AI Phát Hiện Bất Thường Trong Sổ Nhật Ký Kế Toán: Ứng Dụng Luật Benford Chặn Gian Lận Trước Khóa Sổ

Giới thiệu

Cuối năm là giai đoạn kế toán trưởng và kiểm toán nội bộ phải rà soát lại toàn bộ sổ nhật ký chung (general ledger) trước khi khóa sổ và phát hành báo cáo tài chính. Vấn đề là một doanh nghiệp cỡ vừa có thể phát sinh hàng chục nghìn bút toán mỗi năm — việc dò từng dòng bằng mắt gần như bất khả thi, và các gian lận hoặc sai sót nghiêm trọng thường không nằm ở những bút toán "bình thường" mà ẩn trong số ít giao dịch bất thường: bút toán cuối kỳ giá trị tròn, bút toán ghi ngoài giờ hành chính, bút toán do một tài khoản người dùng hiếm khi thao tác thực hiện.

Đây chính là bài toán mà kỹ thuật "phát hiện bất thường" (anomaly detection) bằng AI giải quyết tốt hơn hẳn phương pháp chọn mẫu ngẫu nhiên truyền thống. Bài viết này trình bày cách ứng dụng AI — kết hợp với một công cụ thống kê đã có từ lâu là Luật Benford — vào quy trình rà soát sổ nhật ký (journal entry testing) mà một phòng kế toán vừa và nhỏ tại Việt Nam có thể triển khai ngay, không cần đầu tư phần mềm kiểm toán chuyên dụng đắt tiền.

Vì sao rà soát thủ công không còn đủ

Theo cách làm truyền thống, kiểm toán viên hoặc kế toán trưởng thường chọn mẫu dựa trên giá trị (ví dụ chỉ xem các bút toán trên 100 triệu đồng) hoặc chọn mẫu ngẫu nhiên theo tỷ lệ phần trăm. Cách này có hai điểm yếu:

Thứ nhất, gian lận sổ sách hiếm khi nằm ở những bút toán giá trị lớn dễ bị chú ý — người thực hiện gian lận thường chia nhỏ giao dịch hoặc chọn mức giá trị "vừa đủ" để né các ngưỡng kiểm soát. Thứ hai, sai sót hệ thống (ví dụ một nhân viên mới liên tục hạch toán sai tài khoản) thường lặp lại ở nhiều bút toán giá trị nhỏ, cộng dồn thành sai lệch đáng kể nhưng lại bị bỏ qua vì mỗi bút toán riêng lẻ không đủ lớn để lọt vào mẫu.

Luật Benford: nền tảng thống kê để phát hiện số liệu "không tự nhiên"

Luật Benford (Benford's Law) là một quy luật toán học chỉ ra rằng trong nhiều tập dữ liệu tự nhiên (doanh thu, chi phí, số dư tài khoản...), chữ số đầu tiên của các con số không phân bố đều mà tuân theo một tỷ lệ có thể dự đoán: số 1 xuất hiện làm chữ số đầu khoảng 30,1% trường hợp, số 2 khoảng 17,6%, giảm dần đến số 9 chỉ khoảng 4,6%. Quy luật này đã được ứng dụng trong kiểm toán từ những năm 1990 và tiếp tục là nền tảng cho các thuật toán phát hiện gian lận báo cáo tài chính hiện nay.

Khi số liệu do con người tự tạo ra hoặc chỉnh sửa (thay vì phát sinh tự nhiên từ giao dịch kinh doanh), phân bố chữ số đầu tiên thường lệch khỏi quy luật Benford một cách có thể đo lường được — đây chính là tín hiệu để AI khoanh vùng các bút toán cần rà soát kỹ hơn, thay vì phải xem toàn bộ.

Điều quan trọng cần lưu ý: lệch khỏi Luật Benford KHÔNG có nghĩa là có gian lận — nó chỉ là một cờ đỏ cảnh báo cần xem xét thêm, tương tự như một chỉ số cảnh báo sớm.

Cách AI kết hợp Luật Benford với journal entry testing

Một quy trình rà soát bất thường bằng AI hiện đại thường kết hợp nhiều lớp phân tích cùng lúc, thay vì chỉ dùng một tiêu chí đơn lẻ:

Lớp 1 — Phân tích phân bố chữ số (Benford testing): AI quét toàn bộ giá trị các bút toán trong kỳ, so sánh phân bố chữ số đầu tiên (và chữ số thứ hai) thực tế với phân bố lý thuyết theo Luật Benford, tính độ lệch (thường dùng chỉ số Mean Absolute Deviation hoặc Chi-square). Các nhóm bút toán có độ lệch cao được đánh dấu ưu tiên rà soát.

Lớp 2 — Phân tích đặc điểm bất thường theo ngữ cảnh nghiệp vụ: đây là phần AI vượt trội hơn hẳn công cụ thống kê thuần túy, vì có thể xử lý đồng thời nhiều biến số:

• Bút toán được ghi ngoài giờ làm việc (sau 20h hoặc cuối tuần)
• Bút toán do tài khoản người dùng ít khi thao tác thực hiện, đặc biệt là tài khoản có quyền quản trị
• Bút toán có giá trị tròn số bất thường (ví dụ đúng 500.000.000đ) lặp lại nhiều lần
• Bút toán ghi vào các tài khoản ít khi được dùng để điều chỉnh (ví dụ tài khoản lợi nhuận chưa phân phối, dự phòng)
• Bút toán phát sinh sát ngày khóa sổ nhưng có mô tả diễn giải mơ hồ, chung chung
• Cặp bút toán ghi rồi đảo ngược trong thời gian ngắn (dấu hiệu "làm đẹp" số liệu cuối kỳ rồi hoàn tác đầu kỳ sau)

Lớp 3 — Chấm điểm rủi ro tổng hợp: AI gộp các tín hiệu ở Lớp 1 và Lớp 2 thành một điểm rủi ro cho từng bút toán, xếp hạng ưu tiên rà soát. Kế toán trưởng chỉ cần tập trung vào top 3-5% bút toán có điểm rủi ro cao nhất thay vì rà soát toàn bộ hoặc chọn mẫu ngẫu nhiên.

Cách triển khai thực tế với công cụ sẵn có

Doanh nghiệp không cần phần mềm audit analytics chuyên dụng (vốn khá đắt) mới áp dụng được cách làm này. Một quy trình khả thi với nguồn lực vừa phải:

1. Xuất dữ liệu sổ nhật ký từ phần mềm kế toán (Misa, Fast, Bravo...) ra Excel/CSV, gồm tối thiểu các cột: ngày ghi sổ, mã tài khoản, số tiền, người tạo bút toán, giờ tạo, diễn giải.

2. Chạy kiểm tra Benford bằng công thức Excel hoặc một script Python đơn giản (tính chữ số đầu tiên của cột số tiền, so sánh tần suất với bảng phân bố Benford chuẩn).

3. Dùng công cụ AI hội thoại (như trợ lý AI có khả năng phân tích dữ liệu) để yêu cầu phân tích thêm các đặc điểm bất thường ở Lớp 2 — mô tả rõ ngữ cảnh nghiệp vụ và các tiêu chí cần cờ đỏ, để AI trả về danh sách bút toán ưu tiên kèm lý do cụ thể.

4. Xác minh thủ công có chọn lọc: với danh sách đã được AI thu hẹp, kế toán/kiểm toán nội bộ đối chiếu chứng từ gốc cho từng bút toán được đánh dấu, thay vì rà soát toàn bộ sổ sách.

5. Ghi lại kết quả rà soát thành hồ sơ làm việc (working paper) — đây cũng là bằng chứng hữu ích khi làm việc với kiểm toán độc lập cuối năm.

Ứng dụng thực tế tại doanh nghiệp Việt Nam

Với đặc thù kế toán Việt Nam, một số điểm cần lưu ý khi áp dụng:

Doanh nghiệp có nhiều chi nhánh/cửa hàng nên chạy kiểm tra Benford riêng cho từng đơn vị hạch toán, vì gộp chung dữ liệu từ nhiều nguồn có quy mô khác nhau có thể làm loãng tín hiệu bất thường.

Với các bút toán điều chỉnh cuối kỳ liên quan đến thuế (phân bổ chi phí trả trước, trích lập dự phòng, điều chỉnh chênh lệch tỷ giá), nên tách riêng nhóm này ra khi phân tích vì bản chất các bút toán này thường có giá trị tính toán theo công thức, dễ tạo lệch phân bố Benford một cách "tự nhiên" mà không phải dấu hiệu gian lận — tránh báo động giả (false positive) làm mất thời gian rà soát.

Kết quả phân tích AI nên được xem là công cụ hỗ trợ ra quyết định, không thay thế xét đoán nghề nghiệp (professional judgement) của kế toán trưởng — mọi bút toán được gắn cờ đỏ vẫn cần đối chiếu chứng từ gốc trước khi kết luận.

Kết luận

Kết hợp Luật Benford — một công cụ thống kê đã được kiểm chứng hàng chục năm — với khả năng phân tích ngữ cảnh đa chiều của AI hiện đại giúp phòng kế toán chuyển từ cách rà soát "chọn mẫu ngẫu nhiên tốn thời gian" sang "rà soát có trọng tâm dựa trên rủi ro". Đây là một trong những ứng dụng AI dễ triển khai nhất trong kế toán vì không đòi hỏi tích hợp hệ thống phức tạp, chỉ cần dữ liệu xuất từ phần mềm kế toán hiện có và một quy trình phân tích rõ ràng. Với mùa khóa sổ cuối năm đang đến gần, đây là thời điểm phù hợp để kế toán trưởng thử áp dụng quy trình này cho ít nhất một kỳ báo cáo, trước khi mở rộng thành quy trình kiểm soát thường xuyên.