Tác động của AI đến việc tự động hóa quy trình kế toán tại doanh nghiệp vừa và nhỏ

Trong bối cảnh Cách mạng Công nghiệp 4.0, sự hội tụ giữa trí tuệ nhân tạo (AI) và Tự động hóa quy trình bằng robot (RPA) đang tái định hình hệ thống quản trị tài chính. Nghiên cứu này tập trung phân tích tác động của AI đối với việc tự động hóa quy trình kế toán tại các doanh nghiệp vừa và nhỏ (SMEs), nhóm tổ chức vốn gặp nhiều hạn chế về nguồn lực. Bằng phương pháp nghiên cứu định tính kết hợp khảo sát thực tiễn, bài báo chỉ ra rằng việc tích hợp AI vào RPA không chỉ dừng lại ở mức độ tự động hóa các tác vụ lặp lại mà còn nâng cao khả năng xử lý dữ liệu phi cấu trúc, tối ưu hóa quy trình ghi sổ và lập báo cáo tài chính thời gian thực.

Hiện nay, có nhiều kết quả nghiên cứu cho thấy AI giúp các SMEs giảm thiểu đáng kể sai sót con người, tiết kiệm chi phí vận hành và giải phóng kế toán viên khỏi các nghiệp vụ thủ công để tập trung vào vai trò tư vấn chiến lược. Tuy nhiên, nghiên cứu cũng nhận diện các rào cản lớn như chi phí đầu tư ban đầu cao, lo ngại về bảo mật dữ liệu và sự thiếu hụt nhân sự am hiểu cả chuyên môn kế toán lẫn công nghệ. Cuối cùng, bài báo đề xuất một số giải pháp nhằm thúc đẩy lộ trình chuyển đổi số cho các SMEs, nhấn mạnh tầm quan trọng của việc xây dựng khung pháp lý hỗ trợ và đào tạo lại nguồn nhân lực kế toán thích ứng với kỷ nguyên AI.

1. Giới thiệu

Trong kỷ nguyên Cách mạng Công nghiệp 4.0, sự hội tụ giữa AI và RPA đã tạo ra một bước ngoặt chiến lược, tái định hình hệ thống quản trị tài chính toàn cầu. Đối với các SMEs, vốn chiếm tỷ trọng lớn trong nền kinh tế nhưng thường xuyên đối mặt với sự hạn chế về nguồn lực tài chính và nhân sự, việc chuyển đổi số không còn là lựa chọn mà là yêu cầu sống còn để duy trì năng lực cạnh tranh. Thực tế cho thấy, quy trình kế toán tại các SMEs hiện nay vẫn còn nặng tính thủ công, dẫn đến độ trễ trong báo cáo tài chính và rủi ro sai sót cao.

Tính cấp thiết của nghiên cứu này xuất phát từ nhu cầu cấp bách trong việc tìm kiếm một mô hình tự động hóa thông minh (Intelligent Automation), giúp tối ưu hóa chi phí vận hành và nâng cao tính minh bạch cho SMEs. Tuy nhiên, khoảng cách giữa tiềm năng công nghệ và khả năng thực thi tại Việt Nam vẫn còn khá lớn. Do đó, nghiên cứu này được thực hiện nhằm mục tiêu: (1) Phân tích tác động đa chiều của AI đối với hiệu quả vận hành RPA trong kế toán; (2) Nhận diện các rào cản đặc thù mà SMEs gặp phải khi triển khai; và (3) Đề xuất lộ trình ứng dụng AI-RPA phù hợp. Từ đó, giải phóng kế toán viên khỏi các nghiệp vụ lặp lại để chuyển sang vai trò tư vấn chiến lược và đóng góp trực tiếp vào sự phát triển bền vững của doanh nghiệp (DN).

2. Cơ sở lý thuyết và tổng quan nghiên cứu

2.1. Định nghĩa AI và RPA

AI

Trong lĩnh vực kế toán, AI được hiểu là hệ thống máy tính có khả năng thực hiện các tác vụ đòi hỏi trí thông minh của con người như nhận diện mẫu, học máy (Machine Learning), xử lý ngôn ngữ tự nhiên (NLP) và ra quyết định. Theo Kaplan và Haenlein (2019), AI không chỉ là các thuật toán tĩnh mà có khả năng "tự học" từ dữ liệu để cải thiện hiệu suất theo thời gian. Trong kế toán, AI chuyển hóa từ việc ghi chép thuần túy sang phân tích dự báo rủi ro và tối ưu hóa các ước tính kế toán phức tạp.

RPA

RPA là công nghệ phần mềm cho phép cấu hình "robot" mô phỏng hành động của con người trên các giao diện số để thực hiện các quy trình có tính chất lặp lại, dựa trên các quy tắc (rule-based) cố định (Lacity & Willcocks, 2016). Khác với phần mềm kế toán thông thường, RPA có thể tương tác giữa nhiều hệ thống khác nhau (ERP, Excel, Website cơ quan thuế) mà không cần can thiệp vào mã nguồn của các hệ thống đó.

Sự hội tụ AI - RPA (Intelligent Automation)

Đây là điểm mấu chốt của nghiên cứu, khi RPA đóng vai trò là "cánh tay" thực thi các tác vụ lặp lại, AI đóng vai trò là "bộ não" xử lý các ngoại lệ và dữ liệu phi cấu trúc (như hóa đơn viết tay hoặc email). Sự kết hợp này, cho phép tự động hóa hoàn toàn các quy trình phức tạp từ đầu đến cuối (End-to-end).

2.2. Các thuyết nền tảng: Thuyết chấp nhận công nghệ (TAM) và Thuyết phổ biến đổi mới (DOI)

Thuyết chấp nhận công nghệ (Technology Acceptance Model - TAM)

Được giới thiệu bởi Davis (1989), TAM là khung lý thuyết quan trọng nhất để giải thích hành vi sử dụng công nghệ mới. Trong bối cảnh SMEs, sự chấp nhận AI-RPA phụ thuộc vào hai nhân tố chính: Cảm nhận về tính hữu ích (Perceived Usefulness), kế toán viên tin rằng AI sẽ giúp họ lập báo cáo nhanh hơn và chính xác hơn; và Cảm nhận về tính dễ sử dụng (Perceived Ease of Use), nếu giao diện AI quá phức tạp, các SMEs với đội ngũ nhân sự mỏng sẽ có xu hướng từ chối.

Thuyết phổ biến đổi mới (Diffusion of Innovation - DOI)

Rogers (2003) lập luận rằng, việc lan tỏa một đổi mới (như AI) trong một cộng đồng DN phụ thuộc vào 5 đặc tính: Lợi thế tương đối, tính tương thích, độ phức tạp, khả năng dùng thử và khả năng quan sát kết quả. Đối với SMEs, "tính tương thích" với hệ thống kế toán hiện tại và "khả năng dùng thử" (chi phí thấp) là những yếu tố quyết định tốc độ phổ biến của AI trong quản trị tài chính.

2.3. Tổng quan các nghiên cứu trước đây

Các nghiên cứu trên thế giới về tự động hóa kế toán đã trải qua ba làn sóng chính:

Làn sóng thứ nhất (Trước 2015): Tập trung vào việc máy tính hóa các nghiệp vụ đơn giản. Các nghiên cứu của Pathak và cộng sự (2005) chủ yếu thảo luận về hệ thống thông tin kế toán (AIS) và tính bảo mật của dữ liệu điện tử.

Làn sóng thứ hai (2015 - 2020): Tập trung vào hiệu quả của RPA thuần túy. Cooper và cộng sự (2019) nhấn mạnh rằng RPA giúp các công ty kiểm toán lớn (Big 4) giảm 30-50% thời gian kiểm tra chứng từ. Tuy nhiên, các nghiên cứu giai đoạn này chỉ ra rằng RPA sẽ "gãy" khi gặp dữ liệu không đồng nhất.

Làn sóng thứ ba (2020 đến nay): Nghiên cứu về AI và Machine Learning trong kế toán. Kokina và Davenport (2017) đã phân cấp sự tác động của AI vào kế toán theo 4 mức độ: từ tự động hóa cơ bản đến nhận thức bậc cao. Nghiên cứu của Appelbaum và cộng sự (2018) chỉ ra rằng, dữ liệu lớn (Big Data) kết hợp AI sẽ làm thay đổi hoàn toàn bản chất của kiểm toán định kỳ sang kiểm toán liên tục (Continuous Auditing).

Khoảng trống nghiên cứu: Mặc dù các công trình quốc tế đã đi rất xa, nhưng tại các thị trường mới nổi như Việt Nam các nghiên cứu hiện có chủ yếu tập trung vào các tập đoàn lớn. Nghiên cứu về tác động của AI-RPA đặc thù cho khối DN SMEs, nơi có rào cản rất lớn về chi phí và trình độ nhân sự hiện còn rất khiêm tốn. Đây chính là điểm tựa để bài báo này phát triển nội dung thực nghiệm.

Bảng 1: Tóm tắt các nghiên cứu thực nghiệm liên quan đến AI và RPA trong Kế toán

(Nguồn: nghiên cứu của tác giả)

3. Phương pháp nghiên cứu

3.1. Tiếp cận nghiên cứu

Bài báo sử dụng phương pháp nghiên cứu hỗn hợp (Mixed-methods research), kết hợp giữa nghiên cứu định tính và nghiên cứu định lượng nhằm đảm bảo tính toàn diện và sâu sắc trong việc đánh giá tác động của AI-RPA.

Giai đoạn định tính: Được thực hiện nhằm khám phá các khía cạnh mới của AI tích hợp trong RPA mà các lý thuyết truyền thống chưa bao phủ hết. Tác giả tiến hành thảo luận nhóm tiêu điểm (Focus group) và phỏng vấn sâu với các chuyên gia giải pháp phần mềm và các kế toán trưởng có kinh nghiệm trong chuyển đổi số. Kết quả từ giai đoạn này là cơ sở để hiệu chỉnh thang đo cho mô hình nghiên cứu.

Giai đoạn định lượng: Sử dụng mô hình phương trình cấu trúc (SEM) hoặc phân tích hồi quy để kiểm định các giả thuyết về mối quan hệ giữa việc áp dụng AI-RPA và hiệu quả hoạt động của SMEs.

3.2. Quy trình chọn mẫu

Đối tượng khảo sát của nghiên cứu là các nhà quản lý tài chính, kế toán trưởng và kế toán viên đang công tác tại các SMEs trên địa bàn các thành phố lớn như TP. Hồ Chí Minh và Hà Nội, nơi có tốc độ ứng dụng công nghệ nhanh nhất.

Phương pháp chọn mẫu: Nghiên cứu áp dụng phương pháp chọn mẫu phi xác suất theo hạn mức (Quota sampling) kết hợp với phương pháp quả bóng tuyết (Snowball sampling) để tiếp cận những DN đã hoặc đang bắt đầu triển khai các giải pháp tự động hóa.

Kích thước mẫu: Để đảm bảo độ tin cậy cho phân tích dữ liệu, kích thước mẫu dự kiến là $N \ge 5 \times m$ (trong đó $m$ là tổng số biến quan sát). Với bảng câu hỏi dự kiến khoảng 30 quan sát, kích thước mẫu mục tiêu được xác định là ít nhất 200 mẫu hợp lệ.

3.3. Phương pháp thu thập và xử lý dữ liệu

Dữ liệu được thu thập thông qua hai kênh chính:

Dữ liệu sơ cấp: Được thu thập bằng bảng câu hỏi cấu trúc (Survey) gửi qua email và các nền tảng trực tuyến như Google Forms/SurveyMonkey. Bảng câu hỏi được thiết kế dựa trên thang đo Likert 5 mức độ (từ 1: Rất không đồng ý đến 5: Rất đồng ý), tập trung vào các biến số: Cảm nhận tính hữu ích, Cảm nhận tính dễ sử dụng, Rào cản đầu tư và Hiệu quả quy trình kế toán.

Dữ liệu thứ cấp: Tác giả kế thừa các số liệu báo cáo về tình hình chuyển đổi số của các SMEs từ Tổng cục Thống kê và các báo cáo khảo sát của các tổ chức quốc tế như WB, ADB để làm rõ bối cảnh thực tiễn.

Dữ liệu sau khi thu thập sẽ được làm sạch và xử lý bằng phần mềm SPSS 26.0 (để đánh giá độ tin cậy Cronbach’s Alpha và phân tích nhân tố khám phá EFA) và SmartPLS 4.0 (để kiểm định mô hình cấu trúc PLS-SEM). Việc sử dụng PLS-SEM được đánh giá là đặc biệt phù hợp với các nghiên cứu có kích thước mẫu nhỏ hoặc trung bình và các mô hình có tính chất khám phá như ứng dụng công nghệ mới AI trong SMEs.

4. Kết quả nghiên cứu và thảo luận

4.1. Phân tích tác động đa chiều của AI-RPA đối với kế toán tại SMEs

4.1.1. Tác động tích cực

- Nâng cao hiệu suất và giá trị thông tin: Sự kết hợp giữa AI và RPA đã tạo ra một "hệ sinh thái tự động hóa thông minh", giải quyết triệt để những điểm yếu cố hữu của hệ thống kế toán truyền thống tại các DN vừa và nhỏ.

- Tối ưu hóa quy trình xử lý dữ liệu phi cấu trúc: Khác với RPA truyền thống chỉ xử lý được các tệp dữ liệu có cấu trúc (Excel, Database), AI thông qua công nghệ OCR (Nhận dạng ký tự quang học) và NLP (Xử lý ngôn ngữ tự nhiên) cho phép các SMEs tự động hóa việc đọc và phân loại dữ liệu từ hóa đơn giấy, chứng từ viết tay hoặc nội dung email. Điều này giúp giảm tới 80% thời gian nhập liệu thủ công.

- Cải thiện độ chính xác và tính kịp thời: Hệ thống AI-RPA hoạt động 24/7 với tỷ lệ sai sót gần như bằng không đối với các tác vụ lặp lại. Tác động này đặc biệt có ý nghĩa với SMEs trong việc lập báo cáo tài chính thời gian thực (Real-time reporting), giúp nhà quản trị đưa ra quyết định dựa trên dữ liệu cập nhật thay vì chờ đợi đến cuối tháng.

- Tối ưu hóa chi phí vận hành lâu dài: Mặc dù chi phí đầu tư ban đầu là rào cản, nhưng về dài hạn, AI-RPA giúp SMEs tiết kiệm chi phí nhân sự cho các vị trí kế toán sơ cấp, đồng thời giảm thiểu các khoản phạt do sai sót thuế hoặc trễ hạn nộp báo cáo.

4.1.2. Tác động tiêu cực và những rủi ro tiềm ẩn

Bên cạnh các lợi ích, nghiên cứu cũng nhận diện những mặt trái mà SMEs phải đối mặt:

- Rủi ro "Hộp đen" (Black-box risk): Khi các thuật toán AI tự đưa ra quyết định (ví dụ: tự động định khoản các nghiệp vụ phức tạp), kế toán viên đôi khi khó có thể giải trình ngược lại logic của máy tính, dẫn đến rủi ro trong việc kiểm soát tính đúng đắn của nghiệp vụ.

- Sự phụ thuộc vào công nghệ: Các DN quá phụ thuộc vào tự động hóa có thể mất đi khả năng xử lý tình huống khi hệ thống gặp sự cố kỹ thuật hoặc bị tấn công mạng.

4.1.3. Phân tích định lượng hiệu quả vận hành của AI-RPA

- Để làm rõ tác động tích cực của việc tích hợp AI vào quy trình RPA, nghiên cứu tiến hành thực nghiệm so sánh quy trình "Kế toán nợ phải trả" (Accounts Payable) – một trong những quy trình tốn nhiều nguồn lực nhất tại các SMEs.

Bảng 2: So sánh hiệu suất thực hiện quy trình "Phải trả người bán"

(Nguồn: nghiên cứu của tác giả)

4.2. Sự thay đổi vai trò của người hành nghề kế toán trong kỷ nguyên AI

Nghiên cứu khẳng định AI-RPA không thay thế hoàn toàn kế toán viên, mà đang thực hiện một cuộc "tái định nghĩa" vai trò nghề nghiệp:

Từ "Người ghi chép" sang "Người kiểm soát thuật toán"

Vai trò của kế toán viên tại SMEs dịch chuyển từ việc nhập liệu sang thiết lập, giám sát và hiệu chỉnh các quy tắc cho Robot. Kế toán viên trở thành người gác cổng, đảm bảo dữ liệu đầu vào và logic của AI tuân thủ đúng các chuẩn mực kế toán (VAS/IFRS) và quy định thuế hiện hành.

Trở thành đối tác chiến lược (Strategic partner)

Khi các tác vụ thủ công đã được tự động hóa, kế toán viên có nhiều thời gian hơn cho việc phân tích tài chính, quản trị rủi ro và tư vấn cho ban giám đốc. Tại các SMEs, kế toán trưởng giờ đây đóng vai trò như một "nhà phân tích dữ liệu", sử dụng các báo cáo do AI tổng hợp để dự báo dòng tiền và lập kế hoạch kinh doanh.

Yêu cầu về "Năng lực số" (Digital Literacy)

Một kết quả đáng chú ý là sự phân hóa nhân sự. Những kế toán viên chỉ thuần thục kỹ năng ghi chép truyền thống đang đứng trước nguy cơ bị đào thải cao, trong khi những người am hiểu về hệ thống ERP, phân tích dữ liệu và AI lại trở thành tài sản quý giá nhất của DN.

4.3. Các rào cản đối với việc áp dụng AI-RPA tại các SMEs Việt Nam

Qua khảo sát thực tiễn, nghiên cứu nhận diện 4 nhóm rào cản chính ngăn cản sự thâm nhập của AI-RPA vào khối SMEs:

Rào cản tài chính và Chi phí đầu tư: Đây là trở ngại lớn nhất. Chi phí bản quyền phần mềm (Licensing), chi phí thuê chuyên gia tư vấn triển khai và bảo trì hệ thống thường vượt quá khả năng ngân sách của phần lớn các SMEs Việt Nam.

Chất lượng dữ liệu và Hạ tầng công nghệ thông tin: Hệ thống kế toán tại nhiều SMEs còn manh mún, dữ liệu không đồng nhất và chưa được số hóa hoàn toàn. AI không thể phát huy tác dụng nếu dữ liệu đầu vào "rác" (Garbage in, Garbage out).

Rào cản Tâm lý và Văn hóa tổ chức: Một bộ phận không nhỏ kế toán viên và nhà quản lý tại SMEs có tâm lý ngại thay đổi hoặc lo sợ AI sẽ thay thế vị trí công tác của mình. Sự phản kháng ngầm này làm chậm tiến trình chuyển đổi số.

Sự thiếu hụt khung pháp lý: Hiện nay, các quy định về chứng từ điện tử và tính pháp lý của các quyết định do AI thực hiện vẫn còn những khoảng trống, khiến các SMEs e ngại về mặt rủi ro pháp lý khi làm việc với cơ quan thuế hoặc kiểm toán.

4.3.1. Rào cản từ nhận thức của nhà quản trị: Góc nhìn từ người trong cuộc

Để làm rõ hơn về rào cản tâm lý và quản trị, nghiên cứu đã tiến hành phỏng vấn sâu một số kế toán trưởng tại các SMEs đang trong quá trình chuyển đổi số. Kết quả cho thấy, khó khăn lớn nhất không nằm ở kỹ thuật, mà nằm ở khâu thuyết phục cấp quản lý phê duyệt ngân sách cho một công nghệ "vô hình" như AI.

Dưới đây là một số ý kiến điển hình được ghi nhận:

- Về chi phí và hiệu quả tức thời: "Khi tôi đề xuất phương án tích hợp AI vào quy trình đối soát hóa đơn, Ban Giám đốc lập tức hỏi: 'Đầu tư 500 triệu thì tháng sau tiết kiệm được bao nhiêu tiền mặt?'. Rất khó để giải thích rằng AI là khoản đầu tư cho năng suất và giảm thiểu rủi ro pháp lý lâu dài, chứ không phải là khoản cắt giảm chi phí tức thì như việc bớt đi một nhân sự." - (Kế toán trưởng, một DN thương mại tại Quận 1, TP.HCM).

_ Về sự tin tưởng vào công nghệ: "Lãnh đạo của tôi vẫn giữ tư duy 'mắt thấy tay sờ'. Họ tin vào con người hơn là thuật toán. Họ lo ngại rằng nếu Robot làm sai thì ai sẽ chịu trách nhiệm trước cơ quan Thuế? Nỗi sợ mất kiểm soát đối với dữ liệu tài chính là rào cản tâm lý rất lớn khiến các DN SMEs vẫn e dè với AI-RPA." - (Giám đốc tài chính, một công ty sản xuất bao bì tại Bình Dương).

- Về sự mơ hồ của khái niệm AI: "Đa số các giám đốc SMEs coi AI là thứ gì đó xa xỉ dành cho các tập đoàn lớn. Họ cho rằng phần mềm kế toán hiện tại là 'đủ dùng' rồi. Việc chứng minh được giá trị gia tăng của AI trong một bộ máy nhân sự nhỏ gọn là thách thức lớn nhất của tôi khi trình dự án." - (Kế toán trưởng, một DN khởi nghiệp công nghệ).

Thảo luận: Những ý kiến trên phản ánh một thực trạng chung tại Việt Nam, sự lệch pha về nhận thức giữa bộ phận chuyên môn (Kế toán) và bộ phận ra quyết định (ban giám đốc). Trong khi, kế toán viên nhận diện được sự quá tải và rủi ro từ quy trình thủ công, nhà quản trị lại tập trung vào chỉ số ROI (Tỷ suất hoàn vốn) ngắn hạn. Điều này tái khẳng định lý thuyết TAM, nơi "Cảm nhận về tính hữu ích" bị lu mờ bởi "Cảm nhận về rủi ro đầu tư" và "Chi phí cơ hội" trong bối cảnh nguồn lực hạn hẹp của SMEs.

4.3.2. Phân tích định lượng hiệu quả vận hành của AI-RPA

Để làm rõ tác động tích cực của việc tích hợp AI vào quy trình RPA, nghiên cứu tiến hành thực nghiệm so sánh quy trình "Kế toán nợ phải trả" (Accounts Payable) – một trong những quy trình tốn nhiều nguồn lực nhất tại các SMEs.

Phân tích bảng số liệu: Kết quả tại Bảng 2 cho thấy sự khác biệt mang tính đột phá. Với phương pháp truyền thống, một kế toán viên SMEs mất trung bình 15 phút để kiểm tra tính hợp lệ của hóa đơn, đối chiếu với đơn đặt hàng (PO) và nhập liệu vào phần mềm. Trong khi đó, hệ thống AI-RPA chỉ mất 30 giây để hoàn thành toàn bộ chu trình này, bao gồm cả việc tự động phân loại các mục thuế suất phức tạp. Điều này cho thấy, AI-RPA không chỉ giúp tăng năng suất lao động mà còn giúp DN phản ứng nhanh chóng với các khoản nợ đến hạn, tối ưu hóa quản trị dòng tiền.

Đối với các SMEs, bài toán chi phí luôn là ưu tiên hàng đầu. Bảng dưới đây mô phỏng sự dịch chuyển dòng tiền giữa việc duy trì nhân sự thuần túy và đầu tư công nghệ.

Bảng 3: Ước tính chi phí vận hành cho quy trình kế toán trong 3 năm (Đơn vị: Triệu VNĐ)

(Nguồn: nghiên cứu của tác giả)

Thảo luận kết quả: Dữ liệu từ Bảng 3 giải quyết được nỗi lo ngại về "rào cản tài chính" đã nêu ở mục trước. Mặc dù chi phí năm đầu tiên của AI-RPA có thể cao hơn 50% so với lương nhân sự, nhưng điểm hòa vốn (Break-even point) thường xuất hiện vào giữa năm thứ 2. Sau 3 năm, SMEs có thể tiết kiệm được hơn 1/3 chi phí vận hành kế toán, đồng thời sở hữu một hệ thống dữ liệu sạch và chuẩn hóa, sẵn sàng cho các yêu cầu kiểm tra của cơ quan thuế.

4.4. Thảo luận về mối quan hệ Kế toán - Thuế trong môi trường AI

Mối quan hệ giữa kế toán và thuế luôn là một trong những khía cạnh phức tạp nhất trong quản trị DN, đặc biệt là tại các SMEs Việt Nam, nơi sự khác biệt giữa lợi nhuận kế toán và thu nhập chịu thuế thường tạo ra những rủi ro tuân thủ lớn. Trong môi trường AI, mối quan hệ này không còn là sự đối chiếu thủ công rời rạc mà chuyển sang trạng thái tích hợp và kiểm soát thời gian thực.

AI đóng vai trò là "cầu nối thông minh" giúp nhận diện và xử lý các chênh lệch tạm thời và chênh lệch vĩnh viễn một cách tự động. Thông qua các thuật toán học máy, hệ thống có khả năng tự động rà soát sự tương thích giữa hóa đơn điện tử và các điều kiện chi phí được trừ theo Luật Thuế Thu nhập doanh nghiệp hiện hành. Điều này giúp giảm thiểu đáng kể hiện tượng "lệch pha" dữ liệu, nguyên nhân chính dẫn đến các khoản phạt chậm nộp hoặc truy thu thuế.

Tuy nhiên, thảo luận nghiên cứu cũng chỉ ra một thách thức mới: Tính linh hoạt của AI và sự cứng nhắc của các quy định thuế. Trong khi AI có thể tối ưu hóa các ước tính kế toán theo bản chất kinh tế (substance over form), thì cơ quan thuế thường yêu cầu các minh chứng dựa trên hình thức chứng từ chặt chẽ. Sự mâu thuẫn này đặt kế toán viên vào vị trí phải điều chỉnh thuật toán AI sao cho vừa đảm bảo tính trung thực của báo cáo tài chính, vừa thỏa mãn các yêu cầu khắt khe về hành chính thuế.

Kết quả nghiên cứu cho thấy, tại các SMEs áp dụng AI, mối quan hệ Kế toán - Thuế dịch chuyển từ "đối phó hậu kiểm" sang "phòng ngừa tiền kiểm". AI cho phép DN chạy các kịch bản mô phỏng kiểm tra thuế (Tax simulation) dựa trên dữ liệu hiện tại, từ đó phát hiện các rủi ro tiềm ẩn trước khi quyết toán chính thức. Đây chính là điểm cốt lõi, giúp SMEs nâng cao tính tuân thủ và xây dựng uy tín đối với cơ quan quản lý trong kỷ nguyên số.

5. Giải pháp và kiến nghị

Dựa trên các kết quả phân tích về tác động và rào cản của AI-RPA đối với quy trình kế toán, nghiên cứu đề xuất một hệ thống giải pháp đồng bộ nhằm thúc đẩy lộ trình chuyển đổi số cho các DN SMEs tại Việt Nam.

5.1. Lộ trình triển khai AI-RPA tối ưu cho các SMEs

Các SMEs không nên áp dụng AI-RPA một cách dàn trải do hạn chế về nguồn lực. Thay vào đó, cần một lộ trình "tiệm tiến" gồm 4 giai đoạn:

Giai đoạn 1: Đánh giá và Chuẩn hóa (Assessment & Standardization)

Trước khi áp dụng công nghệ, SMEs cần rà soát và chuẩn hóa các quy trình kế toán hiện tại. AI không thể vận hành hiệu quả trên một quy trình hỗn loạn. DN nên ưu tiên chọn các quy trình có tần suất lặp lại cao và ít ngoại lệ, như: Quản lý nợ phải trả, đối soát ngân hàng hoặc nhập liệu hóa đơn đầu vào.

Giai đoạn 2: Triển khai thí điểm (Pilot Project)

SMEs nên lựa chọn các giải pháp AI-RPA dựa trên điện toán đám mây (Cloud-based) để giảm chi phí đầu tư hạ tầng phần cứng ban đầu. Việc triển khai thí điểm trên một quy trình cụ thể (ví dụ: Kế toán thuế) sẽ giúp chứng minh hiệu quả ROI (vốn đầu tư) với ban giám đốc trước khi mở rộng.

Giai đoạn 3: Tích hợp và mở rộng

Sau khi thí điểm thành công, DN tiến hành tích hợp AI-RPA với hệ thống ERP hiện có. Ở giai đoạn này, trọng tâm là việc huấn luyện các mô hình AI để xử lý các dữ liệu phi cấu trúc đặc thù của DN.

Giai đoạn 4: Giám sát và tối ưu hóa

Thiết lập bộ chỉ số KPI để đo lường hiệu quả của Robot và liên tục cập nhật các thuật toán để thích ứng với sự thay đổi của quy định pháp lý.

5.2. Đào tạo và phát triển nguồn nhân lực kế toán thích ứng

Con người vẫn là nhân tố quyết định thành công của công nghệ. Giải pháp trọng tâm bao gồm:

Tái đào tạo kỹ năng (Reskilling): DN cần chủ động tổ chức các khóa đào tạo ngắn hạn về tư duy hệ thống, kỹ năng phân tích dữ liệu và cách thức tương tác với AI cho đội ngũ kế toán hiện tại. Kế toán viên cần chuyển dịch từ "người nhập liệu" sang "người kiểm soát quy trình".

Thay đổi chương trình đào tạo tại các cơ sở giáo dục: Các trường đại học khối kinh tế cần tích hợp các học phần về Kế toán số (Digital Accounting), phân tích dữ liệu và ứng dụng AI vào chương trình giảng dạy. Việc trang bị cho sinh viên kỹ năng sử dụng các công cụ như Python, SQL hoặc các phần mềm RPA (như UiPath, Blue Prism) ngay từ ghế nhà trường là vô cùng cấp thiết.

5.3. Vai trò hỗ trợ của Nhà nước và các tổ chức nghề nghiệp

Để AI-RPA thực sự đi vào đời sống của SMEs, cần có sự tiếp sức từ phía các cơ quan quản lý:

Hoàn thiện hành lang pháp lý: Chính phủ và Bộ Tài chính cần sớm ban hành các hướng dẫn chi tiết về tính pháp lý của chứng từ điện tử được xử lý bởi AI và các tiêu chuẩn bảo mật dữ liệu tài chính. Việc minh bạch hóa các quy định sẽ giúp SMEs yên tâm hơn khi đầu tư công nghệ.

Chính sách ưu đãi tài chính: Cung cấp các gói tín dụng ưu đãi hoặc giảm thuế cho các SMEs thực hiện dự án chuyển đổi số trong lĩnh vực tài chính - kế toán.

Vai trò của các tổ chức nghề nghiệp (VAA, VACPA): Các tổ chức này cần đóng vai trò cầu nối, tổ chức các diễn đàn chia sẻ kinh nghiệm triển khai AI-RPA và xây dựng các bộ tiêu chuẩn kỹ năng số cho kế toán viên tại Việt Nam.

6. Kết luận

Có thể khẳng định, AI-RPA là công cụ đột phá giúp SMEs tối ưu hóa quy trình kế toán, nâng cao năng suất và giảm thiểu rủi ro sai sót. Dù đối mặt với rào cản về chi phí và năng lực nhân sự, việc chuyển đổi số từ "ghi chép" sang "phân tích chiến lược" là lộ trình tất yếu. Để thành công, SMEs cần một chiến lược triển khai tiệm tiến kết hợp với sự hỗ trợ về hành lang pháp lý và đào tạo nguồn nhân lực số thích ứng.