Đánh giá GLM 5.2: Khi AI đạt độ chính xác tương đương kế toán viên trong nghiệp vụ thuế VAT

Bài viết được dịch và tổng hợp từ tin tức gốc. Bạn có thể đọc bài viết gốc bằng tiếng Anh tại đây.

Điểm tin nhanh:

• Mô hình GLM 5.2 đạt độ chính xác gần như hoàn hảo trong việc chuẩn bị tờ khai thuế VAT hàng quý cho doanh nghiệp vừa và nhỏ tại Anh.
• Chi phí vận hành chỉ chiếm chưa đầy 1% so với phí dịch vụ kế toán truyền thống (khoảng 2.73 USD cho 59 giao dịch).
• Dù mắc một số lỗi nhỏ về phân loại thuế, AI đã chứng minh tiềm năng to lớn trong việc tự động hóa các tác vụ tuân thủ tài chính phức tạp.

Trong kỷ nguyên mà các AI Agent đang dần thay đổi cách chúng ta vận hành doanh nghiệp, câu hỏi về độ tin cậy của máy móc trong các lĩnh vực yêu cầu sự chính xác tuyệt đối như kế toán luôn là một chủ đề gây tranh cãi. Liệu một mô hình ngôn ngữ lớn có thể thay thế bàn tay con người trong những nghiệp vụ đòi hỏi sự tuân thủ pháp lý nghiêm ngặt? Nghiên cứu mới nhất về GLM 5.2 cho thấy câu trả lời không còn là "không thể", mà là "đang tiến rất gần".

Quy trình kiểm định hiệu năng của GLM 5.2

Để đánh giá khả năng của GLM 5.2, nhóm nghiên cứu đã thực hiện một bài kiểm tra thực tế trên dữ liệu của một doanh nghiệp nhỏ tại Anh trong quý 1 năm 2026. Thay vì sử dụng các bộ dữ liệu giả lập, họ sử dụng chính dữ liệu kế toán thực tế, bao gồm các hóa đơn và sao kê ngân hàng.

Quy trình này đòi hỏi mô hình phải tương tác với phần mềm kế toán thông qua giao diện dòng lệnh (CLI). Đây là một bước tiến quan trọng, tương tự như cách chúng ta xây dựng công cụ CLI offline để kiểm soát các hệ thống legacy. Mô hình được cấp quyền truy cập vào internet và các công cụ cần thiết, nhưng bị cô lập khỏi môi trường kiểm chứng để đảm bảo tính khách quan.

Phân tích kết quả benchmark

Kết quả thu được cho thấy sự chênh lệch không đáng kể giữa AI và con người. Dưới đây là bảng tổng hợp hiệu suất xử lý của GLM 5.2 qua 3 tháng:

Mẹo hay: Việc sử dụng các mô hình AI trong quy trình kế toán đòi hỏi sự kiểm soát chặt chẽ về dữ liệu đầu vào. Hãy đảm bảo rằng các ghi chú của người dùng (user notes) được chuẩn hóa để AI có thể hiểu được ngữ cảnh thực tế, tránh các sai sót không đáng có.

Những hạn chế kỹ thuật và sai sót cần lưu ý

Mặc dù kết quả về tổng thể là rất ấn tượng, GLM 5.2 vẫn bộc lộ những điểm yếu cố hữu. Một trong những sai lầm nghiêm trọng nhất là việc phân loại sai nguồn vốn (share capital) thành "Capital Account", điều này có thể dẫn đến rủi ro pháp lý trong các đợt kiểm toán. Ngoài ra, mô hình còn gặp khó khăn trong việc phân biệt giữa các danh mục thuế "zero-rated" và "tax-exempt".

Đây là minh chứng rõ ràng cho thấy tư duy kinh doanh trong kỹ thuật phần mềm là yếu tố sống còn. AI có thể xử lý logic, nhưng sự hiểu biết về bản chất pháp lý của từng loại giao dịch vẫn cần sự giám sát từ con người.

Đánh giá & Lời khuyên Thực tiễn

Từ góc nhìn của một Senior Tech Lead, tôi đánh giá GLM 5.2 là một bước đột phá trong việc tối ưu hóa chi phí vận hành. Tuy nhiên, việc triển khai trên môi trường Production cần tuân thủ các nguyên tắc sau:

• Ưu điểm: Khả năng xử lý dữ liệu lớn với chi phí cực thấp, tốc độ thực thi nhanh, giảm thiểu sai sót do con người trong các tác vụ lặp lại.
• Nhược điểm: Vẫn tồn tại các lỗi logic trong các tình huống tài chính phức tạp, thiếu khả năng chịu trách nhiệm pháp lý.
• Phạm vi ứng dụng: Phù hợp cho các tác vụ kế toán sơ cấp, phân loại hóa đơn, hoặc hỗ trợ chuẩn bị báo cáo nháp trước khi kế toán viên kiểm duyệt.

Lưu ý: Tuyệt đối không để AI tự động hóa hoàn toàn các quyết định tài chính quan trọng mà không có cơ chế kiểm tra (human-in-the-loop). Hãy xây dựng các lớp kiểm định tự động để phát hiện các sai lệch về số liệu trước khi gửi tờ khai lên cơ quan thuế.

Câu hỏi thường gặp (FAQ)

GLM 5.2 có thể thay thế hoàn toàn kế toán viên không?

Hiện tại là không. AI chỉ đóng vai trò là một trợ lý đắc lực giúp tăng năng suất, trong khi con người vẫn cần thiết để chịu trách nhiệm pháp lý và xử lý các tình huống đặc thù.

Làm sao để giảm thiểu lỗi phân loại thuế của AI?

Bạn nên cung cấp các hướng dẫn (prompt) chi tiết về quy tắc kế toán cụ thể của doanh nghiệp và thường xuyên thực hiện kiểm tra chéo (cross-check) kết quả đầu ra.

Chi phí 2.73 USD có bao gồm phí hạ tầng không?

Đây là chi phí token thô tại thời điểm benchmark. Chi phí thực tế khi triển khai quy mô lớn sẽ bao gồm thêm phí lưu trữ, hạ tầng cloud và chi phí bảo trì hệ thống.

Kết luận

GLM 5.2 đã chứng minh rằng AI không chỉ là công cụ tạo nội dung mà còn có thể trở thành một phần của hạ tầng tài chính doanh nghiệp. Dù vẫn còn những khiếm khuyết, nhưng với tốc độ phát triển hiện tại, việc tích hợp AI vào quy trình kế toán là xu hướng không thể đảo ngược. Nếu bạn đang tìm kiếm cách tối ưu hóa quy trình, hãy bắt đầu bằng việc thử nghiệm với các tác vụ nhỏ và luôn giữ cơ chế kiểm soát con người. Đừng quên theo dõi hi_dev để cập nhật những xu hướng công nghệ mới nhất và chia sẻ trải nghiệm của bạn trong phần bình luận bên dưới.