Ứng dụng trí tuệ nhân tạo trong kế toán quản trị tại các doanh nghiệp nhỏ và vừa: Thực trạng và bài học kinh nghiệm từ Trung Quốc

Tạ Quang Bình

Trường Đại học Thương mại

Email: binhtq@tmu.edu.vn

Tóm tắt

Cuộc cách mạng Trí tuệ nhân tạo (AI) đang tái định nghĩa vai trò của kế toán quản trị từ chức năng ghi chép thuần túy sang đối tác chiến lược trong doanh nghiệp. Bài viết thực hiện phân tích so sánh thực trạng ứng dụng AI trong kế toán quản trị tại các doanh nghiệp nhỏ và vừa ở Việt Nam và Trung Quốc. Dựa trên khung lý thuyết Khuếch tán sự đổi mới, nghiên cứu chỉ ra sự vượt trội của Trung Quốc trong việc xây dựng hệ sinh thái dữ liệu nền tảng (PaaS) so với sự phân mảnh hệ thống tại Việt Nam. Kết quả cho thấy Trung Quốc đã chuyển dịch thành công sang giai đoạn phân tích dự báo nhờ hạ tầng dữ liệu quốc gia đồng bộ, trong khi Việt Nam vẫn đang ở giai đoạn phân tích mô tả với dữ liệu rời rạc. Từ đó, nghiên cứu đề xuất lộ trình chuyển đổi 4 giai đoạn nhằm thúc đẩy kế toán quản trị thông minh cho Việt Nam đến năm 2030.

Từ khóa: Trí tuệ nhân tạo (AI), kế toán quản trị, doanh nghiệp nhỏ và vừ), chuyển đổi số, Việt Nam, Trung Quốc.

Abstract

The Artificial Intelligence (AI) revolution is redefining the role of management accounting (MA) from a mere recording function to a strategic business partner. This paper provides a comparative analysis of AI application in MA within Small and Medium Enterprises (SMEs) in Vietnam and China. Drawing on the Diffusion of Innovation theory, the research highlights China’s superiority in establishing a Platform-as-a-Service (PaaS) data ecosystem compared to the fragmented systems in Vietnam. Findings indicate that China has successfully transitioned to predictive analytics due to integrated national data infrastructure, while Vietnam remains in the descriptive analytics stage with siloed data. Consequently, the study proposes a four-stage strategic framework to accelerate the roadmap toward intelligent MA for Vietnam by 2030.

Keywords: Artificial Intelligence (AI), Management Accounting, Small and Medium Enterprises (SMEs), Digital Transformation, Vietnam, China.

ĐẶT VẤN ĐỀ

Trong kỷ nguyên số, kế toán quản trị (KTQT) hiện đại đang dịch chuyển mạnh mẽ từ chức năng ghi chép nghiệp vụ và cung cấp dữ liệu lịch sử thành một “đối tác chiến lược” tham gia hoạch định tương lai doanh nghiệp (Davenport & Harris, 2017). Cách mạng AI chính là “trái tim” thúc đẩy sự chuyển dịch này, giúp tổ chức vượt qua rào cản phân tích mô tả để tiến tới phân tích dự báo và đề xuất chuyên sâu. Đối với các doanh nghiệp nhỏ và vừa (DNNVV) – xương sống kinh tế Việt Nam và Trung Quốc – ứng dụng AI trong KTQT là yêu cầu sống còn để nâng cao năng lực cạnh tranh. Tuy nhiên, tốc độ khuếch tán công nghệ có sự khác biệt rõ do hạ tầng dữ liệu và định hướng chiến lược hướng đi. Trong khi Trung Quốc nhanh chóng thiết lập hệ sinh thái dữ liệu nền tảng (PaaS) đồng bộ qua đám mây, Việt Nam vẫn đi sau với hệ thống dữ liệu rời rạc, phân mảnh.

Phần lớn nghiên cứu trước đây tại Việt Nam chỉ tập trung vào phần mềm kế toán tài chính cơ bản hoặc chuyển đổi số nói chung. Chưa có công trình nào đi sâu phân tích cơ chế ứng dụng AI riêng cho cấu phần KTQT trong mối quan hệ so sánh đối chiếu với một quốc gia có nhiều nét tương đồng về cấu trúc doanh nghiệp như Trung Quốc.

Nghiên cứu thực hiện phân tích so sánh thực trạng tại hai quốc gia nhằm làm rõ lý do Trung Quốc chuyển dịch thành công sang giai đoạn KTQT thông minh, trong khi DNNVV Việt Nam vẫn dừng lại ở mức số hóa sơ khai. Từ đó, đề xuất lộ trình 4 giai đoạn cụ thể giúp DNNVV Việt Nam “nhảy cóc” công nghệ, hướng tới tầm nhìn quản trị thông minh vào năm 2030.

VAI TRÒ CỦA AI TRONG CHUYỂN ĐỔI KẾ TOÁN QUẢN TRỊ HIỆN ĐẠI

KTQT hiện đại không chỉ dừng lại ở việc cung cấp dữ liệu lịch sử mà phải trở thành đối tác chiến lược, cung cấp thông tin dự báo và hỗ trợ ra quyết định thời gian thực. AI đóng vai trò là “trái tim” của sự chuyển dịch này bằng cách cho phép chuyển từ phân tích mô tả sang phân tích dự báo và phân tích đề xuất trên hai hướng: (1) Sự thay đổi về bản chất dòng công việc: AI tự động hóa toàn bộ khâu thu thập thông tin chứng từ phi cấu trúc thông qua công nghệ nhận dạng ký tự quang học (OCR), giúp triệt tiêu các tác vụ nhập liệu thủ công tốn thời gian. Điều này giúp bộ phận kế toán giải phóng đến 70% quỹ thời gian để tập trung vào các công việc tạo ra giá trị gia tăng cao hơn. (2) Khả năng tối ưu hóa nguồn lực quản trị: Bằng cách tích hợp dữ liệu từ các phòng ban (Kinh doanh, Nhân sự, Sản xuất), AI cho phép kế toán quản trị xây dựng các mô hình phân tích chi phí sâu sắc tới từng sản phẩm, từng khách hàng và từng chiến dịch, điều mà các phương pháp phân bổ chi phí truyền thống không thể thực hiện chính xác (Bảng 1).

Bảng 1: Các ứng dụng AI theo chức năng kế toán quản trị

Nguồn: Tổng hợp của tác giả

Nhìn chung, việc tích hợp AI giúp chuyển đổi mô hình hoạt động của kế toán từ vị thế bị động phản ứng sang chủ động phòng ngừa rủi ro và kiến tạo cơ hội. Nhờ khả năng xử lý tốc độ cao, AI giúp rút ngắn chu kỳ lập báo cáo quản trị từ hàng tháng xuống theo ngày hoặc theo giờ, đáp ứng yêu cầu ra quyết định tức thời của các nhà quản lý trong bối cảnh thị trường cạnh tranh khốc liệt ngày nay.

THỰC TRẠNG ỨNG DỤNG AI TRONG KẾ TOÁN QUẢN TRỊ TẠI VIỆT NAM VÀ TRUNG QUỐC

Để có cái nhìn sâu sắc và khoa học về thực trạng tiếp nhận công nghệ, nghiên cứu sử dụng Lý thuyết Khuếch tán sự đổi mới (Diffusion of Innovation - DOI) của Rogers (1962) để giải thích quá trình DNNVV tiếp nhận AI thông qua các yếu tố: lợi thế tương đối, tính tương thích và độ phức tạp. Đối với các doanh nghiệp, sự chênh lệch về hạ tầng dữ liệu và định hướng chiến lược quốc gia đóng vai trò quyết định đến tốc độ và hiệu quả của quá trình khuếch tán này. Khi một công nghệ như AI có lợi thế tương đối rõ rệt (giúp cắt giảm chi phí mạnh mẽ, nâng cao độ chính xác), tính tương thích cao với hệ thống quản trị hiện tại và độ phức tạp được giảm thiểu nhờ các giao diện công nghệ thân thiện, tốc độ ứng dụng trong cộng đồng doanh nghiệp sẽ diễn ra với quy mô lớn và tốc độ nhanh chóng.

Tổng hợp từ các báo cáo khảo sát thực tiễn của Deloitte (2022) và PwC (2021) cho thấy có sự phân cực rõ rệt về mức độ trưởng thành số giữa hai quốc gia: (1) DNNVV Trung Quốc: Nhiều doanh nghiệp đã đạt đến giai đoạn “phân tích dự báo”, sử dụng dữ liệu để trả lời câu hỏi “Điều gì sẽ xảy ra?”. Doanh nghiệp chủ động dùng thuật toán để phân tích hành vi mua sắm, dự phóng xu hướng tiêu dùng và lập kế hoạch sản xuất - dự trữ vật tư tương ứng. (2) DNNVV Việt Nam: Phần lớn vẫn đang ở giai đoạn “phân tích mô tả”, sử dụng dữ liệu để trả lời câu hỏi “Điều gì đã xảy ra?”, chủ yếu thông qua các báo cáo kế toán tài chính truyền thống. Thông tin đưa ra thường có độ trễ lớn (sau khi kỳ kế toán đã kết thúc), làm giảm đáng kể giá trị hỗ trợ ra quyết định kịp thời cho nhà quản trị.

Tổng hợp từ nghiên cứu của Hanlin Y. & Hong L. (2022) cho thấy, ngoài các yếu tố nền tảng chung mang tính kỹ thuật, có hai yếu tố đặc thù ảnh hưởng sâu sắc đến quyết định áp dụng AI cho kế toán quản trị trong nội tại doanh nghiệp: (1) Văn hóa ra quyết định: Các doanh nghiệp có văn hóa ra quyết định dựa trên dữ liệu (data-driven culture) có xu hướng chấp nhận và chủ động ứng dụng AI cao hơn. Yếu tố này được thể hiện và nhấn mạnh rất rõ nét thông qua các nghiên cứu thực nghiệm tại các doanh nghiệp Trung Quốc, nơi tư duy số hóa đã thấm sâu vào cấu trúc quản trị điều hành. (2) Nhận thức về lợi thế cạnh tranh: Các nhà quản lý chỉ thực sự sẵn sàng đầu tư nguồn lực tài chính vào hệ thống AI cho kế toán quản trị khi họ nhận thấy rõ ràng công nghệ này có thể trực tiếp tạo ra lợi thế cạnh tranh cốt lõi (ví dụ như tối ưu hóa giá bán linh hoạt, giảm thiểu chi phí sản xuất trực tiếp) thay vì chỉ nhìn nhận nó như một công cụ tuân thủ pháp lý hay công cụ ghi chép thông thường. Sự khác biệt mang tính bản chất giữa hai nền kinh tế được phản ánh rõ qua các tiêu chí về môi trường chính sách vĩ mô và hạ tầng kỹ thuật quốc gia hỗ trợ cho ứng dụng công nghệ.

Bảng 2: So sánh bối cảnh chiến lược vĩ mô và hạ tầng hỗ trợ AI

Nguồn: Tổng hợp của tác giả

Dữ liệu Bảng 2 cho thấy hệ sinh thái dữ liệu quyết định năng lực triển khai AI: (1) Tại Trung Quốc: Các siêu ứng dụng và sàn TMĐT tạo “hồ dữ liệu” khổng lồ, xóa bỏ các “ốc đảo dữ liệu”. DNNVV tại đây đạt ngưỡng “phân tích dự báo”. Doanh nghiệp trực tuyến dễ dàng tích hợp API kế toán với sàn TMĐT để AI tự động chấm công, tính giá thành, phân tích dòng tiền, dự báo vốn lưu động trong ngày. (2) Tại Việt Nam: Hệ sinh thái phân mảnh, dữ liệu nằm rời rạc trong tệp Excel hoặc phần mềm riêng lẻ do thiếu ERP tích hợp. Phần lớn DNNVV vẫn ở giai đoạn “phân tích mô tả”. Kế toán mất nhiều thời gian đối chiếu thủ công giữa các hệ thống nên thiếu nguồn lực phân tích. Sự chênh lệch thể hiện rõ qua xử lý dữ liệu phi cấu trúc. Theo PwC Vietnam (2021), dù 80% DNNVV Việt Nam quan tâm chuyển đổi số, ứng dụng AI vẫn bị giới hạn bởi chất lượng dữ liệu đầu vào. Ngược lại, nghiên cứu của Zhang & Gu (2021) tại Thâm Quyến cho thấy DNNVV tận dụng thuật toán học máy giảm sai lệch dự báo doanh thu xuống dưới 5% so với thủ công.

Tóm lại, trong khi DNNVV Trung Quốc tận dụng PaaS/Cloud để tiếp cận AI chi phí thấp, doanh nghiệp Việt Nam phải “tự bơi” tìm giải pháp đơn lẻ gây tốn kém, hiệu quả tích hợp thấp (Deloitte, 2022). Việc chuyển dịch từ mô hình “kế toán kiểm soát” sang “kế toán thích nghi” chỉ khả thi nếu sớm xây dựng kho dữ liệu tập trung và chuẩn hóa quy trình thu thập ngay từ đầu (Moll & Yigitbasioglu, 2019).

RÀO CẢN VÀ THÁCH THỨC TRONG TRIỂN KHAI

Nghiên cứu xác định các rào cản đặc thù ngăn cản sự bứt phá của Việt Nam trên ba khía cạnh cốt lõi: (1) Chất lượng dữ liệu: KTQT đòi hỏi dữ liệu hoạt động phi tài chính, nhưng tại các DNNVV Việt Nam, thông tin này thường bị bỏ ngỏ. Dữ liệu về phản hồi khách hàng, tiến độ sản xuất hay năng suất thiết bị chủ yếu được ghi chép tùy tiện trên giấy hoặc qua ứng dụng chat rời rạc, không đủ tiêu chuẩn để nạp vào mô hình AI. (2) Thiếu hụt “Kế toán viên lai”: Thị trường khan hiếm nhân sự sở hữu năng lực giao thoa giữa chuyên môn kế toán, phân tích dữ liệu và sự nhạy bén kinh doanh. Đội ngũ hiện tại chủ yếu được đào tạo để tuân thủ thông tư, chế độ kế toán tài chính, thiếu tư duy thuật toán và kỹ năng khai thác các công cụ phân tích hiện đại. (3) Đạo đức và quản trị AI: Vấn đề thiên vị thuật toán và tính “hộp đen” khiến nhà quản lý khó giải thích căn cứ quyết định của AI. Lãnh đạo thường e ngại thực thi các đề xuất chiến lược như cắt giảm dòng sản phẩm hoặc đổi nhà cung cấp vì không thể bóc tách logic vận hành ẩn sâu bên trong (Bảng 3).

Để tháo gỡ rào cản này, chuyển dịch sang mô hình hệ sinh thái (PaaS/Cloud) là chìa khóa giải quyết bài toán tài chính cho DNNVV. Theo Wixom & Watson (2010), doanh nghiệp nhỏ dễ thất bại do chi phí duy trì hạ tầng quá lớn. Bhimani (2020) lập luận rằng lợi thế cạnh tranh kỷ nguyên số nằm ở “khả năng kết nối” thay vì sở hữu phần mềm độc lập. Mô hình hệ sinh thái cho phép DNNVV tận dụng sức mạnh tính toán của tập đoàn công nghệ lớn để phân tích phức tạp mà không cần đội ngũ IT hùng hậu. Đồng thời, đám mây giúp hệ thống kế toán “thích nghi” tốt trước biến động thị trường (Moll & Yigitbasioglu, 2019).

Bảng 3: So sánh mô hình cung cấp giải pháp công nghệ KTQT cho DNNVV

Nguồn: Tổng hợp của tác giả

LỘ TRÌNH VÀ KHUNG GIẢI PHÁP CHIẾN LƯỢC CHO VIỆT NAM

Sự thành công trong việc “nhảy cóc” công nghệ của các DNNVV Trung Quốc không phải là ngẫu nhiên, mà là kết quả của một hệ sinh thái cộng sinh. Qua đối chiếu, nghiên cứu đề xuất khung giải pháp chiến lược cho Việt Nam dựa trên ba trụ cột chính: Chính sách kiến tạo, Hệ sinh thái công nghệ và Đào tạo nguồn nhân lực. Dựa trên lý thuyết khuếch tán sự đổi mới của Rogers (1962) và thực tiễn từ các quốc gia đang phát triển, nghiên cứu đề xuất lộ trình chuyển đổi 4 giai đoạn nhằm tối ưu hóa nguồn lực cho DNNVV Việt Nam: (1) Giai đoạn 1 (Số hóa & Chuẩn hóa): Xây dựng kho dữ liệu tập trung (Data Warehouse). Đây là bước tiên quyết vì theo Goretzki et al. (2017), chất lượng đầu ra của AI phụ thuộc hoàn toàn vào chất lượng dữ liệu đầu vào. Doanh nghiệp cần số hóa toàn bộ quy trình, ban hành quy định nghiêm ngặt về định dạng nhập liệu. (2) Giai đoạn 2 (Tự động hóa - RPA): Thay thế các công việc lặp lại bằng robot phần mềm để giải phóng nguồn lực kế toán viên. Robot sẽ tự động thu thập hóa đơn điện tử, đối chiếu sổ phụ ngân hàng và thực hiện kết chuyển tài khoản cơ bản. (3) Giai đoạn 3 (Phân tích nâng cao): Triển khai Dashboard thông minh để theo dõi KPIs tài chính và phi tài chính theo thời gian thực (Moll & Yigitbasioglu, 2019). Ban lãnh đạo có thể theo dõi biến động chi phí và doanh thu tức thời qua các biểu đồ trực quan, sinh động thay vì đọc báo cáo giấy tĩnh. (4) Giai đoạn 4 (KTQT thông minh): Ứng dụng AI vào dự báo doanh thu, tối ưu hóa chi phí và mô phỏng kịch bản ra quyết định. Lúc này hệ thống tự động đưa ra các khuyến nghị hành động tối ưu như: cảnh báo tăng giá nguyên vật liệu đầu vào và đề xuất điều chỉnh cơ cấu nhà cung cấp phù hợp.

Bảng 4: Khung giải pháp đa tầng thúc đẩy AI trong KTQT

Nguồn: Tổng hợp của tác giả

Về vấn đề đào tạo nguồn nhân lực “lai” (Hybrid Accountants), thách thức lớn nhất không phải là công nghệ, mà là con người: (1) Về phía cơ sở đào tạo: Các trường Đại học khối ngành kinh tế cần khẩn trương tái cấu trúc chương trình đào tạo ngành Kế toán, giảm bớt các học phần ghi chép thủ công và tích hợp sâu các môn học về Hệ thống thông tin quản lý, Phân tích dữ liệu lớn, Khoa học dữ liệu và Ứng dụng AI trong kinh doanh. (2) Về phía doanh nghiệp: Cần xây dựng lộ trình đào tạo lại cho đội ngũ nhân sự hiện tại. Khuyến khích kế toán viên tham gia các khóa học ngắn hạn về SQL, Power BI, Python. Đây là nhân tố then chốt để giải mã các “hộp đen” thuật toán và đưa ra các tư vấn quản trị có chiều sâu.

KẾT LUẬN

Việc ứng dụng AI vào KTQT tại các DNNVV Việt Nam là một hành trình tất yếu nhưng đầy thách thức. Bài học từ Trung Quốc cho thấy, sự kết hợp giữa hạ tầng dữ liệu quốc gia và mô hình dịch vụ đám mây (PaaS) là con đường ngắn nhất để DNNVV tiếp cận công nghệ đỉnh cao với chi phí thấp. Thành công sẽ đến khi có sự đồng bộ từ chính sách kiến tạo của Chính phủ đến sự chủ động của chủ doanh nghiệp và năng lực của đội ngũ kế toán viên trong việc làm chủ dữ liệu. Thành công sẽ đến khi có sự đồng bộ từ chính sách kiến tạo của Chính phủ đến sự chủ động thay đổi tư duy quản trị của chủ doanh nghiệp và năng lực thích nghi của đội ngũ kế toán viên.

Tài liệu tham khảo:

1. Appelbaum, D., Kogan, A., Vasarhelyi, M., & Yan, Z. (2017). Impact of business analytics and enterprise systems on managerial accounting. International Journal of Accounting Information Systems, 25, 29-44. https://doi.org/10.1016/j.accinf.2017.03.003

2. Bhimani, A. (2020). Digital data and management accounting: why we need to rethink research methods. Journal of Management Control 31(1). DOI:10.1007/s00187-020-00295-z

3. Bộ Thông tin và Truyền thông. (2021). Chiến lược quốc gia về nghiên cứu, phát triển và ứng dụng Trí tuệ nhân tạo đến năm 2030.

4. Davenport, T. H., & Harris, J. G. (2017). Competing on Analytics: The New Science of Winning. Harvard Business Press.

5. Deloitte. (2022). Thriving in the digital age: Southeast Asia Enterprise Digital Transformation Report. Singapore: Deloitte Center for the Edge.

6. Moll, J., & Yigitbasioglu, O. (2019). The role of internet-related technologies in shaping the work of accountants: New directions for accounting research," The British Accounting Review, Elsevier, vol. 51(6)

7. Sutton, S. G., Holt, M., & Arnold, V. (2016). “The reports of my death are greatly exaggerated”—Artificial intelligence research in accounting. International Journal of Accounting Information Systems. Volume 22, Pages 60-73

8. Oxford Insights. (2023). Government AI Readiness Index 2023. London: Oxford Insights.

9. PwC Vietnam. (2021). Báo cáo mức độ sẵn sàng chuyển đổi số tại Việt Nam. TP. Hồ Chí Minh: PwC Publications.

10. Hanlin Y. & Hong L. (2022). Discussion on Digital Transformation of Small and Medium-sized Enterprises in the Post-epidemic Era. Frontiers in Business Economics and Management 7(1):91-105 https://doi.org/10.54097/fbem.v7i1.3760.