Dữ liệu lớn mở hướng mới trong kiểm toán ngân hàng
Ứng dụng dữ liệu lớn và trí tuệ nhân tạo giúp Kiểm toán nhà nước nhận diện sớm rủi ro, xác định trọng tâm và nâng cao hiệu quả kiểm toán ngân hàng.
Dữ liệu hỗ trợ nhận diện sớm rủi ro ngân hàng
Chuyển đổi số đang làm thay đổi phương thức vận hành và quản trị của ngành tài chính - ngân hàng. Mỗi ngày, hệ thống ngân hàng phát sinh hàng triệu giao dịch, đi kèm khối lượng thông tin lớn về vốn, tín dụng, nợ xấu, dự phòng rủi ro, thanh khoản, lợi nhuận, quy trình nghiệp vụ và lịch sử kiểm tra. Điều này đặt ra yêu cầu đổi mới phương pháp kiểm toán, từ cách tiếp cận chủ yếu dựa trên chọn mẫu thủ công sang khai thác dữ liệu lớn và đánh giá rủi ro liên tục.
Theo ThS. Hoàng Thị Út - Cục Công nghệ thông tin (Kiểm toán nhà nước), dữ liệu đã trở thành kết cấu hạ tầng quan trọng phục vụ quản trị rủi ro trong lĩnh vực tài chính - ngân hàng. Nếu dữ liệu được xử lý rời rạc, kiểm toán viên chỉ có thể nhìn nhận từng khía cạnh riêng lẻ của hoạt động ngân hàng. Ngược lại, khi được tích hợp và phân tích theo mô hình rủi ro toàn diện, dữ liệu giúp nhận diện những lĩnh vực tập trung rủi ro, khu vực có hiệu quả hoạt động suy giảm và các vấn đề cần ưu tiên kiểm tra.
Đáng chú ý, AI có khả năng phân tích đồng thời nhiều lớp dữ liệu, phát hiện các chỉ tiêu lệch chuẩn, so sánh giữa các chi nhánh có đặc điểm tương đồng và nhận diện xu hướng bất thường. Chẳng hạn, khi nợ nhóm 2 tăng, chi phí dự phòng giảm, lợi nhuận tăng và thu nhập lãi phải thu tăng, hệ thống có thể phát đi cảnh báo về những dấu hiệu bất thường liên quan đến chất lượng tài sản và khả năng sinh lời.

Việc ứng dụng dữ liệu lớn và AI trong lĩnh vực tài chính - ngân hàng vẫn đối mặt với không ít rào cản.
Từ những cảnh báo này, kiểm toán viên có thêm cơ sở để xem xét, kiểm tra sâu hơn việc ghi nhận thu nhập, phân loại nợ và trích lập dự phòng. Việc ứng dụng công nghệ vì vậy không chỉ hỗ trợ mở rộng phạm vi phân tích mà còn giúp xác định những vấn đề cần tập trung nguồn lực kiểm toán.
Đối với Kiểm toán nhà nước, AI có ý nghĩa trong nhiều khâu của quy trình kiểm toán, đặc biệt là lập kế hoạch và lựa chọn đơn vị được kiểm toán. Kết quả thí điểm phần mềm hỗ trợ đánh giá rủi ro của Kiểm toán nhà nước bước đầu cho thấy tính khả thi trong việc chuẩn hóa dữ liệu, cấu hình tiêu chí, tính điểm, xếp hạng, cảnh báo và lựa chọn mẫu kiểm toán.
Trọng tâm của hệ thống là phân tích hoạt động ngân hàng theo Bộ tiêu chí CAMELS gồm 6 cấu phần, tích hợp 79 chỉ số đánh giá hiệu quả hoạt động (KPI) định lượng. Hệ thống áp dụng phương pháp phân vị bách phân để xác định vị trí rủi ro tương đối của từng chi nhánh, xếp hạng từ A đến E.
Thông qua việc lượng hóa các tiêu chí, Kiểm toán nhà nước có thêm căn cứ lựa chọn đơn vị, xác định trọng tâm và xây dựng kế hoạch kiểm toán tập trung vào những vấn đề trọng yếu như chất lượng tín dụng, phân loại nợ và trích lập dự phòng.
Kiểm soát mô hình, bảo đảm chất lượng dữ liệu
Mặc dù dữ liệu lớn và AI có nhiều tiềm năng, việc ứng dụng các công nghệ này trong lĩnh vực tài chính - ngân hàng vẫn đối mặt với không ít rào cản. Trước hết, hạ tầng và nguồn dữ liệu còn phân tán tại nhiều hệ thống nghiệp vụ khác nhau, thiếu tính đồng bộ và chưa được chuẩn hóa theo một từ điển dữ liệu thống nhất về chỉ tiêu, công thức tính.
Bên cạnh đó, Kiểm toán nhà nước và các ngân hàng đều đứng trước yêu cầu nâng cao chất lượng nguồn nhân lực, nhất là nhân lực có chuyên môn về công nghệ, phân tích dữ liệu và am hiểu nghiệp vụ tài chính - ngân hàng. Rủi ro bảo mật thông tin, an toàn, an ninh mạng cũng gia tăng khi khai thác dữ liệu tập trung, đòi hỏi cơ chế phân quyền, mã hóa, lưu vết truy cập và kiểm soát việc khai thác dữ liệu chặt chẽ.
Mặt khác, hành lang pháp lý và thể chế liên quan đến kiểm toán số cần tiếp tục được hoàn thiện, nhất là các quy định về quản lý hồ sơ mô hình, kiểm định thuật toán, trách nhiệm giải trình và cơ chế thử nghiệm có kiểm soát.
Một vấn đề khác là việc áp dụng phân tích dữ liệu tự động nếu thiếu cơ chế kiểm soát phù hợp có thể phát sinh rủi ro. Khi dữ liệu đầu vào thiếu chính xác hoặc thuật toán được thiết kế phức tạp, khó kiểm soát, mô hình có thể đưa ra cảnh báo sai lệch hoặc bỏ sót những rủi ro trọng yếu. Vì vậy, kết quả phân tích của AI cần được xem là căn cứ hỗ trợ, không thể thay thế việc xem xét, đánh giá chuyên môn và trách nhiệm của kiểm toán viên.
Theo ThS. Hoàng Thị Út, để phát triển ứng dụng AI trong phân tích rủi ro lĩnh vực tài chính - ngân hàng, trước hết cần chuẩn hóa dữ liệu thông qua xây dựng từ điển dữ liệu thống nhất về chỉ tiêu, công thức tính, nguồn dữ liệu và đơn vị đo lường. Dữ liệu đầu vào chính xác là điều kiện tiên quyết để AI hoạt động hiệu quả, tránh tình trạng sai lệch bị khuếch đại trong quá trình phân tích.
Cùng với đó, mô hình đánh giá rủi ro cần kết hợp các quy tắc nghiệp vụ, chuẩn mực an toàn và kinh nghiệm kiểm toán với khả năng phát hiện bất thường của học máy. Cách tiếp cận này giúp hệ thống vừa bảo đảm tuân thủ quy định, vừa có khả năng thích ứng với những dạng thức rủi ro mới phát sinh trong thực tiễn.
Một yêu cầu quan trọng là mỗi kết quả đánh giá rủi ro phải đi kèm lời giải thích rõ ràng về nguyên nhân, các chỉ tiêu tác động chính và sự khác biệt so với những đơn vị tương đồng. Khả năng giải thích là cơ sở để kiểm toán viên kiểm chứng kết quả phân tích, sử dụng kết quả đó trong lập kế hoạch kiểm toán và nâng cao trách nhiệm giải trình.
Bên cạnh đó, kết quả thực tế của các cuộc kiểm toán cần được cập nhật trở lại hệ thống nhằm đánh giá mức độ chính xác của cảnh báo và điều chỉnh trọng số các chỉ tiêu. Cơ chế phản hồi liên tục giúp mô hình AI ngày càng phù hợp hơn với thực tiễn kiểm toán, hạn chế cảnh báo sai và nâng cao khả năng nhận diện những nguy cơ mới.
Về quản lý và bảo mật, mô hình đánh giá rủi ro cần có hồ sơ quản lý, phiên bản, người phê duyệt, kết quả kiểm định và giới hạn sử dụng. Dữ liệu phải được phân quyền, mã hóa, lưu vết truy cập và kiểm soát tải xuống. Đồng thời, kiểm toán viên cần được đào tạo để hiểu cách đọc điểm rủi ro, đặt câu hỏi với mô hình, phát hiện cảnh báo giả và chuyển tín hiệu từ dữ liệu thành các thủ tục kiểm toán phù hợp.
Trên cơ sở đó, Kiểm toán nhà nước cần triển khai ứng dụng AI theo lộ trình phù hợp, trước mắt tập trung vào đánh giá rủi ro và lựa chọn mẫu kiểm toán, sau đó từng bước mở rộng sang kiểm tra tín dụng, phân loại nợ, trích lập dự phòng, tài sản bảo đảm và theo dõi thực hiện kiến nghị kiểm toán.
Việc kết hợp đầu tư công nghệ, xây dựng chiến lược dữ liệu đồng bộ và hoàn thiện khung pháp lý sẽ hỗ trợ chuyển đổi phương thức kiểm toán từ dựa chủ yếu trên chọn mẫu sang kiểm toán dựa trên dữ liệu và cảnh báo sớm rủi ro. Qua đó, Kiểm toán nhà nước có thể nâng cao chất lượng, hiệu quả kiểm toán, góp phần củng cố kỷ luật, kỷ cương tài chính và bảo đảm an toàn hệ thống tài chính - ngân hàng.
Theo ThS. Hoàng Thị Út - Cục Công nghệ thông tin: dữ liệu cần được phân quyền, mã hóa, lưu vết truy cập và kiểm soát tải xuống. Kiểm toán nhà nước cần triển khai AI theo lộ trình phù hợp: Trước mắt tập trung vào đánh giá rủi ro và lựa chọn mẫu kiểm toán, sau đó từng bước mở rộng sang kiểm tra tín dụng, phân loại nợ, trích lập dự phòng, tài sản bảo đảm và theo dõi thực hiện kiến nghị kiểm toán.

