Krok 1 – Připravte datový export. Z vašeho mzdového softwaru (Pohoda, Helios, Money S3 nebo i Excel) exportujte aktuální mzdová data do CSV nebo XLSX. Sloupce by měly obsahovat alespoň: jméno zaměstnance, základní mzdu, odpracované hodiny, přesčasy, bonusy, srážky a čistou mzdu. Čím konzistentnější šablonu budete každý měsíc používat, tím lépe AI pochopí váš datový vzor.

Krok 2 – Spusťte AI analýzu odchylek. Nahrajte CSV do ChatGPT (model GPT-4o s plug-inem pro analýzu dat) nebo do Claude a použijte připravený prompt: „Jsi expert na mzdové účetnictví. Projdi tato mzdová data a identifikuj: (a) zaměstnance, jejichž čistá mzda se meziměsíčně změnila o více než 15 % bez viditelného důvodu, (b) duplicitní záznamy, (c) záporné hodnoty v neočekávaných sloupcích, (d) přesčasy přesahující zákonný limit 8 hodin denně. Výsledky naformátuj jako tabulku s odůvodněním pro každý řádek." Výstupem je přehledný seznam anomálií, který můžete projít za 10 minut.

Krok 3 – Automatizujte opakování v Elys Automate. Celý proces jednou nastavíte jako workflow v Elys Automate: první uzel stahuje export z mzdového systému přes API nebo sleduje sdílenou složku, druhý uzel volá AI model (Claude nebo GPT-4o) s vaším promptem, třetí uzel formátuje výsledky a čtvrtý uzel odesílá report e-mailem mzdové účetní a jejímu nadřízenému vždy k 25. dni v měsíci. Od druhého měsíce se vás celý proces nedotkne – Elys Automate to zvládne bez vašeho zásahu. 🎯 Krok 4 – Přidejte křížovou kontrolu se smlouvami. Pokud máte smlouvy nebo katalog tarifů v Elys Data, napojte ho do workflow jako referenční tabulku. Elys Automate porovná vyplacenou mzdu se smluvním základem pro každého zaměstnance a červeně označí řádky, kde se hodnoty liší o více než povolenou odchylku. Tato vrstva ochrany zachytí chyby, které ani AI analýza odchylek nemusí vidět, protože statisticky „zapadají" do dat.

Chyba č. 1: Příliš benevolentní práh odchylky. Mnoho účetních nastaví AI prompt na detekci změn nad 25 %, ale reálné mzdové chyby bývají subtilnější – překlep v přesčasech změní mzdu o 8 %, duplicitní řádek přidá 12 %. Doporučujeme začít s prahem 10–15 % a teprve po dvou měsících, až uvidíte kolik false-positive hlásí váš konkrétní dataset, práh případně zvýšit. Lepší je zpočátku dostat o pět extra řádků ke kontrole, než propustit skutečnou chybu.

Chyba č. 2: Zapomínání na GDPR při práci s AI. Mzdová data jsou citlivé osobní údaje a nesmí opustit EU bez právního základu. Nikdy nenahrávejte nezašifrovaná jména a rodná čísla do veřejných AI rozhraní. Místo toho anonymizujte data před odesláním do modelu – nahraďte jména kódy zaměstnanců (Z001, Z002…) a rodná čísla neposílejte vůbec. Claude i ChatGPT zvládnou anomálie identifikovat i bez plné osobní identifikace a vy zůstanete v souladu s GDPR. Elys Automate tuto anonymizaci může provést automaticky jako jeden z uzlů workflow.

Chyba č. 3: Spoléhání na AI jako na jediného auditora. AI výborně najde statistické anomálie, ale nerozumí kontextu – nezná, že pan Novák dostal mimořádný bonus za úspěšný projekt nebo že paní Horáková byla v březnu na neplaceném volnu. Workflow proto vždy nastavte tak, aby finální slovo měl člověk. Nejlepší praxe: AI vygeneruje „seznam ke kontrole mzdová účetní ho projde a odůvodněné položky označí jako schválené. Jen neschválené anomálie putují nadřízenému.

Pokud vás láká myšlenka, že příští výplatní termín proběhne bez horečnatého procházení tabulek, jste na správné adrese. Tým Elys vám pomůže nastavit celý workflow v Elys Automate na míru vašemu mzdovému systému – od napojení na datový export přes AI analýzu až po automatický report. Stačí kontaktovat tým Elys a domluvit si bezplatnou konzultaci, nebo si rovnou spočítejte investici přes naši online kalkulačku. Vaše mzdová agenda si tenhle upgrade zaslouží.