Chuyển đổi số công tác kế toán tại các đại học công lập
Trong bối cảnh các trường đại học công lập ngày càng đẩy mạnh tự chủ tài chính, yêu cầu đổi mới phương thức quản lý nguồn lực cũng trở nên cấp thiết hơn bao giờ hết. Chuyển đổi số, đặc biệt là ứng dụng trí tuệ nhân tạo (AI), đang mở ra cơ hội tự động hóa nghiệp vụ kế toán, nâng cao khả năng phân tích dữ liệu và hỗ trợ dự báo tài chính. Tuy nhiên, để AI thực sự phát huy hiệu quả, các trường cần đồng thời giải quyết bài toán về dữ liệu, hạ tầng công nghệ, hành lang pháp lý và năng lực của đội ngũ nhân sự.
1. Chuyển đổi số đang thay đổi quản lý tài chính đại học
Trong những năm gần đây, chuyển đổi số đã trở thành một trong những định hướng quan trọng trong quá trình hiện đại hóa hoạt động của các cơ quan, tổ chức và đơn vị sự nghiệp công lập. Đối với các trường đại học, yêu cầu này không chỉ đặt ra đối với hoạt động đào tạo mà còn tác động trực tiếp đến công tác kế toán, quản lý ngân sách, quản lý tài sản và kiểm soát tài chính.
Đặc biệt, cơ chế tự chủ tài chính theo Nghị định số 60/2021/NĐ-CP khiến vai trò của bộ phận kế toán – tài chính tại các trường đại học công lập ngày càng thay đổi. Kế toán không còn đơn thuần thực hiện ghi nhận, tổng hợp và lập báo cáo tài chính, mà phải cung cấp thông tin phục vụ lập kế hoạch ngân sách, phân tích nguồn thu, kiểm soát chi phí và đánh giá hiệu quả sử dụng nguồn lực. Trong khi đó, phương thức quản lý truyền thống vẫn phụ thuộc đáng kể vào việc nhập liệu, kiểm tra chứng từ, đối chiếu số liệu và lập báo cáo thủ công. Khi dữ liệu tài chính đến từ nhiều nguồn khác nhau, nguy cơ sai sót, trùng lặp hoặc chậm cập nhật có thể ảnh hưởng trực tiếp đến chất lượng thông tin kế toán và khả năng ra quyết định của nhà trường.
Đây chính là khoảng trống để các công nghệ như tự động hóa quy trình bằng robot (RPA), học máy (ML) và trí tuệ nhân tạo (AI) phát huy vai trò. Nếu được triển khai phù hợp, các công nghệ này có thể hỗ trợ kế toán viên xử lý những nghiệp vụ lặp lại, đồng thời giúp chuyển dữ liệu kế toán từ dạng thông tin phục vụ ghi nhận sang nguồn dữ liệu phục vụ phân tích, dự báo và quản trị tài chính.
2. Đặc thù của công tác kế toán tại đại học công lập
Công tác kế toán tại các trường đại học công lập có nhiều điểm khác biệt so với doanh nghiệp thông thường. Nhà trường có thể đồng thời phát sinh nhiều nguồn thu và nguồn kinh phí như ngân sách nhà nước, học phí, hoạt động đào tạo, nghiên cứu khoa học, dịch vụ, tài trợ và các nguồn thu hợp pháp khác. Mỗi nguồn lại có yêu cầu riêng về quản lý, sử dụng, hạch toán và báo cáo. Bên cạnh đó, kế toán tại đơn vị sự nghiệp công lập phải đảm bảo sự phù hợp với các quy định về ngân sách nhà nước, tài sản công và chế độ kế toán hành chính sự nghiệp. Vì vậy, dữ liệu kế toán không chỉ cần đúng về số liệu mà còn phải bảo đảm khả năng kiểm tra, đối chiếu và giải trình khi cần thiết.
Khi mức độ tự chủ tăng lên, yêu cầu đối với kế toán cũng trở nên cao hơn. Bộ phận tài chính cần trả lời được những câu hỏi mang tính quản trị như: nguồn thu nào đang tăng trưởng, khoản chi nào cần kiểm soát, khả năng cân đối ngân sách trong những năm tới ra sao hay việc điều chỉnh học phí và đầu tư cho nghiên cứu sẽ tác động như thế nào đến tình hình tài chính của trường. Theo đó, chuyển đổi số kế toán không nên chỉ dừng lại ở việc thay sổ sách giấy bằng phần mềm, mà cần hướng đến xây dựng một hệ thống trong đó dữ liệu kế toán được kết nối, phân tích và chuyển hóa thành thông tin có giá trị cho quản trị.
3. AI có thể hỗ trợ quản lý tài chính đại học như thế nào?
3.1. Tự động hóa các nghiệp vụ tài chính - kế toán
Một trong những hướng ứng dụng dễ nhận thấy nhất là Robotic Process Automation (RPA) – công nghệ sử dụng phần mềm để mô phỏng thao tác của con người trong những công việc có tính lặp lại và được thực hiện theo quy tắc. Trong môi trường đại học, RPA có thể hỗ trợ nhập liệu hóa đơn, đối chiếu chứng từ ngân hàng, kiểm tra dữ liệu và lập các báo cáo định kỳ. Việc tự động hóa những công việc này giúp giảm khối lượng thao tác thủ công, hạn chế sai sót và giải phóng thời gian cho nhân sự tài chính. Thay vì dành phần lớn thời gian để nhập và đối chiếu số liệu, đội ngũ kế toán có thể chuyển trọng tâm sang những công việc có giá trị cao hơn như phân tích tài chính, kiểm soát rủi ro và tham mưu cho lãnh đạo.
3.2. Phân tích và dự báo bằng Machine Learning
Nếu RPA tập trung vào việc thực hiện công việc, Machine Learning (ML) lại mở rộng khả năng của hệ thống sang phân tích và dự báo. Dựa trên dữ liệu lịch sử, ML có thể hỗ trợ phân tích xu hướng thu – chi, dự báo dòng tiền, nhận diện giao dịch bất thường hoặc phát hiện những khoản chi có dấu hiệu rủi ro. Đây là bước chuyển quan trọng từ quản lý tài chính dựa chủ yếu trên dữ liệu quá khứ sang mô hình quản trị có khả năng dự báo. Đối với đại học công lập, dữ liệu về tuyển sinh, học phí, tiền lương, hoạt động nghiên cứu khoa học, ngân sách và đầu tư có thể trở thành cơ sở để xây dựng các mô hình phân tích phục vụ lập kế hoạch tài chính.
3.3. Những đặc thù của quản lý tài chính tại đại học công lập
Quản lý tài chính tại các trường đại học công lập có những yêu cầu khác biệt so với doanh nghiệp thông thường. Trường vừa phải bảo đảm hiệu quả sử dụng nguồn lực, vừa phải tuân thủ các quy định liên quan đến ngân sách nhà nước, tài sản công và chế độ kế toán hành chính sự nghiệp. Nguồn thu cũng tương đối đa dạng, bao gồm ngân sách nhà nước, học phí, hoạt động khoa học – công nghệ, dịch vụ và các khoản tài trợ. Vì vậy, hệ thống quản lý tài chính phải có khả năng tổng hợp và đối soát dữ liệu từ nhiều nguồn khác nhau.
Bên cạnh đó, yêu cầu về minh bạch và trách nhiệm giải trình cũng rất cao. Các khoản thu – chi cần được kiểm soát, phê duyệt và lưu trữ theo quy trình. Khi mức độ tự chủ tăng, ban lãnh đạo trường còn phải có khả năng đánh giá hiệu quả sử dụng nguồn lực và chủ động xây dựng các kịch bản tài chính. Chính những đặc điểm này khiến chuyển đổi số tài chính không chỉ nhằm giảm thao tác thủ công mà còn hướng đến việc xây dựng năng lực quản trị tài chính dựa trên dữ liệu.
3.4. Cơ hội và thách thức khi ứng dụng AI
Cơ hội: minh bạch hơn, nhanh hơn và chủ động hơn
AI có thể giúp các trường theo dõi dữ liệu tài chính nhanh hơn, hỗ trợ phát hiện những khoản chi bất thường và tăng khả năng kiểm soát dòng tiền. Khi dữ liệu được tập trung và xử lý tự động, lãnh đạo có thể tiếp cận các chỉ số tài chính thay vì phải chờ tổng hợp báo cáo thủ công. Một lợi ích khác là giảm sai sót trong các nghiệp vụ lặp lại. Với RPA, các công việc như nhập liệu, đối chiếu hoặc kiểm tra dữ liệu có thể được thực hiện tự động theo quy tắc được thiết lập trước. Quan trọng hơn, AI có thể tạo nền tảng cho việc dự báo và mô phỏng tài chính. Chẳng hạn, nhà trường có thể phân tích tác động của việc thay đổi học phí, điều chỉnh ngân sách nghiên cứu hoặc tăng đầu tư vào một lĩnh vực đào tạo đối với tình hình tài chính trong những năm tiếp theo.
Thách thức: dữ liệu, pháp lý và con người
Dù có nhiều tiềm năng, ứng dụng AI trong tài chính đại học không phải là quá trình đơn giản. Trước hết là hành lang pháp lý. Các trường vẫn phải bảo đảm việc xử lý chứng từ, phê duyệt và quyết toán phù hợp với quy định hiện hành. AI có thể đưa ra gợi ý hoặc phân tích, nhưng trách nhiệm pháp lý đối với quyết định cuối cùng vẫn thuộc về con người và tổ chức.
Tiếp theo là chất lượng dữ liệu. Nếu dữ liệu tài chính, đào tạo, nhân sự và các hệ thống liên quan đang bị phân tán hoặc không thống nhất, AI sẽ khó tạo ra kết quả đáng tin cậy. Vì vậy, xây dựng dữ liệu sạch và có khả năng liên thông là điều kiện nền tảng trước khi triển khai các mô hình AI phức tạp.
Cuối cùng là con người. Chuyển đổi số không thể thành công nếu nhân sự chỉ xem AI như một công cụ có nguy cơ thay thế mình. Đội ngũ kế toán cần được trang bị thêm năng lực phân tích dữ liệu, hiểu biết về AI và tư duy quản trị để có thể phối hợp hiệu quả với hệ thống mới.
3.5. Mô hình Smart Financial Governance cho đại học công lập
Từ những cơ hội và thách thức trên, nghiên cứu đề xuất mô hình Smart Financial Governance (SFG) với cách tiếp cận kết hợp giữa Dữ liệu – AI – Con người. Mô hình được xây dựng theo ba lớp có sự liên kết với nhau.
Lớp 1: Dữ liệu tích hợp
Đây là nền móng của toàn bộ hệ thống. Các trường cần xây dựng kho dữ liệu dùng chung, kết nối dữ liệu từ nhiều nguồn như học phí, ngân sách, nghiên cứu khoa học, tiền lương và quản lý tài sản. Dữ liệu cần được chuẩn hóa, phân loại và kiểm soát quyền truy cập. Bên cạnh dữ liệu có cấu trúc như báo cáo tài chính hoặc bảng lương, hệ thống cũng có thể tiếp nhận dữ liệu phi cấu trúc như hợp đồng và chứng từ được số hóa.
Lớp 2: Thực thi và phân tích bằng AI
Đây là lớp xử lý của mô hình SFG, bao gồm hai nhóm công nghệ chính. RPA đảm nhiệm các tác vụ có tính lặp lại như đối chiếu học phí, kiểm tra dữ liệu hóa đơn, hỗ trợ thanh quyết toán và lập báo cáo. Trong khi đó, Machine Learning tập trung vào phân tích và dự báo. Hệ thống có thể sử dụng dữ liệu lịch sử để dự báo dòng tiền, phân tích xu hướng chi tiêu hoặc phát hiện các giao dịch bất thường.
Lớp 3: Quản trị và ra quyết định
Ở lớp này, AI không thay thế lãnh đạo mà cung cấp thông tin và kịch bản để hỗ trợ quá trình ra quyết định. Thông qua dashboard, nhà quản lý có thể theo dõi các chỉ số tài chính quan trọng. Với What-if Analysis, hệ thống có thể hỗ trợ mô phỏng các kịch bản khác nhau, chẳng hạn thay đổi mức học phí hoặc tăng đầu tư cho nghiên cứu khoa học sẽ ảnh hưởng như thế nào đến nguồn lực tài chính của trường. Điểm quan trọng của mô hình là nguyên tắc Human-in-the-loop: AI chịu trách nhiệm xử lý và phân tích dữ liệu, nhưng các quyết định quan trọng vẫn cần sự thẩm định của chuyên gia tài chính và người có thẩm quyền.
Bảng 1: Khung triển khai mô hình SFG tại các đại học công lập
4. Lộ trình chuyển đổi số tài chính đại học
Để hạn chế rủi ro, chuyển đổi số nên được thực hiện theo từng giai đoạn thay vì triển khai AI ngay từ đầu.
Giai đoạn 1 – Chuẩn hóa và số hóa: tập trung xây dựng hạ tầng dữ liệu, chuẩn hóa danh mục và số hóa chứng từ, quy trình tài chính.
Giai đoạn 2 – Tự động hóa: đưa RPA vào những nghiệp vụ có tính lặp lại như thanh toán, đối chiếu và quản lý tài sản. Đây là giai đoạn giúp nhà trường làm quen với tự động hóa và đánh giá hiệu quả thực tế.
Giai đoạn 3 – Quản trị thông minh: khi dữ liệu đã đủ chất lượng và hệ thống vận hành ổn định, nhà trường có thể triển khai Machine Learning để dự báo, cảnh báo rủi ro và hỗ trợ ra quyết định chiến lược.
Song song với lộ trình công nghệ, nhà trường cần xây dựng cơ chế quản trị AI, bao gồm phân quyền, bảo mật dữ liệu, kiểm soát đầu ra, khả năng truy xuất nguồn gốc và trách nhiệm của người sử dụng.
5. Chuyển đổi số tài chính: từ ghi chép sang quản trị
Chuyển đổi số trong quản lý tài chính đại học công lập không đơn thuần là thay thế những thao tác thủ công bằng phần mềm. Giá trị lớn hơn nằm ở việc giúp nhà trường chuyển từ quản lý dựa trên số liệu quá khứ sang quản trị dựa trên dữ liệu và dự báo.
Mô hình SFG cho thấy AI có thể tạo ra một hệ thống tài chính thông minh hơn khi được kết hợp với dữ liệu chuẩn hóa và sự giám sát của con người. RPA giúp giảm tải các công việc lặp lại, Machine Learning mở rộng khả năng phân tích và dự báo, trong khi lớp quản trị giúp biến dữ liệu thành thông tin phục vụ quyết định.
Theo tôi, điểm quan trọng nhất không phải là trường đại học nào ứng dụng AI trước, mà là trường nào xây dựng được nền tảng dữ liệu và cơ chế quản trị đủ tốt để AI thực sự tạo ra giá trị. Nếu dữ liệu còn phân mảnh, quy trình chưa chuẩn hóa và nhân sự chưa sẵn sàng, việc đầu tư vào công nghệ tiên tiến cũng khó mang lại hiệu quả như kỳ vọng.
Vì vậy, chuyển đổi số tài chính đại học nên được nhìn nhận như một quá trình dài hạn, trong đó dữ liệu là nền tảng, AI là công cụ và con người vẫn là chủ thể quyết định. Khi ba yếu tố này được kết nối hợp lý, các đại học công lập có thể vừa nâng cao hiệu quả quản lý tài chính, vừa tăng tính minh bạch và năng lực tự chủ trong bối cảnh giáo dục đại học ngày càng chuyển sang mô hình quản trị hiện đại.
Nguồn: Chuyển đổi số trong quản lý tài chính đại học công lập - https://tapchiketoankiemtoan.vn/chuyen-doi-so-trong-quan-ly-tai-chinh-dai-hoc-cong-lap-d6404.html
.png)
