Chủ động nhận diện rủi ro, gia tăng giá trị kiểm toán

Chuyến công tác của Phó Tổng Kiểm toán nhà nước Trần Minh Khương tại trụ sở BKP, tháng 11/2025. Ảnh: TL

Từ dữ liệu lớn đến nhận diện rủi ro

Chuyển đổi số làm thay đổi sâu sắc môi trường hoạt động của cơ quan nhà nước và đơn vị được kiểm toán. Khi giao dịch, hồ sơ và hoạt động quản lý ngày càng được số hóa, lượng dữ liệu cần xử lý tăng nhanh, trong khi phương pháp kiểm toán truyền thống dựa nhiều vào chọn mẫu khó khai thác đầy đủ giá trị của những kho dữ liệu lớn.

Kinh nghiệm của Ủy ban Kiểm toán Indonesia (BPK) với Nhóm Nghiên cứu Trí tuệ nhân tạo và Phân tích dữ liệu (AIDA) cho thấy một hướng tiếp cận đáng chú ý. AIDA hỗ trợ thu thập, xử lý và phân tích dữ liệu, kết hợp dữ liệu từ hồ sơ nội bộ, nguồn công khai và các nguồn dữ liệu liên quan để tăng cường năng lực kiểm toán dựa trên dữ liệu.

Điểm đáng chú ý là dữ liệu không chỉ được sử dụng để kiểm tra sau khi sai phạm xảy ra mà còn hỗ trợ kiểm toán viên (KTV) chủ động xác định khu vực có rủi ro cao. Trong cuộc kiểm toán về quản lý trợ cấp khí dầu mỏ hóa lỏng (LPG), BPK đã xử lý khoảng 1,23 tỷ bản ghi giao dịch LPG được trợ cấp, qua đó nhận diện dấu hiệu phân phối chưa đúng đối tượng và mức tiêu thụ bất thường.

Ở một cuộc kiểm toán khác về phân phối khoản vay mua nhà, khoảng 4,1 triệu hồ sơ được phân tích; riêng dữ liệu khách hàng từ công ty điện lực lên tới 86,77 triệu bản ghi. BPK xác định các nhóm khách hàng có rủi ro cao, trong đó có những khoản vay có tỷ lệ nợ xấu (NPL) vượt 12%. Bên cạnh đó, có những trường hợp thông tin việc làm không phù hợp, sử dụng danh tính của người khác hoặc khoản trả nợ do bên thứ ba thực hiện; một số căn nhà không có người ở hoặc bị bỏ hoang dù khoản vay đã được giải ngân.

Những kết quả này cho thấy AI không thay thế KTV mà hỗ trợ xử lý khối lượng dữ liệu rất lớn, từ đó thu hẹp phạm vi xuống những trường hợp cần kiểm tra chuyên sâu. Trên cơ sở đó, KTV tiếp tục thực hiện xác minh và đưa ra xét đoán nghề nghiệp.

Nghiên cứu của SAI Kuwait cho thấy AI còn có thể thay đổi cách thức giám sát khu vực công. Thay vì chỉ kiểm tra một mẫu giao dịch, các mô hình AI có thể hỗ trợ phân tích dữ liệu trên phạm vi rất lớn, phát hiện bất thường và khoanh vùng trường hợp cần kiểm tra sâu hơn. AI cũng hỗ trợ xử lý dữ liệu phi cấu trúc như hợp đồng, thư điện tử, biên bản họp, báo cáo và văn bản chính sách.

Đặc biệt, AI mở ra khả năng giám sát liên tục. Trong khi kiểm toán truyền thống thường mang tính hồi cứu, hệ thống AI có khả năng hỗ trợ phát hiện sớm giao dịch bất thường, phê duyệt mua sắm tăng đột biến hoặc khoản thanh toán không phù hợp với hợp đồng, giúp cơ quan kiểm toán và đơn vị được kiểm toán chú ý sớm đến rủi ro.

Tuy nhiên, ứng dụng AI đòi hỏi dữ liệu chất lượng, tính minh bạch và khả năng giải thích. AI cần được sử dụng như công cụ hỗ trợ xét đoán của KTV, không thay thế trách nhiệm nghề nghiệp của con người. Đồng thời, SAI không chỉ cần sử dụng AI để kiểm toán mà còn phải phát triển năng lực kiểm toán các hệ thống AI được cơ quan nhà nước sử dụng.

Kiểm toán tích hợp hướng tới giá trị công

Kinh nghiệm của SAI Ai Cập cho thấy cần tiếp tục đổi mới phương pháp để đánh giá toàn diện kết quả và tác động của hoạt động công. Kiểm toán tích hợp kết hợp các khía cạnh tài chính, hoạt động và tuân thủ trong một khuôn khổ thống nhất, đặc biệt có ý nghĩa đối với những chương trình, dự án lớn có sự tham gia của nhiều cơ quan.

Điểm đáng chú ý là một dự án có thể không có sai phạm tài chính hay vi phạm pháp luật nhưng vẫn không đạt giá trị xã hội mong muốn. Chẳng hạn, một dự án nhà ở có thể sử dụng nguồn lực đúng quy định nhưng không đạt mục tiêu nếu thiếu các dịch vụ thiết yếu để người dân thực sự sinh sống và hưởng lợi. Vì vậy, kiểm toán tích hợp giúp chuyển trọng tâm từ xem xét tính đúng đắn của giao dịch sang đánh giá giá trị công và tác động thực tế đối với xã hội. Cách tiếp cận này đồng thời giúp tránh trùng lặp công việc, tăng cường phối hợp giữa các nhóm kiểm toán và tối ưu hóa nguồn lực của SAI.

Kinh nghiệm từ Indonesia, Kuwait và Ai Cập mang lại một số gợi mở cho Kiểm toán nhà nước (KTNN) Việt Nam. Trước hết, xây dựng nền tảng và quản trị dữ liệu phải đi trước ứng dụng AI. Dữ liệu cần đầy đủ, chính xác, tin cậy và có khả năng kết nối giữa các hệ thống. Bên cạnh đó, cần chuyển mạnh từ kiểm toán dựa trên chọn mẫu sang kiểm toán dựa trên dữ liệu và rủi ro. Phân tích dữ liệu lớn và AI giúp mở rộng phạm vi kiểm tra, phát hiện bất thường và tập trung nguồn lực vào khu vực rủi ro cao, qua đó chuyển từ cách tiếp cận chủ yếu hồi cứu sang nhận diện rủi ro chủ động.

Kiểm toán tích hợp đòi hỏi phát triển đội ngũ KTV có năng lực đa ngành và công nghệ. Bên cạnh kiến thức kiểm toán, KTV cần năng lực phân tích dữ liệu, hiểu biết hệ thống thông tin, tư duy tích hợp và khả năng đánh giá kết quả do AI tạo ra.

Để nâng cao giá trị và tác động kiểm toán, việc kết nối kiểm toán tài chính, tuân thủ và hoạt động giúp nhận diện rủi ro có tính liên kết, tránh trùng lặp, tối ưu nguồn lực và đánh giá liệu chính sách, chương trình, dự án công có thực sự tạo ra kết quả cho người dân hay không. Cùng với đó, KTNN cần vừa khai thác AI để nâng cao hiệu quả hoạt động, vừa chuẩn bị năng lực đánh giá các hệ thống AI của cơ quan nhà nước, đặc biệt về dữ liệu, tính minh bạch, khả năng giải thích, giám sát và trách nhiệm của con người.

Kinh nghiệm quốc tế cho thấy sự chuyển dịch trong tư duy kiểm toán: Từ kiểm tra những gì đã xảy ra sang chủ động nhận diện rủi ro; từ kiểm tra từng giao dịch sang phân tích dữ liệu trên quy mô lớn; từ xem xét từng khía cạnh riêng lẻ sang đánh giá toàn bộ chương trình và hệ thống; từ phát hiện sai phạm sang đánh giá giá trị và tác động của hoạt động công.

Đối với KTNN Việt Nam, đây không chỉ là câu chuyện ứng dụng công nghệ mới mà còn là cơ hội đổi mới cách thức tiếp cận rủi ro, tổ chức nguồn lực và nâng cao giá trị của hoạt động kiểm toán, góp phần tăng cường trách nhiệm giải trình, bảo đảm nguồn lực công được sử dụng hiệu quả, minh bạch và hướng tới những kết quả thiết thực hơn cho người dân và xã hội./.