Trí tuệ nhân tạo và nghề kế toán trong cuộc cách mạng công nghiệp 4.0

áp lực cao từ các tổ chức nghề nghiệp kế toán và kiểm định chuyên nghiệp quốc tế trong việc tăng cường nội dung công nghệ vào các khóa học kế toán, bao gồm machine learning, big data và phân tích. Rõ ràng các trường đại học phải đóng một vai trò quan trọng trong quá trình này với tư cách là người khởi xướng cho việc thay đổi chương trình giảng dạy. Các câu hỏi thách thức về việc làm thế nào để chương trình giảng dạy và giáo trình thích ứng với các yêu cầu của thị trường lao động hiện tại, và nhà tuyển dụng kỳ vọng gì ở sinh viên tốt nghiệp, và làm thế nào để phát triển các kỹ năng mới cho các công việc tương lai. Ví dụ, liên quan đến sự tập trung ngày càng tăng vào big data và phân tích cho ngành kế toán, v.v Rõ ràng cách tiếp cận liên ngành nên được áp dụng trong toàn bộ chương trình giảng dạy và các nhà giáo dục kế toán phải chịu trách nhiệm đáp ứng kịp thời các nhu cầu mới trong bối cảnh công nghệ phát triển không ngừng. Kiến thức và kỹ năng về AI và khoa học dữ liệu nên được coi là một lợi thế cạnh tranh. Chẳng hạn, big data được gắn với nhiều nguyên tắc (Gamage, 2016). Khoảng cách hiện tại giữa các trường đại học và thực hành kế toán phải được khắc phục trong thời đại công nghệ thông minh. Phối hợp và hợp tác giữa các nhà giáo dục và ngành kế toán là điều kiện tiên quyết cho sự thành công của sinh viên kế toán sau khi tốt nghiệp. 3 KẾT LUẬN AI đang định hình lại tương lai của nhiều ngành nghề trong đó không loại trừ nghề kế toán. Nhiều cơ hội cho công việc và vai trò mới xuất hiện khi xem AI là công cụ bổ sung cho trí thông minh của nhân loại. Tuy nhiên, mối đe dọa về sự dịch chuyển lao động là một điều không thể và những người hành nghề kế toán đang phải đối mặt với sự thay đổi trong nhận thức từ việc tự động hóa các nhiệm vụ kế toán sang hướng nắm bắt các khả năng AI áp dụng vào nghề kế toán vì lợi ích của nó. Vai trò kế toán đang tiến gần hơn đến các chức năng quản trị công ty. Mặt khác, AI cũng đang tác động và sẽ tác động hơn nữa đến vai trò của kế toán viên, do đó, các nhà giáo dục kế toán cần thay đổi suy nghĩ, phát triển các kỹ năng, và nâng cao năng lực cần thiết có liên quan đến các công nghệ thông minh vào công việc đào tạo của mình. Đồng thời, các chương trình đào tạo kế toán cần xem xét thận trọng và chuẩn bị đầy đủ nhằm đáp ứng các yêu cầu của thị trường lao động dưới kỷ nguyên công nghệ 4.0 để giúp sinh viên tốt nghiệp đạt được sự thành công. Các nhà nghiên cứu kế toán cũng gặp nhiều thách thức bởi các vấn đề AI trong lĩnh vực kế toán khi họ phải hợp tác với các chuyên gia AI, và thu hẹp khoảng cách hiện có giữa kế toán và AI. Các ứng dụng AI phức tạp hơn có thể được phát triển để giải quyết một số vấn đề kế toán hiện hữu. Do các rủi ro liên quan đến các ứng dụng AI hiện nay, các cơ quan quản lý kế toán, các hội nghề nghiệp kế toán cũng như các văn bản quy phạm pháp luật phải xem xét tác động của các công nghệ mới đối với các tiêu chuẩn báo cáo tài chính và tính minh bạch của các dữ liệu đầu ra, xuất phát từ việc áp dụng các mô hình machine learning. Một kỳ vọng sẽ là các cơ quan quản lý cần khuyến khích và thúc đẩy việc áp dụng các công nghệ thông minh trong thực tiễn kế toán, và hình thành hiểu sự biết sâu sắc về AI và các rủi ro liên quan của việc áp dụng AI (ICAEW 2017). TRÍ TUỆ NHÂN TẠO VÀ NGHỀ KẾ TOÁN TRONG CUỘC CÁCH MẠNG 4.0 29 © 2020 Trường Đại học Công nghiệp thành phố Hồ Chí Minh 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, [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-facing- management-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-impact- unlocking-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, 3 (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, 5 (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, UK [28] Gal, G., & Steinbart, P. (1987). Artificial intelligence and research in accounting information systems: opportunities and issues. Journal of Information Systems, 54–62. 30 TRÍ TUỆ NHÂN TẠO VÀ NGHỀ KẾ TOÁN TRONG CUỘC CÁCH MẠNG 4.0 © 2020 Trường Đại học Công nghiệp thành phố Hồ Chí Minh [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 at [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/information- echnology/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/information- technology/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-accounting- presentations/ [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/london- accountant/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 (2), 103–124. [43] Mascha, M., & Smedley, G. (2007). Can computerized decision aids do “damage”? A case for tailoring feedback and task complexity based on task experience. Int. J. Account. Inf. Syst. 8 (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 3 March 2018, [54] PwC. (2015). Data driven: what students need to succeed in a rapidly changing business world. Available at [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. TRÍ TUỆ NHÂN TẠO VÀ NGHỀ KẾ TOÁN TRONG CUỘC CÁCH MẠNG 4.0 31 © 2020 Trường Đại học Công nghiệp thành phố Hồ Chí Minh [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-machine- learning [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