AI làm hết việc kế toán cơ bản, kế toán viên trẻ sẽ học nghề bằng cách nào?

Trước đây, một kế toán viên mới có thể mất cả buổi để đối chiếu công nợ, lật từng chứng từ và tìm nguyên nhân chênh lệch. Nếu AI giúp hoàn thành phần lớn thao tác đó trong vài phút, người mới sẽ học được gì từ công việc còn lại?

Hãy hình dung một tình huống giả định. Một bạn kế toán mới nhận bảng công nợ khách hàng vào cuối tháng. Số dư trên sổ khác với số khách hàng xác nhận. Bạn phải mở sổ chi tiết, tìm hóa đơn, kiểm tra khoản thu và hỏi đồng nghiệp phụ trách bán hàng. Sau vài lần đi sai hướng, bạn phát hiện một khoản thanh toán đã được ghi nhận nhầm sang khách hàng khác.

Công việc hoàn thành chậm, nhưng bạn học được nhiều hơn cách dò số. Bạn hiểu rằng tiền về ngân hàng chưa chắc đã được phân bổ đúng công nợ; hai khách hàng có tên gần giống nhau vẫn phải được nhận diện bằng mã; và một bảng số liệu cân đối chưa đủ để khẳng định nghiệp vụ đã đúng.

Bây giờ, nếu hệ thống tự động ghép chứng từ, phát hiện khoản thu bất thường và đề xuất cách xử lý, thời gian làm việc có thể giảm đáng kể. Tuy nhiên, nếu người mới chỉ đọc đề xuất rồi bấm chấp nhận, phần trải nghiệm giúp họ hiểu nghề cũng có thể bị rút ngắn theo.

“AI làm hết việc kế toán cơ bản” vẫn là một giả định để đặt vấn đề. Mức độ tự động hóa phụ thuộc vào công cụ, chất lượng dữ liệu, quy trình và khả năng kiểm soát của từng doanh nghiệp. Nhưng ngay khi AI mới làm thay một phần công việc, câu hỏi về cách đào tạo người mới đã đáng được đặt ra.

Những công việc nhỏ từng là lớp học đầu tiên

Nhập chứng từ, kiểm tra hóa đơn, đối chiếu công nợ hay rà soát số dư thường được xem là công việc cơ bản. Với người đã có kinh nghiệm, chúng có thể lặp lại và mất thời gian. Với người mới, đó lại là cơ hội tiếp xúc với cách doanh nghiệp thực sự vận hành.

Một khoản chênh lệch có thể dẫn người học đi qua cả chuỗi bán hàng, giao hàng, xuất hóa đơn, thu tiền và ghi sổ. Một bộ hồ sơ thiếu chứng từ có thể giúp họ hiểu vì sao phải phối hợp với bộ phận mua hàng hoặc kho. Qua những lần tìm hiểu và được hướng dẫn, họ dần biết con số nào cần hỏi thêm, lời giải thích nào chưa đủ và bằng chứng nào mới có sức thuyết phục.

Dù vậy, làm thủ công nhiều không tự động tạo ra năng lực. Nếu chỉ sao chép dữ liệu và sửa lỗi theo chỉ dẫn mà không được giải thích nguyên nhân, một người có thể làm rất lâu nhưng vẫn hiểu nghề khá nông. Điều có giá trị trong những công việc cơ bản là quá trình quan sát, đặt câu hỏi, kiểm chứng và nhận phản hồi.

Biết đọc câu trả lời chưa đồng nghĩa với biết xét đoán

Xét đoán nghề nghiệp có thể hiểu đơn giản là khả năng đưa ra kết luận phù hợp với tình huống, dựa trên kiến thức, bằng chứng và việc cân nhắc những điểm còn chưa chắc chắn. Đó là lúc người kế toán phải quyết định: dữ liệu này đã đủ đáng tin chưa, cần kiểm tra thêm điều gì và khi nào phải xin ý kiến người có trách nhiệm.

Một báo cáo AI viết rất mạch lạc có thể khiến người mới cảm thấy mình đã hiểu vấn đề. Nhưng khi được hỏi “Vì sao em đồng ý với kết luận này?” hoặc “Nếu thiếu chứng từ đó thì em sẽ xử lý thế nào?”, sự hiểu biết thực sự mới bộc lộ.

ICAEW, trong bài viết ngày 2/4/2026 về vai trò của kế toán viên trẻ trong thời đại AI, cũng đề cập đến sự chuyển dịch sang kiểm chứng kết quả, diễn giải ảnh hưởng tài chính và đặt câu hỏi với các giả định. Bài viết nhấn mạnh rằng nền tảng chuyên môn vẫn cần thiết. Đây là một góc tham khảo cho việc thiết kế lại đào tạo, chứ không có nghĩa người mới có thể lập tức đảm nhận mọi công việc soát xét.

Yêu cầu một người chưa hiểu bản chất nghiệp vụ “kiểm tra lại AI” là một giao việc chưa đầy đủ. Họ cần biết phải kiểm tra theo tiêu chí nào, bằng chứng nằm ở đâu, quyền quyết định đến đâu và trường hợp nào phải chuyển cho kế toán trưởng.

Giữ lại bài học, rút ngắn thao tác

Doanh nghiệp không cần bắt người mới xử lý thủ công toàn bộ dữ liệu chỉ để duy trì cách học cũ. Một hướng phù hợp hơn là chọn những tình huống có giá trị đào tạo, yêu cầu người học tự phân tích trước rồi mới so sánh với kết quả của AI và nhận phản hồi từ người hướng dẫn.

Chẳng hạn, kế toán trưởng có thể chọn một số khoản công nợ đại diện: một khoản thanh toán đúng, một khoản thu một phần, một khoản ghi nhầm đối tượng và một khoản còn thiếu thông tin. Người mới tự giải thích từng trường hợp, chỉ ra chứng từ cần xem và nêu kết luận ban đầu. Sau đó, họ dùng AI hỗ trợ đối chiếu và cùng người hướng dẫn xem vì sao hai cách phân tích giống hoặc khác nhau.

Như vậy, AI giúp giảm phần dò tìm lặp lại, trong khi người học vẫn phải đi qua những bước tư duy cốt lõi. Với dữ liệu khách hàng, doanh nghiệp cần sử dụng công cụ và phạm vi dữ liệu đã được cho phép; bộ tình huống đào tạo có thể được ẩn danh trước khi đưa vào sử dụng.

Một khoản chênh lệch 20 triệu đồng có thể dạy những gì?

Giả sử sổ kế toán ghi khách hàng còn nợ 120 triệu đồng, nhưng khách hàng chỉ xác nhận 100 triệu đồng. AI gợi ý rằng 20 triệu đồng là tiền khách đã chuyển vào cuối tháng, còn doanh nghiệp chưa ghi nhận.

Người mới không nên dừng ở việc thấy con số khớp. Họ cần tìm khoản tiền đó trên sao kê, xác định người chuyển và nội dung thanh toán, kiểm tra thời điểm ghi nhận, rồi đối chiếu xem khoản thu đã được phân bổ ở đâu. Nếu chỉ có một ảnh chụp lệnh chuyển tiền, bằng chứng đã đủ để kết luận tiền thực sự vào tài khoản chưa?

Nếu không tìm thấy khoản thu, vẫn còn những khả năng khác cần xem xét: khách hàng đã cấn trừ một khoản giảm giá, có hàng trả lại chưa được xử lý, hoặc hai bên đang xác nhận ở những thời điểm khác nhau. Những khả năng này là giả thuyết để kiểm tra, không phải lý do để điều chỉnh sổ ngay.

Bài học ở đây là cách đi từ chênh lệch đến giả thuyết, từ giả thuyết đến bằng chứng và từ bằng chứng đến kết luận. Sau khi rà soát, người học có thể ghi một đoạn ngắn: em thấy gì, em đã kiểm tra gì, em kết luận ra sao và còn điều gì chưa xác định được. Người hướng dẫn xem cả quá trình đó, thay vì chỉ chấm một đáp án cuối cùng.

Kế toán trưởng cần trở thành người thiết kế trải nghiệm học nghề

Khi đưa AI vào phòng kế toán, doanh nghiệp thường chú ý đến thời gian tiết kiệm và số lượng chứng từ được xử lý. Với đội ngũ trẻ, cần quan tâm thêm đến việc năng lực có thực sự tiến bộ hay không.

Mỗi tuần, kế toán trưởng có thể chọn một tình huống thực tế đã xử lý xong để trao đổi trong khoảng 30 phút. Người mới trình bày cách hiểu, người hướng dẫn hỏi thêm về căn cứ và giải thích vì sao chấp nhận hoặc bác bỏ từng giả thuyết. Những trường hợp AI bỏ sót, ghép nhầm hay kết luận khi thiếu dữ liệu cũng là chất liệu đào tạo có giá trị, nếu được ghi nhận và giải thích rõ.

Mức độ giao việc cần tăng dần. Ban đầu, người mới quan sát và làm lại một trường hợp mẫu. Tiếp theo, họ tự xử lý tình huống tương tự dưới sự kiểm tra. Khi đã chứng minh được năng lực, họ mới được giao phạm vi rộng hơn. Việc điều chỉnh dữ liệu hoặc chấp nhận kết luận có ảnh hưởng đáng kể vẫn phải tuân theo phân quyền của doanh nghiệp.

Cách đánh giá cũng cần thay đổi. Ngoài tốc độ và độ chính xác, hãy xem người học có giải thích được kết luận, nhận ra bằng chứng còn thiếu, phát hiện một gợi ý AI không phù hợp và biết khi nào cần nhờ hỗ trợ hay không.

Người trẻ có thể dùng AI để học sâu hơn

Với kế toán viên mới, một thói quen hữu ích là tự viết nhận định ngắn trước khi hỏi AI. Chỉ cần nêu vấn đề, nguyên nhân dự kiến và chứng từ cần kiểm tra. Sau đó, dùng AI để gợi ý thêm khả năng, phản biện lập luận hoặc tạo tình huống tương tự để luyện tập. Những giải thích nghiệp vụ vẫn cần đối chiếu với tài liệu phù hợp và người hướng dẫn.

Thay vì chỉ hỏi “Khoản này xử lý thế nào?”, có thể hỏi: “Có những nguyên nhân nào dẫn đến chênh lệch này? Mỗi nguyên nhân cần kiểm tra bằng chứng gì? Thông tin nào còn thiếu để đưa ra kết luận?”. Cách hỏi buộc người học chú ý đến quá trình kiểm chứng.

Một cuốn sổ học nghề cũng có thể trở nên hữu ích hơn khi mỗi ghi chép trả lời được ba điều: mình đã hiểu sai ở đâu, dấu hiệu nào giúp phát hiện và lần sau sẽ kiểm tra sớm hơn như thế nào.

Ai sẽ đào tạo thế hệ kế toán có kinh nghiệm tiếp theo?

AI mở ra cơ hội để người mới tiếp cận kiến thức và xử lý công việc nhanh hơn. Nhưng cơ hội đó cần đi cùng một môi trường cho phép họ suy nghĩ, thử phân tích, được sửa sai và hiểu lý do đằng sau quyết định.

Nếu doanh nghiệp chỉ rút bớt việc cơ bản mà không thiết kế lại cách đào tạo, vài năm sau có thể xuất hiện những người sử dụng công cụ thành thạo nhưng gặp khó khi tình huống nằm ngoài mẫu quen thuộc. Ngược lại, nếu thời gian tiết kiệm được dùng cho hướng dẫn và phân tích tình huống, AI có thể giúp quá trình học nghề phong phú hơn.

Vì vậy, bên cạnh câu hỏi “AI giúp phòng kế toán tiết kiệm bao nhiêu giờ?”, có lẽ cần thêm một câu hỏi: “Sau sáu tháng làm việc cùng AI, người kế toán trẻ đã hiểu doanh nghiệp và biết xét đoán tốt hơn ở điểm nào?”.

Anh chị đã học được bài học nghề nghiệp nào từ những lần tự đối chiếu số liệu hoặc tìm lỗi chứng từ? Nếu công việc đó được tự động hóa, anh chị sẽ hướng dẫn người mới học bài học ấy bằng cách nào?

Bài viết là góc nhìn thảo luận và đề xuất tổ chức đào tạo; các tình huống, số tiền trong bài là giả định.

Tham khảo: ICAEW — Why we still need junior accountants in the age of AI – and how their roles might change (2/4/2026).