AI rà 41 báo cáo trong vài phút: con người vẫn giữ phán quyết

Ngày 3/9/2026, OpenAI công bố một case study cho biết Legora đã dùng GPT-6 Astra để soát xét 41 tài liệu tài chính trong một lượt và hoàn thành trong vài phút. Hệ thống đối chiếu từng số dư với bảng hỗ trợ, đánh dấu chênh lệch và lưu lại từng bước kiểm tra; chuyên gia pháp lý vẫn là người quyết định cuối cùng.

Đây là một ví dụ đáng chú ý về AI Workforce: AI không thay người chịu trách nhiệm, mà đảm nhận phần đối chiếu khối lượng lớn để chuyên gia tập trung vào ngoại lệ, phán đoán và rủi ro.

Fact: Legora và OpenAI công bố những gì?

Financial-statement tie-out là công việc kiểm tra từng con số trong báo cáo dự thảo với trial balance, bảng hợp nhất và báo cáo năm trước. Theo một Legal Engineer của Legora, công việc thủ công có thể mất cả buổi tối, thậm chí nhiều ngày.

Trong thử nghiệm được công bố, Agent của Legora dùng GPT-6 Astra để xử lý 41 tài liệu trong một lượt. Legora cho biết Agent hoàn thành trong vài phút, ghi lại từng phép đối chiếu và đưa ra hồ sơ chi tiết để chuyên gia rà lại.

Legora còn báo cáo ba kết quả:

• - Hiệu suất trên workflow báo cáo tài chính tăng gần 40% so với model trước trong benchmark nội bộ BAR của Legora.
• - Agent tìm đủ 4/4 lỗi được cài sẵn, trong đó có chênh lệch 500.000 bảng trong phần thuyết minh doanh thu.
• - Agent giữ được các bước kiểm tra mà model trước làm đúng và hoàn tất thêm khoảng 50 phép kiểm tra.

Cần đọc các con số này đúng phạm vi: đây là kết quả do Legora và OpenAI công bố trên benchmark, workflow và dữ liệu của Legora. Chúng chưa phải đánh giá độc lập, cũng không chứng minh cùng mức cải thiện sẽ lặp lại ở mọi doanh nghiệp hay bộ hồ sơ.

Vì sao đây là câu chuyện AI Workforce, không chỉ là model mới?

Điểm quan trọng không phải Agent “đọc nhanh hơn người” theo nghĩa chung chung. Quy trình được chia vai rõ: AI làm đối chiếu toàn bộ, giữ dấu vết từng kiểm tra và đưa ngoại lệ lên; chuyên gia xem bằng chứng và chịu trách nhiệm với kết luận.

Mô hình này khác với việc đưa một chatbot vào tổ chức rồi kỳ vọng năng suất tự tăng. Học viện AI từng phân tích rằng nhóm dùng AI sâu có thể tạo output cao hơn nhiều khi AI được gắn vào workflow, nhưng khoảng cách kết quả chỉ có ý nghĩa khi doanh nghiệp thiết kế lại công việc, dữ liệu và trách nhiệm.

Nhận định Học viện AI: hãy tự động hóa “lượt đọc đầu”, không tự động hóa trách nhiệm

Phần dưới đây là nhận định biên tập của Học viện AI, không phải tuyên bố của OpenAI hay Legora.

Case Legora cho thấy một thiết kế an toàn và thực dụng cho công việc chuyên môn: tự động hóa phần kiểm tra lặp lại, nhưng không chuyển quyền phán quyết cho model. Đây là hướng phù hợp với pháp lý, tài chính, kiểm toán và tuân thủ — nơi một lỗi nhỏ có thể kéo theo trách nhiệm lớn.

Doanh nghiệp Việt không cần bắt đầu bằng 41 tài liệu hay model mạnh nhất. Có thể bắt đầu bằng một gói hồ sơ có đáp án kiểm chứng được, đo thời gian xử lý và buộc hệ thống trích dẫn đúng bằng chứng cho từng cảnh báo.

Bốn lớp cần có trước khi đưa AI vào hồ sơ tài chính

1. Bộ hồ sơ chuẩn và quy tắc đối chiếu rõ

Xác định tài liệu nào là nguồn chuẩn, phiên bản nào có hiệu lực và phép đối chiếu nào Agent được phép thực hiện. Nếu đầu vào lẫn lộn, tốc độ cao chỉ giúp tạo sai lệch nhanh hơn.

2. Bằng chứng cho từng phát hiện

Mỗi cảnh báo phải chỉ ra con số, tài liệu, trang hoặc bảng liên quan. Chuyên gia cần nhìn thấy đường dẫn từ kết luận trở lại bằng chứng, thay vì nhận một đoạn tóm tắt khó kiểm tra.

3. Ngưỡng chuyển giao cho con người

Quy định trường hợp nào Agent được đánh dấu “khớp”, trường hợp nào phải chuyển chuyên gia, và ai có quyền chốt. Với phát hiện có ảnh hưởng trọng yếu, nên yêu cầu phê duyệt hai lớp.

4. Đánh giá bằng bộ lỗi cài sẵn

Trước production, tạo một bộ hồ sơ kiểm thử có lỗi đã biết và đo tỷ lệ tìm đúng, bỏ sót, cảnh báo sai, thời gian xử lý và độ đầy đủ của audit trail. Cách này giúp doanh nghiệp kiểm chứng hệ thống trên dữ liệu của mình thay vì vay mượn benchmark của nhà cung cấp.

Đây cũng là lý do AgentOps cần một vòng đời từ thiết kế, đánh giá đến giám sát production, chứ không kết thúc ở bước kết nối model với kho tài liệu.

Năm chỉ số nên đo trong pilot

1. 1. Thời gian xử lý cho mỗi bộ hồ sơ.
2. 2. Tỷ lệ lỗi thật được phát hiện.
3. 3. Tỷ lệ cảnh báo sai.
4. 4. Phần trăm phát hiện có đủ bằng chứng để chuyên gia xác minh.
5. 5. Thời gian chuyên gia cần để rà và đưa ra kết luận cuối cùng.

Nếu thời gian AI giảm mạnh nhưng thời gian xác minh của chuyên gia tăng, workflow chưa thực sự tốt. Mục tiêu là rút ngắn tổng chu trình mà vẫn giữ chất lượng phán quyết và khả năng truy vết.

Kết luận

Case Legora không chứng minh AI có thể thay chuyên gia pháp lý hoặc tài chính. Nó cho thấy một thiết kế AI Workforce đáng học: Agent xử lý khối lượng đối chiếu lớn, lưu bằng chứng và đẩy ngoại lệ lên; con người giữ trách nhiệm cuối cùng.

Với doanh nghiệp Việt, bước đầu hợp lý là chọn một workflow hẹp, tạo bộ lỗi kiểm thử, xác định ngưỡng chuyển giao và đo cả tốc độ lẫn chất lượng. Khi quy trình đó ổn định, AI mới có cơ sở để mở rộng sang kiểm toán, thuế, tuân thủ hoặc quản trị rủi ro.

CTA: Làm khảo sát AI Readiness của Học viện AI để rà nhanh mức sẵn sàng về dữ liệu, nhân lực và quản trị trước khi đưa AI Agent vào quy trình chuyên môn.

Nguồn

• - OpenAI, “Legora reviewed 41 documents in minutes with GPT-6 Astra”, 03/09/2026: https://openai.com/index/legora-financial-statement-review-with-astra/
• - Các số liệu 41 tài liệu, gần 40%, 4/4 lỗi, chênh lệch 500.000 bảng và khoảng 50 phép kiểm tra bổ sung là dữ liệu Legora/OpenAI công bố; bài viết đã tách riêng phần nhận định của Học viện AI.