Ứng Dụng AI Trong Đối Chiếu Công Nợ Và Phát Hiện Gian Lận Kế Toán
Giới thiệu
Cuối mỗi tháng, phần lớn thời gian của bộ phận kế toán công nợ không nằm ở việc ghi nhận hóa đơn mới, mà nằm ở việc dò tìm: khoản nào đã thanh toán nhưng chưa cấn trừ, khoản nào bị trùng, khoản nào có số tiền lệch vài nghìn đồng do làm tròn tỷ giá. Đây là công việc tốn thời gian, dễ sai sót và gần như không tạo thêm giá trị nếu làm thủ công bằng Excel.
Từ năm 2025 trở đi, các công cụ AI (từ ChatGPT, Claude cho đến các phần mềm kế toán tích hợp machine learning) đã đủ trưởng thành để tự động hóa phần lớn công việc đối chiếu công nợ và cảnh báo sớm dấu hiệu gian lận. Bài viết này trình bày một quy trình thực tế, có thể áp dụng ngay tại doanh nghiệp vừa và nhỏ ở Việt Nam, không cần đầu tư hệ thống ERP đắt tiền.
Vì sao đối chiếu công nợ thủ công dễ bỏ sót gian lận
Khi khối lượng giao dịch lớn, kế toán viên thường chỉ kiểm tra theo mẫu (sample-based) thay vì rà soát 100% dữ liệu. Các dạng gian lận phổ biến nhất trong công nợ phải thu và phải trả bao gồm:
- Hóa đơn trùng lặp: cùng một nhà cung cấp gửi hai hóa đơn khác số nhưng cùng nội dung, cùng số tiền, được thanh toán hai lần.
- Khoản thanh toán "ma": chuyển tiền cho tài khoản không khớp với nhà cung cấp đã đăng ký trong hệ thống.
- Điều chỉnh công nợ bất thường: bút toán giảm trừ công nợ không có chứng từ gốc đi kèm, thường xuất hiện cuối kỳ để làm đẹp số liệu.
- Số tiền lệch nhỏ có chủ đích: chia nhỏ giao dịch để tránh ngưỡng phê duyệt.
Theo các nghiên cứu về gian lận tài chính, thuật toán như Random Forest hoạt động hiệu quả trong việc phát hiện các giao dịch bất thường dựa trên nhiều biến số cùng lúc (số tiền, thời gian, tần suất, đối tác), trong khi con người thường chỉ xử lý được một hoặc hai biến số một lúc khi rà soát thủ công. Đây chính là lợi thế cốt lõi của AI: xử lý đa chiều dữ liệu với tốc độ mà con người không thể đạt được.
Quy trình ứng dụng AI vào đối chiếu công nợ
Bước 1: Chuẩn hóa dữ liệu đầu vào
AI chỉ hiệu quả khi dữ liệu sạch. Trước khi đưa vào bất kỳ công cụ nào, cần xuất từ phần mềm kế toán (Misa, Fast, Bravo...) hai bảng:
- Sổ chi tiết công nợ (theo đối tượng, có ngày phát sinh, số hóa đơn, số tiền, hạn thanh toán).
- Sao kê ngân hàng hoặc bảng kê thanh toán thực tế.
Chuẩn hóa định dạng ngày tháng, đơn vị tiền tệ, và loại bỏ khoảng trắng thừa trong tên đối tác — đây là nguyên nhân phổ biến nhất khiến các công cụ đối chiếu tự động báo sai lệch giả (false positive).
Bước 2: Dùng AI để ghép cặp giao dịch (matching)
Thay vì đối chiếu thủ công từng dòng, có thể dùng công thức kết hợp AI/prompt để yêu cầu công cụ:
- Ghép các khoản phải thu với khoản thực thu dựa trên số tiền + tên đối tác + khoảng thời gian gần nhau (không nhất thiết trùng khớp 100%, vì thực tế luôn có sai lệch nhỏ do phí chuyển khoản).
- Đánh dấu các khoản không ghép được cặp — đây chính là danh sách ưu tiên cần kiểm tra trước khi khóa sổ.
- Tự động gợi ý các trường hợp nghi ngờ: hai hóa đơn có số tiền giống hệt nhau trong cùng một tháng, hoặc một nhà cung cấp có tần suất phát sinh bất thường so với các tháng trước.
Ví dụ prompt thực tế có thể dùng với Claude hoặc ChatGPT khi làm việc với file Excel công nợ:
Tôi có 2 bảng: (1) công nợ phải thu theo hóa đơn, (2) sao kê tiền về ngân hàng.
Hãy ghép các giao dịch có số tiền chênh lệch không quá 0.5%, cùng tên khách hàng
(cho phép viết tắt/khác dấu), trong vòng 5 ngày kể từ hạn thanh toán.
Xuất ra 3 danh sách: đã ghép khớp, chưa ghép được, và các cặp nghi ngờ trùng lặp.
Bước 3: Chấm điểm rủi ro tự động
Sau khi có danh sách các khoản bất thường, bước tiếp theo là chấm điểm rủi ro thay vì xử lý cảm tính. Một số tiêu chí thường dùng:
| Tiêu chí | Trọng số gợi ý | Ghi chú |
|---|---|---|
| Khoản quá hạn trên 90 ngày | Cao | Rủi ro mất khả năng thu hồi |
| Thanh toán về tài khoản khác đăng ký | Rất cao | Dấu hiệu gian lận rõ ràng |
| Hóa đơn trùng số tiền, trùng ngày | Cao | Cần đối chiếu chứng từ gốc |
| Điều chỉnh giảm công nợ cuối kỳ, không kèm chứng từ | Rất cao | Ưu tiên kiểm tra đầu tiên |
| Khách hàng/NCC mới phát sinh giao dịch lớn bất thường | Trung bình | Theo dõi thêm kỳ sau |
Việc gán trọng số và tổng hợp thành một bảng scorecard giúp ban giám đốc nhìn được bức tranh tổng thể chỉ trong vài phút, thay vì phải đọc hàng trăm dòng dữ liệu thô.
Bước 4: Sinh báo cáo đối chiếu tự động
Sau khi hoàn tất ghép cặp và chấm điểm, AI có thể hỗ trợ soạn sẵn:
- Bảng đối chiếu công nợ gửi khách hàng/nhà cung cấp xác nhận (dạng thư xác nhận công nợ).
- Báo cáo tóm tắt các khoản bất thường kèm giải trình để trình Kế toán trưởng/Ban Giám đốc.
- Danh sách bút toán đề xuất điều chỉnh (nếu có sai lệch do làm tròn, chênh lệch tỷ giá).
Ứng dụng thực tế tại doanh nghiệp Việt Nam
Với các doanh nghiệp chưa có ngân sách đầu tư phần mềm reconciliation chuyên dụng (Numeric, HighRadius...), cách tiếp cận thực dụng nhất là:
- Xuất dữ liệu công nợ và sao kê ngân hàng ra Excel theo mẫu chuẩn hóa.
- Dùng trợ lý AI (Claude, ChatGPT) với prompt đối chiếu như ví dụ trên để xử lý theo lô hàng tháng.
- Xây dựng một bảng scorecard rủi ro đơn giản trong Excel, cập nhật mỗi kỳ để theo dõi xu hướng (khách hàng nào ngày càng chậm trả, nhà cung cấp nào có dấu hiệu bất thường lặp lại).
- Với các phát hiện có rủi ro cao, luôn yêu cầu đối chiếu lại chứng từ gốc trước khi kết luận — AI hỗ trợ khoanh vùng nghi vấn, quyết định cuối cùng vẫn thuộc về con người.
Một lưu ý quan trọng: dữ liệu công nợ, thông tin khách hàng và số liệu tài chính là dữ liệu nhạy cảm. Khi dùng công cụ AI công cộng để xử lý, doanh nghiệp nên ẩn danh hoặc mã hóa tên khách hàng/nhà cung cấp trước khi đưa vào, hoặc ưu tiên các công cụ có cam kết không dùng dữ liệu để huấn luyện mô hình.
Kết luận
AI không thay thế vai trò thẩm định và ra quyết định của kế toán viên, nhưng nó rút ngắn đáng kể thời gian rà soát dữ liệu và giúp phát hiện sớm các dấu hiệu bất thường mà việc kiểm tra thủ công theo mẫu dễ bỏ sót. Với một quy trình rõ ràng — chuẩn hóa dữ liệu, ghép cặp giao dịch bằng AI, chấm điểm rủi ro, và luôn xác minh lại bằng chứng từ gốc — doanh nghiệp vừa và nhỏ hoàn toàn có thể áp dụng ngay mà không cần đầu tư hệ thống lớn.
Nếu bạn đang phụ trách công nợ tại doanh nghiệp mình, hãy thử áp dụng quy trình 4 bước trên cho kỳ đối chiếu tháng tới và so sánh thời gian xử lý trước và sau khi có sự hỗ trợ của AI.