Khi đưa trí tuệ nhân tạo vào hoạt động tài chính doanh nghiệp, các chuyên gia cho rằng doanh nghiệp không thể chỉ lấy các mô hình AI phổ thông để áp dụng nguyên trạng. Thay vào đó, hệ thống phải được xây dựng theo hướng minh bạch, có thể giải thích, truy vết và đáp ứng được yêu cầu kiểm toán cũng như thẩm định của cơ quan quản lý.

Theo TechRadar ngày 31/3 (giờ địa phương), với các hệ thống thông tin tài chính, CIO và CTO cần thiết kế kiến trúc công nghệ dựa trên ba yêu cầu cốt lõi: minh bạch, cho kết quả nhất quán và có thể giải thích.

Lý do là các công cụ AI tạo sinh về bản chất vận hành theo xác suất, trong khi dữ liệu tài chính đòi hỏi độ chính xác, khả năng kiểm chứng, kiểm soát và trách nhiệm giải trình. Một chatbot “ảo giác” khi làm thơ có thể không gây hậu quả lớn, nhưng nếu tạo sai hồ sơ rủi ro tài chính, vấn đề có thể leo thang thành rủi ro về trách nhiệm pháp lý và quản trị. Trong các cuộc họp hội đồng quản trị hay những đợt kiểm toán gắt gao, lời giải thích kiểu “thuật toán nói vậy” sẽ không được chấp nhận.

TechRadar nhấn mạnh AI tài chính ở cấp doanh nghiệp không thể là một “hộp đen” chỉ đưa ra kết quả cuối cùng. Hệ thống phải cho phép truy ngược căn cứ đưa ra kết luận đến từng giao dịch cụ thể. Khi phát hiện bất thường, tín hiệu rủi ro hoặc ngoại lệ, nền tảng cần chỉ rõ giao dịch nào liên quan, yếu tố nào tác động đến kết quả và logic nào dẫn đến đánh giá đó, đồng thời duy trì đầy đủ dấu vết phục vụ kiểm toán.

Thông tin do AI tạo ra cũng phải được chuyển cho chuyên gia phụ trách để con người đưa ra quyết định cuối cùng. Theo TechRadar, chỉ khi thiết lập được cơ chế phối hợp người - máy, AI mới có thể hỗ trợ năng lực chuyên môn thay vì thay thế con người.

Cách xử lý dữ liệu cũng cần thay đổi. Trước đây, quản trị rủi ro tài chính thường dựa trên việc kiểm tra mẫu ở một phần nhỏ giao dịch, thường dưới 1%, rồi suy rộng cho toàn bộ hệ thống. Tuy nhiên, trong môi trường doanh nghiệp có dữ liệu lớn và dày đặc, cách làm này bị xem là không còn phù hợp. Mục tiêu được đề xuất là xử lý 100% giao dịch ngay trước khi chúng được ghi nhận vào sổ cái tổng hợp.

Để làm được điều đó, doanh nghiệp cần xóa bỏ các “ốc đảo dữ liệu” vốn đang bị chia cắt giữa hệ thống hoạch định nguồn lực doanh nghiệp (ERP), hệ thống quản trị quan hệ khách hàng (CRM) và các cơ sở dữ liệu cũ. Trên nền tảng đó, doanh nghiệp có thể xây dựng một nguồn dữ liệu thống nhất, có kiểm soát.

TechRadar cũng đề xuất sử dụng machine learning để sắp xếp và gắn metadata theo thời gian thực, qua đó giảm bớt gánh nặng xử lý dữ liệu cho các AI agent. Cách tiếp cận này đồng thời giúp doanh nghiệp chuyển từ mô hình báo cáo hậu kiểm sang cơ chế thẩm tra giao dịch liên tục theo thời gian thực.

Về hiệu quả triển khai, lợi ích đầu tiên được nhắc đến là giảm thất thoát EBITDA. Theo TechRadar, những lỗi lặp đi lặp lại như hóa đơn trùng, chênh lệch giá hay không tuân thủ hợp đồng có thể âm thầm bào mòn lợi nhuận. Gartner ước tính mỗi năm doanh nghiệp thất thoát từ 3% đến 8% EBITDA vì rò rỉ và kém hiệu quả. Khảo sát riêng của TechRadar cho thấy hơn 90% CFO đồng tình với ước tính này, trong khi 60% cho rằng AI là yếu tố thiết yếu để ngăn chặn tình trạng đó.

Nếu phát hiện sai sót ngay tại điểm phát sinh bằng hệ thống tự động, doanh nghiệp có thể chặn thất thoát trước khi tiền thực sự được chi ra. Theo TechRadar, điều này cũng giúp bộ phận CNTT chuyển từ vai trò trung tâm chi phí sang một bộ phận trực tiếp tạo ra giá trị.

Dù vậy, hướng triển khai phù hợp vẫn là thí điểm từng bước thay vì thay đổi trên diện rộng ngay lập tức. Thay vì cải tổ toàn bộ bộ phận trong một lần, doanh nghiệp nên bắt đầu ở những khâu lặp lại, có nhiều dữ liệu như đối soát cuối tháng hoặc quản lý khoản phải trả.

Song song với quá trình thử nghiệm, doanh nghiệp cần xác định rõ ai là bên chịu trách nhiệm đối với kết quả do AI tạo ra, đồng thời đặt ra các tiêu chuẩn về chất lượng dữ liệu, bảo mật và khả năng giải thích ngay từ đầu. Nếu nhà cung cấp không thể giải thích cách mô hình đi tới kết luận, giải pháp đó chưa sẵn sàng cho môi trường doanh nghiệp.

Kết lại, TechRadar cho rằng trong cuộc đua ứng dụng AI, điều quan trọng không phải là tốc độ mà là một nền tảng đáng tin cậy. Với lĩnh vực tài chính, niềm tin không phải yếu tố cộng thêm mà là điều cốt lõi của sản phẩm; tăng tốc mà thiếu tính toàn vẹn chỉ khiến doanh nghiệp đi nhanh hơn theo một hướng sai.