AI đọc sao kê ngân hàng Việt Nam để đối chiếu công nợ, doanh thu

📌 AI đọc sao kê ngân hàng giải quyết vấn đề gì

AI đọc sao kê ngân hàng giải quyết bài toán khớp tiền: một khoản tiền vào tài khoản là của khách nào, cho đơn nào, hóa đơn nào. Ở Việt Nam, bài toán này khó vì:

• Nội dung chuyển khoản tự do: khách ghi “ck tien hang thang 9”, “anh Tuan gui”, hoặc để trống.
• Tên người chuyển khác tên khách hàng: người thân, kế toán công ty khác chuyển hộ.
• Một lần chuyển cho nhiều đơn, hoặc một đơn trả làm nhiều lần.
• Mỗi ngân hàng một định dạng cột ngày, số tiền, mô tả khác nhau.

Quy tắc cứng như “tìm mã đơn trong nội dung” chỉ khớp được phần dễ. AI xử lý phần khó: hiểu nội dung viết tắt, so tên người chuyển gần đúng với danh sách khách hàng, gợi ý tổ hợp đơn có tổng tiền bằng khoản chuyển.

Ví dụ

Một nhà phân phối vật tư nông nghiệp có hơn 300 đại lý, mỗi tháng nhận vài nghìn giao dịch. Trước đây hai kế toán mất nhiều ngày cuối tháng để khớp công nợ. Khi dùng quy tắc kết hợp AI, phần lớn giao dịch được gợi ý khớp; kế toán tập trung vào nhóm còn lại.

📌 Chuẩn bị dữ liệu sao kê và danh mục đối chiếu

Chất lượng khớp phụ thuộc chủ yếu vào dữ liệu đầu vào. Chuẩn bị:

1. Sao kê dạng Excel hoặc CSV tải từ ngân hàng điện tử doanh nghiệp. Tránh PDF nếu có lựa chọn khác.
2. Danh sách công nợ phải thu: mã khách, tên, tên viết tắt, số dư, các hóa đơn chưa thu.
3. Danh sách đơn hàng chờ thanh toán nếu bán lẻ: mã đơn, số tiền, tên, số điện thoại (có thể che một phần).
4. Bảng tên gọi khác: tên người hay chuyển hộ cho từng khách, tên tài khoản công ty của đại lý.

Chuẩn hóa sao kê

• Gộp các ngân hàng về một cấu trúc chung: ngày, số tiền vào, số tiền ra, nội dung, tên đối ứng, mã giao dịch.
• Chuyển nội dung về chữ thường, bỏ dấu để so khớp, nhưng vẫn giữ bản gốc để đối chiếu.
• Loại giao dịch nội bộ như chuyển giữa các tài khoản công ty, phí ngân hàng, lãi tiền gửi trước khi khớp.

🛠️ Quy trình khớp giao dịch nhiều lớp

Cách hiệu quả là chạy nhiều lớp, từ chắc chắn đến không chắc chắn, thay vì giao toàn bộ cho AI.

1. Lớp 1 – quy tắc chính xác: nội dung có mã đơn hoặc mã khách đúng định dạng và số tiền khớp. Đánh dấu khớp chắc chắn.
2. Lớp 2 – quy tắc gần đúng: số tiền khớp với một hóa đơn duy nhất của khách có tên gần giống người chuyển.
3. Lớp 3 – AI: với giao dịch còn lại, đưa nội dung, tên người chuyển và danh sách công nợ ứng viên cho AI, yêu cầu gợi ý khách hàng, hóa đơn và mức độ tin cậy kèm lý do.
4. Lớp 4 – người duyệt: kế toán xem gợi ý của AI, chấp nhận hoặc sửa, ghi bảng tên gọi khác để lần sau tự khớp ở lớp 2.

Mẫu yêu cầu cho lớp 3: Giao dịch: {ngày}, {số tiền}, nội dung '{nội dung}', người chuyển '{tên}'. Danh sách công nợ: {bảng}. Gợi ý tối đa 2 khả năng khớp, nêu lý do và mức tin cậy cao/trung bình/thấp. Không chắc thì trả lời 'chưa xác định'.

📌 Dùng mã chuyển khoản để giảm việc cho AI

Cách tốt nhất để đối chiếu dễ là làm cho khách ghi đúng nội dung ngay từ đầu. Một số biện pháp:

• Mã QR thanh toán chứa sẵn số tiền và nội dung: chuẩn VietQR được nhiều ngân hàng hỗ trợ, giúp in sẵn mã đơn trên hóa đơn, phiếu giao hàng, tin nhắn chốt đơn.
• Quy ước mã ngắn: ví dụ “DH12345” hoặc mã đại lý, dễ gõ, không có ký tự dễ nhầm.
• Tài khoản định danh theo khách nếu ngân hàng của bạn có dịch vụ tài khoản ảo, mỗi khách một số tài khoản phụ.
• Nhắc khách trong mọi tin nhắn: “Vui lòng ghi đúng mã đơn khi chuyển khoản”.

Khi phần lớn giao dịch đã có mã, AI chỉ cần xử lý phần ngoại lệ. Đây là cách giảm chi phí gọi AI và giảm rủi ro khớp sai hiệu quả hơn mọi cải tiến prompt. Các dịch vụ thông báo biến động số dư qua API hoặc webhook của ngân hàng cũng cho phép khớp gần như theo thời gian thực; hãy kiểm tra điều kiện với ngân hàng bạn đang dùng.

📌 Bảo mật khi đưa sao kê vào công cụ AI

Sao kê ngân hàng là dữ liệu tài chính nhạy cảm. Nguyên tắc bảo mật:

1. Không đưa thông tin đăng nhập ngân hàng vào bất kỳ công cụ AI hay workflow nào ngoài kênh chính thức ngân hàng cung cấp.
2. Che số tài khoản đầy đủ, chỉ giữ vài số cuối khi cần phân biệt.
3. Chỉ gửi những cột cần thiết cho bước AI: nội dung, tên người chuyển, số tiền, ngày.
4. Dùng gói AI doanh nghiệp hoặc mô hình chạy nội bộ nếu khối lượng lớn và chính sách công ty không cho dữ liệu ra ngoài.
5. Phân quyền thư mục sao kê, chỉ kế toán và người quản lý được truy cập.
6. Ghi nhật ký ai duyệt khớp giao dịch nào, vào lúc nào.

Với doanh nghiệp xử lý khối lượng lớn, chạy mô hình AI nội bộ trên máy chủ riêng là lựa chọn cân nhắc được, đổi lại cần đầu tư phần cứng, sao lưu và người vận hành.

🛠️ Lỗi thường gặp và cách kiểm tra kết quả

Các lỗi hay gặp:

• Đọc PDF sai số tiền: nhầm dấu phân cách hàng nghìn, mất dòng khi sao kê sang trang.
• Khớp nhầm khách cùng tên: hai đại lý cùng tên chủ. Bắt buộc so thêm số tiền và lịch sử.
• AI tự tin quá mức: gợi ý khớp với mức tin cậy cao dù thiếu căn cứ. Yêu cầu nêu lý do và kiểm tra mẫu định kỳ.
• Bỏ sót giao dịch hoàn tiền, chuyển nhầm: cần nhãn riêng thay vì cố khớp vào công nợ.

Kiểm tra kết quả

1. Tổng tiền vào trên sao kê đã chuẩn hóa bằng tổng trên sao kê gốc.
2. Tổng giao dịch đã khớp cộng chưa khớp bằng tổng tiền vào.
3. Số dư công nợ sau khi ghi nhận khớp với báo cáo trên phần mềm kế toán.
4. Mỗi tuần chọn ngẫu nhiên 20 giao dịch AI đã khớp để kiểm tra lại.

⏰ Khi nào không nên dùng AI đối chiếu sao kê

AI không phải lúc nào cũng là lựa chọn tốt:

• Giao dịch ít: vài chục giao dịch mỗi tháng thì đối chiếu tay bằng bộ lọc Excel nhanh hơn thiết lập quy trình.
• Khách đã chuyển khoản có mã chuẩn: quy tắc đơn giản là đủ, không cần mô hình AI.
• Phần mềm kế toán hoặc bán hàng đã có đối chiếu tự động với ngân hàng: nên khai thác tính năng có sẵn trước, AI chỉ xử lý phần ngoại lệ.
• Không có người duyệt: nếu không ai xem lại kết quả, khớp sai sẽ làm sai công nợ, gây tranh cãi với khách.

Thứ tự ưu tiên hợp lý là: chuẩn hóa mã chuyển khoản, dùng tính năng có sẵn của phần mềm, thêm quy tắc, cuối cùng mới đến AI cho phần còn lại. Cách tiếp cận này giữ chi phí thấp và dễ kiểm soát.

❓ Câu hỏi thường gặp

📌 Bài viết liên quan

• AI cho kế toán tại Việt Nam: hóa đơn điện tử, phần mềm kế toán, lưu ý
• Tự động hóa kế toán: những việc có thể tự động
• Excel kết hợp AI cho kế toán: công thức, làm sạch dữ liệu, báo cáo
• Cách trích xuất bảng và số liệu từ PDF bằng AI
• Kết hợp AI với phần mềm hóa đơn điện tử: việc nên làm và giới hạn
• ChatGPT cho kế toán: việc nên giao, việc không nên
• AI cho công ty dịch vụ kế toán: thu chứng từ, xử lý nhiều khách hàng, nhắc hạn

📌 Nguồn tham khảo

• Bank reconciliation – Wikipedia
• Ngân hàng Nhà nước Việt Nam
• VietQR