Thách thức khi triển khai trí tuệ nhân tạo (AI) trong hệ thống kế toán chính phủ tại các nước đang phát triển

Trong xu thế hiện đại hóa quản trị công, việc tích hợp trí tuệ nhân tạo (AI) vào hệ thống kế toán chính phủ được kỳ vọng sẽ tạo ra bước đột phá về tính minh bạch và hiệu quả điều hành. Tuy nhiên, tại các quốc gia đang phát triển, lộ trình này đối mặt với những thách thức đa chiều và phức tạp. Nghiên cứu này tập trung nhận diện các rào cản cốt lõi, thông qua việc phân tích bối cảnh thể chế và hạ tầng kỹ thuật đặc thù.

Trên thực tế, có một số kết quả nghiên cứu chỉ ra rằng, sự thiếu hụt về khung pháp lý số, hạ tầng dữ liệu rời rạc và hạn chế về ngân sách đầu tư là những trở ngại hàng đầu. Bên cạnh đó, sức cản từ văn hóa hành chính truyền thống và sự khan hiếm nguồn nhân lực kế toán công am hiểu công nghệ cũng gây ra những khó khăn đáng kể trong việc duy trì và vận hành các mô hình AI. Cuối cùng, bài báo đề xuất các giải pháp chiến lược nhằm xây dựng hệ sinh thái kế toán số bền vững, nhấn mạnh vai trò của việc hoàn thiện thể chế và đào tạo lại đội ngũ công chức để thích ứng với kỷ nguyên AI trong khu vực công.

1. Giới thiệu

Trong bối cảnh Cách mạng Công nghiệp 4.0, việc tích hợp AI vào quản trị công không còn là một lựa chọn công nghệ mà đã trở thành một tính tất yếu chiến lược nhằm hiện đại hóa nền hành chính quốc gia. Đối với hệ thống kế toán chính phủ, AI hứa hẹn thay đổi căn bản phương thức kiểm soát ngân sách và quản lý tài chính công, chuyển từ cơ chế hậu kiểm thủ công sang giám sát thông minh và dự báo thời gian thực. Sự chuyển dịch này đóng vai trò then chốt trong việc nâng cao trách nhiệm giải trình và tối ưu hóa hiệu quả sử dụng nguồn lực quốc gia.

Tuy nhiên, tại các quốc gia đang phát triển, lộ trình này diễn ra trong một bối cảnh đầy thách thức và nghịch lý: Một mặt, các chính phủ chịu áp lực lớn về việc minh bạch hóa tài chính để thu hút đầu tư và hỗ trợ quốc tế; Mặt khác, họ phải đối mặt với những rào cản nội tại cố hữu như hạ tầng dữ liệu rời rạc, ngân sách đầu tư hạn hẹp và một hệ thống thể chế chưa kịp thích ứng với các quyết định tự động của thuật toán. Việc triển khai AI trong kế toán chính phủ tại đây không chỉ đơn thuần là bài toán về phần mềm, mà còn là cuộc xung đột giữa công nghệ hiện đại và văn hóa hành chính truyền thống. Nghiên cứu này tập trung nhận diện các thách thức đặc thù đó, nhằm tìm kiếm một lộ trình khả thi để xây dựng hệ sinh thái kế toán công số bền vững.

2. Cơ sở lý thuyết và tổng quan nghiên cứu

2.1. Khái niệm và vai trò của AI trong kế toán chính phủ

AI trong hệ thống kế toán chính phủ không chỉ đơn thuần là việc tự động hóa các tác vụ lặp lại mà là sự chuyển dịch sang quản trị thông minh (Smart Governance). Theo Davenport và Bean (2018), AI trong khu vực công bao gồm các thuật toán có khả năng phân tích các tập dữ liệu khổng lồ về chi tiêu ngân sách để nhận diện các mô hình bất thường, từ đó ngăn ngừa lãng phí và tham nhũng.

Trong kế toán chính phủ, AI được triển khai ở ba cấp độ: (1) Tự động hóa tác vụ (RPA) như nhập liệu và đối soát chứng từ kho bạc; (2) Phân tích nhận thức để dự báo nguồn thu thuế và lập dự toán ngân sách; (3) Tương tác nhận thức thông qua các trợ lý ảo hỗ trợ công dân và công chức trong việc tra cứu các quy định về chi tiêu công. Việc ứng dụng AI giúp thay đổi bản chất của kế toán công từ việc ghi chép lịch sử sang vai trò dự báo và hỗ trợ ra quyết định chiến lược.

2.2. Lý thuyết Thể chế (Institutional Theory)

Theo đó, Lý thuyết Thể chế là nền tảng quan trọng nhất để giải thích tại sao việc triển khai AI trong chính phủ lại gặp nhiều rào cản hơn khu vực tư nhân. Theo DiMaggio và Powell (1983), các tổ chức công thường chịu tác động của ba loại áp lực: áp lực cưỡng chế (từ quy định pháp luật), áp lực bắt chước (theo đuổi xu thế hiện đại) và áp lực quy chuẩn (từ các tiêu chuẩn nghề nghiệp).

Trong bối cảnh các nước đang phát triển, các tổ chức kế toán nhà nước thường rơi vào tình trạng "quán tính thể chế". Các quy tắc hành chính cứng nhắc và hệ thống cấp bậc truyền thống tạo ra một rào cản tự nhiên đối với sự đổi mới. Việc áp dụng AI đòi hỏi sự linh hoạt và thay đổi quy trình vận hành, điều này thường xung đột với cấu trúc thể chế hiện hữu vốn ưu tiên tính tuân thủ hình thức hơn là hiệu quả công nghệ. Do đó, thách thức không chỉ nằm ở kỹ thuật mà là việc làm thế nào để "hợp pháp hóa" các quyết định của AI trong một khuôn khổ pháp lý vốn được xây dựng cho con người.

2.3. Lý thuyết về Sự sẵn sàng kỹ thuật số (Digital Readiness Theory)

Sự sẵn sàng kỹ thuật số là khả năng của một tổ chức (trong trường hợp này là Chính phủ) trong việc chấp nhận và tối ưu hóa lợi ích từ các công nghệ mới. Theo khung lý thuyết của Parasuraman và Colby (2015), sự sẵn sàng này được đo lường qua bốn khía cạnh:

Sự lạc quan (Optimism): Niềm tin của đội ngũ công chức vào lợi ích của AI.

Tính đổi mới (Innovativeness): Mức độ sẵn lòng thử nghiệm các mô hình kiểm soát tài chính mới.

Sự e dè (Discomfort): Nỗi sợ mất kiểm soát dữ liệu hoặc lo ngại về tính bảo mật quốc gia.

Sự không tin tưởng (Insecurity): Sự hoài nghi về độ chính xác và tính khách quan của thuật toán AI.

Hiện nay, tại các nước đang phát triển, chỉ số "e dè" và "không tin tưởng" thường chiếm ưu thế do hạ tầng dữ liệu còn rời rạc và nhân lực kế toán công thiếu các kỹ năng số cần thiết. Một quốc gia chỉ có thể triển khai AI thành công khi đạt được mức độ sẵn sàng cao đồng bộ cả về hạ tầng (Hardware), dữ liệu (Data) và con người (Humanware).

2.4. Tổng quan các nghiên cứu liên quan

Các nghiên cứu của Sun và Medaglia (2019) chỉ ra rằng, rào cản lớn nhất đối với AI trong chính phủ là vấn đề đạo đức và trách nhiệm giải trình của thuật toán. Tại các nước đang phát triển, nghiên cứu của Yoon (2020) nhấn mạnh rằng, "khoảng cách số" (digital divide) giữa các cơ quan chính phủ trung ương và địa phương khiến việc triển khai AI trở nên thiếu đồng bộ, dẫn đến lãng phí ngân sách và rủi ro sai lệch dữ liệu tài chính toàn quốc.

Bảng 1: So sánh đặc thù ứng dụng AI giữa kế toán DN và kế toán Chính phủ

Từ Bảng 1 trên, nghiên cứu nhận thấy rằng, việc áp dụng AI trong kế toán chính phủ tại các nước đang phát triển không thể "sao chép" hoàn toàn từ khu vực tư nhân.

Về tính giải trình: Trong DN, nếu một thuật toán AI mắc lỗi làm giảm lợi nhuận, đó là rủi ro nội bộ. Nhưng trong kế toán công, một thuật toán AI phân bổ ngân sách sai hoặc bỏ sót sai phạm tài chính sẽ dẫn đến hệ lụy chính trị và xã hội nghiêm trọng. Do đó, yêu cầu về AI có thể giải thích được (Explainable AI - XAI) trong khu vực công cao hơn nhiều so với khu vực tư.

Về tính công bằng: AI trong DN có thể ưu tiên phục vụ các khách hàng mang lại lợi nhuận cao. Ngược lại, AI trong kế toán chính phủ phải đảm bảo việc kiểm soát chi tiêu không gây ra sự bất bình đẳng giữa các vùng miền hoặc các đối tượng chính sách.

Về tốc độ thay đổi: Các DN có thể nhanh chóng cập nhật phần mềm AI để theo kịp xu hướng. Trong khi đó, hệ thống kế toán chính phủ phải chờ đợi việc sửa đổi các văn bản quy phạm pháp luật và sự đồng bộ hóa từ trung ương đến địa phương, dẫn đến sự chậm trễ trong việc triển khai thực tế.

Phân tích bối cảnh Việt Nam qua lăng kính Lý thuyết Thể chế

Tại Việt Nam, sự chậm trễ trong việc ban hành và thực thi các nghị định về chứng từ điện tử, chữ ký số và giao dịch tự động so với tốc độ bùng nổ của AI không thuần túy là vấn đề năng lực công nghệ, mà là hệ quả của các áp lực thể chế đặc thù:

Áp lực cưỡng chế (Coercive Pressures) và tâm lý bảo thủ pháp lý: Trong hệ thống kế toán chính phủ, tính tuân thủ là nguyên tắc tối thượng. Lý thuyết Thể chế chỉ ra rằng các tổ chức công có xu hướng duy trì các cấu trúc cũ để đảm bảo tính hợp pháp. Tại Việt Nam, hệ thống pháp luật về kế toán và ngân sách nhà nước vốn được xây dựng dựa trên nền tảng "chứng từ giấy" và "con dấu vật lý". Việc chuyển sang chứng từ điện tử hoàn toàn do AI xử lý tạo ra một khoảng trống pháp lý về trách nhiệm cá nhân. Các cơ quan soạn thảo nghị định thường thận trọng do lo ngại về rủi ro bảo mật dữ liệu quốc gia và khả năng kiểm soát của con người đối với các thuật toán tự động, dẫn đến tình trạng "luật đuổi theo công nghệ".

 Quán tính thể chế và sự thiếu đồng bộ (Institutional Inertia): Cấu trúc hành chính Việt Nam có tính phân cấp mạnh mẽ. Một nghị định về chứng từ điện tử không chỉ liên quan đến Bộ Tài chính mà còn tác động đến Kho bạc Nhà nước, cơ quan Thuế và các đơn vị sử dụng ngân sách. Sự thiếu đồng bộ giữa các cơ quan này tạo ra sức cản đối với việc thay đổi. Khi AI đòi hỏi một quy trình liên thông và chia sẻ dữ liệu mở, nó va chạm trực tiếp với văn hóa "khép kín dữ liệu" của từng đơn vị. Theo lý thuyết thể chế, đây là sự phản kháng của hệ thống để bảo vệ các ranh giới quyền lực hiện hữu.

 Áp lực quy chuẩn và khoảng cách về năng lực số: Các tiêu chuẩn nghề nghiệp kế toán công tại Việt Nam hiện vẫn ưu tiên các kỹ năng kiểm soát truyền thống. Khi các nghị định mới được soạn thảo, chúng thường bị giới hạn bởi năng lực thực thi của đội ngũ công chức hiện tại. Nếu ban hành các quy định quá tiến bộ dựa trên AI trong khi hạ tầng quản trị và trình độ nhân sự chưa tương xứng, sẽ dẫn đến sự mất kết nối trong thực thi. Do đó, các cơ quan quản lý có xu hướng ban hành các quy định theo hướng "dè chừng", ưu tiên các bước trung gian thay vì cho phép tự động hóa hoàn toàn.

 Sự mâu thuẫn giữa "Bản chất" và "Hình thức": Lý thuyết Thể chế giải thích rằng, các tổ chức đôi khi thực hiện chuyển đổi số chỉ để đáp ứng "tính chính đáng" (legitimacy) bên ngoài hơn là hiệu quả bên trong. Tại Việt Nam, nhiều quy định đã cho phép chứng từ điện tử nhưng vẫn yêu cầu in ra giấy để ký đóng dấu và lưu trữ song song. Đây chính là biểu hiện của việc chấp nhận công nghệ về mặt hình thức nhưng vẫn bám giữ thể chế cũ để đảm bảo an toàn về mặt pháp lý.

3. Phương pháp nghiên cứu

3.1. Tiếp cận nghiên cứu

Bài viết này, chúng tôi sử dụng phương pháp tiếp cận hỗn hợp, tập trung vào phân tích định tính dựa trên bằng chứng (Evidence-based qualitative research). Do tính đặc thù của hệ thống kế toán chính phủ thường có độ bảo mật cao và quy trình phức tạp, việc sử dụng các mô hình khảo sát diện rộng đôi khi gặp hạn chế về tính xác thực. Vì vậy, tác giả kết hợp hai phương pháp chủ đạo là Phân tích tổng hợp (Meta-analysis) các báo cáo quốc tế và Phương pháp chuyên gia.

3.2. Phương pháp phân tích tổng hợp (Meta-analysis) các báo cáo quốc tế

Chúng tôi thực hiện rà soát và tổng hợp dữ liệu từ các nguồn tài liệu thứ cấp uy tín trên toàn cầu nhằm xây dựng khung lý thuyết và nhận diện các thách thức phổ biến.

Nguồn dữ liệu: Các báo cáo định kỳ về tình hình quản trị tài chính công (PEFA), các khảo sát về Chính phủ số của Liên Hợp Quốc (UN E-Government Survey), và các công trình nghiên cứu của Ngân hàng Thế giới (WB), Quỹ Tiền tệ Quốc tế (IMF) giai đoạn 2018–2024.

Quy trình phân tích: Dữ liệu được trích xuất và phân loại theo các nhóm biến số: (i) Mức độ sẵn sàng về hạ tầng; (ii) Đặc điểm thể chế pháp lý; và (iii) Năng lực của đội ngũ kế toán công tại các quốc gia có bối cảnh tương đồng với Việt Nam (như các nước khu vực ASEAN và các nền kinh tế đang chuyển đổi). Việc tổng hợp này giúp chúng tôi xây dựng các kịch bản thách thức mang tính dự báo cho các quốc gia đang phát triển.

3.3. Phương pháp chuyên gia (Expert Consultation)

Để kiểm chứng và điều chỉnh các thách thức đã nhận diện từ lý thuyết vào thực tiễn Việt Nam, nghiên cứu sử dụng phương pháp chuyên gia thông qua phỏng vấn sâu (In-depth interview) và kỹ thuật Delphi.

Đối tượng tham vấn: Nhóm chuyên gia bao gồm 10 người, có ít nhất 15 năm kinh nghiệm trong các lĩnh vực: (1) Quản lý ngân sách và kho bạc; (2) Kiểm toán nhà nước; (3) Giảng dạy kế toán công tại các đại học lớn; và (4) Chuyên gia tư vấn giải pháp công nghệ số cho khu vực chính phủ.

Nội dung thảo luận: Tập trung vào việc đánh giá mức độ nghiêm trọng của các rào cản thể chế, tính khả thi của việc tích hợp AI vào hệ thống thông tin quản lý tài chính hiện hành (IFMIS) và các xung đột tiềm ẩn giữa thuật toán AI với các chuẩn mực kế toán công hiện nay.

3.4. Quy trình xử lý dữ liệu

Thông tin từ các báo cáo quốc tế và ý kiến chuyên gia được tổng hợp bằng phương pháp phân tích nội dung (Content Analysis). Tác giả sử dụng kỹ thuật so sánh đối chiếu (Triangulation) để đảm bảo tính khách quan: những thách thức được cả báo cáo quốc tế cảnh báo và chuyên gia thực tiễn tại Việt Nam xác nhận sẽ được ưu tiên phân tích chuyên sâu trong mục Kết quả nghiên cứu. Cách tiếp cận này giúp bài báo không chỉ dừng lại ở lý thuyết suông, mà còn bám sát các "nút thắt" thực tế của quản trị tài chính công tại Việt Nam.

3.5. Sự kết hợp giữa kinh nghiệm quốc tế và thực tiễn địa phương

Việc áp dụng đồng thời phương pháp phân tích tổng hợp (Meta-analysis) và tham vấn chuyên gia tạo ra một cái nhìn đa chiều, giúp bài báo tránh được những nhận định phiến diện. Phân tích tổng hợp cung cấp một "bức tranh toàn cảnh" về các xu hướng và bài học thành công từ những quốc gia đi đầu trong GovTech, từ đó xây dựng các tiêu chuẩn đối sánh (benchmarking) cho các nước đang phát triển. Tuy nhiên, do đặc thù của hệ thống chính trị và quản lý tài chính công tại mỗi quốc gia có sự khác biệt rất lớn, các dữ liệu quốc tế chỉ đóng vai trò là "khung tham chiếu".

Tại các quốc gia đang phát triển như Việt Nam, việc tiếp cận các số liệu thống kê định lượng về mức độ ứng dụng AI trong khu vực công thường gặp nhiều khó khăn do tính bảo mật hoặc do các hệ thống báo cáo số hóa chưa hoàn thiện. Do đó, việc sử dụng phương pháp chuyên gia giúp khắc phục sự khan hiếm của các số liệu thống kê công khai về AI trong khu vực công tại các nước đang phát triển. Thông qua lăng kính của những người trực tiếp vận hành hoặc giám sát hệ thống kế toán nhà nước, các "điểm mờ" về rào cản thực thi – vốn không được ghi chép trong các báo cáo chính thức – sẽ được làm rõ.

Sự giao thoa giữa kinh nghiệm quốc tế (mang tính lý thuyết và tiêu chuẩn) với thực tiễn địa phương (mang tính đặc thù và giải pháp), giúp bài báo xác định được những thách thức cốt yếu nhất. Cách tiếp cận này đảm bảo rằng các kiến nghị chính sách đưa ra ở phần sau không chỉ có cơ sở khoa học vững chắc, mà còn có tính khả thi cao và phù hợp với tiến trình cải cách hành chính công tại Việt Nam hiện nay.

4. Kết quả nghiên cứu và thảo luận

Qua quá trình phân tích tổng hợp các báo cáo từ WB, IMF và tham vấn các chuyên gia đầu ngành, nghiên cứu xác định rằng việc triển khai AI trong kế toán chính phủ tại các quốc gia đang phát triển không phải là một tiến trình kỹ thuật đơn thuần mà là một cuộc cải cách phức tạp, đối mặt với ba nhóm thách thức chiến lược sau:

4.1. Nhóm thách thức về công nghệ và hạ tầng dữ liệu

Đây là rào cản mang tính nền tảng, quyết định khả năng "sống sót" của các mô hình AI trong khu vực công.

Sự rời rạc và thiếu chuẩn hóa của hệ thống thông tin (IFMIS): Tại nhiều nước đang phát triển, hệ thống thông tin quản lý tài chính công (IFMIS) thường được xây dựng phân mảnh qua nhiều thời kỳ, dẫn đến tình trạng "ốc đảo dữ liệu" (Data Silos). AI đòi hỏi nguồn dữ liệu tập trung, sạch và liên thông, nhưng thực tế dữ liệu giữa Kho bạc, Thuế và các đơn vị sử dụng ngân sách thường không đồng nhất về cấu trúc, gây khó khăn cho việc huấn luyện các thuật toán học máy.

Chất lượng dữ liệu và bài toán "Garbage in, Garbage out": Dữ liệu kế toán công tại các quốc gia này vẫn tồn tại tỷ lệ sai sót lớn do nhập liệu thủ công. Khi dữ liệu đầu vào không chính xác, các dự báo của AI về ngân sách hoặc phát hiện gian lận sẽ đưa ra kết quả sai lệch, dẫn đến những quyết định chính sách rủi ro.

An ninh mạng và chủ quyền dữ liệu quốc gia: Việc triển khai AI trên nền tảng đám mây (Cloud) đặt ra thách thức về bảo mật. Các chuyên gia bày tỏ lo ngại về việc lưu trữ dữ liệu tài chính quốc gia trên các máy chủ nước ngoài và nguy cơ tấn công mạng làm tê liệt hệ thống kế toán chính phủ.

4.2. Nhóm thách thức về Thể chế và pháp lý

Dưới lăng kính của lý thuyết thể chế, đây được coi là rào cản khó vượt qua nhất do sự cứng nhắc của bộ máy hành chính công.

Sự thiếu hụt khung pháp lý cho quyết định của AI: Hiện nay, hầu hết các nước đang phát triển vẫn chưa có quy định pháp lý thừa nhận giá trị pháp lý của các quyết định hoặc phê duyệt được thực hiện tự động bởi thuật toán AI. Trong kế toán công, trách nhiệm giải trình cá nhân là tối thượng; nếu AI xảy ra sai sót trong việc phân bổ ngân sách, hệ thống luật pháp hiện hành vẫn chưa xác định được đối tượng chịu trách nhiệm: là người vận hành, nhà phát triển phần mềm hay thủ trưởng đơn vị?

Xung đột giữa tính linh hoạt của AI và tính cứng nhắc của Luật Ngân sách: Các thuật toán AI thường thay đổi và tối ưu hóa theo thời gian, trong khi các quy định về chi tiêu công và định mức tài chính thường rất chặt chẽ và ít khi thay đổi. Sự "lệch pha" này khiến các công chức kế toán e dè trong việc áp dụng AI, vì sợ vi phạm các quy định hiện hành về kiểm soát chi.

Vấn đề đạo đức và minh bạch thuật toán: Có một sự lo ngại về "hộp đen" thuật toán. Các chuyên gia nhấn mạnh rằng, trong khu vực công, mọi đồng tiền thuế chi ra đều phải được giải trình rõ ràng. Nếu AI đưa ra gợi ý cắt giảm hoặc tăng ngân sách mà không giải thích được logic đằng sau, nó sẽ vi phạm nguyên tắc công khai, minh bạch của kế toán chính phủ.

4.3. Nhóm thách thức về con người và văn hóa tổ chức

Như chúng ta đã biết, công nghệ có thể mua được, nhưng năng lực vận hành và văn hóa thích ứng thì cần thời gian dài để xây dựng.

Khoảng cách lớn về kỹ năng số (Digital divide): Đội ngũ kế toán công hiện nay, chủ yếu được đào tạo theo các chuẩn mực kế toán truyền thống, nặng về tuân thủ và kiểm tra chứng từ giấy. Việc thiếu hụt nhân sự am hiểu cả về nghiệp vụ kế toán nhà nước lẫn kỹ năng phân tích dữ liệu/AI là một "khoảng trống" khổng lồ.

Sự phản kháng từ văn hóa hành chính truyền thống: Lý thuyết thể chế chỉ ra rằng, con người có xu hướng bám giữ các quy trình cũ để đảm bảo an toàn. AI mang lại sự minh bạch tuyệt đối, điều này đôi khi vấp phải sự phản kháng ngầm từ một bộ phận cán bộ lo sợ mất đi quyền lực kiểm soát hoặc lo sợ sự minh bạch sẽ làm lộ ra các sai phạm, yếu kém trong quản lý.

Năng lực của nhà lãnh đạo: Chuyển đổi số trong kế toán công cần một tư duy chiến lược từ cấp cao nhất. Tuy nhiên, tại các nước đang phát triển, không ít nhà quản lý vẫn coi AI là một dự án công nghệ thông tin thuần túy thay vì là một cuộc cải cách quản trị toàn diện, dẫn đến việc đầu tư dàn trải, thiếu hiệu quả.

4.4. Thảo luận: Sự tương tác giữa các rào cản

Kết quả nghiên cứu cho thấy các thách thức này không đứng độc lập mà có sự tác động qua lại. Thách thức về thể chế (thiếu hành lang pháp lý) làm gia tăng thách thức về con người (tâm lý lo sợ sai phạm). Ngược lại, hạ tầng công nghệ yếu kém lại là cái cớ để trì hoãn việc cải cách thể chế. Các chuyên gia đồng thuận rằng, nếu không giải quyết được "nút thắt" về pháp lý và đào tạo con người, việc đầu tư vào các hệ thống AI đắt tiền chỉ dẫn đến sự lãng phí ngân sách và tạo ra những hệ thống "đắp chiếu".

4.5. Phân tích định tính về mức độ ảnh hưởng của các rào cản

Dựa trên kết quả tham vấn từ 10 chuyên gia đầu ngành (phương pháp Delphi), nghiên cứu đã tổng hợp và phân loại mức độ tác động của các nhóm thách thức. Kết quả cho thấy, một sự đồng thuận cao về việc các yếu tố phi kỹ thuật mới chính là rào cản lớn nhất.

Biểu đồ 1: Tỷ trọng tác động của các nhóm rào cản (Kết quả khảo sát chuyên gia)

Kết quả này củng cố luận điểm trung tâm của bài báo: Thách thức lớn nhất không nằm ở sức mạnh của thuật toán, mà nằm ở sự sẵn sàng của hệ thống thể chế hành chính công. Khi thể chế chưa sẵn sàng, mọi ưu thế của thuật toán AI đều trở nên vô hiệu trước các quy định hành chính truyền thống.

4.6. Các điểm nghẽn pháp lý cụ thể tại Việt Nam

Để làm rõ hơn thách thức về thể chế, nghiên cứu tổng hợp các "nút thắt" pháp lý thực tế đang gây khó khăn cho việc áp dụng AI trong kế toán chính phủ hiện nay:

Bảng 2: Tóm tắt các điểm nghẽn pháp lý đối với AI trong kế toán công tại Việt Nam

Qua đó thấy rằng, sự tồn tại của các điểm nghẽn này tạo ra một "vòng lặp trì trệ". Vì chưa có luật, các đơn vị công không dám thí điểm AI; vì không có thí điểm, các nhà làm luật lại thiếu cơ sở thực tiễn để ban hành nghị định. Các chuyên gia nhấn mạnh rằng, Việt Nam cần một cơ chế "Sandbox" (Khung quản lý thử nghiệm) trong lĩnh vực kế toán công, cho phép một số đơn vị hoặc địa phương áp dụng AI trong phạm vi hẹp để rút kinh nghiệm trước khi luật hóa toàn diện.

5. Thảo luận và kiến nghị chính sách

5.1. Thảo luận: Bài học kinh nghiệm từ các quốc gia dẫn đầu (Benchmarking)

Để tìm ra lời giải cho các thách thức tại nước đang phát triển, việc soi chiếu với các mô hình thành công như Estonia (quốc gia số hóa hàng đầu) hay Singapore (mô hình Chính phủ thông minh) là vô cùng cần thiết.

Estonia và triết lý "Once-Only": Estonia đã thành công trong việc tích hợp AI vào kế toán công nhờ nguyên tắc dữ liệu chỉ cung cấp một lần. Hệ thống X-Road của họ cho phép AI truy xuất dữ liệu liên thông giữa các bộ ngành một cách tuyệt đối minh bạch. Bài học rút ra là, AI chỉ phát huy tác dụng khi có một xa lộ dữ liệu dùng chung thay vì các hệ thống rời rạc.

Singapore và chiến lược "AI-ready": Chính phủ Singapore không chỉ đầu tư công nghệ mà còn ban hành "Khung quản trị AI mô hình" (Model AI Governance Framework), quy định rõ đạo đức thuật toán và trách nhiệm giải trình. Điều này giúp giải tỏa tâm lý lo ngại về "hộp đen" thuật toán mà các chuyên gia Việt Nam đã đề cập.

Sự khác biệt lớn nhất giữa các quốc gia phát triển và đang phát triển không nằm ở ngân sách, mà là ở tư duy quản trị. Trong khi các nước phát triển coi AI là công cụ để tối ưu hóa sự phục vụ, thì tại các nước đang phát triển, AI thường bị coi là một thách thức đối với hệ thống kiểm soát hành chính sẵn có.

5.2. Kiến nghị chính sách và lộ trình triển khai tại Việt Nam

Dựa trên kết quả nghiên cứu và bài học quốc tế, chúng tôi đề xuất lộ trình 3 giai đoạn để vượt qua các rào cản thể chế và công nghệ:

Giai đoạn 1 - Xây dựng khung pháp lý thử nghiệm (Regulatory Sandbox)

Nhà nước cần ban hành một cơ chế thí điểm cho phép áp dụng AI-RPA trong một số nghiệp vụ kế toán công, cụ thể tại các đơn vị có hạ tầng CNTT tốt (như Kho bạc Nhà nước hoặc một số địa phương trọng điểm).

· Kiến nghị: Cho phép thay thế việc ký tay/đóng dấu bằng xác nhận tự động của hệ thống đối với các nghiệp vụ có tính rủi ro thấp.

· Mục tiêu: Kiểm chứng tính hiệu quả và độ an toàn của thuật toán trước khi luật hóa diện rộng.

Việc thiết lập cơ chế Sandbox là bước đi đột phá giúp các đơn vị kế toán công thí điểm AI trong môi trường kiểm soát, từ đó nhận diện rủi ro pháp lý thực tế trước khi ban hành các nghị định chính thức. Song hành với đó, Kiểm toán thuật toán đại diện cho sự dịch chuyển từ hậu kiểm chứng từ sang kiểm soát tính minh bạch của logic mã nguồn. Thay vì chỉ xác nhận số liệu, kiểm toán viên sẽ thẩm định các tiêu chí đạo đức và tính khách quan của thuật toán AI trong việc phân bổ ngân sách. Cách tiếp cận này giúp giải quyết triệt để bài toán "hộp đen", đảm bảo trách nhiệm giải trình của chính phủ trong kỷ nguyên số. Chính sự kết hợp giữa thử nghiệm linh hoạt và giám sát thuật toán sẽ là chìa khóa để phá vỡ quán tính thể chế hiện nay.

Giai đoạn 2: Chuẩn hóa dữ liệu và hạ tầng tài chính công số

AI không thể hoạt động trên nền tảng dữ liệu "bẩn". Bộ Tài chính cần đẩy nhanh việc hoàn thiện Hệ thống Thông tin quản lý ngân sách và kho bạc (VDB-TABMIS) thế hệ mới theo hướng mở và tích hợp.

· Kiến nghị: Xây dựng danh mục từ điển dữ liệu kế toán nhà nước dùng chung để AI có thể đọc và hiểu dữ liệu từ nhiều nguồn khác nhau.

· Giải pháp: Áp dụng các chuẩn mực kế toán công quốc tế (IPSAS) để tạo sự tương thích dữ liệu toàn cầu, giúp AI dễ dàng phân tích đối chiếu.

Giai đoạn 3: Đào tạo "Công chức số" và Thay đổi văn hóa tổ chức

Cần thực hiện một cuộc cách mạng về nhân sự kế toán công không chỉ dừng lại ở việc bồi dưỡng nghiệp vụ, mà phải thay đổi tư duy quản trị tài chính.

· Kiến nghị: Tích hợp chứng chỉ "Năng lực số cho kế toán công" vào tiêu chuẩn bổ nhiệm kế toán trưởng đơn vị dự toán.

· Giải pháp: Xây dựng các nhóm làm việc liên ngành (Task Force) bao gồm cả chuyên gia kế toán và chuyên gia dữ liệu để giám sát việc vận hành các mô hình AI, đảm bảo tính công bằng và đạo đức trong phân bổ ngân sách.

5.3. Đề xuất mô hình Sandbox tại các đô thị đặc thù (Thí điểm tại TP.HCM/Hà Nội)

Nhóm nghiên cứu chúng tôi đề xuất thực hiện một chương trình thí điểm kéo dài 02 năm tại một số đơn vị kế toán công tiêu biểu thuộc TP.HCM hoặc Hà Nội (ví dụ: Kho bạc Nhà nước cấp quận hoặc một số Sở có quy mô chi ngân sách lớn). Mô hình này tập trung vào các nội dung cốt lõi sau:

Không gian pháp lý giới hạn: Trong thời gian thí điểm, các quy định cứng nhắc về "ký tay, đóng dấu đỏ" trên chứng từ giấy sẽ được tạm đình chỉ đối với các giao dịch nội bộ và thanh toán ngân sách có giá trị thấp hoặc có tính chất lặp lại. Thay vào đó, hệ thống AI-RPA được phép tự động phê duyệt và thực hiện bút toán dựa trên chữ ký số và bằng chứng dữ liệu điện tử.

Vận hành hệ thống "Song mã" (Dual-track System): Để đảm bảo an toàn, trong năm đầu tiên, các đơn vị thí điểm sẽ vận hành song song cả hệ thống cũ (thủ công) và hệ thống AI. AI sẽ thực hiện xử lý trước, sau đó kế toán viên thực hiện đối soát ngẫu nhiên để đánh giá độ chính xác và tính tuân thủ của thuật toán.

Cơ chế "Miễn trừ trách nhiệm có điều kiện": Đây là điểm quan trọng nhất của Sandbox. Các kế toán viên và nhà quản lý tham gia thí điểm sẽ được bảo vệ bằng cơ chế miễn trừ trách nhiệm hành chính nếu xảy ra sai sót kỹ thuật từ phía thuật toán AI, miễn là họ tuân thủ đúng quy trình giám sát đã phê duyệt. Điều này giúp loại bỏ tâm lý "sợ sai" – rào cản lớn nhất của công chức hiện nay.

Giám sát và Đánh giá (Monitoring & Evaluation): Một Hội đồng chuyên gia liên ngành (Tài chính, Luật, Công nghệ) sẽ định kỳ 6 tháng đánh giá kết quả. Nếu mô hình tại TP.HCM/Hà Nội chứng minh được việc giảm thiểu 50% thời gian quyết toán và không phát sinh gian lận, Sandbox sẽ được mở rộng quy mô.

Từ đây có thể thấy việc thí điểm tại các thành phố lớn, giúp tận dụng hạ tầng CNTT sẵn có và đội ngũ nhân sự có trình độ cao. Sau 2 năm, kết quả từ Sandbox sẽ cung cấp bằng chứng thực tiễn quý giá để Chính phủ sửa đổi Luật Kế toán và Luật Ngân sách theo hướng "Số hóa toàn diện", thay vì ban hành các quy định dựa trên suy đoán lý thuyết.

Việc chọn TP.HCM hay Hà Nội làm Sandbox không chỉ vì hạ tầng, mà vì đây là nơi có áp lực chi ngân sách lớn nhất, do đó hiệu quả của AI sẽ được bộc lộ rõ rệt nhất.

5.4. Vai trò của Kiểm toán Nhà nước trong kỷ nguyên AI

Để giải quyết thách thức về trách nhiệm giải trình, Kiểm toán Nhà nước cần chuyển dịch sang mô hình "Kiểm toán thuật toán". Thay vì chỉ kiểm tra chứng từ sau khi sự việc đã xảy ra, cơ quan kiểm toán sẽ kiểm tra chính các "thuật toán" và "logic" mà AI sử dụng để ghi chép kế toán. Đây chính là giải pháp tối ưu, để đảm bảo rằng AI hoạt động minh bạch và tuân thủ pháp luật, từ đó tạo niềm tin cho hệ thống thể chế hành chính công.

6. Kết luận

Từ nghiên cứu này chúng tôi khẳng định rằng, việc tích hợp AI vào hệ thống kế toán chính phủ là một xu thế tất yếu để hiện đại hóa quản trị tài chính công, nhưng đây không đơn thuần là một cuộc nâng cấp công nghệ mà là một cuộc cải cách thể chế sâu rộng. Tại các nước đang phát triển, những rào cản về "quán tính thể chế", hạ tầng dữ liệu rời rạc và tâm lý e dè của đội ngũ công chức đang là những nút thắt lớn nhất, khiến công nghệ chưa thể phát huy tối đa tiềm năng minh bạch hóa ngân sách.

Để vượt qua các thách thức này, nghiên cứu đề xuất một lộ trình tiệm tiến, trọng tâm là việc triển khai cơ chế Sandbox tại các đô thị lớn và chuyển đổi sang mô hình Kiểm toán thuật toán. Việc chủ động xây dựng một hành lang pháp lý linh hoạt và đào tạo thế hệ "công chức số" sẽ là chìa khóa để các quốc gia đang phát triển biến AI thành công cụ đắc lực trong việc nâng cao trách nhiệm giải trình và củng cố niềm tin của công chúng vào hệ thống quản trị tài chính quốc gia.