Papierowy zeszyt sprzedaży a plik CSV: jak lokalne AI przetwarza dane

W wielu tradycyjnych punktach handlowych i punktach usługowych codzienna ewidencja wciąż opiera się na klasycznym, papierowym zeszycie sprzedaży. Właściciele sklepów zapisują każdą transakcję odręcznie, tworząc kolumny z datami, nazwami towarów, liczbą sztuk oraz kwotami. Choć taki system wydaje się szybki w bieżącej obsłudze klienta przy ladzie, generuje ogromne trudności pod koniec miesiąca. Aby przekazać dane do biura rachunkowego lub przygotować zestawienie w Excelu, ktoś musi poświęcić długie godziny na mozolne, ręczne przepisywanie każdej pozycji.

Dotychczasowe rozwiązania komercyjne, które oferowały automatyzację tego procesu, wiązały się z dwoma zasadniczymi problemami: koniecznością opłacania drogich abonamentów lub stawek za każdą przetworzoną stronę oraz przymusem przesyłania poufnych rejestrów finansowych na zewnętrzne serwery. Właściciel sklepu stawał przed dylematem: tracić czas na mechaniczne wprowadzanie danych albo dzielić się wrażliwymi informacjami o przychodach z dostawcami chmurowych API. Projekt Ledger Lift, stworzony w ramach wyzwania Hacktoberfest Open-Source AI Challenge, udowadnia, że istnieje zupełnie inna droga.

Aplikacja ta wykorzystuje lokalny model wizyjny uruchamiany bezpośrednio na komputerze użytkownika, co pozwala na przekształcenie zwykłego zdjęcia kartki z zeszytu w ustrukturyzowany plik CSV. Wszystkie operacje obliczeniowe odbywają się bez pośrednictwa chmury, dzięki czemu dane o obrotach firmy nigdy nie opuszczają urządzenia. Rozwiązanie to wyznacza nowy kierunek w cyfryzacji małego biznesu, pokazując, że nowoczesne narzędzia mogą wspierać przedsiębiorców bez narażania ich prywatności.

Problem tradycyjnego zeszytu sprzedaży i pułapki narzędzi chmurowych

Ręczne prowadzenie księgi sprzedaży to codzienność wielu małych punktów handlowych. Kiedy jednak przychodzi moment rozliczeń, te papierowe zapiski stają się wąskim gardłem. Właściciele sklepów oraz współpracujący z nimi księgowi spędzają całe wieczory na wklepywaniu kolejnych wierszy do arkusza kalkulacyjnego. Jest to praca nużąca, podatna na pomyłki i odciągająca od właściwego rozwoju przedsiębiorstwa.

Dostępne na rynku programy OCR (optycznego rozpoznawania znaków) bazują w większości na architekturze chmurowej. Wymagają one przesłania każdego skanu na serwer zewnętrznego dostawcy, co rodzi uzasadnione obawy o poufność. Dane o wielkości sprzedaży, stawkach, asortymencie i dziennym utargu to jedne z najbardziej wrażliwych informacji w firmie. Dodatkowo modele rozliczeń za każdą stronę sprawiają, że przy kilkunastu czy kilkudziesięciu kartkach dziennie koszty takich usług szybko rosną. Właśnie dlatego tak obiecująco wyglądają dedykowane automatyzacje AI realizowane bezpośrednio na sprzęcie właściciela, gdzie jednorazowa konfiguracja eliminuje opłaty transakcyjne.

Jak działa Ledger Lift: od zdjęcia do wierszy w arkuszu

Zasada działania aplikacji Ledger Lift została zaprojektowana tak, aby maksymalnie uprościć pracę użytkownika, który nie musi posiadać wiedzy technicznej. Cały proces sprowadza się do kilku prostych kroków:

• Użytkownik wybiera z dysku zdjęcie strony z odręcznym zeszytem sprzedaży i klika przycisk „Read this page”.
• Aplikacja odczytuje stronę, a kolejne wiersze zawierające datę, nazwę pozycji, ilość oraz kwotę pojawiają się na ekranie jeden po drugim w czasie rzeczywistym.
• Każdy wiersz jest edytowalny, co pozwala użytkownikowi na natychmiastowe poprawienie ewentualnych błędów odczytu.
• Możliwe jest dodawanie kolejnych stron zapisków do tej samej sesji roboczej.
• Po zweryfikowaniu i zatwierdzeniu wszystkich wierszy aplikacja generuje jeden wspólny plik CSV dla całego zestawu danych.

W przeciwieństwie do systemów chmurowych, Ledger Lift nie przechowuje zdjęć w żadnej zewnętrznej bazie ani nie wysyła ich do płatnych API. Ponieważ nie występują tu koszty serwerowe naliczane za każdą przetworzoną stronę, logicznym modelem udostępniania takiego oprogramowania dla właścicieli sklepów i księgowych staje się jednorazowa licencja zamiast uciążliwego abonamentu.

Architektura techniczna: Electron, Ollama i model Qwen-VL

Za warstwę wizualną i logikę systemową aplikacji odpowiada środowisko Electron połączone z interfejsem React, zbudowanym przy użyciu bibliotek shadcn/ui oraz Tailwind v4. Główny proces aplikacji kontroluje działanie silnika Ollama – uruchamia go, zatrzymuje, monitoruje proces pobierania wag modelu oraz przekazuje odczytane wiersze do interfejsu w miarę ich przetwarzania. Zadbano również o bezpieczeństwo środowiska wykonawczego: widok strony działa w piaskownicy (sandbox) i nie ma bezpośredniego dostępu do modułów Node.js.

Sercem modułu rozpoznawania tekstu jest otwartoźródłowy model wizyjny qwen3-vl:2b-instruct, ważący około 2 GB, który działa lokalnie za pośrednictwem platformy Ollama. Twórca narzędzia celowo zrezygnował ze standardowego wariantu qwen3-vl:2b, ponieważ generował on zbyt długi czas odpowiedzi – model potrafił analizować zapytanie od 30 do nawet 100 sekund przed zwróceniem pierwszego wyniku. Zastosowanie wersji instruct znacząco przyspieszyło interakcję. Co ważne, aplikacja udostępnia selektor modeli (Model picker), umożliwiając zaawansowanym użytkownikom wybór innej jednostki obliczeniowej. Więcej o tym, jak to wpływa na pozycjonowanie i widoczność w Google, znajdziesz w opisie usługi.

Aplikacja została przygotowana z myślą o osobach nietechnicznych. Większość właścicieli sklepów nie ma zainstalowanego środowiska Ollama. Ledger Lift wykrywa ten brak, informuje użytkownika i wyświetla przycisk prowadzący bezpośrednio do oficjalnego instalatora. Instalator ten nie wymaga podawania hasła administratora. Po zakończeniu instalacji aplikacja automatycznie rozpoznaje obecność środowiska, uruchamia je i proponuje jednorazowe pobranie modelu z czytelnym paskiem postępu. Powiązany temat opisaliśmy w artykule „Drobne poprawki a zysk firmy: jak AI pilnuje zakresu prac”.

Przełamywanie ograniczeń małych modeli językowych

Wdrożenie kompaktowego modelu o wielkości 2 miliardów parametrów (2B) do precyzyjnego odczytywania pisma odręcznego wymagało zastosowania kilku inżynieryjnych zabiegów. Standardowe zdjęcia w wysokiej rozdzielczości wykonywane współczesnymi smartfonami przepełniały okno kontekstowe modelu. Autor rozwiązał ten problem poprzez automatyczne zmniejszanie zdjęć do 1600 pikseli na dłuższej krawędzi przed ich analizą.

Kolejnym wyzwaniem była specyfika samych zapisków księgowych. W prompcie systemowym poinstruowano model, aby odczytywał ostateczną kwotę każdej sprzedaży z ostatniej kolumny finansowej. Dodatkowo model został nauczony obsługi znaków powtórzenia (ditto marks) – gdy w kolumnie daty pojawia się cudzysłów oznaczający powtórzenie, system automatycznie kopiuje datę z wiersza powyżej.

Niewielkie modele językowe mają także tendencję do zapętlania się, co objawia się wielokrotnym przepisywaniem tych samych pozycji. Ledger Lift zawiera mechanizm detekcji takich pętli: gdy aplikacja zauważy powtórzenie, natychmiast zatrzymuje proces generowania i zachowuje wszystkie poprawnie odczytane wcześniej wiersze.

Aby uniknąć bezkrytycznego ufania maszynie, twórca wdrożył rygorystyczny system weryfikacji jakości. Jeśli model ma wątpliwości co do odczytania danego pola lub konkretnej cyfry, interfejs wyróżnia ten element kolorem. Pobranie pliku CSV jest zablokowane do momentu, aż użytkownik manualnie przejrzy i oznaczy każdy wiersz jako sprawdzony. Precyzję rozwiązania potwierdzają testy: skrypt pnpm score porównuje wyniki modelu z ręcznie przygotowanymi wzorcami, badając dokładność poszczególnych pól, liczbę pominiętych lub zmyślonych wierszy oraz trafność oznaczania niepewnych danych. Pod względem wydajności, na komputerze z procesorem Apple M4 strona zawierająca 15 wierszy przetwarzana jest w około 21 sekund, przy czym pierwszy wiersz pojawia się na ekranie już po 10 sekundach.

Co to oznacza dla małej firmy, także na Śląsku?

Opisany przykład pokazuje rewolucję, jaka dokonuje się w obszarze technologii biurowych. Właściciel lokalnego sklepu, warsztatu czy punktu usługowego w miastach takich jak Katowice, Bielsko-Biała czy Czechowice-Dziedzice nie musi już wybierać między uciążliwą pracą papierkową a kosztownymi systemami korporacyjnymi. Lokalne modele AI przynoszą małym przedsiębiorstwom wymierne korzyści:

• Pełna suwerenność danych: Zeszyty przychodów, marże i dane klientów pozostają wyłącznie na firmowym laptopie, co gwarantuje pełną prywatność i bezpieczeństwo.
• Przewidywalność kosztów: Brak opłat za tokeny czy prowizji za przetworzoną stronę pozwala uniknąć comiesięcznych subskrypcji.
• Most między tradycją a cyfryzacją: Firma nie musi z dnia na dzień zmieniać nawyków pracowników przyzwyczajonych do notatnika – wystarczy wdrożyć narzędzie, które sprawnie zamieni papier w format cyfrowy.

Uporządkowanie danych transakcyjnych i przeniesienie ich do plików arkusza kalkulacyjnego otwiera zupełnie nowe możliwości rozwoju. Zorganizowane bazy produktowe znacznie ułatwiają późniejsze uruchomienie nowoczesnych kanałów sprzedaży, takich jak funkcjonalne sklepy internetowe, które pozwalają lokalnym markom ze Śląska wyjść z ofertą na cały kraj. Zrozumienie, w których obszarach technologia przyniesie największy zwrot, ułatwia rzetelna diagnoza potrzeb firmy, pozwalająca dobrać narzędzia dopasowane do skali działalności.

Podsumowanie

Projekt Ledger Lift (dostępny w wersji demonstracyjnej jako instalator dla systemu Windows Ledger Lift v0.2.1) dowodzi, że otwartoźródłowe modele sztucznej inteligencji przestały być domeną laboratoriów badawczych. Kompaktowe modele wizyjne, takie jak Qwen-VL 2B działające lokalnie przez Ollama, są w stanie rozwiązywać realne, przyziemne problemy małego biznesu. Eliminacja żmudnego przepisywania danych z papieru do arkusza kalkulacyjnego, połączona z absolutnym poszanowaniem prywatności finansowej, to najlepszy dowód na to, że praktyczna cyfryzacja tradycyjnych firm staje się prostsza i bardziej dostępna niż kiedykolwiek wcześniej.