(sav.gov.vn) - Hội đồng khoa học Kiểm toán nhà nước vừa tổ chức thẩm định đề cương đề tài nghiên cứu khoa học cấp Bộ năm 2025 “Nghiên cứu ứng dụng các mô hình học máy (Machine Learning) trong hoạt động kiểm toán ngân hàng của Kiểm toán nhà nước”. Hội đồng nhất trí thông qua đề cương và đề nghị Ban chủ nhiệm tiếp tục hoàn thiện nội dung nghiên cứu, xây dựng lộ trình triển khai thử nghiệm nhằm nâng cao tính khả thi và hiệu quả ứng dụng trong thực tiễn.

Chìa khóa công nghệ cho bài toán dữ liệu lớn

Hội đồng khoa học KTNN vừa tổ chức thẩm định đề cương đề tài nghiên cứu khoa học cấp Bộ năm 2025 "Ứng dụng các mô hình học máy (machine learning) nhằm phát hiện gian lận từ báo cáo tài chính và đánh giá rủi ro tín dụng, rủi ro thanh khoản trong hoạt động kiểm toán ngân hàng". Đề tài do Cục Công nghệ thông tin chủ trì thực hiện, Chủ nhiệm đề tài là TS. Bùi Quốc Dũng, Phó Tổng Kiểm toán nhà nước. Chủ tịch Hội đồng thẩm định là PGS, TS. Đặng Văn Thanh, nguyên Chủ tịch Hiệp hội Kế toán và Kiểm toán Việt Nam.

Theo Ban chủ nhiệm đề tài, trong bối cảnh chuyển đổi số và sự phát triển mạnh mẽ của ngân hàng số, khối lượng dữ liệu giao dịch phát sinh ngày càng lớn, trong khi các phương pháp kiểm toán truyền thống dựa trên kiểm tra chọn mẫu hoặc các quy tắc cố định đang dần bộc lộ những hạn chế nhất định. Việc phụ thuộc nhiều vào kinh nghiệm chủ quan có thể khiến kiểm toán viên gặp khó khăn trong việc phát hiện các hành vi thao túng tài chính tinh vi.

Để giải quyết vấn đề này, đề tài tập trung nghiên cứu hai hướng tiếp cận chính. Thứ nhất là ứng dụng các thuật toán học máy không giám sát như Isolation Forest và K-means nhằm tự động nhận diện các giao dịch bất thường, dữ liệu ngoại lai và dấu hiệu gian lận từ các chỉ số tài chính mà không cần tập dữ liệu gán nhãn trước. Thứ hai là xây dựng các mô hình dự báo kết hợp phân tích chuỗi thời gian nhằm đánh giá rủi ro tín dụng, rủi ro thanh khoản và đưa ra cảnh báo sớm đối với các nhóm khách hàng có nguy cơ cao.

Dữ liệu sạch là điều kiện tiên quyết

Đánh giá cao tính thời sự và ý nghĩa thực tiễn của đề tài, các thành viên Hội đồng thẩm định đồng thời đề nghị Ban chủ nhiệm tiếp tục hoàn thiện nhiều nội dung quan trọng.

Về mặt lý luận, Hội đồng đề nghị làm rõ sự khác biệt giữa việc ứng dụng các phần mềm tin học thông thường với việc sử dụng mô hình học máy có khả năng tự học và phân tích dữ liệu. Bên cạnh đó, nhóm nghiên cứu cần giải trình rõ cơ sở lựa chọn các chỉ tiêu tài chính đưa vào mô hình nhằm bảo đảm phù hợp với các quy định và chuẩn mực kiểm toán hiện hành.

Về thực tiễn triển khai, các ý kiến cho rằng hiệu quả của học máy phụ thuộc rất lớn vào chất lượng dữ liệu đầu vào. Do đó, đề tài cần đánh giá toàn diện thực trạng dữ liệu hiện nay của KTNN, đồng thời nhận diện những khó khăn khi kết nối với hệ thống dữ liệu của các ngân hàng thương mại, đặc biệt là các yêu cầu liên quan đến bảo mật thông tin tài chính.

Hội đồng cũng đề nghị nhóm nghiên cứu làm rõ phương án triển khai kỹ thuật, xác định mô hình sẽ vận hành theo các thuật toán riêng lẻ hay theo hướng tích hợp nhiều thuật toán nhằm nâng cao độ chính xác và khả năng phát hiện rủi ro.

Sớm đưa mô hình vào thử nghiệm thực tế

Phát biểu kết luận cuộc họp, PGS, TS. Đặng Văn Thanh đánh giá cao sự chuẩn bị nghiêm túc, công phu của Ban chủ nhiệm đề tài, đồng thời khẳng định Hội đồng nhất trí thông qua đề cương để triển khai thực hiện.

Tuy nhiên, Chủ tịch Hội đồng nhấn mạnh đề tài cần hướng mạnh vào tính ứng dụng thực tiễn, tránh dừng lại ở các nghiên cứu mang tính lý thuyết. Theo đó, nhóm nghiên cứu cần tiếp tục làm rõ những nguyên nhân, rào cản khiến việc ứng dụng công nghệ cao trong kiểm toán ngân hàng thời gian qua chưa đạt hiệu quả như kỳ vọng.

Đặc biệt, Hội đồng yêu cầu xây dựng lộ trình kỹ thuật để sớm triển khai thử nghiệm các mô hình học máy trong một cuộc kiểm toán cụ thể, qua đó đánh giá hiệu quả và khả năng ứng dụng trên thực tế.

Bên cạnh đó, Hội đồng đề nghị Cục Công nghệ thông tin nghiên cứu xây dựng cẩm nang hướng dẫn sử dụng phần mềm, hỗ trợ kiểm toán viên không chuyên sâu về dữ liệu có thể tiếp cận và khai thác hiệu quả công cụ mới; đồng thời tăng cường tổ chức các tọa đàm khoa học nhằm thu hút thêm ý kiến phản biện từ các chuyên gia trong lĩnh vực tài chính và công nghệ.

Đại diện Ban chủ nhiệm đề tài đã tiếp thu đầy đủ các ý kiến góp ý của Hội đồng, cam kết tiếp tục hoàn thiện đề cương và triển khai các bước nghiên cứu theo đúng tiến độ đề ra.

Nếu được triển khai thành công, các mô hình học máy không chỉ hỗ trợ kiểm toán viên xử lý khối lượng dữ liệu khổng lồ trong lĩnh vực ngân hàng mà còn góp phần mở ra hướng tiếp cận mới cho hoạt động kiểm toán số của KTNN trong thời gian tới.