2026-08-11 · AI & Công nghệ
Bạn dán bảng doanh thu sáu tháng vào ChatGPT rồi hỏi tổng quý 2 là bao nhiêu. Nó trả lời trong ba giây, kèm một đoạn giải thích mạch lạc: quý 2 gồm tháng 4, 5, 6, cộng lại được chừng này, tăng bao nhiêu phần trăm so với quý 1. Đọc rất xuôi.
Bạn cộng lại bằng Excel cho chắc. Lệch bốn mươi triệu.
Điều đáng sợ không phải là nó sai. Người cũng sai. Điều đáng sợ là nó sai mà không hề ngập ngừng. Không có dòng cảnh báo, không có chữ "có thể", không có dấu hiệu nào cho bạn biết chỗ này cần kiểm lại. Cùng một giọng văn tự tin đó được dùng cho cả câu trả lời đúng lẫn câu trả lời bịa.
Với người làm kế toán — tài chính, đây là rủi ro thật chứ không phải chuyện lý thuyết. Một con số sai lọt vào bản trình ban giám đốc thì người ký tên bên dưới là bạn, không phải phần mềm.
Vì sao AI bịa số mà nghe vẫn thuyết phục
Hiểu đúng cơ chế thì bạn sẽ biết phải phòng ở đâu. Các mô hình ngôn ngữ được huấn luyện để sinh ra đoạn văn nghe hợp lý dựa trên những gì đã học, chứ không phải để tra cứu từ một cuốn sổ cái. Khi bạn hỏi một con số, nó không mở bảng ra cộng như bạn nghĩ — nó dự đoán chuỗi ký tự nào có khả năng xuất hiện tiếp theo.
Hệ quả là một con số bịa vẫn mang đầy đủ đặc điểm của một con số thật: đúng độ dài, đúng đơn vị, nằm trong khoảng hợp lý, thậm chí có cả phần lẻ trông rất "dữ liệu". Nó sai ở giá trị, nhưng đúng ở kiểu dáng. Mà mắt người kiểm tra bảng số thì thường bắt kiểu dáng trước.
Điểm thứ hai: mô hình không có cơ chế tự biết mình đang không biết. Nó không phân biệt được giữa "câu này mình chắc chắn" và "câu này mình đang lấp chỗ trống". Vì vậy đừng chờ nó tự cảnh báo bạn. Chính các hãng làm ra những công cụ này đều để sẵn một dòng nhắc ngay dưới ô chat rằng câu trả lời có thể sai và người dùng nên tự kiểm tra thông tin quan trọng. Dòng chữ đó không phải là thủ tục pháp lý cho có.
Điểm thứ ba, và là điểm hay bị bỏ qua nhất: bạn hỏi càng gắt, nó càng chiều bạn. Khi bạn phản bác một câu trả lời đúng, mô hình có xu hướng nhận sai rồi đưa ra một đáp án khác. Cho nên "hỏi lại xem nó có đổi ý không" là phép thử tốt, nhưng "ép cho tới khi nó đồng ý với mình" thì không chứng minh được gì cả.
Năm cách kiểm trước khi tin một con số
1. Bắt nó chỉ ra con số đó lấy từ dòng nào
Đây là phép kiểm rẻ nhất và hiệu quả nhất. Sau khi nhận câu trả lời, hỏi lại đúng một câu: "Con số này lấy từ những dòng nào trong dữ liệu tôi vừa đưa? Liệt kê từng dòng."
Số có thật thì truy ngược được về các dòng cụ thể, và bạn đối chiếu lại rất nhanh. Số bịa thì phần trả lời sẽ chuyển sang mô tả chung chung kiểu "dựa trên các giao dịch trong kỳ" mà không chỉ được dòng nào. Nguyên tắc đơn giản: số nào không truy được về dòng nguồn thì không được đưa vào báo cáo, dù nghe hợp lý đến đâu.
2. Dùng ràng buộc đóng kín của chính bài toán
Kế toán có lợi thế lớn ở đây mà nhiều ngành khác không có: số liệu của bạn luôn có những đẳng thức bắt buộc phải đúng. Tổng các phần phải bằng tổng thể. Tổng bên nợ phải bằng tổng bên có. Tồn đầu kỳ cộng nhập trừ xuất phải ra tồn cuối kỳ. Tổng bốn quý phải bằng cả năm.
Hãy bắt câu trả lời của AI đi qua ít nhất một ràng buộc như vậy. Nếu nó đưa doanh thu từng tháng, cộng lại xem có ra đúng tổng nó vừa nói không. Cái hay của cách này là bạn không cần biết đáp án đúng vẫn phát hiện được lỗi — chỉ cần hai con số nó đưa ra tự đá nhau là đủ để bỏ cả câu trả lời.
3. Hỏi lại y nguyên trong một hội thoại mới
Mở một cửa sổ chat mới hoàn toàn, dán lại đúng dữ liệu đó, hỏi lại đúng câu đó. Đừng nhắc gì đến câu trả lời lần trước.
Số được tính thật từ dữ liệu thì hai lần sẽ ra như nhau. Số được dự đoán thì rất dễ lệch. Đây là phép thử tốn chưa tới một phút và bắt được nhiều lỗi hơn bạn nghĩ. Lưu ý phải mở hội thoại mới: hỏi lại trong cùng cửa sổ thì nó nhìn thấy đáp án cũ và có xu hướng lặp lại chính mình.
4. Đừng bắt nó tính, hãy bắt nó viết công thức
Đây là thay đổi quan trọng nhất trong cách dùng, và cũng là thứ tách người dùng AI có nghề với người dùng cho vui.
Thay vì hỏi "tổng doanh thu quý 2 là bao nhiêu", hãy hỏi "viết cho tôi công thức Excel tính tổng doanh thu quý 2 từ bảng này". Con số cuối cùng khi đó do Excel tính, mà Excel thì không bịa bao giờ. AI làm phần nó giỏi là nhớ cú pháp và dựng logic; máy tính làm phần nó giỏi là cộng trừ nhân chia.
Nguyên tắc này áp cho mọi việc: cần lọc dữ liệu thì xin các bước Power Query, cần đối chiếu thì xin công thức, cần phân tích thì xin cách tính rồi tự chạy. Cách viết yêu cầu cho ra công thức dùng được ngay, đội ngũ EzTech đã hướng dẫn kỹ trong bài nhờ AI viết công thức Excel.
Nếu công cụ bạn dùng có khả năng tự viết và chạy code để tính toán, độ tin cậy tăng lên rõ rệt vì con số đến từ một phép tính thật. Nhưng vẫn phải kiểm: code chạy đúng không có nghĩa là code hiểu đúng đề bài của bạn.
5. Kiểm bậc độ lớn, đơn vị và kỳ
Ba lỗi âm thầm nhất không nằm ở phép tính mà nằm ở cách hiểu:
- Bậc độ lớn. Nhầm giữa triệu và tỷ, hoặc thêm bớt một số 0. Cách kiểm nhanh: ước lượng thô trong đầu trước khi hỏi, rồi so với đáp án. Lệch mười lần thì thấy ngay.
- Đơn vị và cách hiểu tỷ lệ. Tăng "20%" hay tăng "20 điểm phần trăm" là hai chuyện khác nhau. Số bình quân một tháng đặt cạnh số tổng cả kỳ cũng vậy — từng con số đều đúng, nhưng đọc cùng nhau thì sai cả một hệ số.
- Kỳ số liệu. Bạn hỏi "tháng này" trong khi dữ liệu bạn dán vào mới có đến ngày 20. Nó vẫn trả lời, vẫn không nhắc gì, và bạn đem một tháng chưa đủ ngày đi so với tháng trước đủ ngày.
Ba lỗi này nguy hơn lỗi cộng sai, vì bảng vẫn cân, vẫn khớp, và không phép kiểm máy móc nào bắt được.
Bốn dấu hiệu đáng nghi ngay lập tức
- Số tròn một cách khả nghi. Dữ liệu thật hiếm khi ra đúng 1.500.000.000. Số quá đẹp thường là số được "làm cho hợp lý".
- Trích dẫn văn bản kèm số hiệu cụ thể. Khi nó dẫn thông tư, nghị định, chuẩn mực kèm số hiệu và cả số điều khoản, hãy mở văn bản gốc kiểm tra. Đây là dạng bịa hay gặp nhất và cũng khó nhận ra nhất, vì hình thức trích dẫn trông rất chuẩn.
- Trộn ước lượng với chi tiết. Một câu vừa có "khoảng", "ước tính" lại vừa có con số lẻ đến hàng đơn vị là câu đang tự mâu thuẫn về mức độ chắc chắn.
- Đổi đáp án ngay khi bị phản bác. Bạn nói "hình như sai" mà nó lập tức xin lỗi rồi đưa số khác, thì cả hai con số đều chưa đáng tin.
Việc nào nên giao, việc nào không
Cách dùng an toàn không phải là tránh AI, mà là giao đúng loại việc.
| Nên giao | Không nên giao |
|---|---|
| Viết công thức Excel, hàm DAX, các bước Power Query | Tự cộng, tự tính tổng, tự tính tỷ lệ trên dữ liệu bạn dán vào |
| Giải thích một khái niệm, một sai số bạn chưa hiểu | Trích dẫn số hiệu thông tư, điều khoản mà không kiểm lại nguồn |
| Gợi ý các góc phân tích, các câu hỏi nên đặt với dữ liệu | Kết luận nguyên nhân tăng giảm khi nó không thấy dữ liệu vận hành |
| Soát lỗi diễn đạt, dựng bố cục bản thuyết minh | Điền số vào chỗ dữ liệu bị thiếu |
Nhìn bảng này sẽ thấy một quy luật: giao cho AI phần ngôn ngữ và logic, giữ lại phần con số và trách nhiệm. Ngoài ra, trước khi dán dữ liệu công ty vào bất kỳ công cụ nào, bạn nên đọc qua bài bảo mật dữ liệu khi dùng AI — đó là rủi ro thứ hai, đi kèm rủi ro sai số.
Câu hỏi thường gặp
Bản trả phí có bịa số ít hơn bản miễn phí không?
Các bản mới thường cải thiện, nhất là khi chúng có công cụ tính toán thật thay vì tự nhẩm. Nhưng không có bản nào bỏ được hoàn toàn khả năng này. Quy trình kiểm của bạn vẫn phải giữ nguyên, dù đang dùng bản nào.
Tôi đưa file Excel thẳng cho nó thì có chắc hơn không?
Chắc hơn khi công cụ đó thật sự đọc file và chạy phép tính trên đó. Nhưng nó vẫn có thể đọc nhầm vùng dữ liệu, bỏ sót dòng ẩn, hiểu sai cột nào là cột nào. Phép kiểm số 1 và số 2 ở trên vẫn cần chạy.
Sếp bảo dùng AI cho nhanh, tôi giải thích thế nào?
Đừng nói AI không đáng tin. Hãy trình bày theo hướng phân vai: AI dựng công thức và bản nháp, người kiểm số và ký tên. Nói được câu đó là bạn vừa đi nhanh hơn, vừa không đặt chữ ký của mình lên một con số không truy được nguồn.
Dùng AI mà vẫn chắc số
Năm cách kiểm trên gộp lại chỉ mất vài phút cho mỗi bản báo cáo, ít hơn rất nhiều so với thời gian đi giải trình một con số sai. Điều cần đổi nằm ở thói quen: chuyển từ hỏi "kết quả là bao nhiêu" sang hỏi "tính bằng cách nào". Cùng một công cụ, cùng một câu hỏi, nhưng một bên cho bạn con số phải tin, một bên cho bạn cách tự tạo ra con số.
Khóa Kế toán dùng AI của EzTech dựng đúng quanh trục này: quy trình kiểm chứng nhiều lớp trước khi một con số do AI đề xuất được đưa vào báo cáo, kèm các tình huống nghiệp vụ thật của người làm kế toán. Muốn biết khóa có hợp với công việc hiện tại của bạn không, cứ mô tả đầu việc bạn đang định giao cho AI, đội ngũ EzTech sẽ trao đổi thẳng.
