Vai trò của AI trong Báo cáo bền vững của ngân hàng: Góc nhìn từ ACCA

ảnh Hoàng Giáp

AI và báo cáo bền vững

Với chủ đề: “Tiêu chuẩn quốc tế và vai trò của AI trong Báo cáo Bền vững của ngành Ngân hàng”, trọng tâm của tham luận được chia thành ba phần: Làm rõ vai trò của AI, cụ thể hóa việc tích hợp AI vào chu trình sản xuất thông tin phát triển bền vững và đánh giá các tác động môi trường của chính công nghệ này.

Ông Mike Suffield trình bày tham luận tại Tọa đàm - ảnh Hoàng Giáp

Mở đầu tham luận, ông Mike Suffield nhấn mạnh tầm quan trọng của việc nắm bắt cả cơ hội và thách thức mà AI và phát triển bền vững mang lại. Với góc nhìn thực tiễn, ông Mike đã dẫn dắt người nghe đi qua các loại hình AI đang được ứng dụng trong ngành tài chính.

Theo đó, học máy được xem là công cụ cốt lõi, từ phân tích dự đoán doanh thu đến phát hiện gian lận. Thị giác máy tính (Computer Vision) giúp quét hóa đơn và xử lý tài liệu tự động. Trong khi đó, xử lý ngôn ngữ tự nhiên đóng vai trò quan trọng trong phân tích báo cáo và hỗ trợ khách hàng. Các thế hệ AI mới như AI tạo sinh (Generative AI) và AI tác vụ (Agentic AI) mở ra tiềm năng trong lập báo cáo, điều phối quy trình, và tự động hóa hoạt động kế toán. Tuy nhiên, ông lưu ý rằng những công nghệ này vẫn đang trong giai đoạn phát triển và chưa thể thay thế hoàn toàn các ứng dụng truyền thống.

Để hướng dẫn thực hành cụ thể, ACCA đã xây dựng mô hình tám giai đoạn cho chu trình sản xuất thông tin báo cáo phát triển bền vững. Theo đó từ khâu phân công trách nhiệm, thiết lập bối cảnh, xác định thông tin trọng yếu, cho đến xác minh và cải tiến liên tục – mỗi giai đoạn đều có thể tận dụng sức mạnh của AI. Ví dụ, ở giai đoạn thiết lập bối cảnh, AI giúp rút ngắn thời gian đọc hiểu và tổng hợp yêu cầu báo cáo. Khi cần đánh giá rủi ro khí hậu ảnh hưởng đến hoạt động tài chính, AI có thể hỗ trợ mô phỏng kịch bản, phân tích dữ liệu vệ tinh như Google Flood Hub hay Climate TRACE. Trong khâu trình bày báo cáo, AI có thể tùy chỉnh định dạng và nội dung cho từng nhóm đối tượng.

Tám giai đoạn cho chu trình sản xuất thông tin báo cáo phát triển bền vững

Tuy nhiên, chuyên gia này cũng cảnh báo, có nhiều tổ chức chưa có sẵn luồng dữ liệu hoặc hạ tầng phù hợp để khai thác tối đa công nghệ này. Những thách thức như dữ liệu rời rạc, thiếu tiêu chuẩn hoặc không có sự phối hợp nội bộ sẽ làm giảm đáng kể hiệu quả triển khai AI. Do đó, ông kêu gọi các tổ chức tiếp cận từng bước, từ cải thiện quản trị nội bộ đến xây dựng kết nối xuyên suốt giữa các bộ phận tài chính, dữ liệu và công nghệ.

Đạo đức và dữ liệu: Những yêu cầu mới trong thời đại AI

Một điểm nhấn quan trọng trong tham luận của ông Mike Suffield là lời kêu gọi sử dụng trí tuệ nhân tạo một cách có đạo đức, nhằm củng cố niềm tin vào chất lượng và độ tin cậy của thông tin được tạo ra. ACCA xác lập năm nguyên tắc đạo đức nghề nghiệp cho kế toán viên - tính chính trực, tính khách quan, năng lực và sự thận trọng chuyên môn, bảo mật và ứng xử chuyên nghiệp - như một khung định hướng cơ bản để đánh giá và ứng dụng AI một cách an toàn, minh bạch và hiệu quả.

Theo ông Mike, các mối đe dọa về mặt đạo đức có thể xuất hiện ở “mọi điểm chạm” giữa công nghệ và dữ liệu. Chẳng hạn, nếu tổ chức sử dụng AI để xác định khung báo cáo hoặc tư vấn yêu cầu công bố thông tin phát triển bền vững, nhưng lại dựa trên dữ liệu huấn luyện không phù hợp, không cập nhật hoặc có thiên lệch theo vùng địa lý, thì rủi ro sai lệch về kết quả sẽ rất cao. Khi đó, sự chính trực sẽ bị đe dọa nghiêm trọng. Việc bỏ qua bước đánh giá tính phù hợp của dữ liệu cũng có thể khiến các khuyến nghị từ AI không phản ánh đúng rủi ro hoặc cơ hội trọng yếu của tổ chức.

Các AI cốt lõi liên quan đến lĩnh vực tài chính kế toán

Trong khi đó, sử dụng các thuật toán AI tạo sinh để tự động sinh nội dung báo cáo cũng có thể dẫn đến nguy cơ “hô biến” các kết luận có vẻ mạch lạc nhưng lại thiếu liên kết giữa yếu tố tài chính và phi tài chính, trong khi đây chính là điều cốt lõi mà người sử dụng thông tin cần hiểu rõ để ra quyết định. Tình huống này đặt ra thách thức về năng lực chuyên môn và yêu cầu cao hơn về tư duy phản biện: người làm báo cáo cần đặt câu hỏi đúng, hiểu cách AI xử lý và phân tích, đồng thời đánh giá đầu ra một cách khách quan thay vì mù quáng tin tưởng.

Cũng theo ông Mike, một trong những rủi ro phổ biến hiện nay là sự phụ thuộc không kiểm chứng vào công cụ AI. Điều này xảy ra khi tổ chức không thực hiện quy trình bảo đảm, không đánh giá xem hệ thống AI đang làm gì, do ai kiểm soát, và hoạt động dựa trên cơ chế nào. Hậu quả là đầu ra của AI có thể được sử dụng cho các mục đích sai lệch hoặc thiếu kiểm soát, gây tổn hại cho cả chất lượng thông tin lẫn danh tiếng tổ chức. Trong bối cảnh đó, kỹ năng nghề nghiệp truyền thống như kiểm toán nội bộ, phân tích dữ liệu và kiểm chứng nguồn thông tin trở nên thiết yếu hơn bao giờ hết.

Và lưu ý “dấu chân” môi trường

Bên cạnh các rủi ro đạo đức, bài trình bày của ông Mike còn làm nổi bật một vấn đề mới nhưng ngày càng cấp thiết: dấu chân môi trường của các hệ thống AI hiện đại. Khi AI được kỳ vọng trở thành công cụ hỗ trợ báo cáo phát triển bền vững, bản thân nó lại gây ra những tác động môi trường không nhỏ - một nghịch lý đầy thách thức.

Theo ước tính của Viện Nghiên cứu Điện lực Hoa Kỳ (EPRI), mỗi truy vấn gửi đến mô hình như ChatGPT tiêu tốn lượng điện gấp 10 lần một truy vấn thông thường trên Google. Với khoảng 200 triệu người dùng hằng tuần chỉ riêng với ChatGPT, và sự phát triển đồng loạt của các nền tảng AI như Claude, Gemini, LlaMA…, nhu cầu về tính toán và lưu trữ dữ liệu đang tăng mạnh, kéo theo tiêu thụ năng lượng khổng lồ.

Nghiên cứu của Goldman Sachs dự báo rằng mức tiêu thụ điện của các trung tâm dữ liệu toàn cầu sẽ tăng tới 160% vào năm 2030 - một bước nhảy chưa từng có kể từ khi Internet ra đời. Tỷ trọng điện năng của lĩnh vực này sẽ chiếm từ 3-4% tổng cầu điện toàn cầu, có thể khiến lượng phát thải khí nhà kính tăng gấp đôi so với mức năm 2022.

Ví dụ về tác động đến môi trường của AI

Tác động môi trường không chỉ dừng lại ở điện năng. Các trung tâm dữ liệu hiện đại đòi hỏi hệ thống làm mát công suất lớn, đặc biệt khi chip xử lý ngày càng mạnh. Riêng năm 2022, hai tập đoàn công nghệ lớn là Google và Microsoft đã sử dụng lượng nước làm mát tương đương với nhu cầu sinh hoạt của 700.000 công dân Hoa Kỳ. Nếu xu hướng này tiếp tục, nhu cầu về nước ngọt, vốn đã là tài nguyên dần khan hiếm, sẽ càng bị đẩy đến giới hạn.

Để bù đắp, một số tập đoàn đã ký hợp đồng mua điện từ các nguồn tái tạo (PPA), hoặc đầu tư vào chứng chỉ năng lượng xanh (REC). Một số khác đang nghiên cứu sử dụng năng lượng hạt nhân cho thế hệ trung tâm dữ liệu siêu lớn tiếp theo. Tuy vậy, những giải pháp này vẫn còn xa vời với nhiều tổ chức tài chính ở các thị trường mới nổi - nơi áp lực chi phí, thiếu nguồn nhân lực và quy định còn hạn chế đang là rào cản.

Do đó, ông Mike kêu gọi các Giám đốc tài chính (CFO) cần mở rộng phạm vi đánh giá khi đầu tư vào AI, không chỉ dừng lại ở chi phí đầu tư ban đầu hay tỷ suất sinh lời, mà cần tính đến chi phí môi trường và nhu cầu đầu tư bổ sung vào các giải pháp bền vững hơn. Các mô hình AI hiệu quả hơn, tiết kiệm năng lượng hơn cần được ưu tiên phát triển, và lựa chọn nền tảng cũng nên gắn liền với chiến lược quản trị phát thải của tổ chức.

Trên tất cả, thông điệp được ông Mike nhấn mạnh nhiều lần là: AI không thể là “liều thuốc vạn năng” cho mọi vấn đề dữ liệu. Bản thân AI cũng là một thực thể công nghệ mang rủi ro, chỉ khi được triển khai trên nền tảng đạo đức, dữ liệu chất lượng và chiến lược bền vững tổng thể thì mới thực sự đóng góp tích cực vào hành trình phát triển dài hạn của ngành ngân hàng và tài chính.

Ở phần cuối bài phát biểu, ông Mike đặc biệt nhấn mạnh vai trò của giáo dục và thay đổi văn hóa tổ chức. AI sẽ chỉ thực sự hiệu quả khi được nuôi dưỡng bằng dữ liệu có chất lượng cao. Trong khi đó, thống kê cho thấy có tới 80% dữ liệu trong doanh nghiệp là “dữ liệu tối” (dark data), không còn hữu ích và gây lãng phí tài nguyên lưu trữ. Ông kêu gọi nâng cao nhận thức nội bộ về thực hành dữ liệu tốt, từ kiểm toán dữ liệu, phân loại, đến ứng xử có trách nhiệm với dữ liệu. Đồng thời, nhấn mạnh rằng AI không thể là giải pháp thần kỳ nếu dữ liệu không phản ánh đúng thực tiễn tổ chức.