Przez lata paragon był traktowany jak dowód. Ktoś coś kupił, zachował papier, wkleił do excela i czekał na zwrot. Prosty system, który działał, dopóki każde fałszerstwo wymagało albo umiejętności graficznych, albo płatnych szablonów z ciemniejszych zakątków internetu. Teraz wystarczy bezpłatna aplikacja i jedno zdanie wpisane w okno czatu.
Kluczowe fakty:
- Według danych platformy AppZen, do połowy maja 2026 roku ponad 70,8% wykrytych fałszywych paragonów było generowanych przez AI – jeszcze w marcu 2025 roku odsetek ten wynosił zero.
- Badanie Emburse przeprowadzone na 2 000 pracowników z USA i Wielkiej Brytanii wykazało, że 40% ankietowanych Amerykanów przyznało się do użycia AI w celu wygenerowania fałszywego paragonu.
- Platforma AppZen wykryła 1 471 sfałszowanych paragonów przesłanych przez 745 pracowników z 174 firm, opiewających łącznie na 148 143 dolarów w fikcyjnych zwrotach.
Znajdź dostawcę, partnera lub narzędzie dla swojego biznesu, a jeśli prowadzisz firmę, która w swoim DNA ma AI, skorzystaj z możliwości bezpłatnego dodania swojej firmy.
Zmiana, która dokonała się w cztery miesiące
Dane zebrane przez AppZen, platformę zarządzania wydatkami obsługującą duże przedsiębiorstwa, są dość bezlitosne: w marcu 2025 roku żaden z wykrytych fałszywych paragonów nie był generowany przez AI. Do połowy maja 2026 roku ten odsetek przekroczył 70,8%. Mówię o konkretnych liczbach z platformy: 1 471 sfałszowanych paragonów przesłanych przez 745 pracowników z 174 firm, na łączną kwotę 148 143 dolarów w fikcyjnych zwrotach.
Przełom nastąpił w kwietniu 2026 roku. Wcześniej, przez lata, fałszerze korzystali z gotowych szablonów dostępnych na wyspecjalizowanych stronach. Jeszcze rok temu takie szablony stanowiły od 95 do 100% wykrytych oszustw. Dziś stanowią mniej niż 30%.
To nie jest ewolucja. To wymiana jednej technologii na inną w rekordowym tempie.
Czterdzieści procent Amerykanów przyznało się wprost
Emburse, globalny dostawca rozwiązań do zarządzania podróżami i wydatkami, opublikował 23 czerwca 2026 roku wyniki badania przeprowadzonego na próbie 2 000 pracowników ze Stanów Zjednoczonych i Wielkiej Brytanii. Badanie zlecono firmie Atomik Research, a ankiety wypełniano między 5 a 8 maja 2026 roku.
Wyniki są zaskakujące nie tyle samym faktem istnienia procederu, ile jego skalą:
- 40% ankietowanych Amerykanów przyznało, że użyło AI do wygenerowania fałszywego paragonu
- 19% zupełnie sfabrykowało zakup, który nigdy nie miał miejsca
- 15% zawyżyło wartość rzeczywistego wydatku
- 6% odtworzyło paragon za zgubiony rachunek za faktycznie poniesiony koszt
- 40% spośród tych, którzy dopuścili się oszustwa, zrobiło to przy użyciu narzędzi AI opłacanych przez pracodawcę
- prawie jeden na dziesięciu (9%) zbudował własne narzędzie AI wyłącznie w tym celu
W Wielkiej Brytanii odsetek był niższy, choć nadal wysoki: 29% pracowników przyznało się do podobnych działań.
Mały paragon przechodzi przez sito
AI zmieniła nie tylko narzędzia, ale i strategię. Fałszywe paragony generowane przez modele językowe są przeciętnie dwa razy tańsze niż te z dawnych szablonów. Stare fałszerstwa opiewały średnio na 182 dolary. Nowe średnio na 100 dolarów, przy medianie zaledwie 32 dolarów.
To nie przypadek. Mała kwota mieści się w limitach automatycznego zatwierdzania, jakie stosuje większość systemów finansowych w firmach. Jeśli paragon za lunch lub taksówkę nie przekracza pewnego progu, często przechodzi bez dodatkowej weryfikacji przez człowieka. Schemat jest prosty: zamiast jednego dużego fałszerstwa setki małych, każde z osobna nieszkodliwe z perspektywy algorytmu.
Widzę w tym trendzie coś więcej niż tylko problem technologiczny. Przez lata zakładaliśmy, że trudność fałszerstwa jest sama w sobie barierą, wystarczającą, by utrzymać uczciwość systemu. AI tę barierę po prostu usunęła. Interesuje mnie jednak pytanie strukturalne: co to mówi o warunkach pracy i zaufaniu między pracownikami a pracodawcami? Emburse wprost wskazuje, że 51% oszukujących Amerykanów wpadło wcześniej w problemy finansowe z powodu zbyt wolnego zwrotu kosztów przez firmę. Może zamiast wyłącznie wzmacniać zabezpieczenia, warto zrozumieć, dlaczego pracownicy w ogóle sięgają po tę opcję.
Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl
Chcesz czytać więcej treści związanych z AI?
Dodaj AIPORT.pl do preferowanych źródeł Google
„Nie ufajcie własnym oczom”
Chris Juneau, wiceprezes ds. marketingu produktów w SAP Concur, powiedział wprost klientom swojej platformy: „Paragony stały się tak dobre, że mówimy naszym klientom: nie ufajcie własnym oczom” / „These receipts have become so good, we tell our customers, 'Do not trust your eyes.'”
SAP Concur przetwarza ponad 80 milionów kontroli zgodności miesięcznie, korzystając z własnych narzędzi AI. Firma dodała do swojego modułu Verify detektor paragonów generowanych przez AI, który analizuje nie tylko treść wizualną, ale i metadane pliku graficznego: sygnatury modelu, anomalie w polach EXIF, ślady charakterystyczne dla generatorów takich jak ChatGPT, Gemini czy Stable Diffusion.
Problem polega na tym, że ta metoda ma jeden fundamentalny limit: wystarczy zrobić zrzut ekranu lub sfotografować ekran z wyświetlonym paragonem, żeby usunąć wszelkie metadane identyfikujące. Ślad po AI znika.
Michele Shepard, dyrektorka ds. przychodów Emburse, sformułowała to tak: „AI sprawia, że fałszowanie paragonów jest łatwiejsze niż kiedykolwiek, więc organizacje potrzebują proaktywnego, opartego na AI podejścia do zarządzania wydatkami” / „AI makes it easier than ever to fabricate receipts and bypass traditional controls, so organizations need a more proactive, AI-centric approach to managing spend.”
Fintech Ramp poszedł krok dalej: po uruchomieniu narzędzia do weryfikacji faktur opartego na AI, w ciągu zaledwie 90 dni system oznaczył ponad milion dolarów w podejrzanych fakturach.
Nie tylko technologia. Także frustracja
Emburse wskazuje na zaskakujący kontekst: znaczna część pracowników, którzy posuwają się do fałszerstwa, ma za sobą konkretne doświadczenie finansowego stresu wywołanego przez… właśnie system rozliczeń wydatków firmowych.
Ponad połowa Amerykanów (51%) z grupy przyznającej się do oszustwa wcześniej poniosła koszty finansowe z powodu opóźnień w zwrocie przez pracodawcę, w tym odsetki od kart kredytowych i opłaty za przekroczenie limitu. 23% musiało odraczać prywatne wydatki lub płatności rachunków, czekając na zwrot firmowych kosztów. Co ciekawe, trend jest widoczny szczególnie wśród starszych pracowników: w grupie powyżej 55. roku życia odsetek deklarujących tzw. revenge spending wzrósł z 4% w 2024 roku do 11% w 2026 roku.
Shepard z Emburse komentuje to tak: „W większości przypadków pracownicy nie nadużywają celowo firmowych narzędzi AI. Często byli zachęcani do szybkiego wdrożenia AI do codziennej pracy. Prawdziwym wyzwaniem dla pracodawców nie jest złe zachowanie, lecz brak przejrzystości” / „For the most part, employees aren’t intentionally misusing corporate AI tools. In many cases, they’ve been encouraged to adopt AI quickly and integrate it into their daily lives. The real challenge for employers isn’t bad behavior, it’s a lack of visibility.”
Za każdą polską firmą AI stoi konkretny człowiek z imieniem i nazwiskiem, często ten sam w kilku miejscach naraz, i to właśnie ludzie, nie tabelki finansowania, są prawdziwym bohaterem tego artykułu.
Co to oznacza dla polskich firm?
Polskie działy finansowe rzadko na razie otwarcie przyznają, że zetknęły się z tym problemem. Ale mechanizm jest w pełni przenoszalny na polskie realia: ChatGPT i Gemini działają po polsku, rozumieją polskie nazwy restauracji, formaty NIP i VAT, a struktury paragonów z polskich kas fiskalnych można bez trudu odtworzyć promptem w kilka sekund.
Kilka kwestii, które powinny zainteresować polskie firmy:
- Systemy ERP i platformy do rozliczeń: Większość dużych polskich przedsiębiorstw korzysta z SAP, Oracle lub podobnych systemów, ale automatyczna detekcja paragonów AI jest funkcją nową, nie zawsze aktywną w starszych konfiguracjach
- Granica prawna: W Polsce fałszowanie dokumentów w celu wyłudzenia środków od pracodawcy może wypełniać znamiona przestępstwa z art. 270 Kodeksu karnego (fałszerstwo dokumentów) lub art. 286 (oszustwo), co oznacza odpowiedzialność karną, a nie tylko dyscyplinarną
- Opóźnione zwroty jako czynnik ryzyka: Polskie firmy często rozliczają delegacje z tygodniowym lub dwutygodniowym opóźnieniem, co tworzy dokładnie ten rodzaj presji finansowej, który Emburse identyfikuje jako jeden ze źródeł procederu
- AI kupiona przez firmę, użyta przeciwko firmie: Jeśli pracownik fałszuje paragon używając ChatGPT Plus opłaconego z budżetu firmowego, mamy do czynienia z podwójnym nadużyciem, które polskie procedury compliance rzadko jeszcze wprost adresują
Czas, żeby działy ryzyka i audytu w polskich firmach zaczęły zadawać sobie te pytania teraz, zanim dane z polskich platform do rozliczeń powtórzą krzywą, którą AppZen obserwował między marcem 2025 a majem 2026 roku.
Źródła i metodologia
Artykuł powstał na podstawie analizy redakcji AIPORT.pl oraz dodatkowych źródeł, w tym oficjalnego komunikatu prasowego Emburse z 23.06.2026, raportu Accounting Today z 23.06.2026, analizy PYMNTS z 27.06.2026 oraz materiału SAP Concur. Cytaty Michele Shepard (Emburse) i Chrisa Juneau (SAP Concur) zostały zweryfikowane z oryginalnym anglojęzycznym materiałem źródłowym. Komentarz redakcyjny i ocena kontekstu branżowego: Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl. Artykuł będzie aktualizowany w miarę pojawiania się nowych danych na temat skali zjawiska fałszowania paragonów za pomocą AI.
