AI kiểm tra quyết định nội bộ (HĐQT, giám đốc) làm cơ sở chi phí - Kế Toán Tiết Kiệm

AI & Big Data kiểm soát chi phí: Đảm bảo quyết định nội bộ hợp pháp, giảm rủi ro thuế tới 99 %

Giới thiệu (PAS)

Problem – Các doanh nghiệp ngày càng phải đối mặt với áp lực truy thu hàng tỷ đồng chỉ vì một quyết định nội bộ (hội đồng quản trị, giám đốc) chưa được chứng thực đầy đủ. Khi quyết định không có chữ ký, ngày ký, hoặc không khớp với quy định của Thông tư 80/2021 và Nghị định 123/2020, cơ quan thuế dễ dàng phát hiện “chuỗi” hoá đơn giả, chi phí không hợp lệ và áp dụng mức phạt nghiêm khắc.

Agitate – Hệ thống kế toán truyền thống thường dựa vào kiểm tra thủ công, chỉ phát hiện sai sót sau khi được thanh tra. Thời gian phản hồi kéo dài, chi phí pháp lý tăng cao, và danh tiếng công ty bị ảnh hưởng nặng nề. Thêm vào đó, việc đối chiếu hàng nghìn quyết định nội bộ với dữ liệu giao dịch thực tế trong thời gian ngắn là điều gần như không thể.

Solution – Áp dụng AI và Big Data để tự động hoá toàn bộ quy trình: từ trích xuất (ETL) quyết định nội bộ, chuẩn hoá, phát hiện bất thường, đến đánh giá rủi ro và chuẩn bị bằng chứng giải trình. Nhờ các mô hình Machine Learning, NLP, Graph Analytics và KRI, doanh nghiệp có thể phát hiện 99 % các quyết định không hợp lệ trước khi bị thanh tra, giảm thiểu rủi ro truy thu và tối ưu hoá chi phí thuế.

1. Kiến trúc dữ liệu tổng thể cho kiểm tra quyết định nội bộ

1.1 Thu thập dữ liệu quyết định (Board minutes, director resolutions)

Nguồn: Hệ thống quản trị tài liệu (DMS), email, ERP, hệ thống lưu trữ đám mây.
Định dạng: PDF, DOCX, TXT, hình ảnh scan.

1.2 Xây dựng mô hình dữ liệu (Data Lake → Data Warehouse)

Data Lake lưu trữ thô, hỗ trợ schema‑on‑read cho các file không cấu trúc.
Data Warehouse (Star schema) chứa FactDecision và DimEntity, giúp truy vấn nhanh bằng SQL.

1.3 Chuẩn hoá dữ liệu (ETL, chuẩn Mã số quyết định)

Extract: OCR + Tesseract, Transform: chuẩn hoá ngày tháng, chữ ký, mã số quyết định.
Load: Đưa vào bảng DecisionLog với các trường DecisionID, EntityID, DecisionDate, Signatory, DecisionType, DocumentHash.

2. Phát hiện bất thường (Anomaly Detection) trong quyết định nội bộ

2.1 Kỹ thuật Clustering (K‑Means, DBSCAN)

Nhóm các quyết định dựa trên đặc trưng thời gian, chi phí, loại quyết định.
Các cụm outlier thường là quyết định không tuân thủ quy trình.

2.2 Phân tích thời gian (Time‑Series anomalies)

Sử dụng Prophet hoặc LSTM để dự đoán số lượng quyết định hàng tháng.
Deviation > 3σ được đánh dấu là Anomaly Score.

2.3 Đánh giá mức độ rủi ro (Risk Scoring)

RiskScore = w1·AnomalyScore + w2·ComplianceGap + w3·FinancialImpact
Các trọng số w1‑w3 được tối ưu bằng grid search trên tập dữ liệu lịch sử.

3. Machine Learning dự báo sai phạm dựa trên quyết định

3.1 Supervised Learning (Random Forest, XGBoost)

Label: “Có/Không” vi phạm dựa trên kết quả thanh tra thực tế.
Features: thời gian phê duyệt, số lượng chữ ký, mức chi phí, mối quan hệ với nhà cung cấp.

3.2 Feature Engineering cho quyết định

One‑hot cho loại quyết định, hashing cho nội dung văn bản, lag features cho thời gian chênh lệch giữa quyết định và thanh toán.

3.3 Đánh giá mô hình (AUC, F1)

Mô hình đạt AUC = 0.96, F1 = 0.92, giảm False Negative xuống dưới 2 %.

4. NLP phân tích nội dung biên bản thanh tra và quyết định

4.1 Tokenization và Named Entity Recognition (NER)

Sử dụng spaCy + mô hình Vietnamese‑NER để trích xuất Tên công ty, Mã số thuế, Số quyết định.

4.2 Sentiment & Intent detection

BERT‑base‑vietnamese để xác định ý định (phê duyệt, từ chối, điều chỉnh).

4.3 Áp dụng transformer (BERT) cho so sánh nội dung

Cosine similarity giữa biên bản thanh tra và quyết định nội bộ giúp phát hiện độ lệch nội dung > 80 % → Red Flag.

5. Graph Analytics phát hiện mạng lưới quyết định và giao dịch

5.1 Xây dựng đồ thị doanh nghiệp – quyết định

Node: doanh nghiệp, quyết định, nhà cung cấp.
Edge: “phê duyệt”, “mua hàng”, “cung cấp”.

5.2 Community detection (Louvain)

Nhóm các doanh nghiệp có cấu trúc quyết định tương đồng; các cộng đồng độc lập thường là dấu hiệu đánh chặn.

5.3 Phát hiện chuỗi quyết định không hợp lệ

Path analysis: chuỗi quyết định A → B → C trong vòng 7 ngày, chi phí > 5 % doanh thu → High‑Risk Path.

6. Định lượng rủi ro bằng KRI và Tax Risk Score

6.1 Công thức tính Tax Risk Score

Giải thích:
– AnomalyScore: mức độ bất thường của quyết định (0‑1).
– ComplianceGap: tỷ lệ thiếu chữ ký, ngày ký không hợp lệ.
– FinancialImpact: chi phí liên quan (triệu đồng).
– α, β, γ là trọng số được điều chỉnh theo chính sách thuế hiện hành.

6.2 So sánh KRI trước và sau AI

KRI	Trước AI (đơn vị %)	Sau AI (đơn vị %)	Giảm (%)
MissingSignature	12.4	2.1	83 %
DateMismatch	9.8	1.5	85 %
UnapprovedCost	15.6	3.2	79 %
HighAnomalyScore	7.3	0.9	88 %

6.3 Dashboard trực quan

Heatmap hiển thị TaxRiskScore theo phòng ban.
Slicer thời gian, loại quyết định, mức chi phí.

7. Bảng so sánh hiệu quả trước và sau AI

Chỉ tiêu	Trước AI	Sau AI	Tăng/giảm
Tỷ lệ phát hiện sai sót	68 %	97 %	+29 pt
Thời gian đối chiếu (giờ)	240 h/ tháng	32 h/ tháng	-87 %
Giá trị thuế rủi ro được cứu vãn (tỷ VNĐ)	0.8	4.5	+462 %
Chi phí pháp lý (tỷ VNĐ)	1.2	0.3	-75 %

8. Quy trình 12 bước từ ETL tới báo cáo rủi ro

┌─────────────────────┐
│ 1. Thu thập tài liệu │
└───────┬─────────────┘
        ▼
┌─────────────────────┐
│ 2. OCR & Text‑Extract│
└───────┬─────────────┘
        ▼
┌─────────────────────┐
│ 3. Chuẩn hoá dữ liệu │
└───────┬─────────────┘
        ▼
┌─────────────────────┐
│ 4. Lưu vào Data Lake│
└───────┬─────────────┘
        ▼
┌─────────────────────┐
│ 5. ETL → Data Warehouse│
└───────┬─────────────┘
        ▼
┌─────────────────────┐
│ 6. Feature Engineering│
└───────┬─────────────┘
        ▼
┌─────────────────────┐
│ 7. Áp dụng Clustering│
└───────┬─────────────┘
        ▼
┌─────────────────────┐
│ 8. Dự báo bằng ML   │
└───────┬─────────────┘
        ▼
┌─────────────────────┐
│ 9. NLP so sánh nội dung│
└───────┬─────────────┘
        ▼
┌─────────────────────┐
│10. Graph Analytics  │
└───────┬─────────────┘
        ▼
┌─────────────────────┐
│11. Tính TaxRiskScore│
└───────┬─────────────┘
        ▼
┌─────────────────────┐
│12. Báo cáo rủi ro   │
└─────────────────────┘

9. Checklist “Red Flags” không thể bỏ qua

[ ] Thiếu chữ ký của Giám đốc hoặc Thành viên Hội đồng.
[ ] Ngày ký không khớp với ngày giao dịch (±3 ngày).
[ ] Mã số quyết định trùng lặp hoặc không tồn tại trong hệ thống.
[ ] Chi phí vượt quá 10 % doanh thu tháng.
[ ] Nội dung quyết định không liên quan tới mục đích chi phí.
[ ] Định dạng tài liệu không chuẩn (PDF không thể OCR).
[ ] Đối tượng quyết định không phải nhà cung cấp đã đăng ký.

10. Danh sách 18 rủi ro dữ liệu thường gặp

Chênh lệch tờ khai và sao kê ngân hàng.
Không khớp giữa Hải quan và sổ kế toán.
Hóa đơn bán hàng bỏ trốn trong chuỗi cung ứng.
Ghi nhận chi phí không có quyết định.
Duplicate invoices trong cùng kỳ.
Late posting của quyết định chi phí.
Sử dụng đơn vị tiền tệ không thống nhất.
Thông tin địa chỉ nhà cung cấp sai lệch.
Mã số thuế nhà cung cấp không hợp lệ.
Không có chứng từ kèm theo cho chi phí quảng cáo.
Chi phí nhân sự không có hợp đồng lao động.
Ghi nhận khấu hao không dựa trên tài sản thực tế.
Chi phí trả trước vượt quá 6 tháng.
Thuế GTGT không được khấu trừ đúng thời hạn.
Báo cáo tài chính không phản ánh đầy đủ quyết định nội bộ.
Sử dụng phần mềm kế toán không được cấp phép.
Mất mát dữ liệu do backup không đầy đủ.
Thiếu log audit cho các thay đổi quyết định.

11. Case Study: Doanh nghiệp A giảm truy thu 1,2 tỷ đồng

“Trước khi triển khai giải pháp AI của Serimi, chúng tôi đã bị thanh tra và phải trả thêm 1,2 tỷ đồng vì một quyết định chi phí không có chữ ký. Sau 3 tháng áp dụng mô hình phát hiện bất thường, hệ thống đã tự động cảnh báo 27 quyết định tiềm ẩn, chúng tôi kịp thời bổ sung chữ ký và giảm thiểu truy thu xuống còn 0,05 tỷ đồng.” – Giám đốc Tài chính, Công ty XYZ

12. Kết luận và giới thiệu Serimi App

Việc đảm bảo quyết định nội bộ đầy đủ, hợp pháp không còn là gánh nặng thủ công mà có thể được tự động hoá bằng AI & Big Data. Các bước từ trích xuất dữ liệu, phát hiện bất thường, dự báo sai phạm, đến chuẩn bị bằng chứng giải trình giúp doanh nghiệp:

Giảm rủi ro truy thu lên tới 99 %.
Tiết kiệm thời gian kiểm tra từ hàng trăm giờ xuống dưới 30 giờ mỗi tháng.
Nâng cao độ tin cậy của báo cáo tài chính và đáp ứng nhanh chóng các yêu cầu thanh tra.

Serimi App là nền tảng tích hợp toàn bộ quy trình trên, hỗ trợ Kế toán trưởng, CFO, Giám đốc thuế trong việc giám sát, cảnh báo và chuẩn bị hồ sơ thanh tra một cách thông minh.

👉 Liên hệ ngay để trải nghiệm bản demo và nhận báo cáo rủi ro chi phí miễn phí: sales@serimi.com