Nhân tố ảnh hưởng đến mức độ sẵn sàng áp dụng AI trong kế toán tại doanh nghiệp ở Hà Nội

Nghiên cứu thực hiện khảo sát 486 nhà quản lý và chuyên gia kế toán, phân tích mô hình cấu trúc SEM bằng Amos 20.0, cho thấy nhận thức về lợi ích, các nguồn lực sẵn có và kiến thức áp dụng công cụ AI có ảnh hưởng tích cực tới việc áp dụng công cụ AI trong kế toán.

1. Giới thiệu

Môi trường hoạt động của DN ngày càng thay đổi và khi sự thay đổi trở thành quy luật chứ không phải là ngoại lệ, thì khả năng linh hoạt của tổ chức trở nên rất quan trọng. Tổ chức nào sớm đưa ra các chiến lược kinh doanh phù hợp, thích ứng với sự biến động của môi trường thì phát triển bền vững, tổ chức nào không thích ứng sẽ bị loại bỏ. Các tổ chức bỏ qua khía cạnh sẵn sàng và bắt đầu triển khai đã gặp phải nhiều vấn đề, cuối cùng dẫn đến thất bại (Nili et al., 2022).

Trong những năm gần đây, AI đã làm thay đổi cách thức các tổ chức tiến hành hoạt động kinh doanh, cũng như cách thức mà con người làm việc trên toàn cầu. Giống như các ngành khác, AI có tác động đáng kể đến kế toán và kiểm toán. Ngoài việc tiết kiệm thời gian cho kế toán và cung cấp thông tin chính xác, các hệ thống hỗ trợ AI còn giúp kế toán duy trì tính cạnh tranh trên thị trường. Nó giúp kế toán và nhân viên tài chính xử lý nghiệp vụ chính xác và năng suất hơn (Jin, 2022). Những công nghệ này có thể tiết kiệm thời gian và tiền bạc đồng thời cung cấp thông tin chi tiết về việc ra quyết định quan trọng (Mancini, 2021). Chính vì vậy mối liên hệ giữa AI và kế toán gần đây đã thu hút sự quan tâm ngày càng tăng (Nayak và Sahoo, 2021; Stancu và Dutescu, 2021).

Sự sẵn sàng áp dụng công cụ AI đề cập đến khả năng của một tổ chức trong việc triển khai và sử dụng công nghệ AI một cách hiệu quả giúp nâng cao giá trị của nó. Việc triển khai AI mà không tìm hiểu các khía cạnh về sự sẵn sàng đã dẫn đến thất bại (Johnk và cộng sự, 2021). Nghiên cứu này tập trung trả lời cho câu hỏi các nhân tố nào ảnh hưởng đến việc sẵn sàng áp dụng AI trong các DN tại Hà Nội. Từ đó đề xuất các khuyến nghị nhằm tăng cường trạng thái sẵn sàng áp dụng công cụ AI trong kế toán tại các DN Hà Nội.

Sau phần giới thiệu, cấu trúc bài viết gồm cơ sở lý thuyết, xây dựng giả thuyết và mô hình nghiên cứu, phương pháp nghiên cứu, kết quả nghiên cứu, kết luận và hàm ý chính sách.

2. Cơ sở lý thuyết

2.1. Lý thuyết sẵn sàng thay đổi của tổ chức

Lý thuyết sẵn sàng thay đổi của tổ chức được Weiner phát triển vào năm 2009, dựa vào lý thuyết nhận thức xã hội và ý thuyết về năng lực bản thân của Gist và Mitchell (1992). Theo đó, sự sẵn sàng thay đổi của tổ chức là trạng thái tồn tại cả về mặt tâm lý và hành vi để hành động. Từ khái niệm về sự thay đổi của tổ chức mà Weiner (2009), đề xuất các khía cạnh chính của sự sẵn sàng thay đổi là cam kết thay đổi và hiệu quả thay đổi. Trong đó, cam kết thay đổi là quyết tâm chung của các thành viên tổ chức để theo đuổi việc thực hiện thay đổi; hiệu quả của thay đổi đề cập đến niềm tin chung của các thành viên vào khả năng của họ để thực hiện sự thay đổi. Cam kết thay đổi và hiệu quả thay đổi có mối quan hệ mật thiết về mặt khái niệm. Theo lý thuyết này, 2 nhóm yếu tố quyết định sự sẵn sàng thay đổi của tổ chức là giá trị thay đổi và đánh giá về khả năng thay đổi (bao gồm: nhận thức về nhiệm vụ, nhận thức về nguồn lực và nhận thức về bối cảnh). Tuy nhiên, Weiner (2009) cũng cho rằng, những điều kiện bối cảnh ảnh hưởng đến sự sẵn sàng của tổ chức gián tiếp thông qua các điều kiện gần hơn (giá trị thay đổi, nhận thức về nhiệm vụ và nhận thức về nguồn lực sẵn có).

2.2. Ứng dụng AI trong kế toán DN

Thuật ngữ “AI” ra đời lần đầu tiên vào năm 1956 bởi tác giả John McCarthy, ông định nghĩa AI là “khoa học và kỹ thuật chế tạo máy móc thông minh”. Sau đó, đã có nhiều tác giả đưa ra các khái niệm khác nhau về AI. Theo Raphael, B (1976): “AI là khoa học chế tạo máy móc làm những việc đòi hỏi trí thông minh như con người”. Chukwudi và cộng sự (2018) chia sẻ quan điểm cho rằng AI là khả năng của một thiết bị thực hiện các nhiệm vụ thường được làm bởi bộ não con người. Lee và Tajudeen (2020) nói rằng, AI cho phép máy móc học hỏi từ những sai lầm của chúng, thích ứng với đầu vào mới và thực hiện các công việc giống như con người. Tóm lại, AI là một ngành thuộc lĩnh vực khoa học máy tính, nhằm triển khai trí thông minh của con người trong máy móc: tạo ra các hệ thống hiểu, suy nghĩ, học hỏi và cư xử như con người.

Trong thời gian gần đây, AI đã có những bước tiến đáng kể, đặc biệt là trong lĩnh vực kế toán. AI trong kế toán là việc ứng dụng AI để tự động hóa, tối ưu hóa và nâng cao hiệu quả các quy trình kế toán, bao gồm nhập liệu, phân tích tài chính, phát hiện gian lận, báo cáo và dự báo tài chính, giúp giảm thiểu sai sót và tăng cường khả năng ra quyết định chiến lược. MISA (2025) đã chỉ ra rằng, các ứng dụng AI trong kế toán tài chính bao gồm tự động hóa, tư vấn tài chính và phân tích dự án, dự báo và lập kế hoạch tài chính, phân loại và xử lý thuế, phân tích tài chính, phân tích dữ liệu để phát hiện gian lận. Bằng cách sử dụng thuật toán học máy và xử lý ngôn ngữ tự nhiên, AI giúp giảm thiểu lỗi của con người, tăng tốc độ xử lý dữ liệu, cải thiện độ chính xác và hỗ trợ các nhà quản lý đưa ra các quyết định tài chính dựa trên dữ liệu. Theo Đại học Oxford, các kế toán viên có 95% khả năng mất việc làm khi máy móc đảm nhận việc phân tích dữ liệu và tính toán số liệu. Tuy nhiên, báo cáo cũng chỉ ra rằng, khi công nghệ phát triển thì một số công việc bị loại bỏ trong khi những công việc khác được tạo ra. Các công cụ AI sẽ giảm bớt các nhiệm vụ nhập liệu tẻ nhạt và tỉ mỉ của kế toán và phát triển các kỹ thuật phân tích hiệu quả hơn trên dữ liệu lớn để biến kế toán thành một dịch vụ tư vấn hiệu quả hơn. Mặc dù AI mang lại nhiều lợi ích cho lĩnh vực kế toán, cần lưu ý rằng việc ứng dụng AI trong kế toán đòi hỏi sự cân nhắc kỹ lưỡng. Đảm bảo an ninh, tính chính xác và tuân thủ các quy định pháp luật trong xử lý dữ liệu là rất quan trọng. Đồng thời, sự phối hợp giữa con người và công nghệ AI cũng đóng vai trò quan trọng trong việc đảm bảo hiệu quả và độ tin cậy của quy trình kế toán.

3. Xây dựng giả thuyết và mô hình nghiên cứu

Nghiên cứu này xác định các nhân tố ảnh hưởng đến mức độ sẵn sàng áp dụng công nghệ AI trong kế toán tại các DN Hà Nội dựa trên lý thuyết sẵn sàng thay đổi của tổ chức, được đề xuất bởi Weiner (2009).

3.1. Giá trị thay đổi

Giá trị thay đổi đề cập đến các giá trị mà các nhà quản lý, các chuyên gia kế toán trong các DN nhận thức được rằng việc áp dụng công cụ AI là cần thiết, quan trọng, có lợi và đáng giá. Giá trị thay đổi là yếu tố tạo ra sự mong muốn thay đổi đối với một tổ chức. Nhận thức về giá trị thay đổi sẽ tác động đến cam kết thay đổi. Hơn nữa, giá trị thay đổi sẽ ảnh hưởng đến hiệu quả thay đổi của các thành viên trong tổ chức. Điều này ngụ ý rằng, khi các nhà quản lý, các chuyên gia kế toán đánh giá cao tầm quan trọng của công cụ AI, họ sẽ buộc phải trang bị cho mình những năng lực cần thiết để cuối cùng nâng cao khả năng sử dụng các công cụ AI một cách hiệu quả. Do đó, dựa trên lý thuyết của Weiner  giả thuyết về mối quan hệ giữa  thức về lợi ích của các công cụ AI và với mức độ sẵn sàng áp dụng các công cụ AI trong kế toán tại các DN Hà Nội được phát biểu, như sau:

H1a: Có mối quan hệ tích cực giữa nhận thức về lợi ích và cam kết áp dụng công cụ AI trong kế toán tại các DN.

H1b: Có mối quan hệ tích cực giữa nhận thức về lợi ích và hiệu quả áp dụng công cụ AI trong kế toán tại các DN.

3.2. Nhận thức về nhiệm vụ

Nhận thức về nhiệm vụ (sự thay đổi) được hiểu là các thành viên của một tổ chức phải có sự hiểu biết phù hợp và cụ thể về sự thay đổi. Khả năng thực hiện sự thay đổi phụ thuộc một phần vào việc biết những hành động nào là cần thiết, điều này liên quan đến nhận thức về mức độ thực hiện nhiệm vụ thay đổi (Weiner, 2009). Trong bối cảnh của nghiên cứu hiện tại, nhận thức nhiệm vụ đề cập đến việc nhà quản lý, các chuyên gia kế toán hiểu biết như thế nào về công cụ AI. Sự am hiểu (kiến thức) về công cụ AI sẽ khiến họ đưa ra các cam kết cho việc áp dụng cũng như khiến họ tin tưởng vào khả năng áp dụng AI thành công. Vì thế, giả thuyết về mối quan hệ giữa kiến thức và mức độ sẵn sàng áp dụng công cụ AI trong kế toán tại các DN Hà Nội được phát biểu, như sau:

H2a: Có mối quan hệ tích cực giữa kiến thức và cam kết áp dụng công cụ AI trong kế toán tại các DN.

H2b: Có mối quan hệ tích cực giữa kiến thức và hiệu quả áp dụng công cụ AI trong kế toán tại các DN.

3.3. Nhận thức về sự sẵn có của các nguồn lực

Sự sẵn có của nguồn lực (bao gồm con người, tài chính và các loại nguồn lực khác) được xác định là yếu tố có ảnh hưởng đến mức độ sẵn sàng thay đổi của tổ chức. Trong nghiên cứu này, nguồn lực sẵn có đề cập đến các nguồn lực mà các nhà quản lý và các chuyên gia kế toán cho rằng cần thiết cho quá trình áp dụng công cụ AI bao gồm tài chính, nhân lực, vật chất. Khi các đối tượng này cho rằng tổ chức có đủ nguồn lực phù hợp và hữu ích trong quá trình áp dụng công cụ AI thì họ sẽ tin tưởng hơn vào khả năng áp dụng công cụ AI thành công. Vì vậy, giả thuyết về mối quan hệ giữa nhận thức về nguồn lực sẵn có và mức độ sẵn sàng áp dụng công cụ AI trong kế toán tại các DN Hà Nội được phát biểu, như sau:

H3a: Có mối quan hệ tích cực giữa nhận thức về nguồn lực sẵn có và cam kết áp dụng công cụ AI trong kế toán tại các DN.

H3b: Có mối quan hệ tích cực giữa nhận thức về nguồn lực sẵn có và hiệu quả áp dụng công cụ AI trong kế toán tại các DN.

3.4. Mối quan hệ giữa cam kết và hiệu quả áp dụng công cụ AI

Theo Weiner (2009) cam kết thay đổi và hiệu quả thực hiện thay đổi có mối quan hệ với nhau. Khi các thành viên tổ chức thể hiện cam kết cao thì hiệu quả thực hiện thay đổi sẽ tốt hơn. Vì thế giả thuyết về mối quan hệ giữa cam kết và hiệu quả áp dụng công cụ AI được phát biểu, như sau:

H4: Có mối quan hệ tích cực giữa cam kết và hiệu quả áp dụng công cụ AI trong kế toán tại các DN.

Từ những phân tích ở trên, mô hình các nhân tố tác động đến mức độ sẵn sàng áp dụng công cụ AI trong kế toán tại các DN Hà Nội được đề xuất, như Hình 1.

Môi trường hoạt động của DN ngày càng thay đổi và khi sự thay đổi trở thành quy luật chứ không phải là ngoại lệ, thì khả năng linh hoạt của tổ chức trở nên rất quan trọng. Tổ chức nào sớm đưa ra các chiến lược kinh doanh phù hợp, thích ứng với sự biến động của môi trường thì phát triển bền vững, tổ chức nào không thích ứng sẽ bị loại bỏ. Các tổ chức bỏ qua khía cạnh sẵn sàng và bắt đầu triển khai đã gặp phải nhiều vấn đề, cuối cùng dẫn đến thất bại (Nili et al., 2022).

Trong những năm gần đây, AI đã làm thay đổi cách thức các tổ chức tiến hành hoạt động kinh doanh, cũng như cách thức mà con người làm việc trên toàn cầu. Giống như các ngành khác, AI có tác động đáng kể đến kế toán và kiểm toán. Ngoài việc tiết kiệm thời gian cho kế toán và cung cấp thông tin chính xác, các hệ thống hỗ trợ AI còn giúp kế toán duy trì tính cạnh tranh trên thị trường. Nó giúp kế toán và nhân viên tài chính xử lý nghiệp vụ chính xác và năng suất hơn (Jin, 2022). Những công nghệ này có thể tiết kiệm thời gian và tiền bạc đồng thời cung cấp thông tin chi tiết về việc ra quyết định quan trọng (Mancini, 2021). Chính vì vậy mối liên hệ giữa AI và kế toán gần đây đã thu hút sự quan tâm ngày càng tăng (Nayak và Sahoo, 2021; Stancu và Dutescu, 2021).

Sự sẵn sàng áp dụng công cụ AI đề cập đến khả năng của một tổ chức trong việc triển khai và sử dụng công nghệ AI một cách hiệu quả giúp nâng cao giá trị của nó. Việc triển khai AI mà không tìm hiểu các khía cạnh về sự sẵn sàng đã dẫn đến thất bại (Johnk và cộng sự, 2021). Nghiên cứu này tập trung trả lời cho câu hỏi các nhân tố nào ảnh hưởng đến việc sẵn sàng áp dụng AI trong các DN tại Hà Nội. Từ đó đề xuất các khuyến nghị nhằm tăng cường trạng thái sẵn sàng áp dụng công cụ AI trong kế toán tại các DN Hà Nội.

Sau phần giới thiệu, cấu trúc bài viết gồm cơ sở lý thuyết, xây dựng giả thuyết và mô hình nghiên cứu, phương pháp nghiên cứu, kết quả nghiên cứu, kết luận và hàm ý chính sách.

2. Cơ sở lý thuyết

2.1. Lý thuyết sẵn sàng thay đổi của tổ chức

Lý thuyết sẵn sàng thay đổi của tổ chức được Weiner phát triển vào năm 2009, dựa vào lý thuyết nhận thức xã hội và ý thuyết về năng lực bản thân của Gist và Mitchell (1992). Theo đó, sự sẵn sàng thay đổi của tổ chức là trạng thái tồn tại cả về mặt tâm lý và hành vi để hành động. Từ khái niệm về sự thay đổi của tổ chức mà Weiner (2009), đề xuất các khía cạnh chính của sự sẵn sàng thay đổi là cam kết thay đổi và hiệu quả thay đổi. Trong đó, cam kết thay đổi là quyết tâm chung của các thành viên tổ chức để theo đuổi việc thực hiện thay đổi; hiệu quả của thay đổi đề cập đến niềm tin chung của các thành viên vào khả năng của họ để thực hiện sự thay đổi. Cam kết thay đổi và hiệu quả thay đổi có mối quan hệ mật thiết về mặt khái niệm. Theo lý thuyết này, 2 nhóm yếu tố quyết định sự sẵn sàng thay đổi của tổ chức là giá trị thay đổi và đánh giá về khả năng thay đổi (bao gồm: nhận thức về nhiệm vụ, nhận thức về nguồn lực và nhận thức về bối cảnh). Tuy nhiên, Weiner (2009) cũng cho rằng, những điều kiện bối cảnh ảnh hưởng đến sự sẵn sàng của tổ chức gián tiếp thông qua các điều kiện gần hơn (giá trị thay đổi, nhận thức về nhiệm vụ và nhận thức về nguồn lực sẵn có).

2.2. Ứng dụng AI trong kế toán DN

Thuật ngữ “AI” ra đời lần đầu tiên vào năm 1956 bởi tác giả John McCarthy, ông định nghĩa AI là “khoa học và kỹ thuật chế tạo máy móc thông minh”. Sau đó, đã có nhiều tác giả đưa ra các khái niệm khác nhau về AI. Theo Raphael, B (1976): “AI là khoa học chế tạo máy móc làm những việc đòi hỏi trí thông minh như con người”. Chukwudi và cộng sự (2018) chia sẻ quan điểm cho rằng AI là khả năng của một thiết bị thực hiện các nhiệm vụ thường được làm bởi bộ não con người. Lee và Tajudeen (2020) nói rằng, AI cho phép máy móc học hỏi từ những sai lầm của chúng, thích ứng với đầu vào mới và thực hiện các công việc giống như con người. Tóm lại, AI là một ngành thuộc lĩnh vực khoa học máy tính, nhằm triển khai trí thông minh của con người trong máy móc: tạo ra các hệ thống hiểu, suy nghĩ, học hỏi và cư xử như con người.

Trong thời gian gần đây, AI đã có những bước tiến đáng kể, đặc biệt là trong lĩnh vực kế toán. AI trong kế toán là việc ứng dụng AI để tự động hóa, tối ưu hóa và nâng cao hiệu quả các quy trình kế toán, bao gồm nhập liệu, phân tích tài chính, phát hiện gian lận, báo cáo và dự báo tài chính, giúp giảm thiểu sai sót và tăng cường khả năng ra quyết định chiến lược. MISA (2025) đã chỉ ra rằng, các ứng dụng AI trong kế toán tài chính bao gồm tự động hóa, tư vấn tài chính và phân tích dự án, dự báo và lập kế hoạch tài chính, phân loại và xử lý thuế, phân tích tài chính, phân tích dữ liệu để phát hiện gian lận. Bằng cách sử dụng thuật toán học máy và xử lý ngôn ngữ tự nhiên, AI giúp giảm thiểu lỗi của con người, tăng tốc độ xử lý dữ liệu, cải thiện độ chính xác và hỗ trợ các nhà quản lý đưa ra các quyết định tài chính dựa trên dữ liệu. Theo Đại học Oxford, các kế toán viên có 95% khả năng mất việc làm khi máy móc đảm nhận việc phân tích dữ liệu và tính toán số liệu. Tuy nhiên, báo cáo cũng chỉ ra rằng, khi công nghệ phát triển thì một số công việc bị loại bỏ trong khi những công việc khác được tạo ra. Các công cụ AI sẽ giảm bớt các nhiệm vụ nhập liệu tẻ nhạt và tỉ mỉ của kế toán và phát triển các kỹ thuật phân tích hiệu quả hơn trên dữ liệu lớn để biến kế toán thành một dịch vụ tư vấn hiệu quả hơn. Mặc dù AI mang lại nhiều lợi ích cho lĩnh vực kế toán, cần lưu ý rằng việc ứng dụng AI trong kế toán đòi hỏi sự cân nhắc kỹ lưỡng. Đảm bảo an ninh, tính chính xác và tuân thủ các quy định pháp luật trong xử lý dữ liệu là rất quan trọng. Đồng thời, sự phối hợp giữa con người và công nghệ AI cũng đóng vai trò quan trọng trong việc đảm bảo hiệu quả và độ tin cậy của quy trình kế toán.

3. Xây dựng giả thuyết và mô hình nghiên cứu

Nghiên cứu này xác định các nhân tố ảnh hưởng đến mức độ sẵn sàng áp dụng công nghệ AI trong kế toán tại các DN Hà Nội dựa trên lý thuyết sẵn sàng thay đổi của tổ chức, được đề xuất bởi Weiner (2009).

3.1. Giá trị thay đổi

Giá trị thay đổi đề cập đến các giá trị mà các nhà quản lý, các chuyên gia kế toán trong các DN nhận thức được rằng việc áp dụng công cụ AI là cần thiết, quan trọng, có lợi và đáng giá. Giá trị thay đổi là yếu tố tạo ra sự mong muốn thay đổi đối với một tổ chức. Nhận thức về giá trị thay đổi sẽ tác động đến cam kết thay đổi. Hơn nữa, giá trị thay đổi sẽ ảnh hưởng đến hiệu quả thay đổi của các thành viên trong tổ chức. Điều này ngụ ý rằng, khi các nhà quản lý, các chuyên gia kế toán đánh giá cao tầm quan trọng của công cụ AI, họ sẽ buộc phải trang bị cho mình những năng lực cần thiết để cuối cùng nâng cao khả năng sử dụng các công cụ AI một cách hiệu quả. Do đó, dựa trên lý thuyết của Weiner  giả thuyết về mối quan hệ giữa  thức về lợi ích của các công cụ AI và với mức độ sẵn sàng áp dụng các công cụ AI trong kế toán tại các DN Hà Nội được phát biểu, như sau:

H1a: Có mối quan hệ tích cực giữa nhận thức về lợi ích và cam kết áp dụng công cụ AI trong kế toán tại các DN.

H1b: Có mối quan hệ tích cực giữa nhận thức về lợi ích và hiệu quả áp dụng công cụ AI trong kế toán tại các DN.

3.2. Nhận thức về nhiệm vụ

Nhận thức về nhiệm vụ (sự thay đổi) được hiểu là các thành viên của một tổ chức phải có sự hiểu biết phù hợp và cụ thể về sự thay đổi. Khả năng thực hiện sự thay đổi phụ thuộc một phần vào việc biết những hành động nào là cần thiết, điều này liên quan đến nhận thức về mức độ thực hiện nhiệm vụ thay đổi (Weiner, 2009). Trong bối cảnh của nghiên cứu hiện tại, nhận thức nhiệm vụ đề cập đến việc nhà quản lý, các chuyên gia kế toán hiểu biết như thế nào về công cụ AI. Sự am hiểu (kiến thức) về công cụ AI sẽ khiến họ đưa ra các cam kết cho việc áp dụng cũng như khiến họ tin tưởng vào khả năng áp dụng AI thành công. Vì thế, giả thuyết về mối quan hệ giữa kiến thức và mức độ sẵn sàng áp dụng công cụ AI trong kế toán tại các DN Hà Nội được phát biểu, như sau:

H2a: Có mối quan hệ tích cực giữa kiến thức và cam kết áp dụng công cụ AI trong kế toán tại các DN.

H2b: Có mối quan hệ tích cực giữa kiến thức và hiệu quả áp dụng công cụ AI trong kế toán tại các DN.

3.3. Nhận thức về sự sẵn có của các nguồn lực

Sự sẵn có của nguồn lực (bao gồm con người, tài chính và các loại nguồn lực khác) được xác định là yếu tố có ảnh hưởng đến mức độ sẵn sàng thay đổi của tổ chức. Trong nghiên cứu này, nguồn lực sẵn có đề cập đến các nguồn lực mà các nhà quản lý và các chuyên gia kế toán cho rằng cần thiết cho quá trình áp dụng công cụ AI bao gồm tài chính, nhân lực, vật chất. Khi các đối tượng này cho rằng tổ chức có đủ nguồn lực phù hợp và hữu ích trong quá trình áp dụng công cụ AI thì họ sẽ tin tưởng hơn vào khả năng áp dụng công cụ AI thành công. Vì vậy, giả thuyết về mối quan hệ giữa nhận thức về nguồn lực sẵn có và mức độ sẵn sàng áp dụng công cụ AI trong kế toán tại các DN Hà Nội được phát biểu, như sau:

H3a: Có mối quan hệ tích cực giữa nhận thức về nguồn lực sẵn có và cam kết áp dụng công cụ AI trong kế toán tại các DN.

H3b: Có mối quan hệ tích cực giữa nhận thức về nguồn lực sẵn có và hiệu quả áp dụng công cụ AI trong kế toán tại các DN.

3.4. Mối quan hệ giữa cam kết và hiệu quả áp dụng công cụ AI

Theo Weiner (2009) cam kết thay đổi và hiệu quả thực hiện thay đổi có mối quan hệ với nhau. Khi các thành viên tổ chức thể hiện cam kết cao thì hiệu quả thực hiện thay đổi sẽ tốt hơn. Vì thế giả thuyết về mối quan hệ giữa cam kết và hiệu quả áp dụng công cụ AI được phát biểu, như sau:

H4: Có mối quan hệ tích cực giữa cam kết và hiệu quả áp dụng công cụ AI trong kế toán tại các DN.

Từ những phân tích ở trên, mô hình các nhân tố tác động đến mức độ sẵn sàng áp dụng công cụ AI trong kế toán tại các DN Hà Nội được đề xuất, như Hình 1.

Hình 1: Mô hình nghiên cứu

(Nguồn: tác giả tổng hợp dựa trên Weiner (2009))

4. Phương pháp nghiên cứu

Nghiên cứu sử dụng phương pháp điều tra để thu thập dữ liệu nhận thức về mức độ sẵn sàng áp dụng công cụ AI trong kế toán tại các DN Hà Nội. Dữ liệu thu thập qua điều tra được xử lý bằng phần mềm SPSS 20.0 và Amos 20.0 để kiểm định giả thuyết.

4.1. Mẫu nghiên cứu

Nghiên cứu khám phá các nhân tố ảnh hưởng đến mức độ sẵn sàng áp dụng công cụ AI trong kế toán tại các DN Hà Nội thông qua nhận thức của nhà quản lý và các chuyên gia kế toán. Vì thế, đối tượng khảo sát của nghiên cứu được xác định gồm nhà quản lý và chuyên gia kế toán tại các DN Hà Nội. Các phiếu khảo sát được xây dựng và chuyển tới các đối tượng khảo sát qua đường email theo phương pháp ngẫu nhiên và người giới thiệu, trong khoảng thời gian từ tháng 9/2025 đến tháng 11/2025. Số phiếu phát ra là 598 phiếu, số phiếu thu về và hợp lệ dùng để phân tích là 486 phiếu. Kích thước mẫu cần cho nghiên cứu định lượng phụ thuộc vào nhiều yếu tố như phương pháp xử lý dữ liệu hay độ tin cậy cần thiết. Theo Hair và cộng sự (1998) kích cỡ mẫu phù hợp cho nghiên cứu sử dụng phân tích nhân tố tối thiểu gấp 5 lần tổng số biến quan sát n = 5m (m là số quan sát). Với số quan sát của nghiên cứu là 18, tương ứng với 18 mục hỏi thì kích thước mẫu tối thiểu là 90. Như vậy, xét các yêu cầu sử sụng phân tích nhân tố, số quan sát của nghiên cứu là 486 đảm bảo phù hợp.

4.2. Bảng hỏi và thang đo

Nghiên cứu sử dụng bảng câu hỏi khảo sát được phát triển bằng cách tham khảo lý thuyết sẵn sàng thay đổi của tổ chức do Weiner (2009) đề xuất, với các nghiên cứu tiền nghiệm, kết hợp phỏng vấn chuyên gia (các nhà quản lý và kế toán trong DN). Bảng câu hỏi bao gồm hai phần chính, phần đầu tiên thu thập thông tin nhân khẩu học về người trả lời, phần thứ hai bao gồm các câu hỏi liên quan đến các yếu tố ảnh hưởng đến mức độ sẵn sàng áp dụng công cụ AI trong kế toán tại các DN Hà Nội. Thang đo Likert 5 điểm với 5 mức độ từ thấp (1) đến cao (5), tương ứng với câu trả lời của người được hỏi là  “Hoàn toàn không đồng ý” đến “Hoàn toàn đồng ý” được sử dụng trong nghiên cứu để đo lường các biến số trong nghiên cứu.

Trên cơ sở mô hình nghiên cứu được đề xuất, kế thừa thang đo từ các nghiên cứu tiền nghiệm của Shea và cộng sự (2014), Armenakis và Harris (2002), Holt và cộng sự (2007), tác giả phát triển các thang đo cho phù hợp với ngữ cảnh nghiên cứu áp dụng công cụ AI trong kế toán tại các DN. Bảng hỏi sau đó được thử nghiệm bằng phương pháp phỏng vấn trực tiếp với 9 chuyên gia (3 lãnh đạo quản lý và 6 nhân viên kế toán ) tại 2 DN Hà Nội. Trên cơ sở phản hồi trực tiếp của người được hỏi và các ý kiến thảo luận với họ, tác giả hiệu chỉnh lại bảng hỏi và đưa ra bảng hỏi chính thức, như Bảng 1.

Bảng 1: Bảng hỏi và thang đo

(Nguồn: Tác giả tổng hợp từ SPSS 20.0)

4. Kết quả nghiên cứu

4.1. Phân tích độ tin cậy của thang đo

Hệ số Cronbach alpha được sử dụng để đo tính nhất quán nội bộ của thang đo. Theo Thọ (2011), một thang đo có thể được chấp nhận về độ tin cậy nếu hệ số Cronbach Alpha lớn hơn hoặc bằng 0,6 và hệ số tương quan tổng thể của các biến quan sát lớn hơn 0,4. Kết quả phân tích cho thấy, tất cả các biến đều có hệ số Cronbach Alpha lớn hơn 0,8 (Bảng 2) và hệ số tương quan tổng thể của các biến quan sát lớn hơn 0,4. Do đó, tất cả các thang đo đều được chấp nhận.

Bảng 2: Độ tin cậy thang đo

(Nguồn: Tác giả tổng hợp từ SPSS 20.0)

4.2. Phân tích nhân tố khám phá (EFA)

Phân tích nhân tố khám phá được thực hiện. Kết quả cho thấy, chỉ số Kaiser-Meyer-Olkin (KMO) về tính phù hợp của mẫu là 0,885, cao hơn nhiều so với ngưỡng khuyến nghị là 0,5 khẳng định tính phù hợp của dữ liệu cho phân tích nhân tố. Hơn nữa, kiểm định Bartlett có ý nghĩa thống kê (Sig. = 0,000; p < 0,05), cho thấy các biến quan sát có tương quan đủ mạnh để tiến hành phân tích. Việc kiểm tra các giá trị riêng và tổng phương sai được giải thích cho thấy tất cả các nhân tố được trích xuất đều có giá trị riêng lớn hơn 1. Tổng phương sai được giải thích bởi các nhân tố này là 70,341. Sử dụng phân tích thành phần chính làm phương pháp trích xuất và phép quay Promax, kết quả cho thấy 5 nhóm nhân tố riêng biệt được trích xuất từ ​​các mục đo lường.

4.3. Phân tích nhân tố khẳng định (CFA)

Kết quả của phân tích nhân tố khẳng định cho thấy mô hình phù hợp tốt. Các chỉ số phù hợp cụ thể như sau: Chi-square/df = 2,712 (< 5), TLI = 0,934 (> 0,8), CFI = 0,946 (> 0,8), GFI = 0,93 (> 0,8) và RMSEA = 0,059 (< 0,08). Theo các ngưỡng được đề xuất bởi Hu & Bentler (1999) và Hair và cộng sự (2010), các chỉ số này xác nhận rằng mô hình đo lường là phù hợp (Hình 2).

Hình 2: Phân tích nhân tố khẳng định

(Nguồn: Tác giả tổng hợp từ Amos 20.0)

Phân tích độ tin cậy và tính hợp lệ của mô hình đo lường: Kết quả, được trình bày trong Bảng 3, xác nhận rằng các tiêu chí về độ tin cậy cấu trúc, tính hợp lệ hội tụ và tính hợp lệ phân biệt đã được đáp ứng. Cụ thể, tất cả các giá trị độ tin cậy tổng hợp (CR) đều vượt quá ngưỡng khuyến nghị là 0,7 và tất cả các giá trị phương sai trung bình được trích xuất (AVE) đều trên mức chuẩn 0,5.

Bảng 3: Kết quả tính toán độ tin cậy, tính hợp lệ phân biệt và hội tụ

(Nguồn: Tác giả tổng hợp)

Kết quả phân tích mô hình phương trình cấu trúc (SEM), cho thấy sự phù hợp tốt giữa mô hình nghiên cứu được đề xuất và dữ liệu thực nghiệm. Các giả thuyết liên quan đến các yếu tố ảnh hưởng đến ý định áp dụng công cụ AI đã được kiểm chứng. Các ước tính tham số cho mô hình cấu trúc (Bảng 3), cho thấy tất cả các mối quan hệ được giả thuyết đều có ý nghĩa thống kê (p < .05).

Bảng 4: Kết quả phân tích mối quan hệ giữa các nhân tố

(Nguồn: Tác giả tổng hợp)

5. Kết luận và hàm ý chính sách

Dựa trên mối tương quan và tác động của các yếu tố đến ý định ứng dụng công cụ AI trong kế toán của kế toán viên tại các DN Hà Nội, chúng tôi đề xuất một số khuyến nghị như sau:

Nhân tố nhận thức về lợi ích áp dụng công cụ AI trong kế toán có ảnh hưởng lớn nhất đến mức độ sẵn sàng áp dụng công cụ AI trong kế toán tại các DN Hà Nội, mức độ tác động của nhận thức về lợi ích đến cam kết áp dụng và hiệu quả áp dụng lần lượt có hệ số đã chuẩn hóa là 0.363 và 0.247. Kết hợp phỏng vấn sâu với một số lãnh đạo, chuyên gia kế toán tại các DN Hà nội cho thấy: tại các DN có qui mô nhỏ và siêu nhỏ các nghiệp vụ không phức tạp nên lợi ích của việc áp dụng AI chưa thực sự rõ nét, mặt khác họ còn cho rằng quan hệ chi phí-lợi ích của việc áp dụng cho thấy hiệu quả áp dụng sẽ không cao. Vì vậy các DN Hà Nội cần xây dựng chính sách truyền thông tốt để các thành viên trong tổ chức đều nhận thức được đầy đủ về lợi ích của việc áp dụng công cụ AI khiến cho họ tin tưởng cũng như nỗ lực nhiều hơn để đạt được sự thành công khi thực hiện. Đối với các DN qui mô nhỏ và siêu nhỏ cần xây dựng lộ trình dài hạn cho việc áp dụng.

Về kiến thức áp dụng công cụ AI có ảnh hưởng tích cực thứ 2 đến mức độ sẵn sàng áp dụng công cụ AI trong kế toán. Mức độ tác động của kiến thức áp dụng AI đến cam kết áp dụng và hiệu quả áp dụng lần lượt có hệ số đã chuẩn hóa là 0.203 và 0.126. Phỏng vấn sâu chuyên gia kế toán tại các DN cho thấy 1 số người tỏ ra lo lắng về việc AI sẽ “lấy mất” công việc của mình nên không tích cực học tập, cải thiện kiến thức về AI để áp dụng cho công việc. Các nhân viên trẻ thì cởi mở hơn trong việc tiếp nhận kiến thức về AI trong khi các kế toán viên lớn tuổi thì dè dặt hơn trong việc học tập. Do vậy các DN Hà Nội cần có chính sách đào tạo, nâng cao trình độ cho nhân viên về công cụ AI trong kế toán. Những kiến thức về công cụ AI khiến cho các nhân viên tự tin hơn trước những khó khăn, thử thách để áp dụng có hiệu quả trong công tác kế toán. Bên cạnh đó, các trường đại học có đào tạo về kế toán, Hiệp hội kế toán Việt nam cũng cần đưa vào chương trình giảng dạy nội dung tích hợp các công cụ AI trong kế toán cho sinh viên, kế toán viên.

Nhân tố nhận thức về các nguồn lực sẵn có ảnh hưởng tích cực đáng kể đến mức độ sẵn sàng áp dụng công cụ AI trong kế toán tại các DN Hà Nội. Mức độ tác động của nhận thức về các nguồn lực sẵn có đến cam kết áp dụng và hiệu quả áp dụng lần lượt có hệ số đã chuẩn hóa là 0.175 và 0.123. Thực hiện phỏng vấn sâu với các lãnh đạo và chuyên gia kế toán tại các DN được khảo sát, nhóm tác giả còn phát hiện 1 số DN còn gặp hạn chế về nguồn lực tài chính và vật chất để có thể sẵn sàng áp dụng công cụ AI. Một số DN qui mô nhỏ cho biết họ đang chờ các phần mềm miễn phí có ứng dụng AI để áp dụng. Vì vậy, các DN Hà Nội cần chuẩn bị nguồn lực (vật chất, tài chính, con người) làm cơ sở nền tảng cho việc áp dụng AI trong kế toán được thành công.

Những hạn chế và hướng nghiên cứu tiếp theo

Mô hình nghiên cứu của nhóm tác giả được theo lý thuyết của Weiner (2009) nên mới chỉ tập trung giải quyết các nhân tố về nhận thức ảnh hưởng đến mức độ sẵn sàng áp dụng công cụ AI trong kế toán tại các DN Hà nội. Nghiên cứu tiếp theo cần bổ sung thêm các lý thuyết có liên quan như Lý thuyết về lan tỏa sự đổi mơi (DOI), lý thuyết về mô hình Công nghệ-Môi trường-tổ chức (TOE)…để bổ sung thêm các biến kiểm soát nhằm xây dựng và kiểm định mô hình các nhân tố toàn diện hơn. Mặt khác, các nghiên cứu tiếp theo cần khảo sát trong khoảng thời gian để đánh giá mức độ chuyển biến về nhận thức và các điều kiện sẵn sàng áp dụng công cụ AI trong kế toán tại các doanh nghiệp có phạm vi rộng hơn.