Bài viết này nhằm mục đích thảo luận một số tác động, và một số xu hướng có thể phát triển trong tương lai đối với nghề kế toán trong bối cảnh AI hiện nay. Mời các bạn cùng tham khảo!
Tạp chí Khoa học Cơng nghệ, Số 46, 2020 TRÍ TUỆ NHÂN TẠO VÀ NGHỀ KẾ TỐN TRONG CUỘC CÁCH MẠNG CÔNG NGHIỆP 4.0 HỒ THỊ VÂN ANH, PHẠM TÚ ANH Khoa Kế toán – Kiểm toán, Trường Đại học Cơng nghiệp Thành phố Hồ Chí Minh hothivananh@iuh.edu.vn Tóm tắt Những phát triển gần robot trí tuệ nhân tạo (AI – Artificial intelligence) ứng dụng chúng bắt đầu làm thay đổi nhiều khía cạnh sống nói chung, nghề kế tốn nói riêng Tuy nhiên, việc áp dụng rộng rãi AI kinh doanh kế toán giai đoạn đầu Do người ủng hộ cách mạng AI coi phát triển bước tiến sẵn sàng đón nhận thách thức tương lai, người phản đối lại coi bước lùi nhiều kế tốn viên khơng thích nghi với mơi trường kinh doanh tụt lại phía sau Vì vậy, để xây dựng tầm nhìn tích cực tương lai, cần phải có hiểu biết sâu sắc cách AI giải vấn đề kế toán kinh doanh, thách thức thực tế kỹ kế toán cần thiết để làm việc với hệ thống thơng minh Bài nghiên cứu nhằm mục đích thảo luận số tác động, số xu hướng phát triển tương lai nghề kế tốn bối cảnh AI Từ khóa trí tuệ nhân tạo (AI), nghề kế tốn, chun gia trí tuệ nhân tạo (ES) ARTIFICIAL INTELLIGENCE AND ACCOUNTING IN THE FOURTH INDUSTRIAL REVOLUTION Abstract Recent developments in robotics and artificial intelligence (AI) as well as their applications have been affecting many aspects both of our lives and of the accounting field However, the adoption of AI in business and accounting field is in an early stage Although advocates of the AI awares this development representing a step forward and embracing new challenges in the future, the opponents reckon them as a step backward because many accountants not adapt to the new business environment and may lag behind Therefore, we should have an insight into the measures AI solving accounting and business problems, practical challenges, and necessary accounting skills to work together with these smart systems, achieving a more positive viewpoint in future The paper aims to discuss some impacts of AI on accounting and novel trends of future accounting against the backdrop of current AI Keywords Artificial intelligence (AI), accounting, expert system (ES) GIỚI THIỆU Cuộc sống nhân loại ngày khơng có hỗ trợ cơng nghệ, mà cụ thể giải pháp từ AI Những xe tự lái trở thành thực Điện thoại thơng minh hiểu lời nói, tự hồn chỉnh câu/đoạn văn người soạn thảo văn cung cấp lời khun/hướng dẫn ngơn ngữ nói cho người (Makridakis, 2017) Có thể thấy tất tiện ích mà cơng nghệ đem lại cho đời sống người hôm nhờ vào nỗ lực khơng ngừng nhà khoa học máy tính làm cho cơng nghệ nói chung, AI nói riêng trải qua tiến to lớn Từ Deep Blue, thơng qua máy tính Watson đến AlphaGo DeepMind, AI cải thiện nhờ thuật toán học chuyên sâu khoa học liệu lớn Những máy tính hệ tự dạy cho chúng dựa nguyên tắc “phần mềm viết phần mềm - software writing software” (Parloff, 2016) Trên thực tế, khái niệm AI xuất từ năm 1950 nhiều đột phá công nghệ lại xảy sau vào năm 1980 1990 Chính có nhiều định nghĩa liên quan đến thuật ngữ AI, chẳng hạn định nghĩa AI giáo sư John McCarthy Đại Học Stanford đưa năm 1955 “AI ngành khoa học kỹ thuật việc tạo máy thông minh” theo định nghĩa Minsky năm 1967 “AI nghiên cứu ý tưởng để giúp máy móc phản ứng tương tự phản ứng truyền thống từ người khả suy ngẫm, phán đoán hoạch định” (Grewal, 2014) theo Nilsson (2010) “AI hoạt động giúp máy móc trở nên thơng minh thơng minh chất lượng cho phép © 2020 Trường Đại học Cơng nghiệp thành phố Hồ Chí Minh 22 TRÍ TUỆ NHÂN TẠO VÀ NGHỀ KẾ TỐN TRONG CUỘC CÁCH MẠNG 4.0 doanh nghiệp thực chức phù hợp có tầm nhìn xa mơi trường hoạt động họ” Nhìn chung, thuật ngữ AI áp dụng cho kỹ thuật mà cho phép máy tính bắt chước trí thơng minh người, bao gồm khả giúp máy tự học (machine learning) khả học sâu (deep learning) tập hợp (Parloff, 2016) Lịch sử ứng dụng AI lĩnh vực kế tốn bắt nguồn từ năm 1980 Một số nghiên cứu mở rộng thực học giả học viên kế toán ứng dụng AI kiểm toán, thuế, kế tốn tài chính, kế tốn quản trị lập kế hoạch tài cá nhân Sự phát triển sử dụng chuyên gia trí tuệ nhân tạo (Expert system - ES) chun ngành kế tốn có lẽ lĩnh vực nghiên cứu nhiều (Baldwin, Brown & Trinkle 2006) Hệ thống ES coi chương trình phần mềm cố gắng tái tạo hành vi kỹ người, lưu trữ kiến thức kinh nghiệm người biến thành quy tắc để xử lý vấn đề kế toán thực số nhiệm vụ kế toán (Suton, Holt & Arnold 2016) Một số hệ thống ES phát triển để phân tích quy trình định dựa kế toán (O’Leary, 1987) O’Leary (2003) cho rằng, hệ thống ES không phát huy lợi với tiềm chúng có lẽ đặc điểm chung chúng chúng dựa logic, quy tắc định Các hệ thống ES cũ mắc lỗi lặp lại nhiều lần (Makridakis, 2017) khơng có khả học tập/khắc phục sai sót Bên cạnh nỗ lực ban đầu tự động hóa, kế tốn viên sẵn sàng nâng cao suất hiệu công việc họ tạo nhiều giá trị cho doanh nghiệp Những đột phá công nghệ gần AI mở trang quy luật kế toán từ việc tập trung nghiên cứu ứng dụng hệ thống ES sang số quan điểm như: làm kế tốn viên hưởng lợi từ việc sử dụng khả AI, tầm nhìn dài hạn cho AI kế tốn gì, AI thay đổi vai trị kế tốn tổ chức (ICAEW, 2017) Thế hệ hệ thống machine learning có tác động lớn đến kinh tế doanh nghiệp chúng mang lại phong cách sống mặt trái cho xã hội, cụ thể, tỷ lệ thất nghiệp tăng coi tác động rõ ràng (Dirican, 2015) kế toán viên cần chuẩn bị đầy đủ kỹ cần thiết trước thách thức cách mạng AI Các hệ thống AI thay số chức công việc thường nhật kế tốn, hệ thống AI thực cơng việc nhanh xác người thực Khi quan sát từ góc độ tỷ lệ thất nghiệp, hệ thống AI xem mối đe dọa tiềm có gia tăng tỷ lệ thất nghiệp tối thiểu nghề kế toán, kế tốn viên khơng phát triển kỹ lực liên quan đến việc thay đổi vai trò họ tổ chức Chiến lược thành cơng đón nhận thách thức cơng nghệ thích ứng với mơi trường kinh doanh yêu cầu quản trị Nhưng người máy móc làm việc hiệu khơng, có AI khơng thay trí thơng minh người, đặc biệt công việc sáng tạo, giáo dục đóng vai trị quan trọng để chuẩn bị cho kế toán viên tương lai thành công, v.v… Tất vấn đề điều mà nghiên cứu tiến hành thảo luận, xem xét đưa số nhận định bối cảnh nghề kế toán trước tác động AI Phương pháp nghiên cứu sử dụng báo tập hợp phân tích cơng trình nghiên cứu lượt khảo tổng hợp từ năm 1955 đến vấn đề liên quan đến AI ảnh hưởng chúng lên lĩnh vực kế tốn AI VÀ NGHỀ KẾ TỐN TRONG CUỘC CÁCH MẠNG 4.0 2.1 AI lĩnh vực kế tốn gì? Một số dạng lý thuyết định công nghệ AI áp dụng cho nghiên cứu kế toán, kiểm toán bảo hiểm Tuy nhiên, ứng dụng phần lớn thưa thớt chủ yếu cấp độ lý thuyết Một số ES sử dụng cơng ty kế tốn cơng như: ADAPT (Gillett, 1993), Deloitte Touche’s Audit Planning Advisor, Price Waterhouse’s Planet, Arthur Andersen’s WinProcess KPMG’s KRisk (Brown, 1991; Bell cộng sự, 2002; Zhao cộng sự, 2004) Hầu hết hệ thống đánh giá rủi ro (Zhao cộng sự, 2004) Không phải tất ứng dụng AI kế toán, kiểm toán chứng minh thành công thời gian dài Vào năm 1995, Arthur Andersen tuyên bố phát triển hệ thống để giúp đánh giá rủi ro kiện tụng liên quan đến khách hàng kiểm toán (Berton, 1995) kết cho thấy khơng có lợi Ngược lại, AI áp dụng thành công chủ yếu cho cơng việc có cấu trúc, cơng việc lập trình cơng việc lặp lặp lại mà việc kết hợp chuyên môn người điều q khó khăn Ví dụ, nghiên cứu mở rộng ES cho cơng việc kế tốn, kiểm tốn từ năm © 2020 Trường Đại học Cơng nghiệp thành phố Hồ Chí Minh TRÍ TUỆ NHÂN TẠO VÀ NGHỀ KẾ TOÁN TRONG CUỘC CÁCH MẠNG 4.0 23 1980 (Abdolmohammadi, 1987; Gal Steinbart, 1987; Hansen Messier, 1987; Brown Murphy, 1990; Denna cộng sự, 1991; Brown Coakley, 2000) Ngày công ty triển khai công nghệ để hợp lý hóa hoạt động kinh doanh họ hoạt động đứng đầu danh sách họ kế tốn Đó AI cung cấp cho họ kết tích cực (tăng suất, cải thiện độ xác giảm chi phí) Với nhiều lợi ích vậy, AI sử dụng ngày nhiều cho cơng việc hành kế toán Với AI, tất việc xử lý liệu hồn tồn tự động, vậy, liệu tạo báo cáo thuế đảm bảo mức độ xác tạo nhanh chóng Ngồi ra, với trợ giúp AI, liệu nhận diện phân loại từ nguồn khác tạo thuận lợi cho kế tốn Nhiều cơng việc chun mơn khác thực kế toán xử lý tài khoản phải trả khoản phải thu xử lý dễ dàng AI Điều dẫn đến việc quản lý chi phí cơng ty cải thiện 2.2 Tại cần phải nghiên cứu việc sử dụng AI vào kế toán? AI quan trọng tương lai nghề kế tốn (Elliott, 1992) Với vai trị người cung cấp thông tin đánh giá rủi ro, kế tốn viên cần cơng cụ để làm tăng suất hiệu công việc họ Các nghiên cứu AI kế toán thực nhà nghiên cứu kế toán Phần lớn tác giả chuyên gia nhiều lĩnh vực kế toán, họ thiếu tảng giáo dục kinh nghiệm AI Nhiều người đến với AI thông qua tảng chung qua hệ thống thông tin Những người khác đơn giản nhận cần thiết ứng dụng AI lĩnh vực mà họ nghiên cứu tự học kiến thức lĩnh vực AI cho mục đích thực nghiên cứu họ Những người khác lại có mục tiêu giáo dục nhà nghiên cứu kế toán kỹ thuật AI cụ thể (Etheridge cộng sự, 2000) Các tài liệu AI kế toán thực nhà nghiên cứu kế tốn Một số nhà nghiên cứu AI xác định hội nghiên cứu ứng dụng kinh doanh chí khơng đề cập đến lĩnh vực kế toán, kiểm toán bảo hiểm (Metaxiotis Psarras, 2003) Với vài ngoại lệ xảy (Best cộng sự, 2004), ngắt kết nối dường tồn lĩnh vực ứng dụng kế toán, kiểm toán bảo hiểm lĩnh vực công nghệ AI Một hội lớn hữu cho công việc liên ngành chuyên gia lĩnh vực kế toán chuyên gia ứng dụng AI Việc hợp tác thúc đẩy phát triển AI kế toán theo hướng tích cực Bằng cách kết hợp người am hiểu lĩnh vực kế tốn mà hưởng lợi tốt từ phát triển AI với người hiểu biết sâu sắc ứng dụng cơng nghệ AI để có thể/nên áp dụng cho vấn đề cụ thể, ngành học cụ thể nhằm thấy đươc bùng nổ nghiên cứu phát triển vượt xa lý thuyết nguyên mẫu đặc trưng cho tài liệu nghiên cứu học thuật hiên 2.3 Tại phải mở rộng nghiên cứu AI kế toán? Một học mà nhân loại học nhiều thập kỷ qua việc xây dựng hệ thống hồn chỉnh khơng thiết lợi cạnh tranh nhà nghiên cứu AI (Alles cộng sự, 2008) Nếu tiến hệ thống dựa tri thức thực từ năm 2000 bắt đầu xem xét, có nhiều nghiên cứu tập trung vào phận cấu thành hệ thống mối quan hệ khơi gợi diễn tả tri thức (O'Leary, 2007); phát triển khả giải thích (Arnold cộng sự, 2004a; Smedley Sutton, 2004), trì kiến thức thực tế tốt hệ thống (O'Leary, 2009) Tương tự, nghiên cứu hành vi nghiên cứu kết hợp với nghiên cứu khoa học thiết kế để xem xét tác động tiềm tiến khoa học thiết kế thấy việc kiểm tra khác biệt kiến thức khả chuyển giao kiến thức (Thibodeau, 2003), sử dụng có chọn lọc hiệu việc giải thích cho người người dùng chuyên gia (Arnold cộng sự, 2006; Smedley Sutton, 2007) hiệu ứng từ việc sử dụng kho lưu trữ kiến thức thực tiễn tốt (McCall cộng sự, 2008) Đã có nhiều nghiên cứu tìm hiểu cách thức lý người dùng dựa vào hệ thống dựa tri thức (Triki Weisner, 2014) Mặc dù có nhiều tiến nghiên cứu AI kế toán, theo Gray cộng (2014) liệu nhà nghiên cứu AI có/nên từ bỏ nghiên cứu AI hay khơng Với diễn lĩnh vực AI vị gần nghề kế toán, ý nghĩ từ bỏ nghiên cứu AI kế tốn thời điểm khó tin Vì nhà nghiên cứu AIS bỏ lỡ hội tuyệt vời để cung cấp kỹ lãnh đạo công nghệ mà ngành nghề khác (trong có nghề kế tốn) cịn thiếu việc trang bị để giải sử dụng chúng để thực công việc thuộc lĩnh vực ngành nghề © 2020 Trường Đại học Cơng nghiệp thành phố Hồ Chí Minh 24 TRÍ TUỆ NHÂN TẠO VÀ NGHỀ KẾ TỐN TRONG CUỘC CÁCH MẠNG 4.0 Những ví dụ hỗ trợ cho tầm quan trọng tiến AI gần nghề kế toán, ví dụ: (i) sách trắng (whitepaper) Hiệp hội phát triển giảng dạy doanh thương bậc đại học (AACSB, 2014) giải thích tiêu chuẩn kiểm định kế tốn liên quan đến công nghệ thông tin tập trung vào phân tích liệu; (ii) việc phát hành tiêu chuẩn diễn giải từ sách trắng PwC (2015) chất nguồn liệu hoạt động kinh doanh kế toán Sách trắng lưu ý sinh viên cần đào tạo thống kê, phân tích liệu, sử dụng phần mềm R kỹ machine learning để áp dụng cho liệu có cấu trúc khơng cấu trúc Điều cho thấy thúc đẩy cho việc sử dụng rộng rãi kỹ AI khác Trọng tâm phong trào machine learning nguồn lĩnh vực AI, sau lần xuất hiện, AI trở thành mục tiêu sử dụng rộng rãi kiểm toán, thuế tư vấn Mặc dù trọng tâm thảo luận tập trung vào trực quan hóa liệu, vấn đề cốt lỏi cho thấy giai đoạn đầu phát triển hướng tới ứng dụng machine learning rộng lớn Hiện nay, có giới hạn nghiên cứu AI điều tra khía cạnh sử dụng AI kế toán, giới hạn bắt đầu thay đổi Một phần, nghiên cứu thúc đẩy động kiểm toán liên tục giám sát liên tục (Kuhn Sutton, 2010; Brown-Liburd cộng sự, 2015; Vasarhelyi cộng sự, 2015) Nhưng việc sử dụng phân tích liệu phức tạp lĩnh vực kế tốn nghiên cứu cần phải mở rộng chủ đề tương ứng (Schneider cộng sự, 2015) Vì chủ đề nghiên cứu AI kế tốn cịn rộng hội lớn Từ góc độ AI, phần lớn xoay quanh việc người định kế tốn thích nghi với việc sử dụng hiệu kỹ thuật machine learning không cách họ kết hợp phân tích vào việc định Một số kỹ thuật machine learning làm cho mẫu xác định dễ hiểu liệu Điều có dẫn đến chấp nhận phụ thuộc lớn không? Đối với kỹ thuật machine learning tạo mẫu khác liệu có khả dự đốn mạnh, mẫu khơng thể giải thích cho người dùng, điều dẫn đến chấp nhận phụ thuộc hay nhiều? Những người đưa định kế tốn nhận cách hiệu khác biệt giải thích so với kỹ thuật machine learning việc định sử dụng dựa vào kỹ thuật machine laerning thay nào? Phân tích liệu việc sử dụng chúng lĩnh vực kế toán đặt nhiều vấn đề, đặc biệt kỹ thuật machine learning phát triển áp dụng để thực phân tích phong phú Tất vấn đề nghiên cứu nói phù hợp để nghiên cứu khoa học hành vi kế tốn, nơi học giả có lợi cạnh tranh việc hiểu vấn đề kỹ thuật vấn đề nhận thức Đây nơi dễ dàng để học giả nắm bắt lợi cạnh tranh Những tiến lớn công nghệ thực lĩnh vực xử lý ngôn ngữ chứng minh sống hàng ngày qua công nghệ di động mà sử dụng, chẳng hạn Apple Siri Microsoft Cortana (Brynjolfsson McAfee, 2014) Các hệ thống nhận diện giọng nói người dùng chuyển âm thành tìm kiếm trả lời Việc xử lý ngơn ngữ ln coi hình thức tiên tiến khó AI, hệ thống khắc phục tạo ứng dụng khả thi Nghiên cứu xử lý ngôn ngữ xuất ngày nhiều nghiên cứu phát gian lận sớm Humpherys cộng (2011), họ sử dụng phân tích phần mềm để kiểm tra cơng bố tài văn để xác định ngôn ngữ lừa đảo Như vậy, thấy tiềm xử lý ngơn ngữ lớn Ngoài ra, việc sử dụng kết hợp hệ thống nhận dạng khuôn mặt phát giọng nói để xác định người cần vấn thêm (Higginbotham, 2013) Các hệ thống công cụ tiềm sử dụng cho kiểm toán để vấn điện tử cá nhân khách hàng trước kiểm toán viên đến gặp khách hàng với tư cách phương tiện đánh giá rủi ro bổ sung Một lần nữa, thay đổi nhanh chóng AI mở đường cho nhà nghiên cứu để họ nhìn thấy hội sẵn sàng cam kết sử dụng cơng nghệ giai đoạn đầu Cũng thời kỳ đầu này, nhà nghiên cứu khoa học thiết kế có hội lớn để hình thành kỹ lãnh đạo Tuy nhiên, việc thúc đẩy sử dụng công nghệ AI ứng dụng chúng kế tốn khía cạnh nghiên cứu mà nhà nghiên cứu AI nên tập trung vào Mặt khác nhà nghiên cứu AI nên nhận thức nghĩa vụ phải xem xét liệu cơng nghệ tác động bất lợi và/hoặc bị lạm dụng hay không Cơ quan nghiên cứu phát triển chủ yếu xoay quanh Lý thuyết thống trị công nghệ (Arnold Sutton, 1998) đưa số cảnh báo việc áp dụng công nghệ Nghiên cứu tập trung vào ứng dụng AI truyền thống – ES, hệ thống thông minh, hệ thống dựa tri thức hệ thống hỗ trợ kiểm tốn Lý thuyết thống trị cơng nghệ (Phần 5) người sử dụng cộng nghệ AI đưa © 2020 Trường Đại học Cơng nghiệp thành phố Hồ Chí Minh TRÍ TUỆ NHÂN TẠO VÀ NGHỀ KẾ TOÁN TRONG CUỘC CÁCH MẠNG 4.0 25 định sai ho sử dụng hệ thống có nhiều kiến thức người dùng Ví dụ, nghiên cứu thực nghiệm chứng minh tác động sai người dụng xảy sử dụng công cụ hỗ trợ tuân thủ thuế thông minh (Masselli cộng sự, 2002), hệ thống dựa kiến thức thiết kế để giúp chuyên gia phá sản (Arnold cộng sự, 2004b) kiểm toán (O ' Leary, 2003) Lý thuyết thống trị công nghệ (Phần 6) cho hệ thống thông minh nên sử dụng để hợp tác với chuyên gia định nhằm giúp cải thiện việc đưa định Trong nghiên cứu cho thấy người đưa định sai sử dụng hệ thống dựa tri thức, Arnold cộng (2004b) chứng minh chuyên gia sử dụng hệ thống để cải thiện việc định họ thông qua hiệu ứng khử (debiasing effect) Tuy nhiên, nghiên cứu khám phá hiệu ứng hợp tác Khi việc sử dụng kỹ thuật AI khác trở nên phổ biến kế tốn, lĩnh vực đặc biệt hiệu Cách tiếp cận hợp tác quan trọng kỹ thuật AI tiên tiến ngày áp dụng lĩnh vực kế tốn Lý thuyết thống trị cơng nghệ (Phần 7) thảo luận công nghệ rủi ro hỗ trợ cho phát triển liên tục chuyên gia lĩnh vực; rủi ro ảnh hưởng đến khả tồn mối quan hệ hợp tác người máy tính tương lai Phần cho việc sử dụng hệ thống thơng minh có hiệu ứng giảm kỹ xử lý công việc (deskilling effect) chuyên gia người muốn trở thành chuyên gia họ ngày phụ thuộc vào hệ thống thơng minh hồn thành nhiệm vụ cơng việc Có nhiều nghiên cứu lĩnh vực Odom Dorr (1995), Mascha (2001), Mascha Smedley (2007), Smedley Sutton (2007), McCall cộng (2008) Nhưng có lẽ nghiên cứu liên quan Dowling cộng (2008) kiểm tra hiệu kiểm tốn viên có kinh nghiệm kiểm tốn thấy kiểm tốn viên từ cơng ty có hệ thống giới hạn cao việc kiểm sốt q trình định yếu thực nhiệm vụ so với kiểm tốn viên có kinh nghiệm tương đương làm việc với hệ thống linh hoạt cho phép đánh giá kiểm toán viên tốt Hiệu ứng tương tự nhìn thấy nghiên cứu Stuart Prawitt (2012) Hai nghiên cứu cho thấy hiệu ứng giảm kỹ xử lý công việc (deskilling effect) xảy từ định bị chi phối công nghệ đặt câu hỏi lớn nghề kế toán tiến sâu vào hệ thống dựa AI tiên tiến Cuối cùng, Lý thuyết thống trị công nghệ (Phần 8) cho thấy mối lo nhận thức nghề kế tốn bị đình trệ phát triển chuyên gia bị hạn chế thông qua thiển cận kinh nghiệm họ Nhận thức phát triển từ khác biệt suy nghĩ cách tiếp cận dẫn đến tranh luận, phát triển trình kiến thức xuất từ suy nghĩ đa dạng Nếu chuyên gia sử dụng hệ thống, họ học theo cách khơng cịn đa dạng tư tưởng để tạo nhận thức Trong đề xuất chưa kiểm chứng (và kiểm chứng được), học giả chuyên gia nên nhận thức mối quan tâm ứng dụng công nghệ phát triển triển khai Brynjolfsson McAfee (2011, 2014) đặt câu hỏi liệu với tiến AI đặc biệt khả máy móc thay lao động tri thức, làm khơng cần phải làm việc Nghiên cứu Oxford cho thấy 94% chun gia kế tốn bị thay cơng nghệ vịng 10 năm tới (Frey Osborne, 2013) Từ góc độ kế tốn, có thêm nghề khác khơng khơng cần chuyên gia người Chúng ta chưa trạng thái cơng nghệ ứng dụng chúng phát triển nhanh chóng, cụ thể ứng dụng dựa AI giới chun mơn theo đuổi giới hàn lâm cần có trách nhiệm suy ngẫm tăng tranh luận tiến công nghệ đến tương lai nghề nghiệp xã hội 2.4 Các xu hướng tương lai cho nghề kế toán bối cảnh AI gì? Trước bùng nổ công nghệ kỷ nguyên 4.0 cho thấy thực tế đáng lo ngại nghề kế toán, nghề kế tốn xem ngành nghề có tỷ lệ tự động hóa cao thừa nhận học giả nghiên cứu thực nghiệm Tuy nhiên, khơng thách thức làm chùn bước mà ngược lại xem phát triển cơng nghệ nói chung, AI nói riêng khởi đầu đổi chứng minh tiềm AI thích ứng với thay đổi gần môi trường kinh doanh thay đổi yêu cầu quản lý Trên thực tế, kế toán viên hưởng lợi từ hệ thống thơng minh việc sử dụng khả mình, họ giải ba vấn đề lớn (ICAEW, 2017): hỗ trợ định cách cung cấp liệu tốt rẻ hơn; cung cấp phân tích liệu © 2020 Trường Đại học Cơng nghiệp thành phố Hồ Chí Minh 26 TRÍ TUỆ NHÂN TẠO VÀ NGHỀ KẾ TOÁN TRONG CUỘC CÁCH MẠNG 4.0 sâu đưa hiểu biết kinh doanh; tập trung vào nhiệm vụ có giá trị sau giải phóng thời gian làm việc ứng dụng AI mang lại * Tiềm thay cơng việc kế tốn ứng dụng AI Cách tiếp cận phù hợp để đánh giá tiềm dịch chuyển cơng việc phân tích nội dung nhiệm vụ cơng việc kế tốn Một số nhiệm vụ chắn thay hệ thống thông minh câu hỏi hợp lý cho trường hợp mức độ Các dự án nghiên cứu triển khai không đủ cho thấy tiến AI khả AI để giải vấn đề kế toán thực tế Nghiên cứu cung cấp số thông tin chi tiết thành tựu gần dựa nghiên cứu ICAEW (2017) AI tương lai kế tốn Sổ sách kế tốn cơng việc thường xuyên nhất, tốn thời gian phần tự động hóa cơng việc kế tốn Tính hợp lý đằng sau hệ thống ghi sổ kép cho phép mã hóa việc ghi sổ kế tốn Giao dịch kinh doanh phức tạp phân tách, mô tả dễ dàng thuật ngữ kế toán ghi vào sổ Q trình hồn tồn tự động cách sử dụng công nghệ machine learning Độ xác liệu kế tốn thời gian ghi sổ cải thiện Ngăn chặn phát gian lận lĩnh vực khác ứng dụng AI Bởi vì, máy móc khơng thể bị cám dỗ tiền quyền lực chúng điều khiển quy tắc định hành động lập trình sẵn Có nhiều ví dụ định hành động mang tính chủ ý người gây tổn hại cho công ty như: trộm cắp tài sản, tránh thuế, biển thủ tiền ăn cắp tiền, giả mạo báo cáo tài vài số nhiều ví dụ phổ biến Các hoạt động gian lận dự đốn xác định dễ dàng mơ hình machine learning hoạt động bình thường Một cơng việc khác mà AI đem lại lợi ích dự báo doanh thu (ICAEW, 2017) Trong thời điểm không chắn, bất cân xứng thơng tin rủi ro vốn có, việc dự báo công việc dễ dàng mơ hình kỹ thuật áp dụng Độ xác dự báo doanh thu quan trọng hoạt động/sử dụng ngân quỹ Việc sử dụng mơ hình dự đốn dựa thuật tốn machine learning cải thiện chất lượng liệu dự báo, quy trình lập ngân sách quản trị chiến lược Mặt khác, nhân viên kế toán phải đặc biệt ý đến chất lượng tập liệu sử dụng cho mục đích dự báo lập kế hoạch chúng có nguy sai lệch vốn có Các tập liệu phải kiểm tra cẩn thận cung cấp liệu cho mơ hình phân tích (Shimamoto, 2018) Kế tốn báo cáo tài lĩnh vực khác có tiềm lớn cho tự động hóa Điều đáng nói năm 1980 1990, số hệ thống ES sử dụng chủ yếu để đánh giá dòng tiền, kết hợp phân tích kinh doanh, xử lý kế tốn cho th phân tích báo cáo tài cho mục đích kiểm sốt (Yang Vasarhelyi, 1995) Trong nghiên cứu ban đầu báo cáo tài trình bày dạng tập hợp phương trình chéo có liên quan cơng nghệ ES áp dụng Yang Vasarhelyi (1995) cho ES phù hợp việc hỗ trợ lĩnh vực kế toán tài chúng làm phong phú thêm tiền đề cung cấp tảng cho nhiều loại phép ẩn dụ Một thách thức thực tế số lượng quy định ngày tăng cần phải chuyển đổi thành quy tắc định phù hợp với thuật tốn AI Việc phân tích lượng lớn liệu phi cấu trúc (email, hợp đồng, đồ thị, video, blog, v.v ) cải thiện đáng kể cách áp dụng mơ hình deep learning Big data cung cấp hiểu biết kinh doanh dẫn đến giải pháp kinh doanh chiến lược định tốt Do tính chất đa dạng phức tạp khối lượng lớn Big data, chúng không yêu cầu công nghệ đặc biệt mà cần kỹ cơng việc để phân tích big data Các chun gia kế tốn bị thử thách việc hình thành kỹ thông qua chương giáo dục đào tạo phù hợp Khái niệm học tập suốt đời chìa khóa thành cơng cho việc thích ứng với yêu cầu lực liên tục thay đổi * Những kỹ mà kế toán viên cần có để hưởng lợi từ việc triển khai công nghệ AI tạo nhiều giá trị cho doanh nghiệp Việc phân tích việc chuyển dịch công việc kèm với nghiên cứu tương ứng thách thức thực tế nghề kế tốn, xác kỹ cần thiết để thực hoạt động mơi trường thay đổi nhanh chóng thúc đẩy công nghệ kỹ thuật số sức mạnh xử lý thông tin ngày tăng (Chan, 2013) Sự chuyển đổi nhanh chóng bối cảnh kinh doanh ứng dụng AI dẫn đến tình cơng nghệ thơng minh tích hợp vào phần mềm kế toán kinh doanh, nhiều kế toán viên gặp ứng dụng công nghệ mà không nhận thức đầy đủ tính logic, khả tiềm chúng (ICAEW, 2017) © 2020 Trường Đại học Cơng nghiệp thành phố Hồ Chí Minh TRÍ TUỆ NHÂN TẠO VÀ NGHỀ KẾ TOÁN TRONG CUỘC CÁCH MẠNG 4.0 27 Một kỹ cần thiết chuyên môn kỹ thuật machine learning độ sâu kiến thức phụ thuộc vào quy mô tổ chức, sách đầu tư chiến lược đổi Mặc dù phụ thuộc vào yếu tố này, điều quan trọng kế toán viên phải hiểu tầm quan trọng chất lượng liệu sử dụng Việc dạy học máy tính việc sử dụng liệu đòi hỏi ý đặc biệt đến chất lượng liệu đề cập trước Các quy trình kiểm sốt nội nên thực để giảm thiểu rủi ro liên quan đến hạn chế ứng dụng AI Trong số kỹ kỹ thuật kỹ phân tích big data có tập trung ngày tăng vào big data cho nghề kế toán, (Gamage, 2016) Ellis King (giám đốc Morgan McKinley) nhận thấy, có thay đổi lớn kỹ cần thiết để tham gia vào thị trường lao động phân tích big data đóng vai trị trung tâm King (2014) kế tốn viên trẻ kinh nghiệm kỳ vọng tạo liệu đưa phân tích hữu ích, đó, góp phần vào viêc dự báo tăng trưởng tiềm năng, thị trường cạnh tranh Gamage (2016) cho 77% cơng ty khai thác lợi ích việc phân tích liệu đạt hiệu tài tốt Hơn nữa, việc định dựa liệu dẫn đến hiệu tăng từ 5% đến 6% tùy thuộc vào đặc thù ngành (Tene Polonetski, 2013) Machine laerning cơng cụ có lợi có liệu lớn - có nhiều điểm liệu, mơ hình chạy, học kiểm tra độ xác kết nhiều lần (ICAEW, 2014) Báo cáo cơng bố Hiệp hội Kế tốn cơng chứng Anh (ACCA) Hội Kế tốn viên quản trị (IMA) (2013) thừa nhận có ba lĩnh vực đóng góp quan trọng: định giá liệu, sử dụng big data việc định sử dụng big data quản lý rủi ro kế toán viên phải đào tạo tốt để thu thập phân tích liệu có cấu trúc liệu không cấu trúc để nắm bắt hội trở thành thủ lĩnh big data chứng hỗ trợ cho việc định - giúp xác định lại cách thức kinh doanh thực (CGMA, 2013) Trong báo cáo ICAEW (2014) khẳng định rằng, chun gia kế tốn tăng cường đóng góp họ cho doanh nghiệp cách sử dụng big data phân tích như: sử dụng mơ hình dự đốn nguồn liệu khác để cải thiện ngân sách dự báo; sử dụng ngoại lệ tinh vi phân tích loại trừ để cải thiện kiểm soát nội quản trị rủi ro; nâng cao hiệu chất lượng hoạt động kiểm tốn thơng qua phân tích tồn bộ liệu Vì chất thận trọng hồi nghi kế tốn viên, họ đóng góp cách kiểm tra cải thiện chất lượng liệu Tuy nhiên, kế toán viên cần trang bị đủ kiến thức lý thuyết kỹ thực hành thống kê để giao tiếp chuyên nghiệp với phận khác doanh nghiệp Ngoài ra, kỹ giao tiếp tư phản biện ngày trở nên quan trọng thời đại AI (ICAEW, 2017) Jazaie (2017) cho số 10 kỹ giao tiếp quan trọng kế toán viên là: kỹ thuyết trình (kể chuyện), uy tín, tự tin, thân thiện, giao tiếp mắt, hiểu quan điểm khả người để đưa nhận phản hồi Mặt khác, kỹ tư phản biện (được chấp nhận rộng rãi u cầu để thành cơng hầu hết lĩnh vực thực tế chuyên nghiệp, khơng kế tốn) bắt đầu đề cập kể từ năm 1980 (Sin, Jones Wang, 2015) Khả tư phản biện sau coi điều kiện tiên để chuyển đổi thành công từ lớp học sang môi trường làm việc chuyên nghiệp Sự phát triển tư phản biện cần phải trở thành mục tiêu giáo dục kế toán Kỹ lãnh đạo trở nên quan trọng với thay đổi vai trò kế toán Khi chuyên gia tăng cường tham gia họ vào việc quản trị chiến lược hợp tác công ty, hợp tác với phận khác tổ chức, số loại kỹ lãnh đạo trở nên thiếu như: lãnh đạo chiến lược tổ chức; huấn luyện cố vấn; ý thức đạo đức lãnh đạo chéo * Vai trò nhiệm vụ kế tốn giúp họ vượt qua ranh giới họ tổ chức Theo Gamage (2016) kế toán viên trở thành người chuẩn bị liệu tài khứ Một thay đổi vai trị kế tốn viên phản ứng cơng việc chun sâu với phân tích liệu họ Được bổ sung nhận thức hiểu biết kinh doanh, kỹ toán học hợp lý, kế toán viên có khả giỏi việc vượt qua ranh giới tổ chức Hơn nữa, AI đẩy nhanh xu hướng Một số vai trị kế tốn mở rộng gia tăng kết hợp hợp tác với phận khác tổ chức Năng lực kế toán viên machine learning phân tích liệu có giá trị họ cung cấp hỗ trợ cho nhân viên khác việc hiểu mô hình phức tạp ý nghĩa liệu (ICAEW, 2017) © 2020 Trường Đại học Cơng nghiệp thành phố Hồ Chí Minh 28 TRÍ TUỆ NHÂN TẠO VÀ NGHỀ KẾ TỐN TRONG CUỘC CÁCH MẠNG 4.0 Ngồi thay đổi số vai trị kế tốn tại, nhiệm vụ công việc phát sinh Nghiên cứu thực ICAEW (2017) nhấn mạnh rằng, kế toán viên cần tham gia vào mơ hình đào tạo thử nghiệm, thuật toán kiểm toán, dự án để giúp hình thành vấn đề tích hợp quy trình kinh doanh hiệu quả, quản lý đầu vào đầu xử lý ngoại lệ chuẩn bị liệu Gamage (2016) khẳng định, nhờ kỹ phân tích liệu kỹ mơ hình hố dử liệu tài họ, kế tốn viên đóng vai trị chiến lược chủ động tổ chức Một kết luận thú vị ACCA IMA rút báo cáo chung họ (ACCA & IMA, 2013) Hai hiệp hội nghề nghiệp dự đoán tương lai nghề kế toán chuyển đổi thành kết hợp chuyên nghiệp tương tác tài chính, cơng nghệ kỹ thơng tin lực ICAEW (2017), kế tốn viên gia tăng tham gia họ trình định, quản trị chiến lược giải vấn đề Đóng góp họ với tư cách chuyên gia tư vấn nội đưa lời khuyên cho việc quản trị công ty có giá trị làm tăng vai trị xã hội họ việc xây dựng củng cố mối quan hệ tổ chức * Các nhà giáo dục kế toán cần sẵn sàng cho thử thách AI Các nhà giáo dục kế toán bị thách thức tính ứng dụng ngày tăng AI Gamage (2016), nhà giáo dục kế toán chịu áp lực cao từ tổ chức nghề nghiệp kế toán kiểm định chuyên nghiệp quốc tế việc tăng cường nội dung cơng nghệ vào khóa học kế toán, bao gồm machine learning, big data phân tích Rõ ràng trường đại học phải đóng vai trị quan trọng q trình với tư cách người khởi xướng cho việc thay đổi chương trình giảng dạy Các câu hỏi thách thức việc làm để chương trình giảng dạy giáo trình thích ứng với u cầu thị trường lao động tại, nhà tuyển dụng kỳ vọng sinh viên tốt nghiệp, làm để phát triển kỹ cho công việc tương lai Ví dụ, liên quan đến tập trung ngày tăng vào big data phân tích cho ngành kế toán, v.v… Rõ ràng cách tiếp cận liên ngành nên áp dụng toàn chương trình giảng dạy nhà giáo dục kế tốn phải chịu trách nhiệm đáp ứng kịp thời nhu cầu bối cảnh công nghệ phát triển không ngừng Kiến thức kỹ AI khoa học liệu nên coi lợi cạnh tranh Chẳng hạn, big data gắn với nhiều nguyên tắc (Gamage, 2016) Khoảng cách trường đại học thực hành kế toán phải khắc phục thời đại công nghệ thông minh Phối hợp hợp tác nhà giáo dục ngành kế toán điều kiện tiên cho thành cơng sinh viên kế tốn sau tốt nghiệp KẾT LUẬN AI định hình lại tương lai nhiều ngành nghề khơng loại trừ nghề kế tốn Nhiều hội cho cơng việc vai trị xuất xem AI cơng cụ bổ sung cho trí thơng minh nhân loại Tuy nhiên, mối đe dọa dịch chuyển lao động điều người hành nghề kế toán phải đối mặt với thay đổi nhận thức từ việc tự động hóa nhiệm vụ kế toán sang hướng nắm bắt khả AI áp dụng vào nghề kế tốn lợi ích Vai trị kế tốn tiến gần đến chức quản trị công ty Mặt khác, AI tác động tác động đến vai trị kế tốn viên, đó, nhà giáo dục kế tốn cần thay đổi suy nghĩ, phát triển kỹ năng, nâng cao lực cần thiết có liên quan đến cơng nghệ thơng minh vào cơng việc đào tạo Đồng thời, chương trình đào tạo kế tốn cần xem xét thận trọng chuẩn bị đầy đủ nhằm đáp ứng yêu cầu thị trường lao động kỷ nguyên công nghệ 4.0 để giúp sinh viên tốt nghiệp đạt thành công Các nhà nghiên cứu kế toán gặp nhiều thách thức vấn đề AI lĩnh vực kế toán họ phải hợp tác với chuyên gia AI, thu hẹp khoảng cách có kế tốn AI Các ứng dụng AI phức tạp phát triển để giải số vấn đề kế toán hữu Do rủi ro liên quan đến ứng dụng AI nay, quan quản lý kế toán, hội nghề nghiệp kế toán văn quy phạm pháp luật phải xem xét tác động công nghệ tiêu chuẩn báo cáo tài tính minh bạch liệu đầu ra, xuất phát từ việc áp dụng mơ hình machine learning Một kỳ vọng quan quản lý cần khuyến khích thúc đẩy việc áp dụng cơng nghệ thơng minh thực tiễn kế tốn, hình thành hiểu biết sâu sắc AI rủi ro liên quan việc áp dụng AI (ICAEW 2017) © 2020 Trường Đại học Công nghiệp thành phố Hồ Chí Minh TRÍ TUỆ NHÂN TẠO VÀ NGHỀ KẾ TỐN TRONG CUỘC CÁCH MẠNG 4.0 29 TÀI LIỆU THAM KHẢO [1] AACSB International Committee on Accreditation Policy (2014) AACSB International Accounting Accreditation Standard A7: Information Technology Skills and Knowledge for Accounting Graduates: An Interpretation AACSB International [2] Abdolmohammadi, M.J (1987) Decision support and expert systems in auditing: a review and research directions Accounting and Business Research 173–185 [3] ACCA & IMA (2013) Big data: its power and perils Viewed 25 April 2018, http://www.accaglobal.com/bigdata [4] Alles, M., Kogan, A., & Vasarhelyi, M (2008) Exploiting comparative advantage: a paradigm for value added research in accounting information systems Int J Account Inf Syst 9, 202–215 [5] Amelia, A.B., Carol, E.B., & Brad, S.T (2006) Opportunities for artificial intelligence development in the accounting domain: the case for auditing Intelligent systems in accounting, finance and management Intell Sys Acc Fin Mgmt, 14, 77–86 [6] Arnold, V., Clark, N., Collier, P.A., Leech, S.A., & Sutton, S.G (2004a) Explanation provision and use in an intelligent decision aid Int J Intell Syst Account Financ Manag, 12 (1), 5–27 [7] Arnold, V., Clark, N., Collier, P.A., Leech, S.A., & Sutton, S.G (2006) The differential use and effect of knowledge-based system explanations in novice and expert judgment decisions MIS Q, 30 (1), 79–97 [8] Arnold, V., Collier, P.A., Leech, S.A., & Sutton, S.G (2004b) The impact of intelligent decision aids on experienced and novice decision makers' judgments Account Finance, 44, 1–26 [9] Arnold, V., & Sutton, S.G (1998) The theory of technology dominance: understanding the impact of intelligent decision aids on decision makers' judgments Adv Account Behav Res, 1, 175–194 [10] Baldwin, A.A., Brown, C.E., & Trinkle, B.S (2006) Opportunities for artificial intelligence development in the accounting domain: the case for auditing Intelligent Systems in Accounting Finance and management, 14, 77-86 [11] Bell, T.B., Bedard, J.C., Johnstone, K.M., & Smith, E.F (2002) KRisk: a computerized decision aid for client acceptance and continuance risk assessments Auditing: A Journal of Practice and Theory, 21 (2), 97–113 [12] Berton L (1995) Big accounting firms weed out risky clients The Wall Street Journal, 26, B1, B6 [13] Best, P.J., Mohay, G., & Anderson, A (2004) Machine-independent audit trail analysis—a tool for continuous audit assurance Intelligent Systems in Accounting, Finance and Management, 12 (2), 85–102 [14] Brown, C.E., &Coakley, J.R (2000) Artificial neural networks in accounting and finance: modeling issues International Journal of Intelligent Systems in Accounting, Finance and Management, 9, 119–144 [15] Brown, C.E., & Murphy, D.S (1990) The use of auditing expert systems in public accounting Journal of Information Systems, 63–72 [16] Brown, C.E (1991) Expert systems in public accounting: current practice and future directions Expert Systems with Applications: An International Journal, 3(1), 3–18 [17] Brown-Liburd, H., Issa, H., & Lombardi, D (2015) Behavioral implications of big data's impact on audit judgment and decision making and future research directions Account Horiz 29 (2), 451–468 [18] Brynjolfsson, E., & McAfee, A (2011) Race Against the Machine Digital Frontier Press, Lexington, MA [19] Brynjolfsson, E., & McAfee, A (2014) The Second Machine Age: Work, Progress, and Prosperity in a Time of Brilliant Technologies W W Norton & Company, Inc., New York [20] Chan, D (2013) The World is Turning Upside Down Viewed 25 April 2018, https://www.cass.city.ac.uk/faculties-and-research/research/cass-knowledge/2013/november/thechallenges-facingmanagement-in-a-rapidly-changing-business-environment [21] Chartered Global Management Accountants Report (CGMA) (2013) From insight to impact: unlocking opportunities in Big Data Viewed 20 February 2018, https://www.cgma.org/content/dam/cgma/resources/reports/downloadabledocuments/frominsight-to-impactunlocking-the-opportunities-in-big-data.pdf [22] Denna, E.L., Hansen, J.V., & Meservy, R.D (1991) Development and application of expert systems in audit services IEEE Transactions on Knowledge and Data Engineering, (2), 172–184 [23] Dowling, C., Leech, S., & Moroney, R (2008) Audit support system design and the declarative knowledge of long-term users J Emerg Technol Account, (1), 99–108 [24] Eleonora, P., S-T (2018) How artificial intelligence is challenging accounting profession Journal of International Scientific Publications, ISSN 1314-7242, Volume 12 [25] Elliott, R.K (1992) The third wave breaks on the shores of accounting Accounting Horizons, 61–85 [26] Etheridge, H.L., Sriram, R.S., & Hsu, H.Y.K (2000) A comparison of selected artificial neural networks that help auditors evaluate client financial viability Decision Sciences, 31 (2), 531–550 [27] Frey, C.B., & Osborne, M.A (2013) The Future of Employment: How Susceptible Are Jobs to computerisation? Oxford University, UKhttp://www.oxfordmartin.ox.ac.uk/downloads/academic/The_Future_of_Employment.pdf [28] Gal, G., & Steinbart, P (1987) Artificial intelligence and research in accounting information systems: opportunities and issues Journal of Information Systems, 54–62 © 2020 Trường Đại học Cơng nghiệp thành phố Hồ Chí Minh 30 TRÍ TUỆ NHÂN TẠO VÀ NGHỀ KẾ TOÁN TRONG CUỘC CÁCH MẠNG 4.0 [29] Gamage, P (2016) Big Data: Are accounting educators ready? Accounting and Management Information Systems, 15 (3), 588-604 [30] Gillett, P.R (1993) Automated dynamic audit programme tailoring: an expert system approach Auditing: A Journal of Practice and Theory 12(2), 173–189 [31] Gray, G., Chiu, V., Liu, Q., & Li, P (2014) The expert systems life cycle in AIS research: what does it mean for future AIS research? Int J Account Inf Syst 15, 423–451 [32] Grewal, P.D.S (2014) A Critical Conceptual Analysis of Definitions of Artificial Intelligence as Applicable to Computer Engineering IOSR Journal of Computer Engineering, 16, 9-13.https://doi.org/10.9790/0661-16210913 [33] Hansen, J.V, & Messier, Jr W.F (1987) Expert systems in auditing: the state of the art Auditing: A Journal of Practice and Theory, 7(1), 94–105 [34] Higginbotham, A (2013) Deception is futile when big brother's lie detector turns its eyes on you Wired January 17 Available athttp://www.wired.com/2013/01/ff-liedetector/ [35] Humpherys, S., Moffitt, K., Burns, M., Burgoon, J., Felix, W (2011) Identification of fraudulent financial statements using linguistic credibility analysis Decis Support Syst 50, 585–594 [36] Institute of Chartered Accountants in England and Wales (ICAEW) (2017) Artificial intelligence and the future of accountancy, viewed 15 March 2018, https://www.icaew.com/-/media/corporate/files/technical/informationechnology/technology/artificial-intelligencereport.ashx?la=en [37] Institute of Chartered Accountants in England and Wales (ICAEW) (2014) Big Data and analytics – what’s new? Viewed 10 March 2018, https://www.icaew.com/-/media/corporate/archive/files/technical/informationtechnology/technology/what-is-new-aboutbig-data-v2.ashx [38] Jazaie, R (2017) Communication Skills for Accountants: Lessons from GGU’s Director of Accounting Programs Viewed 26 April 2018, https://ggubusiness.com/2017/10/12/communication-skills-for-accountingpresentations/ [39] King, E (2014) London jobs: big drive for big data Viewed 26 Aprilr 2018, https://www.icaew.com/en/archive/groups-and-networks/local-groups-and-societies/londonds/londonaccountant/opinion/jun14-morgan [40] Kuhn, J., & Sutton, S.G (2010) Continuous auditing in ERP system environments: the current state and future directions J Inf Syst 24 (1), 91–112 [41] Makridakis, S (2017) The forthcoming Artificial Intelligence (AI) revolution: Its impact on society and firms Futures, 90, 47-60 [42] Mascha, M (2001) The effect of task complexity and expert system type on the acquisition of procedural knowledge: some new evidence Int J Account Inf Syst (2), 103–124 [43] Mascha, M., & Smedley, G (2007) Can computerized decision aids “damage”? A case for tailoring feedback and task complexity based on task experience Int J Account Inf Syst (2), 73–91 [44] Masselli, J., Ricketts, R., Arnold, V., & Sutton, S.G (2002) The impact of embedded intelligent agents on tax compliance decisions J Am Tax Assoc 1, 60–78 [45] McCall, H., Arnold, V., & Sutton, S.G (2008) Use of knowledge management systems and the impact on declarative knowledge acquisition J Inf Syst 22 (1), 77–101 [46] Metaxiotis, K., & Psarras, J (2003) Expert systems in business: applications and future directions for the operations researchers Industrial Management & Data Systems, 103 (5–6), 361–368 [47] Nilsson, Nils J., 1933-2019 (2010) The quest for artificial intelligence: a history of ideas and achievements Cambridge; New York: Cambridge University Press [48] O’Leary, D.E (2003) Auditor environmental assessments International Journal of Accounting Information Systems, 4, 275-294 [49] O’Leary, D.E (1987) The Use of Artificial Intelligence in Accounting, in BG Silverman (ed.) Expert Systems for Business, Addison-Wesley Publishing Company, 83-98 [50] Odom, M., & Dorr, P (1995) The impact of elaboration-based expert system interfaces on de-skilling: an epistemological issue J Inf Syst 9, 1–18 [51] O'Leary, D (2007) Knowledge representation of rules: a note Intell Syst Account Financ Manag 15 (1/2), 73–84 [52] O'Leary, D (2009) A comparative analysis of the evolution of a taxonomy for best practices: a case for “knowledge efficiency” Intell Syst Account Financ Manag 16 (4), 293–309 [53] Parloff, R (2016) Why deep learning is suddenly changing your life Fortune, 28 September, viewed March 2018, http://fortune.com/ai-artificial-intelligence-deep-machine-learning/ [54] PwC (2015) Data driven: what students need to succeed in a rapidly changing business world Available athttp://www.pwc.com/us/en/faculty-resource/assets/PwCData-driven-paper-Feb2015.pdf [55] Schneider, G., Dai, J., Janvrin, D., Ajayi, K., & Raschke, R (2015) Infer, predict, and assure: accounting opportunities in data analytics Account Horiz, 29 (3), 719–742 © 2020 Trường Đại học Cơng nghiệp thành phố Hồ Chí Minh TRÍ TUỆ NHÂN TẠO VÀ NGHỀ KẾ TOÁN TRONG CUỘC CÁCH MẠNG 4.0 31 [56] Shimamoto, DC (2018) Why Accountants Must Embrace Machine Learning viewed 25 April 2018, https://www.ifac.org/global-knowledge-gateway/technology/discussion/why-accountants-mustembrace-machinelearning [57] Sin, S., Jones, A., & Wang, Z (2015) “Critical Thinking in Professional Accounting Practice: Conceptions of Employers and Practitioners” in M Davies & R Barnett (ed.) The Palgrave Handbook of Critical Thinking in Higher Education, Palgrave MacMillan, 431-456 [58] Smedley, G., & Sutton, S.G (2004) Explanation provision in knowledge-based systems: a theory driven approach for knowledge transfer designs J Emerg Technol Account 1, 41–61 [59] Smedley, G., & Sutton, S.G (2007) The effect of alternative procedural explanation types on procedural knowledge acquisition during knowledge-based systems use J Inf Syst 21 (1), 27–52 [60] Stuart, I., & Prawitt, D (2012) Firm-level formalization and auditor performance on complex tasks Behav Res Account 24 (2), 193–210 [61] Suton, S., Holt, M., & Arnold, V (2016) The reports of my death are greatly exaggerated – Artificial intelligence research in accounting International Journal of Accounting Information Systems, 22, 60-73 [62] Tene, O., & Polonetski, J (2013) Big Data for All: Privacy and User Control in the Age of Analytics Northwestern Journal of Technology and Intellectual Property, 11 (5), 240-273 [63] Thibodeau, J (2003) The development and transferability of task knowledge Audit J Pract Theory 22, 47–67 [64] Triki, A., & Weisner, M (2014) Lessons learned from the literature on the theory of technology dominance: possibilities for an extended research framework J Emerg Technol Account 11 (1), 41–69 [65] Vasarhelyi, M., Kogan, A., & Tuttle, B (2015) Big data in accounting: an overview Account Horiz 29 (2), 381–396 [66] Yang, D.C., & Vasarhelyi, M.A (1995) The Application of Expert Systems in Accounting Unpublished working paper [67] Zhao, N., Yen, D.C., & Chang, I.C (2004) Auditing in the e-commerce era Information Management & Computer Security 12 (5), 389–400 Ngày nhận bài: 26/02/2020 Ngày chấp nhận đăng: 28/04/2020 © 2020 Trường Đại học Cơng nghiệp thành phố Hồ Chí Minh ... chúng lên lĩnh vực kế toán AI VÀ NGHỀ KẾ TOÁN TRONG CUỘC CÁCH MẠNG 4.0 2.1 AI lĩnh vực kế tốn gì? Một số dạng lý thuyết định công nghệ AI áp dụng cho nghiên cứu kế toán, kiểm toán bảo hiểm Tuy... nghiên cứu mở rộng ES cho công việc kế tốn, kiểm tốn từ năm © 2020 Trường Đại học Cơng nghiệp thành phố Hồ Chí Minh TRÍ TUỆ NHÂN TẠO VÀ NGHỀ KẾ TOÁN TRONG CUỘC CÁCH MẠNG 4.0 23 1980 (Abdolmohammadi,... sử dụng chúng để thực công việc thuộc lĩnh vực ngành nghề © 2020 Trường Đại học Cơng nghiệp thành phố Hồ Chí Minh 24 TRÍ TUỆ NHÂN TẠO VÀ NGHỀ KẾ TỐN TRONG CUỘC CÁCH MẠNG 4.0 Những ví dụ hỗ trợ