Khóa học AI cho kế toán: 8 năng lực nên học trước khi nghĩ đến tự động hóa

Với kế toán, học AI không nên bắt đầu bằng câu hỏi “công cụ nào đang hot”. Câu hỏi hữu ích hơn là: việc nào AI có thể hỗ trợ mà vẫn giữ được khả năng kiểm tra số liệu, nguồn và trách nhiệm của người làm nghề?

Một khóa học tốt vì thế cần đi xa hơn vài prompt mẫu. Người học phải biết dùng AI trong những việc thật như đọc tài liệu, so sánh bảng, tìm chênh lệch, chuẩn bị báo cáo, viết giải thích và xây quy trình có bước kiểm tra.

1. Phân loại việc trước khi dùng AI

Có thể chia công việc thành ba nhóm. Nhóm thứ nhất là việc thiên về ngôn ngữ: tóm tắt tài liệu, viết email, giải thích một bảng số liệu. Nhóm thứ hai là việc dữ liệu: đối chiếu, nhóm giao dịch, tìm dòng bất thường, chuẩn hóa mô tả. Nhóm thứ ba là việc cần kết luận chuyên môn hoặc phê duyệt.

AI thường hữu ích nhất ở hai nhóm đầu khi đầu vào rõ và kết quả dễ kiểm. Ở nhóm thứ ba, AI nên đóng vai trò trợ lý chuẩn bị thông tin; quyết định cuối vẫn cần dựa trên hệ thống chuẩn và người có trách nhiệm.

2. Học cách yêu cầu AI chỉ dùng nguồn được cung cấp

Một câu trả lời trôi chảy không phải là bằng chứng. Khi làm với tài liệu nội bộ, quy trình hay hướng dẫn chuyên môn, người dùng nên yêu cầu AI trả về cả đoạn nguồn hoặc vị trí liên quan, đồng thời ghi rõ phần nào chưa đủ dữ liệu.

Cách làm này biến AI từ “người trả lời” thành “người hỗ trợ đọc”. Nó cũng giảm rủi ro khi có nhiều phiên bản tài liệu khác nhau.

3. Đối chiếu và tìm bất thường

Đây là nhóm việc rất thực tế. AI có thể giúp so hai danh sách, chỉ ra mã không khớp, gom các mô tả tương tự, tìm dòng khác thường hoặc tạo danh sách câu hỏi cần kiểm tra.

Điểm quan trọng là phân biệt phát hiện dấu hiệu với kết luận nguyên nhân. AI có thể nói “dòng này khác mẫu chung”; không nên tự biến điều đó thành một kết luận về sai phạm.

4. Viết báo cáo từ số liệu đã được tính đúng

AI có thể biến bảng số thành phần diễn giải dễ đọc hơn cho quản lý. Nhưng trình tự nên là: tính và kiểm số bằng spreadsheet hoặc hệ thống dữ liệu trước, sau đó mới đưa bảng kết quả cho AI viết narrative.

Nếu AI viết “chi phí tăng vì nguyên nhân X” mà dữ liệu chỉ cho thấy chi phí tăng chứ không chứng minh nguyên nhân, câu đó phải bị loại. Khóa học nên dạy người học nhận ra sự khác nhau giữa dữ kiện, suy luận và giả định.

5. Tự động hóa sau khi đã hiểu điểm kiểm soát

Đừng bắt đầu bằng một luồng tự động chạy từ email đến hệ thống kế toán. Hãy bắt đầu bằng workflow nhỏ: đọc file → trích trường → so điều kiện → tạo danh sách cần kiểm → người dùng duyệt.

Khi workflow ổn định mới tăng mức tự động hóa. NIST AI Risk Management Framework cũng khuyến khích tổ chức quản trị AI theo bối cảnh và mức rủi ro thay vì áp một cách dùng cho mọi tình huống. Tham khảo: NIST AI Risk Management Framework.

6. Bảo vệ dữ liệu

Dữ liệu tài chính thường có độ nhạy cảm cao. Khóa học phải giúp người học hiểu công cụ nào được tổ chức cho phép, khi nào cần ẩn danh dữ liệu và loại thông tin nào không nên đưa lên dịch vụ bên ngoài.

Đây không phải bài học dành riêng cho IT. Nó là một phần của kỹ năng dùng AI có trách nhiệm.

7. Viết prompt như một mẫu công việc

Người làm kế toán không cần học hàng trăm prompt. Chỉ cần biết tạo mẫu có cấu trúc: bối cảnh, nguồn được phép dùng, nhiệm vụ, dạng đầu ra, điều cấm và bước kiểm tra.

IFAC có hướng dẫn cơ bản về prompt cho kế toán chuyên nghiệp, nhấn mạnh vai trò của context và việc kiểm soát đầu ra. Tham khảo: IFAC – AI Prompt Writing.

8. Đo hiệu quả bằng việc thật

Thay vì đếm số prompt, hãy chọn vài tác vụ lặp và đo thời gian trước/sau: thời gian so bảng, chuẩn bị báo cáo, phân loại tài liệu hay tổng hợp câu hỏi chênh lệch. Nếu chưa đo thì không cần tuyên bố một tỷ lệ năng suất đẹp mắt.

ICAEW cũng khuyến nghị kế toán sử dụng generative AI với sự minh bạch, kiểm tra đầu ra và thận trọng ở các nội dung chuyên môn. Tham khảo: ICAEW – Using generative AI.

Một khóa học tốt nên để lại gì?

• bản đồ tác vụ có thể dùng AI theo mức rủi ro;
• 3–5 mẫu giao việc đã kiểm thử;
• checklist kiểm nguồn và kiểm số;
• một workflow có bước duyệt rõ;
• quy tắc xử lý dữ liệu nhạy cảm;
• bảng đo hiệu quả trên công việc thật.

Kết luận

AI đáng học với kế toán không phải vì nó có thể “làm thay mọi thứ”, mà vì nó có thể giảm phần đọc–chép–tổng hợp để người làm nghề dành nhiều thời gian hơn cho kiểm soát và phân tích. Khóa học tốt phải giúp người học tăng tốc mà vẫn truy được nguồn, số và bước chịu trách nhiệm.