Trí tuệ nhân tạo và dữ liệu lớn mở hướng đi mới cho quản trị tài chính

Hội thảo khoa học “Trí tuệ nhân tạo và dữ liệu lớn trong quản trị tài chính”.

Ngày 5/11, tại Hà Nội, Học viện Tài chính tổ chức Hội thảo khoa học “Trí tuệ nhân tạo và dữ liệu lớn trong quản trị tài chính”. Hội thảo tạo diễn đàn trao đổi giữa các nhà khoa học, chuyên gia và giảng viên về xu hướng ứng dụng công nghệ trong hoạt động tài chính, đồng thời thảo luận những giải pháp nâng cao hiệu quả quản trị trong bối cảnh chuyển đổi số.

Chuyển từ quản trị theo kinh nghiệm sang quản trị dựa trên dữ liệu

Phát biểu khai mạc hội thảo, PGS.TS. Nguyễn Mạnh Thiều, Phó Giám đốc Học viện Tài chính nhấn mạnh, AI và Big Data đang trở thành những động lực trực tiếp làm thay đổi phương thức sản xuất, kinh doanh và quản lý. Trong lĩnh vực tài chính, các công nghệ này mở ra khả năng thu thập, xử lý và phân tích thông tin với tốc độ, quy mô ngày càng lớn.

Theo PGS.TS. Nguyễn Mạnh Thiều, sự phát triển của công nghệ đang thúc đẩy quá trình chuyển đổi từ mô hình quản trị tài chính dựa chủ yếu vào kinh nghiệm sang mô hình quản trị dựa trên dữ liệu. Các quyết định đầu tư, tín dụng, kiểm soát rủi ro và điều hành ngân sách ngày càng có thêm sự hỗ trợ của những công cụ phân tích, dự báo hiện đại.

Xu hướng này diễn ra trên nhiều lĩnh vực, từ hoạt động tài chính doanh nghiệp, ngân hàng, thị trường chứng khoán đến quản lý tài chính công. Việc ứng dụng AI và dữ liệu lớn được kỳ vọng nâng cao chất lượng thông tin phục vụ điều hành, hỗ trợ phát hiện sớm những biến động bất thường, cải thiện khả năng dự báo và tăng tính chủ động trong quản trị rủi ro.

Đây cũng là hướng đi phù hợp với tinh thần Nghị quyết số 57-NQ/TW của Bộ Chính trị về đột phá phát triển khoa học, công nghệ, đổi mới sáng tạo và chuyển đổi số quốc gia. Trong lĩnh vực tài chính, quá trình chuyển đổi số đang được thúc đẩy thông qua xây dựng cơ sở dữ liệu, phát triển hạ tầng công nghệ và ứng dụng các giải pháp số trong quản lý thuế, hải quan, kho bạc, giám sát thị trường.

PGS.TS. Nguyễn Mạnh Thiều, Phó Giám đốc Học viện Tài chính phát biểu khai mạc Hội thảo.

Tuy nhiên, cùng với cơ hội nâng cao hiệu quả quản trị, việc ứng dụng công nghệ mới cũng đặt ra những yêu cầu ngày càng cao về chất lượng dữ liệu, an toàn thông tin, bảo vệ quyền riêng tư và trách nhiệm giải trình. Đặc biệt, tính minh bạch, khả năng giải thích kết quả của các mô hình AI là những vấn đề cần được quan tâm khi công nghệ tham gia hỗ trợ các quyết định tài chính.

Từ thực tiễn đó, lãnh đạo Học viện Tài chính cho rằng hoạt động nghiên cứu khoa học cần gắn chặt hơn với yêu cầu quản lý và thực tiễn vận hành của doanh nghiệp. Việc kết nối nghiên cứu, chính sách, công nghệ và quản trị tài chính có ý nghĩa quan trọng trong xác định những mô hình ứng dụng phù hợp, đồng thời tạo cơ sở đổi mới chương trình đào tạo nhân lực tài chính trong kỷ nguyên số.

Theo Ban Tổ chức, hội thảo nhận được hơn 80 bài viết của các nhà khoa học, giảng viên, nghiên cứu sinh, học viên và sinh viên trong và ngoài Học viện. Qua phản biện độc lập, nhiều công trình được lựa chọn đăng trong kỷ yếu, phản ánh sự quan tâm ngày càng lớn của giới nghiên cứu đối với ứng dụng AI và dữ liệu lớn trong quản trị tài chính.

Các nghiên cứu tiếp cận chủ đề dưới nhiều góc độ, từ cơ sở lý luận, mô hình công nghệ đến khả năng ứng dụng trong hoạt động doanh nghiệp và cơ quan quản lý. Đáng chú ý, nhiều công trình tập trung vào các bài toán thực tiễn như phân tích thông tin tài chính, dự báo nguy cơ phá sản, nhận diện dấu hiệu gian lận kế toán và xây dựng mô hình quản trị thông minh.

Ứng dụng AI trong dự báo rủi ro và nâng cao hiệu quả quản trị tài chính

Một trong những hướng nghiên cứu được giới thiệu tại hội thảo là ứng dụng GraphRAG trong phân tích và giải thích thông tin tài chính. Đây là kiến trúc kết hợp đồ thị tri thức với mô hình ngôn ngữ lớn, cho phép khai thác đồng thời nội dung văn bản và mối quan hệ giữa các thực thể, qua đó hỗ trợ xử lý những câu hỏi tài chính phức tạp, đòi hỏi tổng hợp thông tin qua nhiều bước.

Các chuyên gia trình bày tham luận tại Hội thảo.

So với phương pháp truy xuất thông tin truyền thống dựa trên mức độ tương đồng ngữ nghĩa, GraphRAG có khả năng liên kết các nguồn dữ liệu và làm rõ mối quan hệ giữa những thông tin được sử dụng. Nghiên cứu đề xuất kiến trúc gồm hệ thống dữ liệu, đồ thị tri thức tài chính, cơ chế truy xuất kết hợp và quản lý nguồn bằng chứng, nhằm nâng cao khả năng giải thích, kiểm chứng kết quả phân tích.

Ở lĩnh vực quản trị rủi ro doanh nghiệp, một nghiên cứu khác tập trung ứng dụng các thuật toán học máy như XGBoost, SVM và Logistic Regression để dự báo nguy cơ phá sản. Kết quả thử nghiệm trên bộ dữ liệu Polish Companies Bankruptcy cho thấy XGBoost đạt kết quả dự báo cao và tương đối đồng nhất theo các thời hạn đánh giá, trong khi Logistic Regression thể hiện khả năng nhận diện các trường hợp rủi ro thông qua chỉ số Recall.

Những kết quả này gợi mở khả năng ứng dụng học máy trong xây dựng hệ thống cảnh báo sớm về sức khỏe tài chính doanh nghiệp. Thông qua phân tích các chỉ tiêu tài chính và nhận diện những yếu tố ảnh hưởng đến nguy cơ mất khả năng thanh toán, công nghệ có thể hỗ trợ nhà quản trị, tổ chức tín dụng và nhà đầu tư đánh giá rủi ro, nâng cao chất lượng quyết định và chủ động xây dựng phương án ứng phó.

Đối với lĩnh vực kế toán, nghiên cứu về ứng dụng mô hình ngôn ngữ lớn trong trích xuất thông tin báo cáo tài chính cũng thu hút sự quan tâm. Công nghệ này được đề xuất nhằm xử lý dữ liệu trong báo cáo, bảng biểu và thuyết minh, kết hợp kiểm tra tính nhất quán của số liệu để nhận diện những dấu hiệu bất thường, hỗ trợ công tác kiểm tra và đánh giá rủi ro sai lệch trọng yếu.

TS. Đặng Quyết Thắng, Trưởng khoa Hệ thống thông tin kinh tế (Học viện Tài chính) trao đổi tại Hội thảo.

Điểm đáng chú ý của mô hình là yêu cầu lưu giữ nguồn chứng cứ, xác định chất lượng dữ liệu và bảo đảm khả năng truy vết thông tin. Các dấu hiệu bất thường do hệ thống phát hiện cần tiếp tục được chuyên gia kế toán, kiểm toán xem xét, đánh giá. Cách tiếp cận này đề cao vai trò giám sát của con người, hạn chế nguy cơ đưa ra kết luận thiếu căn cứ khi ứng dụng AI.

Bên cạnh các ứng dụng chuyên biệt, hội thảo còn đề cập mô hình quản trị tài chính thông minh dựa trên AI và dữ liệu lớn, tham khảo kinh nghiệm quốc tế và đề xuất giải pháp cho doanh nghiệp Việt Nam. Theo hướng nghiên cứu này, doanh nghiệp cần xây dựng chiến lược dữ liệu, phát triển nền tảng công nghệ, nâng cao năng lực nhân sự và hoàn thiện cơ chế quản trị để khai thác hiệu quả các công cụ phân tích hiện đại.

Các nghiên cứu cho thấy tiềm năng ứng dụng AI trong quản trị tài chính khá rộng, song việc triển khai thực tế cần được đánh giá kỹ về điều kiện hạ tầng, chất lượng dữ liệu và khả năng kiểm soát rủi ro. Những mô hình có kết quả thử nghiệm tích cực vẫn cần tiếp tục kiểm chứng trong môi trường vận hành cụ thể, nhất là khi dữ liệu tài chính có tính nhạy cảm và yêu cầu độ chính xác cao.