymaganiami, odpowiedź brzmi: tak, ale trzeba podejść do tematu rzemieślniczo, nie magicznie. Co to właściwie jest OpenClaw i do czego się nadaje OpenClaw możemy potraktować jako otwartą infrastrukturę do układania przepływów dokumentów sterowanych agentami AI. Agent to po prostu wyspecjalizowany moduł, który potrafi wykonać krok, podjąć prostą decyzję i przekazać pałeczkę dalej. W praktyce takim agentem jest klasyfikator dokumentów, ekstraktor pozycji z faktury, weryfikator zgodności z polityką firmy, a nawet „kurier”, który poprawnie nazwie plik i wrzuci go we właściwe miejsce. Najważniejsze cechy, które odróżniają OpenClaw od typowego „Zrób-automat-z-maila-do-Excela”: podejście agentowe zamiast jednej wielkiej czarnej skrzyni, dzięki czemu łatwiej śledzić, testować i poprawiać poszczególne kroki, łączenie modeli językowych z regułami i walidacją biznesową, miejsce na człowieka tam, gdzie trzeba postawić kropkę nad i. Nie jest to klikacz do wszystkiego, raczej silnik do szycia przepływów dla dokumentów o średniej i wysokiej złożoności. Jeśli wystarczy prosty routing maili, n8n lub Zapier będą szybsze. Jeśli chcesz bez bólu łączyć OCR, klasyfikację, ekstrakcję pół, walidację NIP i kwot, a na końcu stworzyć zapis do ERP, tu OpenClaw gra pierwsze skrzypce. Przepływy, które w polskich firmach najczęściej proszą się o automatyzację Weźmy faktury kosztowe. Standardowy ból: różne szablony, skany nie zawsze najwyższej jakości, linie tabeli łamią się w nieoczekiwanych miejscach, a do tego pełen zestaw polskich niuansów: NIP, MPP, GTU, różne stawki VAT i zniżki ukryte w przypisach. Dobrze przygotowany przepływ zbierze faktury z maila i z ePUAP, przeprowadzi OCR, sklasyfikuje dokument, wyciągnie nagłówki i pozycje, sprawdzi sumy kontrolne i progi akceptacji, a na końcu przekaże sprawę do akceptanta i zapisze dane w systemie finansowym. I tak dzień w dzień. Drugi klasyk to umowy. Wersjonowanie, klauzule, załączniki, parafki, podpisy kwalifikowane. Automatyzacja nie polega na ślepym rozumieniu każdego paragrafu, tylko na sensownym wyłuskaniu metadanych (strony, strony powiązane, daty, numery, zakresy odpowiedzialności), sprawdzeniu wzoru, oznaczeniu ryzyk i wypchnięciu do podpisu. Wreszcie reklamacje czy zapytania ofertowe. Tutaj liczy się szybkie rozpoznanie sprawy, wydobycie danych klienta i produktów oraz decyzja, do której kolejki przekazać sprawę. AI może zrobić 80 procent roboty, człowiek dołoży brakujące 20 procent wiedzy o kontekście. Agenty AI w OpenClaw bez tajemnic Słowo „agenty ai” brzmi modnie, ale w przepływach dokumentowych chodzi po prostu o inteligentne kroki. Jeden agent klasuje dokument do jednego z kilkunastu typów, drugi przewiduje szablon pól do wyciągnięcia, trzeci porównuje kwoty i daty z polityką firmy, czwarty buduje opis księgowy, piąty pyta człowieka o potwierdzenie w przypadkach granicznych. Możesz traktować je jak osobne mikro-usługi, które składają się w scenariusz. Dobra praktyka to nadanie agentom ludzkich ról i odpowiedzialności. Mamy „Kontrolera Wpływu” od przyjmowania dokumentu, „Detektywa” od klasyfikacji, „Ekstraktora” od danych, „Księgowego” od walidacji i „Kurierów” od zapisów do systemów. Dzięki temu łatwiej prowadzić audyt: który agent, na jakich danych, jaką podjął decyzję i z jakim poziomem zaufania. Jak ugryźć wdrożenie: plan na pierwsze 4 tygodnie Pokusą jest zacząć od wyboru modeli i klikania promptów. Z doświadczenia: lepiej zacząć od procesu i kryteriów sukcesu, bo to one zapłacą rachunek. Dopiero potem dobieramy modele i reguły. Poniżej najkrótsza ścieżka, która działa w większości organizacji. Szybki plan wdrożenia w 5 krokach: Opis złotego przypadku. Jaki dokument, jaka wartość biznesowa, który system na wejściu i wyjściu. Krótkie „before/after”. Zbiór próbek. Minimum 200 różnorodnych dokumentów, z polskimi ogonkami i błędami OCR, z duplikatami i edge case’ami. Makieta przepływu. Rysunek na jednej kartce: wejście, kroki agentów, miejsca decyzji, wyjście. Do tego minimalne metryki: precyzja ekstrakcji, odsetek spraw human-in-the-loop, średni czas. Pierwszy tor produkcyjny. Wersja z jednym dokumentem i pełnym audytem. Zapisuj wszystko: wejście, wynik każdego agenta, uzasadnienia. Iteracja. Co tydzień poprawiasz słabe ogniwo. Najpierw popraw OCR i klasyfikację, dopiero potem dokładasz wymyślne reguły. Architektura przepływu dokumentów, która nie płacze przy pierwszym wyjątku Dobry przepływ zaczyna się od solidnego przyjęcia dokumentu. W Polsce to zwykle skrzynka mailowa z pdf-ami, czasem skany ze skanera, folder na dysku sieciowym albo API poczty podawczej. Zadaniem pierwszego agenta jest nadanie identyfikatora sprawy, zapis oryginału i wstępna normalizacja: usuwamy puste strony, wyprostowujemy obraz, dzielimy plik zbiorczy na pojedyncze dokumenty. To banał, który robi wielką różnicę. Drugi krok to OCR i parsowanie. Jeśli materiał jest „born-digital”, lepiej ominąć OCR i skupić się na strukturze PDF. Przy skanach używaj OCR, który radzi sobie z polskimi znakami i układem kolumn; lepsze modele wizualno-językowe potrafią odczytać tabele bez rysowania regułek w nieskończoność. Ważne, żeby parser oddawał nie tylko tekst, ale też współrzędne i strukturę. To pozwala później zbudować ekstrakcję pozycji z tabel bez rozjechania się na rabatach i opisach. Następny jest router, czyli klasyfikator typu dokumentu. W polskich realiach przyda się rozróżnienie na faktury, korekty, zamówienia, potwierdzenia salda, wyciągi bankowe, umowy, aneksy, protokoły odbioru i „inne”. Router powinien oddać także pewność decyzji. Jeśli spada poniżej progu, przepływ przechodzi w tryb ostrożny: mniej automatycznych akcji, więcej potwierdzeń przez człowieka. Ekstrakcja pól to serce automatyzacji. Dla faktur: NIP sprzedawcy i nabywcy, numery, daty, pozycje z netto, VAT i brutto, waluta, kwoty razem, numer konta, MPP. Dla umów: strony, przedmiot, daty obowiązywania, okres wypowiedzenia, kary umowne. Zamiast jednego monolitycznego „zrób wszystko” lepiej mieć kilka mniejszych ekstraktorów: jeden dla nagłówków, drugi dla tabel, trzeci dla specyficznych klauzul. Każdy raportuje pewność i ewentualne sprzeczności. Walidacja biznesowa jest nudna do momentu, gdy ratuje budżet. Proste reguły jak kontrola sum, zgodność NIP z formatem i rejestrem, waluta vs kraj, spójność dat potrafią podnieść jakość bardziej niż podmiana modelu. Tu też działa agentowy podział ról: „Walidator Polityki” decyduje, czy dokument trafia do automatycznego zaksięgowania, czy do weryfikacji. Na końcu stoi integracja z systemami. Czasem to plik CSV ze słupkami dla programu księgowego, czasem API ERP. Dobrze, jeśli każdy zapis jest odwracalny: masz numer sprawy, ścieżkę audytu, wersje danych i komentarz, kto podjął decyzję - człowiek czy agent. Wtedy audyt nie jest dramą, tylko checklistą. OpenClaw po polsku: niuanse językowe i formalne, o których lepiej pamiętać Język polski bywa kapryśny. Modele świetnie łapią wzorce przy liczbach i kodach, ale odmiana nazw własnych i skrótów potrafi płatać figle. Gdzie to boli? Przy nazwach firm odmienianych w korespondencji, w rozpoznawaniu formatu dat (dzień-miesiąc-rok), w kwotach słownie. Pomaga mieszany prompt po polsku i po angielsku, bo niektóre instrukcje techniczne modele czytają żwawiej po angielsku, a polski openclaw treść dokumentu oczywiście zostaje po polsku. Dobrze też mieć słowniki firmowe, listy kontrahentów i rejony księgowe, żeby agent miał się czego trzymać. Polskie identyfikatory są twoim sprzymierzeńcem. NIP, REGON, KRS, numer konta w formacie IBAN, nawet kody PPK czy PZP, wszystko to można sprawdzić regułami lub przez zaufane serwisy. W przepływie to zwykle tani krok, który zdejmuje sporo niepewności z warstwy AI. Przy OCR unikaj ustawień, które „upiększają” skany kosztem treści. Lepiej mieć brzydki, ale wierny tekst niż piękny, ale znikające ogonki. Warto też zrobić profil błędów: które skanery czy dostawcy wysyłają pliki najgorszej jakości. Nieraz zwykła zmiana DPI w skanerze u kontrahenta poprawia ekstrakcję bardziej niż tygodnie strojenia promptów. Gdzie wpuścić człowieka, żeby nie zabić automatu Automatyzacja nie udaje, że człowiek jest zbędny. Zamiast tego planuje jego udział tam, gdzie przynosi największy zwrot. Najczęściej są to trzy miejsca. Po pierwsze, decyzje przy niskiej pewności klasyfikacji lub ekstrakcji, z użytecznym podglądem dokumentu i podświetleniem pól, które agent wydobył. Po drugie, rozstrzyganie sprzeczności, na przykład sumy nie zgadzają się z pozycjami. Po trzecie, akceptacje budżetowe i podpisy. Istotne jest, aby agent umiał poprosić o konkretną pomoc: „Brakuje NIP sprzedawcy, wskaż na dokumencie”, zamiast ogólnego „Sprawdź dokument”. Taki mikro-interfejs oszczędza czas i sprawia, że udział człowieka jest krótki i celowy. Miara sukcesu: jakie metryki mają sens, a które tylko ładnie wyglądają w prezentacji Realnie liczy się procent spraw end-to-end bez dotyku, zwany często STP, średni czas od wpływu do decyzji oraz odsetek dokumentów z poprawkami w księgowaniu. Dla ekstrakcji pól warto mierzyć dokładność na poziomie pola, nie całego dokumentu. Jedno źle odczytane pole nie powinno dyskwalifikować całego przepływu. W praktyce, dla uporządkowanych faktur z dobrym OCR, osiągalne jest 90 do 97 procent poprawnej ekstrakcji nagłówków i 80 do 92 procent dla tabel pozycji, przy sensownych walidacjach. Przy umowach, gdzie pola bywają nieostre, mierzymy raczej trafność rozpoznania klauzul ryzyka i kompletność metadanych. Nie poluj na jedną metrykę. Ustaw progi: jeśli STP spada tydzień z rzędu, cofamy ostatnie zmiany; jeśli rośnie liczba spraw trafiających do człowieka w jednym typie dokumentu, sprawdzamy najpierw OCR i router, nie dłubiemy od razu promptów. Koszty, wydajność i rozsądne kompromisy Koszt przetworzenia jednego dokumentu rozbija się na trzy elementy: compute dla OCR lub modelu wizualnego, wywołania modelu językowego oraz ruch sieci i składowanie. Na fakturze dwustronicowej największym kosztem bywa OCR i pierwszy duży model. Oszczędności dają trzy sztuczki. Po pierwsze, warstwa reguł przed dużym modelem, która unika długich promptów w trywialnych przypadkach. Po drugie, cache wyników OCR i powtarzalnych fragmentów, na przykład stopki firm i szablonów. Po trzecie, batchowanie dokumentów w granicach rozsądku, żeby nie zwiększyć opóźnień dla użytkowników. Wydajność mierz w dokumentach na minutę, a nie w teoretycznych tokenach na sekundę. Przy rozsądnej infrastrukturze i podziale na kolejki priorytetowe da się przetwarzać kilkaset dokumentów na minutę, ale to zależy od jakości wejścia i ciężaru kroków. Jeśli masz okienka krytyczne, na przykład księgowanie do 15:00, warto dodać proste ograniczniki: w godzinach szczytu ekstraktor tabel przechodzi w tryb szybki z mniejszą dokładnością i prosi człowieka tylko przy dużych kwotach. Bezpieczeństwo i RODO, czyli jak nie zepsuć sobie dnia kontrolą Dokumenty to dane osobowe i dane finansowe. Dlatego trzy praktyki wchodzą do kanonu. Pierwsza to pseudonimizacja w krokach, które nie wymagają pełnych danych. Wystarczy zamienić PESEL i NIP na tokeny, jeśli akurat ekstraktor uczy się układu tabel. Druga to kontrola, gdzie trafiają dane. Jeśli korzystasz z zewnętrznych modeli, wybieraj tryby bezuczeniowe i strefy zgodne z twoją jurysdykcją. Trzecia to audyt ścieżki decyzyjnej: kto zobaczył dokument, jakie dane wyciągnięto, jakie decyzje i na jakiej podstawie. Dobrze zaprojektowany przepływ ma przycisk „pokaż dowody”, który wypisze, skąd wzięła się każda liczba. Przy bardziej wrażliwych dokumentach rozważ modele uruchomione lokalnie. Nie zawsze będą najtańsze ani najszybsze, ale dają pełną kontrolę nad danymi. Zdrowy miks to router i część walidacji lokalnie, a cięższe rozumowanie w bezpiecznym środowisku chmurowym z jasną polityką retencji. Najczęstsze błędy przy wdrożeniach i jak ich uniknąć Pokus do potknięć jest sporo, ale powtarzają się te same schematy. Zebrane z wdrożeń, w które zdarzało mi się zaglądać, wyglądają tak. Pięć klasycznych wpadek: Za duże ambicje na start. Lepiej jedna faktura z trudnymi tabelami niż pięć typów dokumentów na pół gwizdka. Brak próbek z realnego świata. Modele uczone na wzorcowych pdf-ach rozklejają się na skanach z faksu. Magia w promptach zamiast reguł. Gdzie prosty warunek wystarczy, nie proś modelu o filozofię. Zero miejsca na człowieka. Gdy nie ma ścieżki eskalacji, wątek zatrzymuje się na drobiazgu i rośnie frustracja. Brak audytu i logów. Bez śladów pośrednich trudno naprawić błąd i obronić się przy kontroli. Porównanie z alternatywami: kiedy OpenClaw, a kiedy co innego Jeśli twoje potrzeby kończą się na przekierowaniu maila, dodaniu taga i wrzuceniu załącznika w odpowiedni folder, wystarczy automat typu iPaaS. Gdy dochodzi OCR, klasyfikacja i kilka pól do wyciągnięcia, też da się to jeszcze zgrabnie układać w narzędziach „no-code”. Ale w momencie, gdy pola rosną, pojawiają się wyjątki, w grę wchodzi księgowość i kontroling, a każdy błąd kosztuje pieniądze, przewaga agentów i pełnej ścieżki audytu staje się oczywista. Z drugiej strony, jeśli w firmie nie ma zespołu, który utrzyma proces, a dokumenty są skrajnie nieprzewidywalne, lepiej zlecić zadanie wyspecjalizowanemu dostawcy lub zacząć od małego modułu. Automatyzacja to nie sprint. To raczej bieg ze zmianami tempa, gdzie lepiej nie spalić się na pierwszym okrążeniu. Jak zorganizować dane treningowe i testowe, żeby nie strzelać do tarczy z zamkniętymi oczami Kusząca jest myśl „wrzućmy wszystkie faktury, niech się uczy”. Niestety, bez porządku wynik bywa losowy. Zbiór dzielimy na trzy części. Pierwsza to zestaw szkoleniowy agentów regułowych i heurystyk, w praktyce szablony i słowniki. Druga to próby do strojenia promptów i ustawiania progów pewności. Trzecia to zestaw offline do oceny, najlepiej z opisanymi prawdami referencyjnymi. W polskich realiach dochodzą święta i końcówki roku, gdzie pojawiają się inne formaty dokumentów. Warto je mieć osobno i testować sezonowość. Nie wszystkie pola mają tę samą wagę. Lepiej dokładnie ocenić 10 pól krytycznych niż 40 pól pobocznych. Dla każdej kategorii ustal tolerancje: daty mogą się różnić o 1 dzień, kwoty o grosz, ale NIP nie ma prawa być inny. Utrzymanie i obserwowalność: co logować, aby widzieć, a nie domyślać się Każdy agent powinien zostawiać notatkę z trzech rzeczy: wejście, decyzja, uzasadnienie. Wejście to w praktyce fragment dokumentu lub metadane. Decyzja to wynik z pewnością. Uzasadnienie to skrót, dlaczego uznał ten wynik. Nie po to, by pisać elaboraty, ale by w 30 sekund zrozumieć, co się stało. Obok logów przydaje się panel z KPI na dziś: ile openclaw zamówienie Polska dokumentów czeka, ile poszło bez dotyku, które reguły blokują najczęściej. Dzięki temu zamiast rozkminiać, „czy działa”, widzisz konkretnie, gdzie boli. Świetnie sprawdza się też wersjonowanie agentów. Każda zmiana promptu czy progu tworzy nową wersję, którą można A/B testować na ułamku ruchu. Przykładowy scenariusz: faktury kosztowe u producenta z łańcuchem dostaw Wyobraźmy sobie firmę produkcyjną, która dostaje około 3 tysięcy faktur miesięcznie od 400 dostawców. Wpływ następuje mailem i przez portal, bywa też, że handlowiec dorzuca skan z telefonu. Przepływ w OpenClaw mógłby wyglądać tak. Agent wejścia pobiera pliki, nadaje im numer sprawy i podstawowe metadane, a potem odpala OCR tylko na obrazach. Router rozpoznaje, czy to faktura, czy korekta, a w trudnych przypadkach prosi o wskazanie typu na podglądzie. Ekstraktor nagłówków wyłuskuje NIP, daty i numery, osobny ekstraktor tabelek zbiera pozycje, zachowując zagnieżdżenia i rabaty. Walidator sprawdza, czy sumy pozycji zgadzają się z kwotami i czy NIP figurują w białej liście. Jeśli wszystko gra, agent księgowy mapuje konto kosztowe na podstawie słownika produktów lub historii podobnych dokumentów. W przypadku niezgodności dokument trafia do operatora z konkretną prośbą: „Sprawdź pozycję 4, stawka VAT niezgodna z polityką”. Całość kończy się zapisem do ERP i podpisem elektronicznym potwierdzającym akceptację. W praktyce po trzech tygodniach da się osiągnąć ponad 70 procent spraw bez dotyku, a po dwóch miesiącach, z dopracowaną walidacją, wejść w zakres 80 do 90 procent. Resztę lepiej oddać człowiekowi niż na siłę dopychać automat kosztem ryzyka. Co jeśli dokumenty są „inne każdego dnia” Bywa, że firma dostaje dokumenty projektowe, schematy, protokoły badań, gdzie format jest każdorazowo nowy. Nawet wtedy agenty są użyteczne, tylko trzeba inaczej zdefiniować cel. Zamiast pełnej ekstrakcji pól skup się na metadanych i pracy z kontekstem: kto wysłał, do czego sprawa jest przypięta, jakie terminy wynikają z treści, które fragmenty mogą zawierać ryzyko. Agent potrafi wyłapać terminy i osoby odpowiedzialne, wyciąć sekcje o bezpieczeństwie i zapytać człowieka, czy dokument trafia do projektów A, B, czy C. Mniej spektakularne, ale ogromnie pomocne w zarządzaniu ryzykiem i czasem. Jak mówić do agentów, żeby rozumieli: praktyka promptowania po polsku Zasadą jest prostota. Jedno zadanie na prompt, jasne pola wyjścia, krótka lista wyjątków. Tam, gdzie to możliwe, podawaj przykłady na polskich dokumentach. Dodanie trzech prawdziwych wycinków faktur z różnymi układami robi więcej niż poetyckie opisy. Progi pewności warto mieć inne dla różnych pól: NIP i kwoty wymagają wyższych progów niż opis pozycji. Wbrew intuicji, mieszanie języków bywa pomocne. Instrukcja techniczna po angielsku, bo modele lepiej trawią krótkie komendy, a kontekst i nazwy pól po polsku, bo takie są dokumenty. Jeśli coś ma być absolutnie niezmienne, opisz to jako twardą regułę poza promptem. Modele mają skłonność do kreatywności w złych miejscach. Kiedy nie używać OpenClaw Czasem mądrzej powiedzieć „nie teraz”. Jeśli masz 20 dokumentów w miesiącu i każdy wymaga merytorycznej oceny prawnika, automatyzacja przepływu niewiele wniesie. Jeśli organizacja nie ma osób, które będą utrzymywać proces i dbać o dane, pojawią się ukryte koszty. Jeżeli wymagania zakładają stuprocentową bezbłędność od pierwszego dnia, a margines na poprawki jest zerowy, lepiej wdrożyć półautomaty i stopniowo podnosić poziom ambicji. Częste pytania, które padają na korytarzu Czy agenty ai zastąpią ludzi w księgowości lub sekretariacie? Nie. Zabiorą żmudne czynności jak przepisywanie, nadawanie nazw plikom i wstępne klasyfikacje. Ludzie zostają od decyzji, wyjątków i sensu. Czy modele trzeba trenować od zera na polskich danych? Rzadko. Wystarczy rozsądne dostrojenie, dobre OCR i bogate walidacje. Trening przydaje się przy specyficznych dokumentach, na przykład własnych formularzach czy wzorach umów. Czy wszystko musi iść do chmury? Nie. Architektura bywa hybrydowa: elementy wrażliwe lokalnie, reszta w bezpiecznej chmurze. Decyzja zależy od polityki bezpieczeństwa i budżetu. Czy OpenClaw zadziała z moim ERP? Jeśli ERP ma API, import csv lub folder nasłuchujący, da się to pospinać. Najwięcej pracy jest zwykle w dopasowaniu słowników i mapowań kont. Ostatnie słowo praktyka Automatyzacja dokumentów to rzemiosło. OpenClaw i agenty ai są świetnymi narzędziami, ale nie robią cudów bez sensownego procesu i danych. Zacznij od jednego, naprawdę ważnego przepływu. Zbuduj go tak, jakby jutro miał oglądać go audytor. Daj agentom jasne role i proste zadania, a ludziom dobry podgląd i prawo do decyzji. Prowadź metryki, iteruj co tydzień, nie szukaj srebrnej kuli. Wtedy „openclaw po polsku” przestanie być hasłem SEO, a stanie się mądrą, codzienną praktyką, dzięki której dokumenty wreszcie zaczną chodzić własnymi ścieżkami - dokładnie tam, gdzie trzeba.