Bezpłatna analiza
Porównanie · Zamówienia · Stan na 2026-11-13 · aktualizacja 2026-11-13 · autor: Artur Gregorczyk

Zamówienia pisane ręcznie a AI: jak OrderBridge czyta kartki ze sklepów i dlaczego Rossum, Conexiom, Esker i OCR z chmury (Azure, AWS, Google) radzą sobie gorzej z polskim pismem – porównanie 2026

W hurtowniach spożywczych i mięsnych wciąż spora część zamówień przychodzi jako zdjęcie kartki zrobione telefonem przez kierowniczkę sklepu: „wątróbka drob. 5 kg, łapki 10, parówki Tarcz. 3 op.”. Handlowiec przepisuje to do ERP, bo żaden system nie robi tego dobrze. Sprawdziliśmy, co obiecują światowi dostawcy automatyzacji zamówień i OCR – według ich stron, stan na 13 listopada 2026 r. – i pokazujemy, jak z tym problemem radzi sobie OrderBridge: własny model do polskiego pisma odręcznego, dopasowanie towaru do tego, co dany sklep naprawdę kupuje, i wyniki zmierzone na 556 prawdziwych zamówieniach, które operatorzy wcześniej odrzucili.

Dlaczego kartka ze sklepu to najtrudniejsze zamówienie dla AI

Zamówienie z maila w PDF albo w Excelu to dziś problem rozwiązany – czyta je prawie każde narzędzie. Kartka pisana ręcznie łamie wszystkie założenia, na których opiera się klasyczny OCR:

Najważniejsza obserwacja z naszych wdrożeń: to są dwa osobne problemy. Pierwszy to odczytanie tekstu z kartki (rozpoznawanie pisma ręcznego, HTR). Drugi to przypisanie odczytanej linii do właściwej kartoteki w ERP. Większość narzędzi traktuje je jako jeden krok – i wtedy błąd w którymkolwiek z nich psuje pozycję. Model, który bezbłędnie przeczyta „wątróbka z kurczaka”, nic nie da, jeśli system dopasowania wpisze do zamówienia ćwiartkę kurczęcą.

Co oferują Rossum, Conexiom, Esker i OCR z chmury – stan na 13.11.2026

Poniżej rozwiązania, które najczęściej pojawiają się przy wyborze automatyzacji zamówień. Opisujemy je według stron producentów i dokumentacji, bez kopiowania materiałów.

Wspólny mianownik: żaden z tych dostawców nie publikuje wyników dla polskich, odręcznych list zakupowych ze sklepów. Rozwiązania globalne są trenowane głównie na drukowanych zamówieniach zakupu i fakturach, a chmurowe OCR kończy się na tekście. Do tego wszystkie działają w chmurze dostawcy – zdjęcia zamówień, nazwy sklepów i ceny opuszczają firmę.

Jak OrderBridge czyta pismo ręczne: własny model i dwa osobne kroki

OrderBridge rozdziela odczyt od dopasowania i każdy krok robi osobnym, wyspecjalizowanym mechanizmem.

Krok 1. Odczyt kartki własnym modelem do polskiego pisma

Ogólne modele (także duże modele multimodalne) czytały nasze zdjęcia słabo: myliły polskie znaki, skróty i nazwy wędlin. Dlatego wytrenowaliśmy własny model rozpoznawania pisma odręcznego na prawdziwych zdjęciach kartek zamówień od sklepów – zbiór z ok. 1 460 wiadomości ze zdjęciami od hurtowni spożywczej, z liniami zweryfikowanymi względem zamówień, które handlowcy wpisali ręcznie. Model działa na serwerze z GPU w infrastrukturze klienta albo w polskiej chmurze 127AI, a w ustawieniach OrderBridge wskazuje się, który model obsługuje dokumenty odręczne – można je zmieniać bez przebudowy aplikacji.

Krok 2. Dopasowanie do tego, co sklep naprawdę kupuje

Zasada, której się trzymamy: nic nie wchodzi do ERP po cichu. Pozycje poniżej progu pewności czekają w panelu akceptacji z podpowiedziami alternatywnych kartotek – handlowiec klika, a nie przepisuje.

Wyniki na prawdziwych zamówieniach: z 41% do 74% trafionych pozycji i z 57% do 9% błędów

Mierzyliśmy na najtrudniejszym możliwym zbiorze: 556 zamówieniach ze zdjęciami kartek, które operatorzy hurtowni wcześniej odrzucili i wpisali ręcznie. Wzorcem było zamówienie wpisane przez handlowca w ERP, zdjęcia nie były używane w treningu modelu. Porównanie dotyczy pozycji: czy towar z kartki trafił we właściwą kartotekę.

WariantTrafione pozycjeBłędne pozycjeZamówienia z ≥80% pozycji
Poprzedni odczyt (ogólny model + dopasowanie tekstowe)41%57%3%
Poprzednie pozycje poprawiane naszym odczytem60%42%12%
Zamówienie od nowa: nasz model + historia sklepu71%15%43%
Jak wyżej + nauka nazw z ręcznych zamówień73%14%53%
Nasz model + model językowy wybiera z kartotek sklepu (próbka 299 zamówień)74%9%52%

Trzy wnioski:

  1. Najważniejsza liczba to błędy, nie trafienia. Pozycja brakująca kosztuje handlowca kilka sekund – dopisuje ją z panelu. Pozycja błędna, której nikt nie zauważy, kosztuje reklamację, zwrot i transport. Spadek błędnych pozycji z 57% do 9% to różnica między systemem, któremu operatorzy nie ufają, a systemem, który oszczędza im pracę.
  2. Łatanie cudzego odczytu się nie opłaca. Pozycje spoza historii sklepu były w starym odczycie poprawne tylko w 12% – lepiej zbudować zamówienie od nowa z naszego odczytu niż poprawiać linie.
  3. Jest sufit, którego nie przeskoczy żaden model. Ok. 70% nietrafionych pozycji w ogóle nie ma na zdjęciu kartki – operator dopisał je z telefonu, z innego zdjęcia albo z pamięci. Część ręcznych zamówień ma 28 pozycji przy 12 liniach na kartce. Dlatego uczciwie liczona skuteczność „na kartce” jest wyższa niż w tabeli.

Dopasowanie jest też szybkie: model językowy na naszym klastrze przypisał linie dla 299 zamówień w ok. 2 minuty. W teście na danych sieci sklepów mięsnych zamówienie tekstowe na 11 pozycji dopasowało się w 1,8 s, 10 z 11 linii trafiło we właściwe kartoteki sklepu, a jedenasta („kaszanka gryczana”) była na liście podpowiedzi.

Zestawienie: OrderBridge a globalne platformy i OCR z chmury

Porównanie dotyczy klasy rozwiązań; szczegóły pakietów warto sprawdzić u producenta.

KryteriumConexiom / Esker / RossumOCR z chmury (Azure, AWS, Google)OrderBridge
Polskie pismo odręczneDeklarowane ogólnie (Rossum: 30 języków), bez wyników dla list ze sklepówAzure: polski tylko druk; AWS: pismo tylko po angielsku; Google: tak, jako surowy tekstWłasny model trenowany na polskich kartkach zamówień
Dopasowanie towaruDo danych ERP, reguły i walidacjaBrak – trzeba zbudowaćNajpierw historia danego sklepu, potem sprzedawane, potem katalog; LLM wybiera z kartotek
Język sklepu i synonimyUczenie na poprawkach użytkownikaBrakNauka z ręcznie wpisanych zamówień, paleta synonimów per klient
Opublikowany pomiarDeklaracje producenta (np. „100%”, 92,5%)Brak dla zamówień556 odrzuconych zamówień: 74% trafionych, 9% błędnych pozycji
Gdzie są zdjęcia i cenyChmura dostawcyChmura dostawcy (USA/UE)Serwer klienta lub polska chmura 127AI
Polskie ERPGłównie SAP i ERP globalne, inne przez integracjęBrakStreamsoft Prestiż (kartoteki, historia, zapis zamówień); inne ERP przez API
StartProjekt wdrożeniowy, abonamentPłatność za stronę, budowa własnej aplikacjiBezpłatny test na 20 Twoich mailach lub zdjęciach kartek

Co wybrać i jak samemu sprawdzić dostawcę

  1. Zamówienia przychodzą głównie jako PDF z systemów klientów – każda z wymienionych platform sobie poradzi; wybieraj po integracji z Twoim ERP, cenie i miejscu przechowywania danych.
  2. Masz dużo zdjęć kartek i SMS-ów od sklepów, a ERP to Streamsoft Prestiż – to typowy przypadek dla OrderBridge: polskie pismo, język sklepu i historia zakupów odbiorcy decydują o wyniku bardziej niż sam OCR.
  3. Budujesz własne rozwiązanie na API z chmury – policz, ile pracy zajmie dopasowanie do kartotek, synonimy i panel akceptacji. OCR to zwykle najmniejsza część projektu.

Jak zrobić uczciwy test u każdego dostawcy, także u nas:

Powiązane: jak AI łączy dane z ERP (Prestiż, Comarch, enova), ChatGPT dla firm – bezpiecznie i ile kosztuje własny serwer AI.

Źródła i metodologia

Opisy rozwiązań innych firm oparliśmy na stronach producentów i dokumentacji, stan na 13 listopada 2026 r. Funkcje i deklaracje mogą się zmieniać – przed decyzją sprawdź je u dostawcy.

Nasze wyniki pochodzą z pomiaru 127AI z listopada 2026 r. na 556 zamówieniach ze zdjęciami kartek od sklepów, które operatorzy hurtowni spożywczej odrzucili i wpisali ręcznie w ERP (ostatni wariant na próbce 299 zamówień). Wzorcem było zamówienie wpisane przez handlowca, a zdjęcia nie były użyte w treningu modelu. Porównujemy pozycje (towar we właściwej kartotece), nie sam odczytany tekst. Nazw klientów nie podajemy ze względu na poufność danych handlowych.

Najczęstsze pytania

Czy AI potrafi odczytać ręcznie pisane zamówienie po polsku?

Tak, ale ogólne usługi radzą sobie z tym różnie: Azure rozpoznaje pismo odręczne w 9 językach bez polskiego, Amazon Textract tylko po angielsku. OrderBridge używa własnego modelu trenowanego na polskich kartkach zamówień ze sklepów i osobno dopasowuje odczytane linie do kartotek w ERP.

Jaką skuteczność ma OrderBridge na zdjęciach kartek?

Na 556 zamówieniach, które operatorzy wcześniej odrzucili i wpisali ręcznie, odsetek trafionych pozycji wzrósł z 41% do 74%, a błędnych spadł z 57% do 9%. Ok. 70% nietrafionych pozycji w ogóle nie było na zdjęciu – dopisał je operator.

Czy zdjęcia zamówień trafiają do chmury?

Nie muszą. OrderBridge z modelem do pisma odręcznego działa na serwerze klienta albo w polskiej chmurze 127AI. Globalne platformy, takie jak Conexiom, Esker czy Rossum, oraz OCR Azure, AWS i Google działają w chmurze dostawcy.

Co się dzieje z pozycją, której system nie jest pewny?

Trafia do panelu akceptacji z listą podpowiadanych kartotek, najpierw z historii zakupów danego sklepu. Handlowiec wybiera jednym kliknięciem, a jego wybór uczy system nazw używanych przez tego klienta. Nic nie trafia do ERP bez kontroli.

Artur Gregorczyk – prezes 127AI, właściciel ARTEX IT (systemy ERP i IT dla firm od 1997 r., Radom). Od blisko 30 lat wdraża systemy w firmach produkcyjnych i handlowych; w 127AI rozwija DocuMind AI i inne rozwiązania AI działające na serwerach klientów. LinkedIn · O 127AI i ARTEX IT

Sprawdź OrderBridge na zdjęciach kartek od Twoich sklepów

Prześlij 20 prawdziwych zamówień – maili, SMS-ów albo zdjęć kartek pisanych ręcznie – i eksport kartotek z ERP. W 48 godzin odsyłamy gotowe zamówienia z oznaczeniem, co AI odczytało pewnie, a co do sprawdzenia. Porównasz z tym, co wpisali Twoi handlowcy. Bez opłat i zobowiązań.

Bezpłatny test OrderBridgeBezpłatna konsultacja

Inne poradniki

Centralny Rejestr Umów jednostek sektora finansów publicznych (art. 34a ufp) od 1 lipca 2026 r. – które umowy wpisywać, jakie dane, w jakim terminie i jak nie zgubić żadnej z 400 umów rocznieCentralny Rejestr Umów JSFP od 1 lipca 2026 r.: bez progu kwotowego, umowy-zamówienia (art. 7 pkt 32 Pzp), wartość za 48 miesięcy, wyłączenia, 30 dni…Klauzula waloryzacyjna w umowach B2B i w zamówieniach publicznych – jak ją napisać, jak liczyć po wskaźniku GUS (CPI 3,5% w październiku 2026) i jak sprawdzić, czy dostawca waloryzuje zgodnie z umowąKlauzula waloryzacyjna: art. 358¹ KC, obowiązkowa waloryzacja w Pzp (art. 439, umowy powyżej 6 miesięcy), wskaźniki GUS (CPI 3,5% r/r w X 2026, 3,6%…Umowa licencyjna na oprogramowanie i umowa SaaS – 12 klauzul, które decydują o kosztach, art. 41, 66–68 i 74–75 prawa autorskiego, audyt licencji i plan wyjścia (checklista 2026)Licencja, SaaS czy przeniesienie praw: pola eksploatacji (art. 41), licencja 5-letnia (art. 66), wypowiedzenie (art. 68), programy komputerowe (art.…Obieg dokumentów czy archiwum umów z AI? Comarch BPM, enova365 Workflow/DMS, LOGiT FLOW i DocuMind AI – porównanie 2026Comarch BPM, enova365 Workflow/DMS, LOGiT FLOW i DocuMind AI: obieg faktur, OCR, archiwum, analiza umów, baza prawa, chmura czy serwer firmy. Dla…Monitoring GPS floty a analityka paliwa z AI: Webfleet, frameLOGIC, Satis GPS, Flotman, Navifleet i FleetAI – ile naprawdę spala każde auto (porównanie 2026)Porównanie monitoringu GPS floty (Webfleet, frameLOGIC, Satis GPS, Flotman, Navifleet) z FleetAI: spalanie od pełnego do pełnego, puste przebiegi,…Systemy APS w Polsce 2026: Comarch APS, Siemens Opcenter, Asprova, Queris czy PlanAI – ile kosztuje planowanie produkcji i od ilu maszyn ma sensIle kosztuje system APS w Polsce (150–800 tys. zł wdrożenia, 40–150 tys. zł rocznie), od ilu maszyn ma sens i czym różnią się Comarch APS, Opcenter,…Umowa o zachowaniu poufności (NDA) 2026 – co musi zawierać, kara umowna, czas trwania i jak pilnować 200 NDA w firmie (art. 11 uznk)Umowa NDA krok po kroku: definicja tajemnicy przedsiębiorstwa (art. 11 uznk), 8 klauzul, czas trwania 3–5 lat, kara umowna (art. 483–484 KC), NDA z…Automatyczne przedłużenie umowy (klauzula prolongacyjna) – jak działa, kiedy jest nieważna i jak nie przegapić terminu w 300 umowachKlauzula automatycznego przedłużenia umowy: jak liczyć ostatni dzień na sprzeciw, milczące przedłużenie najmu (art. 674 KC), ochrona konsumenta…Archiwum zakładowe a AI – kategorie A, B, BE, JRWA, brakowanie i okresy przechowywania dokumentów w urzędzie i firmie (2026)Archiwum zakładowe i składnica akt: kategorie A, B5, B10, BE, Bc, JRWA, brakowanie za zgodą archiwum państwowego, okresy przechowywania akt…Dig.IT 2026 w zakładzie produkcyjnym – na co przeznaczyć dotację na AI i jak zebrać ofertyDig.IT 2026 (nabór 2–30 listopada): kto może aplikować, jakie koszty się kwalifikują, ile ofert zebrać i które projekty AI w produkcji mają sens –…Planowanie produkcji z AI (APS) – harmonogram, przezbrojenia, awarie i obsada zamiast ExcelaJak działa planowanie produkcji APS z AI: wykonalny harmonogram na maszynach i ludziach, macierz przezbrojeń i alergenów, przeplanowanie po awarii w…Umowa serwisowa IT i SLA – czas reakcji, kary umowne, dostępność i plan wyjścia (checklista 2026)Co musi zawierać umowa serwisowa IT i SLA: czas reakcji i naprawy, dostępność 99,5% vs 99,9%, kary umowne (art. 483–484 KC), powierzenie danych (art.…Umowa najmu lokalu użytkowego 2026 – klauzule, terminy wypowiedzenia, waloryzacja czynszu i kaucja (art. 659–692 KC)Najem biura, hali i magazynu: czas oznaczony a nieoznaczony (art. 673, 688 KC), podwyżka czynszu (art. 685¹), waloryzacja o CPI 3,6% za 2025 r.,…Jak AI czyta dane ze Streamsoft Prestiż – kontrola faktur z umową, terminy i waloryzacje bez eksportów do ExcelaJak DocuMind AI łączy archiwum umów z danymi ze Streamsoft Prestiż (tylko odczyt): faktury z KSeF, płatności, cenniki. 10 pytań do ERP i umów naraz,…Kalkulator przedawnienia roszczeń 2026 – kiedy przedawnia się faktura, umowa i kara umowna (art. 118 KC)Bezpłatny kalkulator przedawnienia: 6 lat, 3 lata (B2B, świadczenia okresowe), 2 lata (sprzedaż, dzieło), 1 rok (najem, przewóz), zasada końca roku,…Kary umowne w umowach między firmami – jak naliczać, kiedy sąd je zmniejszy (art. 483–484 KC) i jak pilnować ich w 300 umowachKary umowne w firmie: za co można je zastrzec (art. 483 KC), czy należą się bez szkody, miarkowanie (art. 484 § 2 KC), limit w Pzp (art. 436),…Terminy załatwiania spraw w urzędzie według KPA – art. 35, 36 i 37 w praktyce, ponaglenie i jak pilnować 2 000 spraw narazTerminy z art. 35 KPA (niezwłocznie, miesiąc, 2 miesiące), czego nie wlicza się do terminu, zawiadomienie z art. 36, ponaglenie z art. 37, skarga na…Kalkulator odsetek za opóźnienie w transakcjach handlowych 2026 i rekompensaty 40/70/100 euroBezpłatny kalkulator: odsetki ustawowe za opóźnienie w transakcjach handlowych (13,75% od 1.07.2026, 11,75% dla podmiotów leczniczych) i rekompensata…Kalkulator terminu wypowiedzenia umowy – kiedy najpóźniej złożyć wypowiedzeniePolicz ostatni dzień na wypowiedzenie umowy: data końca umowy, okres wypowiedzenia (dni lub miesiące), wypowiedzenie na koniec miesiąca, automatyczne…Kontrola UODO w BIP 2026 – czego szuka urząd, najczęstsze błędy i checklista dla gminyUODO zapowiedział sektorowe kontrole BIP w 2026 r.: dokumenty po terminie publikacji, brak anonimizacji w uchwałach i protokołach, skany bez OCR,…LEX Expert AI vs DocuMind AI – czat prawny bez Twoich dokumentów czy AI, które czyta umowy i przepisy razemLEX Expert AI (Wolters Kluwer) to czat na modelu OpenAI z zasobami LEX – przepisy, orzecznictwo, komentarze – ale bez analizy Twoich plików. DocuMind…Umowa powierzenia przetwarzania danych (art. 28 RODO) – checklista i przegląd wszystkich umów z dostawcamiCo musi zawierać umowa powierzenia wg art. 28 ust. 3 RODO (przedmiot, czas, charakter, cel, rodzaj danych, kategorie osób, obowiązki procesora,…Jak AI znajduje sprzeczności między umowami, regulaminami i proceduramiUmowa mówi 60 dni, OWU 30, procedura zakupowa 45 – i wszystkie obowiązują. Jak AI przegląda całe archiwum firmy nocą i rano daje listę sprzeczności,…Jak pilnować terminów wypowiedzenia umów w firmieRejestr umów, właściciel umowy, przypomnienia 90/60/30 dni i automatyczne wyciąganie dat z umów przez AI.Jak szybko znaleźć umowę w archiwum firmyWyszukiwanie po nazwie pliku, pełnotekstowe i semantyczne – czym się różnią i kiedy które działa.Analiza umów przez AI bez wysyłania ich do chmuryLokalne modele językowe na własnym serwerze, wymagania sprzętowe, bezpieczeństwo i RODO.Rejestr umów w firmie – jak go prowadzićWzór kolumn, numeracja umów i aneksów, kiedy wystarczy arkusz, a kiedy system z AI.Jak policzyć, ile Twoja flota przepala paliwaLitry z kart paliwowych, kilometry z GPS, spalanie każdego auta i lista przyczyn.OEE – co to jest i jak je policzyćDostępność × wydajność × jakość – wzór i przykład liczbowy dla jednej zmiany.Paperless-ngx w firmie – kiedy wystarczy, a kiedy potrzebujesz więcejDarmowy system dokumentów self-hosted z OCR – gdzie są jego granice.ChatGPT dla firm – jak korzystać bezpiecznieKonta prywatne, plany firmowe i własny model na serwerze firmy – co z poufnymi danymi i RODO.System zarządzania dokumentami z AI on-premise – czym różni się od DMS i obiegu dokumentówRepozytorium, obieg dokumentów i archiwum z AI – co robi każde, kiedy które wybrać, ceny 2026.Prywatny ChatGPT dla firmy – ile kosztuje własny serwer AI w 2026Serwer z GPU, prąd, modele, utrzymanie – trzy warianty dla 20, 80 i 250 użytkowników.Jak AI łączy umowy z ERP (Prestiż, Comarch, enova, Subiekt) i pilnuje terminówKontrola faktur z umową, waloryzacje, automatyczne przedłużenia – integracja odczytu z ERP.DocuMind AI vs AMODIT vs SharePoint vs Umowy.AI – co wybrać do umówArchiwum z AI, obieg dokumentów, repozytorium i legal-AI w chmurze – porównanie dla firm 20–250 osób.Jak AI wychwytuje brakujące aneksy i błędy w umowach z dostawcamiSiedem typowych błędów w umowach z dostawcami i jak AI znajduje je w archiwum i fakturach z ERP.Chatbot na dokumentach firmy (RAG) – jak działa, ile kosztuje, kiedy on-premiseRAG po ludzku: indeks, wyszukiwanie, odpowiedź ze źródłem; koszty API vs serwer w firmie.AI z bazą polskiego prawa na serwerze firmy – jak DocuMind sprawdza umowy z przepisamiKomplet Dz.U. i M.P. lokalnie: odpowiedzi z umowy i z artykułu, czego AI nie zastąpi.Terminy płatności w umowach B2B – 60 dni, odsetki i rekompensataUstawa o terminach zapłaty w praktyce firmy i jak sprawdzić wszystkie umowy w kilka minut.Umowa B2B czy ukryta umowa o pracę? Art. 22 Kodeksu pracy w praktyceCechy stosunku pracy, czerwone flagi w umowach ze współpracownikami, przegląd archiwum w godzinę.Umowy.AI vs DocuMind AI – baza prawna w chmurze czy na serwerze firmy?Porównanie dwóch podejść do AI z polską bazą prawną: dla kogo które.Narzędzia AI do umów i dokumentów dla firm w Polsce – przegląd 11 rozwiązań (2026)Legal-AI w chmurze, obiegi z AI, self-hosted i archiwa on-premise – gdzie dane, ceny, dla kogo.Porównania rozwiązańSystem dokumentów on-premise, planowanie produkcji, lokalny ChatGPT w firmie…Pytania i odpowiedziAI on-premise dla firm – najczęstsze pytania.