Trí tuệ nhân tạo và nghề kế toán trong cuộc cách mạng công nghiệp 4.0

 Tạp chí Khoa học và Công nghệ, Số 46, 2020 
TRÍ TUỆ NHÂN TẠO VÀ NGHỀ KẾ TOÁN TRONG CUỘC CÁCH MẠNG 
 CÔNG NGHIỆP 4.0 
 HỒ THỊ VÂN ANH, PHẠM TÚ ANH 
 Khoa Kế toán – Kiểm toán, Trường Đại học Công nghiệp Thành phố Hồ Chí Minh 
 hothivananh@iuh.edu.vn 
Tóm tắt. Những phát triển gần đây về robot và trí tuệ nhân tạo (AI – Artificial intelligence) cũng như các 
ứng dụng của chúng đã bắt đầu làm thay đổi nhiều khía cạnh trong cuộc sống của chúng ta nói chung, nghề 
kế toán nói riêng. Tuy nhiên, việc áp dụng rộng rãi AI trong kinh doanh và kế toán vẫn còn ở giai đoạn đầu. 
Do những người ủng hộ cuộc cách mạng AI coi sự phát triển này là một bước tiến và sẵn sàng đón nhận 
những thách thức mới trong tương lai, nhưng những người phản đối lại coi đó là một bước lùi vì nhiều kế 
toán viên sẽ không thích nghi được với môi trường kinh doanh mới này và sẽ tụt lại phía sau. Vì vậy, để 
xây dựng tầm nhìn tích cực về tương lai, chúng ta cần phải có sự hiểu biết sâu sắc về cách AI có thể giải 
quyết các vấn đề kế toán và kinh doanh, những thách thức thực tế và các kỹ năng kế toán mới cần thiết để 
làm việc cùng với các hệ thống thông minh này. Bài nghiên cứu nhằm mục đích thảo luận một số tác động, 
và một số xu hướng có thể phát triển trong tương lai đối với nghề kế toán trong bối cảnh AI hiện nay. 
Từ khóa. trí tuệ nhân tạo (AI), nghề kế toán, chuyên gia về trí tuệ nhân tạo (ES) 
 ARTIFICIAL INTELLIGENCE AND ACCOUNTING IN THE FOURTH 
 INDUSTRIAL REVOLUTION 
Abstract. Recent developments in robotics and artificial intelligence (AI) as well as their applications have 
been affecting many aspects both of our lives and of the accounting field. However, the adoption of AI in 
business and accounting field is in an early stage. Although advocates of the AI awares this development 
representing a step forward and embracing new challenges in the future, the opponents reckon them as a 
step backward because many accountants do not adapt to the new business environment and may lag behind. 
Therefore, we should have an insight into the measures AI solving accounting and business problems, 
practical challenges, and necessary accounting skills to work together with these smart systems, achieving 
a more positive viewpoint in future. The paper aims to discuss some impacts of AI on accounting and novel 
trends of future accounting against the backdrop of current AI. 
Keywords. Artificial intelligence (AI), accounting, expert system (ES). 
1 GIỚI THIỆU 
Cuộc sống của nhân loại ngày nay sẽ như thế nào nếu không có sự hỗ trợ của công nghệ, mà cụ thể là các 
giải pháp từ AI. Những chiếc xe tự lái đã trở thành hiện thực. Điện thoại thông minh có thể hiểu lời nói, tự 
hoàn chỉnh câu/đoạn văn trong khi con người soạn thảo văn bản và cung cấp lời khuyên/hướng dẫn bằng 
ngôn ngữ nói cho con người (Makridakis, 2017). Có thể thấy tất cả những tiện ích mà công nghệ đem lại 
cho đời sống con người hôm nay đều nhờ vào những nỗ lực không ngừng của các nhà khoa học máy tính 
đã làm cho công nghệ nói chung, và AI nói riêng trải qua một sự tiến bộ to lớn. Từ Deep Blue, thông qua 
máy tính Watson đến AlphaGo và DeepMind, AI đang được cải thiện nhờ các thuật toán học chuyên sâu 
và khoa học dữ liệu lớn. Những máy tính thế hệ mới nhất này có thể tự dạy cho chính chúng dựa trên 
nguyên tắc “phần mềm viết phần mềm - software writing software” (Parloff, 2016). Trên thực tế, khái niệm 
AI đã xuất hiện từ những năm 1950 nhưng nhiều đột phá công nghệ lại xảy ra sau đó vào những năm 1980 
và 1990. Chính vì thế có rất nhiều định nghĩa liên quan đến thuật ngữ AI, chẳng hạn một trong những định 
nghĩa đầu tiên về AI do giáo sư John McCarthy tại Đại Học Stanford đưa ra năm 1955 “AI là ngành khoa 
học và kỹ thuật của việc tạo ra những chiếc máy thông minh” hoặc theo định nghĩa của Minsky năm 1967 
thì “AI là nghiên cứu về các ý tưởng để giúp máy móc phản ứng tương tự như các phản ứng truyền thống 
từ con người như khả năng suy ngẫm, phán đoán và hoạch định” (Grewal, 2014) hoặc theo Nilsson (2010) 
thì “AI là hoạt động giúp máy móc trở nên thông minh và sự thông minh này là chất lượng cho phép các 
 © 2020 Trường Đại học Công nghiệp thành phố Hồ Chí Minh 
22 TRÍ TUỆ NHÂN TẠO VÀ NGHỀ KẾ TOÁN TRONG CUỘC CÁCH MẠNG 4.0 
doanh nghiệp thực hiện các chức năng một các phù hợp và có tầm nhìn xa trong môi trường hoạt động của 
họ”. Nhìn chung, thuật ngữ AI được áp dụng cho bất kỳ kỹ thuật nào mà cho phép máy tính bắt chước trí 
thông minh của con người, nó bao gồm khả năng giúp máy tự học (machine learning) và khả năng học sâu 
(deep learning) là các tập hợp con của nó (Parloff, 2016). 
Lịch sử của các ứng dụng AI trong lĩnh vực kế toán có thể được bắt nguồn từ những năm 1980. Một số 
nghiên cứu mở rộng đã được thực hiện bởi các học giả và các học viên kế toán về ứng dụng AI trong kiểm 
toán, thuế, kế toán tài chính, kế toán quản trị và lập kế hoạch tài chính cá nhân. Sự phát triển và sử dụng 
các chuyên gia về trí tuệ nhân tạo (Expert system - ES) trong chuyên ngành kế toán có lẽ là lĩnh vực được 
nghiên cứu nhiều nhất (Baldwin, Brown & Trinkle 2006). Hệ thống ES được coi là chương trình phần mềm 
cố gắng tái tạo hành vi và kỹ năng của con người, lưu trữ kiến thức và kinh nghiệm của con người và biến 
nó thành quy tắc để xử lý các vấn đề kế toán cũng như thực hiện một số nhiệm vụ kế toán (Suton, Holt & 
Arnold 2016). Một số hệ thống ES đã được phát triển để phân tích các quy trình ra quyết định dựa trên kế 
toán (O’Leary, 1987). O’Leary (2003) cho rằng, các hệ thống ES đầu tiên không phát huy được các lợi thế 
đúng với tiềm năng của chúng có lẽ bởi vì đặc điểm chung của chúng là chúng được dựa trên logic, các quy 
tắc và cây quyết định. Các hệ thống ES cũ này có thể mắc lỗi lặp lại nhiều lần (Makridakis, 2017) và không 
có khả năng học tập/khắc phục sai sót. Bên cạnh những nỗ lực ban đầu đối với tự động hóa, các kế toán 
viên sẵn sàng nâng cao năng suất và hiệu quả công việc của họ và tạo ra nhiều ...  lực cần thiết có liên quan đến 
các công nghệ thông minh vào công việc đào tạo của mình. Đồng thời, các chương trình đào tạo kế toán 
cần xem xét thận trọng và chuẩn bị đầy đủ nhằm đáp ứng các yêu cầu của thị trường lao động dưới kỷ 
nguyên công nghệ 4.0 để giúp sinh viên tốt nghiệp đạt được sự thành công. 
Các nhà nghiên cứu kế toán cũng gặp nhiều thách thức bởi các vấn đề AI trong lĩnh vực kế toán khi họ phải 
hợp tác với các chuyên gia AI, và thu hẹp khoảng cách hiện có giữa kế toán và AI. Các ứng dụng AI phức 
tạp hơn có thể được phát triển để giải quyết một số vấn đề kế toán hiện hữu. 
Do các rủi ro liên quan đến các ứng dụng AI hiện nay, các cơ quan quản lý kế toán, các hội nghề nghiệp kế 
toán cũng như các văn bản quy phạm pháp luật phải xem xét tác động của các công nghệ mới đối với các 
tiêu chuẩn báo cáo tài chính và tính minh bạch của các dữ liệu đầu ra, xuất phát từ việc áp dụng các mô 
hình machine learning. Một kỳ vọng sẽ là các cơ quan quản lý cần khuyến khích và thúc đẩy việc áp dụng 
các công nghệ thông minh trong thực tiễn kế toán, và hình thành hiểu sự biết sâu sắc về AI và các rủi ro 
liên quan của việc áp dụng AI (ICAEW 2017). 
© 2020 Trường Đại học Công nghiệp thành phố Hồ Chí Minh 
 TRÍ TUỆ NHÂN TẠO VÀ NGHỀ KẾ TOÁN TRONG CUỘC CÁCH MẠNG 4.0 29 
TÀI LIỆU THAM KHẢO 
[1] AACSB International Committee on Accreditation Policy (2014). AACSB International Accounting Accreditation 
Standard A7: Information Technology Skills and Knowledge for Accounting Graduates: An Interpretation. AACSB 
International. 
[2] Abdolmohammadi, M.J. (1987). Decision support and expert systems in auditing: a review and research directions. 
Accounting and Business Research. 173–185. 
[3] ACCA & IMA. (2013). Big data: its power and perils. Viewed 25 April 2018,  
[4] Alles, M., Kogan, A., & Vasarhelyi, M. (2008). Exploiting comparative advantage: a paradigm for value added 
research in accounting information systems. Int. J. Account. Inf. Syst. 9, 202–215. 
[5] Amelia, A.B., Carol, E.B., & Brad, S.T. (2006). Opportunities for artificial intelligence development in the 
accounting domain: the case for auditing. Intelligent systems in accounting, finance and management. Intell. Sys. Acc. 
Fin. Mgmt, 14, 77–86. 
[6] Arnold, V., Clark, N., Collier, P.A., Leech, S.A., & Sutton, S.G. (2004a). Explanation provision and use in an 
intelligent decision aid. Int. J. Intell. Syst. Account. Financ. Manag, 12 (1), 5–27. 
[7] Arnold, V., Clark, N., Collier, P.A., Leech, S.A., & Sutton, S.G. (2006). The differential use and effect of 
knowledge-based system explanations in novice and expert judgment decisions. MIS Q, 30 (1), 79–97. 
[8] Arnold, V., Collier, P.A., Leech, S.A., & Sutton, S.G. (2004b). The impact of intelligent decision aids on 
experienced and novice decision makers' judgments. Account. Finance, 44, 1–26. 
[9] Arnold, V., & Sutton, S.G. (1998). The theory of technology dominance: understanding the impact of intelligent 
decision aids on decision makers' judgments. Adv. Account. Behav. Res, 1, 175–194. 
[10] Baldwin, A.A., Brown, C.E., & Trinkle, B.S. (2006). Opportunities for artificial intelligence development in the 
accounting domain: the case for auditing. Intelligent Systems in Accounting. Finance and management, 14, 77-86. 
[11] Bell, T.B., Bedard, J.C., Johnstone, K.M., & Smith, E.F. (2002). KRisk: a computerized decision aid for client 
acceptance and continuance risk assessments. Auditing: A Journal of Practice and Theory, 21 (2), 97–113. 
[12] Berton L. (1995). Big accounting firms weed out risky clients. The Wall Street Journal, 26, B1, B6. 
[13] Best, P.J., Mohay, G., & Anderson, A. (2004). Machine-independent audit trail analysis—a tool for continuous 
audit assurance. Intelligent Systems in Accounting, Finance and Management, 12 (2), 85–102. 
[14] Brown, C.E., &Coakley, J.R. (2000). Artificial neural networks in accounting and finance: modeling issues. 
International Journal of Intelligent Systems in Accounting, Finance and Management, 9, 119–144. 
[15] Brown, C.E., & Murphy, D.S. (1990). The use of auditing expert systems in public accounting. Journal of 
Information Systems, 63–72. 
[16] Brown, C.E. (1991). Expert systems in public accounting: current practice and future directions. Expert Systems 
with Applications: An International Journal, 3(1), 3–18. 
[17] Brown-Liburd, H., Issa, H., & Lombardi, D. (2015). Behavioral implications of big data's impact on audit 
judgment and decision making and future research directions. Account. Horiz. 29 (2), 451–468. 
[18] Brynjolfsson, E., & McAfee, A. (2011). Race Against the Machine. Digital Frontier Press, Lexington, MA. 
[19] Brynjolfsson, E., & McAfee, A. (2014). The Second Machine Age: Work, Progress, and Prosperity in a Time of 
Brilliant Technologies. W. W. Norton & Company, Inc., New York. 
[20] Chan, D. (2013). The World is Turning Upside Down. Viewed 25 April 2018, 
https://www.cass.city.ac.uk/faculties-and-research/research/cass-knowledge/2013/november/thechallenges-facing-
management-in-a-rapidly-changing-business-environment 
[21] Chartered Global Management Accountants Report (CGMA) (2013). From insight to impact: unlocking 
opportunities in Big Data. Viewed 20 February 2018, 
https://www.cgma.org/content/dam/cgma/resources/reports/downloadabledocuments/frominsight-to-impact-
unlocking-the-opportunities-in-big-data.pdf 
[22] Denna, E.L., Hansen, J.V., & Meservy, R.D. (1991). Development and application of expert systems in audit 
services. IEEE Transactions on Knowledge and Data Engineering, 3 (2), 172–184. 
[23] Dowling, C., Leech, S., & Moroney, R. (2008). Audit support system design and the declarative knowledge of 
long-term users. J. Emerg. Technol. Account, 5 (1), 99–108. 
[24] Eleonora, P., S-T. (2018). How artificial intelligence is challenging accounting profession. Journal of 
International Scientific Publications, ISSN 1314-7242, Volume 12. 
[25] Elliott, R.K. (1992). The third wave breaks on the shores of accounting. Accounting Horizons, 61–85. 
[26] Etheridge, H.L., Sriram, R.S., & Hsu, H.Y.K. (2000). A comparison of selected artificial neural networks that 
help auditors evaluate client financial viability. Decision Sciences, 31 (2), 531–550. 
[27] Frey, C.B., & Osborne, M.A. (2013). The Future of Employment: How Susceptible Are Jobs to computerisation? 
Oxford University, UK 
[28] Gal, G., & Steinbart, P. (1987). Artificial intelligence and research in accounting information systems: 
opportunities and issues. Journal of Information Systems, 54–62. 
 © 2020 Trường Đại học Công nghiệp thành phố Hồ Chí Minh 
30 TRÍ TUỆ NHÂN TẠO VÀ NGHỀ KẾ TOÁN TRONG CUỘC CÁCH MẠNG 4.0 
[29] Gamage, P. (2016). Big Data: Are accounting educators ready? Accounting and Management Information 
Systems, 15 (3), 588-604. 
[30] Gillett, P.R. (1993). Automated dynamic audit programme tailoring: an expert system approach. Auditing: A 
Journal of Practice and Theory 12(2), 173–189. 
[31] Gray, G., Chiu, V., Liu, Q., & Li, P. (2014). The expert systems life cycle in AIS research: what does it mean for 
future AIS research? Int. J. Account. Inf. Syst. 15, 423–451. 
[32] Grewal, P.D.S. (2014) A Critical Conceptual Analysis of Definitions of Artificial Intelligence as Applicable to 
Computer Engineering. IOSR Journal of Computer Engineering, 16, 9-13.https://doi.org/10.9790/0661-16210913 
[33] Hansen, J.V, & Messier, Jr. W.F. (1987). Expert systems in auditing: the state of the art. Auditing: A Journal of 
Practice and Theory, 7(1), 94–105. 
[34] Higginbotham, A. (2013). Deception is futile when big brother's lie detector turns its eyes on you. Wired January 
17. Available at 
[35] Humpherys, S., Moffitt, K., Burns, M., Burgoon, J., Felix, W. (2011). Identification of fraudulent financial 
statements using linguistic credibility analysis. Decis. Support. Syst. 50, 585–594. 
[36] Institute of Chartered Accountants in England and Wales (ICAEW). (2017). Artificial intelligence and the future 
of accountancy, viewed 15 March 2018, https://www.icaew.com/-/media/corporate/files/technical/information-
echnology/technology/artificial-intelligencereport.ashx?la=en 
[37] Institute of Chartered Accountants in England and Wales (ICAEW). (2014). Big Data and analytics – what’s 
new?. Viewed 10 March 2018, https://www.icaew.com/-/media/corporate/archive/files/technical/information-
technology/technology/what-is-new-aboutbig-data-v2.ashx 
[38] Jazaie, R. (2017). Communication Skills for Accountants: Lessons from GGU’s Director of Accounting 
Programs. Viewed 26 April 2018, https://ggubusiness.com/2017/10/12/communication-skills-for-accounting-
presentations/ 
[39] King, E. (2014). London jobs: big drive for big data. Viewed 26 Aprilr 2018, 
https://www.icaew.com/en/archive/groups-and-networks/local-groups-and-societies/londonds/london-
accountant/opinion/jun14-morgan 
[40] Kuhn, J., & Sutton, S.G. (2010). Continuous auditing in ERP system environments: the current state and future 
directions. J. Inf. Syst. 24 (1), 91–112. 
[41] Makridakis, S. (2017). The forthcoming Artificial Intelligence (AI) revolution: Its impact on society and firms. 
Futures, 90, 47-60. 
[42] Mascha, M. (2001). The effect of task complexity and expert system type on the acquisition of procedural 
knowledge: some new evidence. Int. J. Account. Inf. Syst. 2 (2), 103–124. 
[43] Mascha, M., & Smedley, G. (2007). Can computerized decision aids do “damage”? A case for tailoring feedback 
and task complexity based on task experience. Int. J. Account. Inf. Syst. 8 (2), 73–91. 
[44] Masselli, J., Ricketts, R., Arnold, V., & Sutton, S.G. (2002). The impact of embedded intelligent agents on tax 
compliance decisions. J. Am. Tax. Assoc. 1, 60–78. 
[45] McCall, H., Arnold, V., & Sutton, S.G. (2008). Use of knowledge management systems and the impact on 
declarative knowledge acquisition. J. Inf. Syst. 22 (1), 77–101. 
[46] Metaxiotis, K., & Psarras, J. (2003). Expert systems in business: applications and future directions for the 
operations researchers. Industrial Management & Data Systems, 103 (5–6), 361–368. 
[47] Nilsson, Nils J., 1933-2019. (2010). The quest for artificial intelligence: a history of ideas and achievements. 
Cambridge; New York: Cambridge University Press. 
[48] O’Leary, D.E. (2003). Auditor environmental assessments. International Journal of Accounting Information 
Systems, 4, 275-294. 
[49] O’Leary, D.E. (1987). The Use of Artificial Intelligence in Accounting, in BG Silverman (ed.). Expert Systems 
for Business, Addison-Wesley Publishing Company, 83-98. 
[50] Odom, M., & Dorr, P. (1995). The impact of elaboration-based expert system interfaces on de-skilling: an 
epistemological issue. J. Inf. Syst. 9, 1–18. 
[51] O'Leary, D. (2007). Knowledge representation of rules: a note. Intell. Syst. Account. Financ. Manag. 15 (1/2), 
73–84. 
[52] O'Leary, D. (2009). A comparative analysis of the evolution of a taxonomy for best practices: a case for 
“knowledge efficiency”. Intell. Syst. Account. Financ. Manag. 16 (4), 293–309. 
[53] Parloff, R. (2016). Why deep learning is suddenly changing your life. Fortune, 28 September, viewed 3 March 
2018,  
[54] PwC. (2015). Data driven: what students need to succeed in a rapidly changing business world. Available 
at 
[55] Schneider, G., Dai, J., Janvrin, D., Ajayi, K., & Raschke, R. (2015). Infer, predict, and assure: accounting 
opportunities in data analytics. Account. Horiz, 29 (3), 719–742. 
© 2020 Trường Đại học Công nghiệp thành phố Hồ Chí Minh 
 TRÍ TUỆ NHÂN TẠO VÀ NGHỀ KẾ TOÁN TRONG CUỘC CÁCH MẠNG 4.0 31 
[56] Shimamoto, DC. (2018). Why Accountants Must Embrace Machine Learning. viewed 25 April 2018, 
https://www.ifac.org/global-knowledge-gateway/technology/discussion/why-accountants-mustembrace-machine-
learning 
[57] Sin, S., Jones, A., & Wang, Z. (2015). “Critical Thinking in Professional Accounting Practice: Conceptions of 
Employers and Practitioners” in M Davies & R Barnett (ed.). The Palgrave Handbook of Critical Thinking in Higher 
Education, Palgrave MacMillan, 431-456. 
[58] Smedley, G., & Sutton, S.G. (2004). Explanation provision in knowledge-based systems: a theory driven 
approach for knowledge transfer designs. J. Emerg. Technol. Account. 1, 41–61. 
[59] Smedley, G., & Sutton, S.G. (2007). The effect of alternative procedural explanation types on procedural 
knowledge acquisition during knowledge-based systems use. J. Inf. Syst. 21 (1), 27–52. 
[60] Stuart, I., & Prawitt, D. (2012). Firm-level formalization and auditor performance on complex tasks. Behav. Res. 
Account. 24 (2), 193–210. 
[61] Suton, S., Holt, M., & Arnold, V. (2016). The reports of my death are greatly exaggerated – Artificial intelligence 
research in accounting. International Journal of Accounting Information Systems, 22, 60-73. 
[62] Tene, O., & Polonetski, J. (2013). Big Data for All: Privacy and User Control in the Age of Analytics. 
Northwestern Journal of Technology and Intellectual Property, 11 (5), 240-273. 
[63] Thibodeau, J. (2003). The development and transferability of task knowledge. Audit. J. Pract. Theory 22, 47–67. 
[64] Triki, A., & Weisner, M. (2014). Lessons learned from the literature on the theory of technology dominance: 
possibilities for an extended research framework. J. Emerg. Technol. Account. 11 (1), 41–69. 
[65] Vasarhelyi, M., Kogan, A., & Tuttle, B. (2015). Big data in accounting: an overview. Account. Horiz. 29 (2), 
381–396. 
[66] Yang, D.C., & Vasarhelyi, M.A. (1995). The Application of Expert Systems in Accounting. Unpublished working 
paper. 
[67] Zhao, N., Yen, D.C., & Chang, I.C. (2004). Auditing in the e-commerce era. Information Management & 
Computer Security 12 (5), 389–400. 
 Ngày nhận bài: 26/02/2020 
 Ngày chấp nhận đăng: 28/04/2020 
 © 2020 Trường Đại học Công nghiệp thành phố Hồ Chí Minh