Chúng tôi đã áp dụng AI vào kế toán như thế nào và kết quả ra sao

Dự án bắt đầu khi bộ phận kế toán yêu cầu nhóm ML dạy AI đọc hóa đơn, vốn xuất hiện dưới đủ loại định dạng hỗn loạn: file Excel cũ, tài liệu dùng font CID, bảng Word, PDF nhiều trang, thậm chí cả ảnh chụp. Nhóm đã chọn một mô hình ngôn ngữ lớn (LLM - Large Language Model) triển khai on-premise (tại chỗ, trong hạ tầng nội bộ công ty) để giữ dữ liệu nhạy cảm về mặt thương mại nằm trong nội bộ, đồng thời sử dụng công nghệ nhận dạng ký tự quang học (OCR - Optical Character Recognition), cụ thể là PaddleOCR, để xử lý các bản scan và hình ảnh. Một bước tiền xử lý sẽ chuyển toàn bộ đầu vào sang định dạng Markdown, giữ nguyên cấu trúc văn bản, sau đó LLM trích xuất các trường dữ liệu thành một hợp đồng JSON (JavaScript Object Notation) để tích hợp với hệ thống 1C. Tiếp theo là các bước kiểm tra xác thực chặt chẽ: kiểm tra hình thức về kiểu dữ liệu và độ dài của từng trường, cộng thêm các quy tắc đặc thù theo lĩnh vực dành cho thông tin ngân hàng Nga như BIK (mã định danh ngân hàng), tài khoản tương ứng (correspondent account), KPP (mã lý do đăng ký thuế) và kiểm tra checksum của INN (mã số thuế cá nhân). Ban đầu nhóm dùng mô hình qwen3-thinking-30b-a3b nhưng sau đó chuyển sang openai/gpt-oss-120b cho môi trường sản xuất, trong quá trình đó họ gặp một lỗi khi mô hình xử lý số tài khoản như một con số thông thường và làm mất các số 0 ở đầu. Toàn bộ pipeline (quy trình xử lý) đã đạt độ chính xác 100% trên tập dữ liệu kiểm thử, và sau sáu tháng vận hành thực tế, hệ thống đã giúp giảm đáng kể khối lượng công việc thủ công cũng như tăng tốc độ xử lý hóa đơn, với kế hoạch mở rộng để xử lý thêm nhiều loại tài liệu khác trong tương lai.