Machine learning v detekci účetních podvodů

Sedíš nad výpisem a říkáš si: „Tohle je asi v pohodě… nebo není?“ A do toho deadline DPH, klient volá a kafe studený. Přesně tyhle chvíle jsou voda na mlýn pro machine learning v detekci účetních podvodů. Ne proto, že kouzlí. Ale proto, že neúnavně hlídá nuance, které ti po desáté faktuře snadno utečou.

Co přesně znamená machine learning v detekci účetních podvodů?

Machine learning v detekci účetních podvodů je soubor statistických a pravděpodobnostních modelů, které se učí z tvých účetních dat rozpoznat podezřelé vzorce. Nemluvíme o sci‑fi. Mluvíme o praktickém filtru, který ti ukáže, kam se podívat dřív, než se něco zvrtne.

Sleduje odchylky od „normálního“ chování u faktur, plateb, nákladů a kontaktů.

Kříží informace napříč dodavateli, kategoriemi, obdobími a platebními metodami.

Učí se z historie: co jsi jednou označil jako ok, má váhu. Co jsi opravil, má ještě větší.

Proč to funguje? Protože čísla lžou konzistentně jen málokdy. Když se děje něco divného, vzorec se zlomí. A přesně to ML uvidí dřív než běžná pravidla.

Tip: Hledej systém, který kombinuje pravidla (např. „duplikát čísla faktury“) a ML skóre. Tahle dvojka chytá jak banální chyby, tak rafinovanější triky.

Jaké typy podvodů ML odhalí nejlépe?

Jasně, „podvod“ zní tvrdě. Ale mezi falešnou fakturou a nevinným překlepem je tenká čára. ML ti pomůže rozlišit, co má prioritu.

Neobvyklé částky a načasování

Faktury těsně pod limity schvalování (např. 49 900 Kč opakovaně).

Platby v netypickou hodinu (pátek 23:41?) nebo těsně před závěrkou.

Nárůst frekvence u konkrétního dodavatele bez objektivního důvodu.

Duplikáty a „téměř“ duplikáty

Stejné IČ a částka, jiné číslo faktury.

Stejný variabilní symbol, upravené datum.

Faktury se shodnými řádky a jinou sazbou DPH.

Falešní nebo zneužití dodavatelé

Nový dodavatel bez historie s neobvykle velkou první fakturou.

Shoda bankovního účtu s jiným, nesouvisejícím subjektem.

Časté změny účtů u stejného dodavatele.

DPH a kategorie mimo očekávání

Zboží/služba typicky s 21 % náhle za 12 %.

Nákladová kategorie, kterou u tebe firma nikdy nepoužívá.

Self-billing či reverse charge účtovaný „nějak jinak“.

Tip: Když systém ukáže 5–10 položek týdně, které si zaslouží pozornost, jsi na zlaté střední cestě. Více = zahlcení. Méně = slepá místa.

Jak se model učí na účetních datech bezpečně a správně?

Chceš kvalitu? Začni daty. ML bez pořádných dat je jako účetnictví bez dokladů. Prostě ne.

Data: co vzít a co radši ne

Vstupy: faktury (položky, sazby DPH, dodavatelé), bankovní výpisy, párování plateb, adresář kontaktů, kategorie, schvalovací stopy.

Metainformace: kdo schválil, kdo upravil, jak dlouho trvala úhrada, odkud upload (OCR, ruční, import).

Citlivá data: IBAN, IČ, DIČ — ano, ale s řízeným přístupem, logováním a šifrováním.

Feature engineering: jak z čísel vyrobit signál

Statistické odchylky: z‑skóre částek podle dodavatele a kategorie.

Časové vzorce: sezónnost, denní doba, dny před a po závěrce.

Síťové vztahy: sdílené účty, opakující se variabilní symboly napříč kontakty.

Text: podobnost popisů položek (embeddingy) a klíčových slov („bonus“, „záloha“, „dobropis“).

Trénink: co a jak učíme

Supervised učení: pokud máš labely (podvod/ok), vyplatí se gradient boosting nebo logistická regrese s regulací. Přehledné a vysvětlitelné.

Unsupervised/anomálie: Isolation Forest, One‑Class SVM, autoencodery pro odchylky, když labely nemáš nebo jsou vzácné.

Hybrid: základní anomálie + lehká nadstavba s učitelem na potvrzených případech.

Validace a metriky

Precision (kolik alertů je opravdu trefa) a recall (kolik skutečných průšvihů ti neuteče). Potřebuješ kompromis. Extrém? 100% recall = povodeň falešných poplachů.

AUC‑PR pro nerovnováhu tříd (podvodů je málo). Zapomeň na samotné accuracy.

Cost‑based metrika: zohledni cenu falešného poplachu vs. cenu neodhaleného podvodu.

Ochrana soukromí a právo

Minimalizace: ber jen data, která zvedají predikční sílu. Zbytek pryč.

Pseudonymizace: pro trénink používej hashované identifikátory, když to dává smysl.

Audit: každé rozhodnutí by mělo jít vysvětlit. Aspoň na úrovni „tenhle rys zvýšil skóre o X“.

Jak ML nasadíš v praxi v Doklad.ai krok za krokem

Hele, teorie fajn. No a co teď? Takhle to uděláš v malý firmě nebo u OSVČ rozumně, bez orchestrálního projektu.

1) Zapni chytrou kontrolu a nastav prahy

Aktivuj detekci anomálií a pravidelné kontroly v nastavení účtu.

Zvol úroveň citlivosti (nízká/střední/vysoká) a maximální počet alertů týdně.

Urči, co je „tvrdé blokování“ (např. platba neproběhne bez druhého oka) a co je jen upozornění.

2) Označ prvních 50–100 položek

Proklikni list alertů a dávej rychlé štítky: „OK“, „Podezřelé“, „Chyba v datech“.

Tohle je palivo pro supervised vrstvu. Rychlé, 10–15 minut.

3) Propoj banku a zaveď párovací pravidla

Napoj IBANy a zapni automatické párování plateb.

Vytvoř 3–5 jednoduchých pravidel (např. variabilní symbol = číslo faktury), ať má ML čistší signál.

4) Schvalování podle rizika

Nízké riziko: auto‑schválení.

Střední riziko: kontrola účetní.

Vysoké riziko: druhý schvalovatel + zákaz platby do vyřešení.

5) Týdenní rituál

Každé pondělí si otevři panel alertů.

Projdi top 10 rizik a ulož poznámky. Model se upraví. Tvoje práce se zhodnotí každým týdnem.

Tip: Vytvoř whitelist/blacklist dodavatelů. Důvěryhodní partneři sníží šum, opakovaní hříšníci dostanou vyšší základní skóre.

Kdo má dělat co (v malém týmu)

Majitel/ka: nastaví politiku rizik (co je blokace, co je info).

Účetní: týdenní triáž alertů, uzavírá případy, učí model.

Operativa: dává kontext (proč je faktura výjimečná), taguje položky.

Jak vyhodnocovat alerty, ať tě systém nespálí

Tady se láme chleba. Buď z toho bude parádní pomocník, nebo otravná notifikační mašina.

Prioritizace podle dopadu

Kombinuj skóre rizika × částku × pravděpodobnost DPH dopadu.

Vysoké skóre u malé částky? Dáš do fronty. Střední skóre u velké částky? Řešíš hned.

Vysvětlitelnost na jeden řádek

Každý alert by měl říct „proč“. Třeba:

„Částka je o 3,1 směrodatné odchylky vyšší než medián u dodavatele X.“

„Nový bankovní účet, který sdílí IBAN s jiným subjektem.“

„Popis položky je 92 % podobný dříve zablokované faktuře.“

Kombinace pravidel a modelu

Tvrdá pravidla: duplikát variabilního symbolu, DIČ na blacklistu, IBAN mimo EU – vždy blok.

ML skóre: jemná vrstva, která chytá odchylky a dá ti pořadí.

Nastavení prahů bez slz

Začni střední citlivostí.

Cíl: precision min. 40–60 % v prvních týdnech a recall 60–80 % na známých případech.

Týdně dolaď prahy o malé kroky (±5 %), sleduj dopad.

Rychlá rozhodovací matice (srovnání přístupů)

Přístup	Co umí skvěle	Kde selhává	Náročnost	Doporučení
Pouze ruční kontrola	Kontext, intuice	Únava, slepá místa	Vysoká	Malé objemy, ad‑hoc
Pravidla (if‑then)	Jednoznačné chyby	Obejitelné, křehké	Nízká–střední	Základ, musí být
ML anomálie	Odchylky, vzorce	Potřebuje kalibraci	Střední	Hledání jehel v kupce sena
Hybrid (pravidla+ML)	Balanc přesnosti	Vyžaduje proces	Střední	Best practice pro SME

Tip: Ať je každý alert uzavřen statusem: „Potvrzeno“, „Falešný poplach“, „Chyba dat“. Bez toho se model nepolepší.

Kdy ML nestačí: limity, etika a zdravý rozum

ML není soudce. Je to parťák, co ukáže prstem.

Limity, se kterými počítej

Drifty v datech: změníš ceník, začne nová kampaň, přijde akvizice. Model pár týdnů kulhá.

Raritní podvody: jednorázové, vysoce sofistikované akce často neprojdeš bez lidského oka.

Šum z OCR: špatně přečtené číslo = zbytečný alert. Čisti vstupy.

Etika a compliance

Nepřipisuj zlý úmysl bez důkazu. Alert je pozvánka k otázce, ne rozsudek.

Loguj kroky: kdo změnil IBAN, kdo schválil. Prevence funguje líp než detekce.

Měj politiku oznamování: jak naložíš s podezřením interně i vůči partnerům.

Kdy zůstat u pravidel

Mikro podnik s <100 doklady/měsíc a stabilními dodavateli.

Když nemáš kapacitu uzavírat alerty (ML bez feedbacku stagnuje).

V přechodném období, než posbíráš prvních 3–6 měsíců dat.

Časté otázky

Jak nastavím machine learning v detekci účetních podvodů, když mám málo dat?

Začni hybridem: pravidla + lehká anomální detekce. Nastav konzervativní prahy a sbírej štítky na prvních 100–200 dokladech. Jakmile máš historii 3–6 měsíců, model zpřesni a zvedni citlivost.

Co když mi systém hází moc falešných poplachů?

Sniž citlivost, přidej whitelist důvěryhodných dodavatelů a vyčisti OCR chyby. Sleduj precision/recall a uprav prahy o malé kroky. Po týdnu zkontroluj dopad a drž se cíle: méně než 10 alertů na 100 dokladů.

Odhalí ML i chyby v DPH sazbách a reverse charge?

Ano, zvlášť pokud model dostane kontext kategorií a historie sazeb u daného dodavatele. Kombinace pravidla (validace DIČ, typ plnění) a ML skóre dává nejlepší výsledky. U RC měj tvrdé bloky.

Může ML zabránit odeslání podezřelé platby?

Když nastavíš „tvrdé blokování“ pro vysoké riziko, platba čeká na druhé schválení. To je nejlepší praxe: ML navrhne, člověk potvrdí. Předejdeš omylům i podvodům.

Jaké metriky mám sledovat, abych věděl, že to funguje?

Precision, recall, počet alertů na 100 dokladů, průměrný čas uzavření alertu a finanční dopad odvrácených chyb/podvodů. Jednou měsíčně si je projdi v reportu a uprav nastavení.

Ne, pokud dáš důraz na minimalizaci dat, šifrování, přístupová práva a auditní logy. Citlivé identifikátory můžeš pseudonymizovat. V Doklad.ai tohle řešíme vestavěně.

Závěrem: Proč teď dát šanci machine learningu v detekci účetních podvodů

Chceš klidnější spánek? Dejte ML jasná pravidla, trochu času a poctivý feedback. Odmění se tím, že vytáhne na světlo věci, které by ti jinak proklouzly. Machine learning v detekci účetních podvodů není zázračná skříňka, ale spolehlivý filtr. A přesně tak ho v Doklad.ai stavíme: aby ti šetřil čas, peníze a nervy.

Machine learning v detekci účetních podvodů: jak ti opravdu pomůže