Đã muộn rồi, phòng hành chính đã đóng cửa, còn bạn vẫn đang ngồi trước một tệp Excel với quá nhiều tab mở. Một tab chứa các hóa đơn cần thu, một tab khác ghi các khoản chi dự kiến, và một tab nữa ghi các hạn chót nộp thuế. Tuy nhiên, câu hỏi vẫn chỉ có một: liệu tháng tới có đủ tiền mặt để trả lương, thanh toán cho nhà cung cấp và, có thể, tài trợ cho một dự án kinh doanh mới không?
Đối với nhiều doanh nghiệp vừa và nhỏ (SME) tại Ý, việc quản lý dòng tiền vẫn diễn ra theo cách này. Công việc được thực hiện dựa trên các bản cập nhật liên tục, với dữ liệu thu thập từ nhiều nguồn khác nhau, thời gian thu hồi nợ không phải lúc nào cũng đều đặn và thiếu tầm nhìn về những thay đổi có thể xảy ra trong hai tuần tới. Kết quả không chỉ là áp lực. Đó là một hình thức quản lý mang tính phản ứng, thường làm chậm trễ các quyết định quan trọng.
Trong khi đó, lĩnh vực này đang dần thoát khỏi phạm vi hẹp. Năm 2025, thị trường trí tuệ nhân tạo (AI) trong lĩnh vực kế toán toàn cầu đã đạt 6,68 tỷ đô la, trong đó các doanh nghiệp vừa và nhỏ (SME) chiếm 68% tổng chi tiêu, theo báo cáo phân tích thị trường AI trong lĩnh vực kế toán dành cho SME này. Đây không còn là công nghệ chỉ dành riêng cho các tập đoàn lớn có đội ngũ chuyên trách về khoa học dữ liệu.
Đối với một doanh nhân hay Giám đốc Tài chính (CFO) của doanh nghiệp vừa và nhỏ (SME), vấn đề không phải là chạy theo những xu hướng nhất thời. Vấn đề là phải xác định liệuviệc dự báo dòng tiền bằng trí tuệ nhân tạo (AI) cho SME có thực sự mang lại sự kiểm soát tốt hơn, giảm bớt công việc thủ công và giúp đưa ra những quyết định sáng suốt hơn hay không, đặc biệt là trong bối cảnh của Ý với hệ thống hóa đơn điện tử, các hệ thống ERP chưa được tích hợp đầy đủ và ngân sách thường bị giám sát chặt chẽ.
Đối với nhiều doanh nghiệp vừa và nhỏ (SME) của Ý, sự bất ổn không xuất phát từ một cuộc khủng hoảng bất ngờ. Nó len lỏi vào từ những việc thường ngày. Một khoản thu bị chậm lại mười ngày, một nhà cung cấp phải thanh toán sớm hơn dự kiến, một tờ khai thuế F24 có số tiền phải nộp cao hơn tháng trước, hay một bản dự báo phải điều chỉnh gấp gáp vì trong thời gian đó đã có ba yếu tố thay đổi.
Đây chính là lúc bảng tính bộc lộ hạn chế trong ứng dụng thực tế. Nó chỉ hoạt động hiệu quả khi lượng dữ liệu ít, ổn định và được tập trung tại một nơi. Tuy nhiên, trong thực tiễn tại Ý, tình hình thường không như vậy. Một phần thông tin nằm trong hệ thống quản lý, một phần ở ngân hàng, một phần trong hệ thống hóa đơn điện tử, và một phần trong các tệp xuất từ kế toán. Việc tổng hợp tất cả các dữ liệu này tốn nhiều thời gian, và chính khoảng thời gian đó làm giảm giá trị của dự báo.
Đối với các doanh nghiệp vừa và nhỏ (SME), vấn đề này có ý nghĩa đặc biệt quan trọng. Các doanh nghiệp này chiếm phần lớn cơ cấu doanh nghiệp của đất nước và đóng góp một phần lớn vào nền kinh tế quốc gia. Khi khả năng theo dõi dòng tiền gặp khó khăn, rủi ro không chỉ dừng lại ở vấn đề tài chính. Nó còn liên quan đến việc hoãn đơn hàng, tạm dừng tuyển dụng, mối quan hệ căng thẳng hơn với các nhà cung cấp, cũng như khả năng tiếp cận các chính sách hỗ trợ hoặc các chương trình đấu thầu bị hạn chế, bao gồm cả những chương trình liên quan đến Kế hoạch Phục hồi và Phát triển Quốc gia (PNRR).
Tại Ý, vấn đề không phải là áp dụng trí tuệ nhân tạo (AI) chỉ vì nó đang là xu hướng. Vấn đề là phải xem liệu một công cụ mới có thể giải quyết được những vấn đề rất cụ thể hay không, đặc biệt là trong các doanh nghiệp thường khởi đầu với mức độ số hóa thấp hơn so với các thị trường châu Âu khác và các quy trình hành chính vẫn còn rất phân mảnh.
Nếu không có cái nhìn đáng tin cậy về dòng tiền trong những tháng tới, ngay cả một doanh nghiệp đang hoạt động ổn định cũng có thể trì hoãn những quyết định cần thiết hoặc hành động quá thận trọng vào thời điểm không thích hợp.
Chính vì lý do này mà việc ứng dụng trí tuệ nhân tạo (AI) vào dự báo dòng tiền trở nên đặc biệt quan trọng. Công nghệ này có thể giúp kết nối các nguồn dữ liệu khác nhau, cập nhật dự báo thường xuyên hơn và cảnh báo các sai lệch trước khi chúng trở thành vấn đề cấp bách. AI không loại bỏ được sự không chắc chắn, cũng không thể thay thế được sự đánh giá của những người am hiểu về khách hàng, tính mùa vụ và thói quen thanh toán. Tuy nhiên, nó mang lại cho các doanh nhân và quản lý hành chính một nền tảng vững chắc hơn so với các tệp tin được cập nhật thủ công.
Đối với một doanh nghiệp vừa và nhỏ (SME) của Ý, câu hỏi quan trọng không phải là liệu thuật toán có “dự đoán được tương lai” hay không. Câu hỏi đó thực tế hơn nhiều. Liệu nó có thể phân tích hiệu quả dữ liệu mà tôi đã có, bao gồm cả dữ liệu hóa đơn điện tử không? Liệu nó có tích hợp được với các hệ thống mà tôi thực sự đang sử dụng không? Liệu nó có giúp tôi đưa ra quyết định trước vài tuần, thay vì phải chạy theo số dư tài khoản ngân hàng không? Giá trị thực sự của công nghệ chính là nằm ở những câu hỏi này.
Vào lúc 8 giờ 30 sáng, tại nhiều doanh nghiệp vừa và nhỏ (SME) của Ý, việc lập dự báo dòng tiền vẫn bắt đầu bằng việc mở cùng lúc ba cửa sổ: dịch vụ ngân hàng trực tuyến, phần mềm quản lý và bảng tính Excel. Sau đó, các trường hợp ngoại lệ bắt đầu xuất hiện. Một hóa đơn điện tử đã được phát hành nhưng chưa được thu hồi. Một khách hàng thanh toán với số tiền cao hơn mức trung bình. Một chi phí mà bộ phận mua hàng chưa báo cáo. Lúc đó, hạn chế của việc dự báo thủ công trở nên rõ ràng. Nó cung cấp một bức tranh hữu ích, nhưng tĩnh, trong khi tình hình thay đổi hàng ngày.
Việc dự báo dòng tiền bằng trí tuệ nhân tạo (AI) chính là nhằm giải quyết khoảng cách này giữa tốc độ vận hành và sự chậm chạp của các công cụ. Cụ thể, nó sử dụng các mô hình thống kê và học máy để ước tính doanh thu và chi phí trong tương lai dựa trên dữ liệu lịch sử và dữ liệu mới nhất, đồng thời cập nhật dự báo khi các thông số đầu vào thay đổi. Đối với một doanh nghiệp vừa và nhỏ (SME) tại Ý, vấn đề không nằm ở mức độ tinh vi về mặt kỹ thuật. Vấn đề là liệu hệ thống có thể đọc chính xác dữ liệu mà doanh nghiệp đã tạo ra, bao gồm cả dữ liệu hóa đơn điện tử, và biến chúng thành một dự báo đủ tin cậy để hỗ trợ các quyết định cụ thể hay không.
Trong phương pháp truyền thống, bộ phận tài chính thu thập dữ liệu, đưa ra các giả định và xây dựng một dự báo, dự báo này vẫn giữ nguyên giá trị cho đến khi tình hình thực tế thay đổi. Nếu doanh thu dự kiến thay đổi hoặc các khoản thanh toán bị chậm trễ, cần phải thực hiện một bước thủ công mới. Cách tiếp cận này có thể đủ đối với các công ty đơn giản, với ít giao dịch và chu kỳ đều đặn. Tuy nhiên, nó sẽ kém hiệu quả hơn nhiều khi dòng tiền phụ thuộc vào tính mùa vụ, khách hàng có thói quen thanh toán khác nhau, các hạn chót về thuế gần nhau và dữ liệu được phân tán trên nhiều hệ thống.
Một hệ thống trí tuệ nhân tạo (AI) hoạt động theo cách khác. Nó có thể kết nối dữ liệu kế toán lịch sử, giao dịch ngân hàng, lịch thanh toán, dữ liệu bán hàng và hóa đơn điện tử, sau đó tính toán lại dự báo dựa trên các tín hiệu mới. Chính vì vậy, chủ đề này đặc biệt thu hút sự quan tâm của các doanh nghiệp vừa và nhỏ (SME) tại Ý, nơi dữ liệu hành chính thường không được lưu trữ trong một nền tảng duy nhất và một phần công việc vẫn phải thực hiện thông qua việc xuất dữ liệu, kiểm tra thủ công hoặc chia sẻ tệp với các chuyên gia tư vấn bên ngoài.
Ở đây còn có một khía cạnh ít được đề cập đến. Việc áp dụng không chỉ phụ thuộc vào chất lượng của thuật toán. Nó còn phụ thuộc vào chất lượng của hệ thống nội bộ. Nếu thông tin khách hàng, lý do thanh toán và các bản ghi kế toán không nhất quán, thì ngay cả mô hình tốt nhất cũng chỉ đưa ra được dự báo thiếu chính xác. Ngược lại, nếu doanh nghiệp đã sắp xếp các luồng dữ liệu một cách có hệ thống, chẳng hạn như thông qua các chính sách khuyến khích số hóa hoặc đánh giá các cuộc thi liên quan đến PNRR, thì việc nâng cao hiệu quả có thể diễn ra nhanh chóng hơn rất nhiều.
Đằng sau từ viết tắt AI không phải là một cỗ máy có thể “đoán” được tương lai. Có những mô hình ước tính xác suất dựa trên các mẫu được quan sát trong dữ liệu. Theo lời giải thích này về các mô hình ARIMA và gradient boosting trong dự báo dòng tiền, các hệ thống dự báo dòng tiền sử dụng các phương pháp như ARIMA và gradient boosting để phân tích các chuỗi dữ liệu tài chính lịch sử, xác định mối quan hệ giữa doanh thu, chi phí và thời gian thanh toán, đồng thời nhận diện xu hướng, tính mùa vụ và các bất thường.
Nói một cách cụ thể:
Một hệ thống dự báo hiệu quả không thể thay thế cho sự phán đoán của ban lãnh đạo. Nó cung cấp thông tin chính xác và kịp thời hơn để hỗ trợ quá trình ra quyết định.
Tại sao điều này lại quan trọng? Bởi vì nó giúp thay đổi thời điểm ra quyết định. Nếu một doanh nghiệp dự báo trước được sự sụt giảm trong dòng tiền thu về, một đợt thanh toán cao điểm hoặc một giai đoạn căng thẳng về thanh khoản, họ sẽ có nhiều phương án hơn để lựa chọn. Họ có thể điều chỉnh thời điểm mua hàng, thương lượng với khách hàng và nhà cung cấp, hoãn các khoản chi tiêu không cấp bách hoặc xác nhận một khoản đầu tư với sự hiểu biết rõ ràng hơn. Đối với các doanh nghiệp đang phát triển nhưng vẫn còn thiếu tổ chức về mặt tài chính, sự dự đoán trước này thường có giá trị hơn cả một dự báo lý thuyết hoàn hảo.
Do đó, đối với nhiều doanh nghiệp vừa và nhỏ (SME) của Ý, giá trị của dự báo bằng trí tuệ nhân tạo (AI) không nằm ở một lời hứa mơ hồ về độ chính xác. Giá trị đó nằm ở việc chuyển đổi từ một tài liệu được cập nhật theo định kỳ sang một hệ thống theo kịp nhịp độ hoạt động thực tế của doanh nghiệp.
Vào lúc 8 giờ 30 sáng, tại nhiều doanh nghiệp vừa và nhỏ (SME) của Ý, câu hỏi luôn là: “Hai tuần nữa chúng ta thực sự còn bao nhiêu tiền mặt?” Câu trả lời thường đến từ một bảng tính Excel được cập nhật vội vàng, từ các bản sao kê tài khoản tải xuống thủ công và từ các hóa đơn nằm rải rác trên các hệ thống khác nhau. Trong bối cảnh như vậy, lợi ích của AI không chỉ là lý thuyết. Nó được đo lường bằng khả năng phát hiện vấn đề sớm hơn và can thiệp với nhiều phương án hơn.
Đối với một doanh nghiệp Ý, điều này lại càng quan trọng hơn. Những ai phải hoạt động với biên lợi nhuận thấp, dòng tiền thu về không đều và phải tuân thủ các quy định như hóa đơn điện tử đều hiểu rằng tình hình thanh khoản hiếm khi bị ảnh hưởng nghiêm trọng chỉ vì một sự kiện lớn duy nhất. Thường thì tình hình thanh khoản xấu đi do những rắc rối hàng ngày: chậm thu tiền, các hạn chót chồng chéo nhau, dữ liệu phân tán giữa hệ thống quản lý, dịch vụ ngân hàng trực tuyến và bộ phận kế toán.
Lợi ích rõ ràng nhất vẫn là chất lượng của dự báo. Trong một bản tóm tắt do Glean công bố về quản lý dòng tiền bằng trí tuệ nhân tạo (AI), các hệ thống dự báo dựa trên AI được đánh giá là có độ chính xác rất cao, lên tới 95% trong những trường hợp tốt nhất, đồng thời mang lại những cải thiện kinh tế có thể đo lường được khi dự báo trở nên đáng tin cậy hơn. Nguồn này cũng đề cập đến một thực tế cơ bản đáng chú ý: nhiều doanh nghiệp đang hoạt động với nguồn dự trữ thanh khoản mong manh.
Đối với một nhà quản lý doanh nghiệp vừa và nhỏ, sự chính xác có nghĩa là: giảm thiểu số lượng quyết định được đưa ra vào phút chót. Điều đó có nghĩa là nhận ra sớm rằng một khách hàng lớn đang chậm thanh toán. Điều đó có nghĩa là tránh phải phát hiện ra vào cuối tháng rằng thuế GTGT, tiền lương và các khoản thanh toán cho nhà cung cấp đều đến hạn cùng một lúc.
Sự khác biệt nằm ở khía cạnh thực tiễn. Một dự báo tốt hơn không đảm bảo sẽ hoàn toàn chính xác. Nó giúp giảm thiểu những sai sót có thể tránh được.
Tại các doanh nghiệp Ý, lợi thế sẽ càng được gia tăng khi hệ thống có thể nắm bắt cả những tín hiệu thường bị bỏ qua. Đó là các mốc thời gian liên quan đến hóa đơn điện tử, các yếu tố mùa vụ đặc trưng của một số ngành, thói quen thanh toán của khách hàng thường xuyên, cũng như các khoản chi tiêu có thể dự đoán trước như tiền thưởng tháng 13, tiền tạm ứng thuế hoặc các khoản gia hạn hợp đồng hàng năm. Nếu những yếu tố này được tích hợp một cách có hệ thống vào mô hình, không gian linh hoạt trong quản lý sẽ được mở rộng.
Lợi ích thứ hai thể hiện rõ trong công việc hàng ngày. Nhiều doanh nghiệp vừa và nhỏ không chỉ gặp khó khăn do thiếu khả năng dự báo. Họ gặp khó khăn vì đội ngũ hành chính phải dành quá nhiều thời gian để tổng hợp lại những dữ liệu đã có sẵn.
Những người phụ trách quản lý tài chính đều hiểu rõ điều này. Cần phải kiểm tra xem các hóa đơn đã được nhập vào hệ thống quản lý đúng chưa, đối chiếu với các khoản thu ngân hàng, kiểm tra thời hạn thanh toán, xử lý các trường hợp ngoại lệ và gửi bản cập nhật mới của tệp tin. Nếu công ty sử dụng nhiều công cụ khác nhau, hoặc nếu một phần quy trình vẫn được thực hiện thủ công, dự báo sẽ bị chậm trễ và nhanh chóng trở nên lỗi thời.
Với một hệ thống AI được kết nối với các nguồn dữ liệu hoạt động, lợi ích ban đầu thường nằm ở đây. Ít phải sao chép và dán hơn. Ít phải đối chiếu lặp đi lặp lại hơn. Có nhiều thời gian hơn để tìm hiểu lý do tại sao dự báo lại thay đổi.
Dự báo hữu ích hơn là chỉ nhìn vào con số cuối cùng. Đội ngũ có thể tập trung vào những vấn đề thực sự ảnh hưởng đến dòng tiền:
Đối với các doanh nghiệp vừa và nhỏ (SME) của Ý, sự thay đổi trong hoạt động này có ý nghĩa đặc biệt, bởi vì thường thì họ không có một bộ phận tài chính quy mô lớn. Một người có thể đảm nhiệm cả kế toán, quan hệ với ngân hàng, các hạn chót về thuế và kiểm soát quản lý. Nếu hệ thống giúp giảm bớt công việc thủ công, lợi ích sẽ được cảm nhận ngay lập tức, ngay cả trong các cơ cấu quy mô nhỏ.
Lợi ích thứ ba liên quan đến cách thức ra quyết định. Một dự báo chỉ được xây dựng để “xem số dư” chỉ hữu ích đến một mức độ nhất định. Hệ thống AI sẽ trở nên hữu ích hơn khi giúp mô phỏng các hậu quả cụ thể: tình hình dòng tiền sẽ ra sao nếu một khách hàng thanh toán chậm 20 ngày? Nếu công ty đẩy nhanh việc mua hàng để phòng ngừa giá cả tăng? Nếu công ty mở một cửa hàng mới hoặc tuyển dụng thêm hai nhân viên kinh doanh?
Ở đây, sự khác biệt so với phương pháp truyền thống thể hiện rất rõ.
| Tiêu chí | Dự báo truyền thống (Excel) | Dự báo bằng trí tuệ nhân tạo (ELECTE) |
|---|---|---|
| Cập nhật dữ liệu | Sổ tay và tạp chí | Liên tục hơn, dựa trên việc cập nhật và tính toán lại |
| Quản lý sự cố | Điều đó tùy thuộc vào người kiểm tra | Thông báo tự động và cảnh báo sớm |
| Phân tích theo mùa | Thường được đơn giản hóa | Phù hợp hơn với các mẫu lặp lại và các biến thể |
| Lập kế hoạch tình huống | Chậm rãi, làm thủ công | Dễ mô phỏng hơn |
| Vai trò của bộ phận tài chính | Thu thập và làm sạch dữ liệu | Phân tích và tối ưu hóa vốn lưu động |
Một dự báo hữu ích không chỉ đơn thuần cho biết “bạn sẽ có bao nhiêu tiền mặt”. Nó còn giúp bạn hiểu rõ những quyết định nào đang góp phần cải thiện hoặc làm xấu đi xu hướng đó.
Đối với độc giả người Ý, còn một khía cạnh khác cần lưu ý. Việc áp dụng công nghệ số trong các doanh nghiệp vừa và nhỏ (SME) vẫn còn không đồng đều, và chính vì lý do này, giá trị thực sự không thể hiện qua những tính năng phức tạp được giới thiệu trong tài liệu quảng cáo. Giá trị đó chỉ được thể hiện nếu phần mềm kết nối tốt với các quy trình thực tế của doanh nghiệp: hóa đơn điện tử, ngân hàng, ERP, lịch thanh toán, kế toán. Và giá trị đó sẽ tăng lên hơn nữa nếu doanh nghiệp có thể lồng ghép dự án vào một lộ trình đầu tư rộng lớn hơn, ví dụ như sử dụng các ưu đãi từ PNRR hoặc các biện pháp Chuyển đổi 4.0 khác để chi trả một phần chi phí số hóa.
Cũng có một góc nhìn thận trọng, và điều này đáng được lưu ý. Không phải công ty nào cũng có dữ liệu chính xác. Không phải công ty nào cũng có các quy trình chuẩn hóa. Không phải công ty nào cũng sẵn sàng tin tưởng ngay vào một mô hình dự đoán. Một số chuyên gia tư vấn tài chính chỉ ra rằng, nếu không có nền tảng kế toán vững chắc, trí tuệ nhân tạo (AI) có nguy cơ tự động hóa sự lộn xộn thay vì khắc phục nó.
Lý lẽ phản đối đó là có cơ sở. Tuy nhiên, nó không làm mất đi ý chính. Đối với các doanh nghiệp vừa và nhỏ (SME) khởi đầu với mục tiêu rõ ràng và các giải pháp tích hợp được lựa chọn kỹ lưỡng, trí tuệ nhân tạo (AI) có thể biến việc quản lý dòng tiền từ một hoạt động mang tính hồi cứu thành một công cụ định hướng hoạt động. AI không thay thế phán đoán của nhà sáng lập hay Giám đốc Tài chính (CFO). Thay vào đó, nó giúp họ đưa ra quyết định sớm hơn.
Khi hệ thống dự báo hoạt động hiệu quả, loại số liệu mà ban lãnh đạo theo dõi hàng tuần cũng sẽ thay đổi. Người ta không còn chỉ kiểm tra số dư tiền mặt nữa, mà còn quan sát các yếu tố đang tác động đến sự biến động của nó.
Nhóm chỉ số KPI đầu tiên liên quan đến vốn lưu động. Nhóm này bao gồm các chỉ số như DSO (số ngày thu tiền trung bình), DPO (số ngày thanh toán trung bình) và CCC (chu kỳ chuyển đổi tiền mặt). Khi xem xét tổng thể, các chỉ số này phản ánh tốc độ mà doanh nghiệp chuyển đổi hoạt động kinh doanh thành tiền mặt.
Đối với những ai muốn có nền tảng kiến thức tài chính vững chắc hơn, việc kết hợp các chỉ số này với một hướng dẫn về các chỉ số tài chính và cách phân tích chúng sẽ rất hữu ích, để không xem dòng tiền như một con số đơn lẻ mà là một phần của hệ thống.
Một nhóm thứ hai liên quan đến khung thời gian của dự báo:
Theo phân tích này về tự động hóa dự báo và cảnh báo bất thường, việc tích hợp trực tiếp các công cụ trí tuệ nhân tạo (AI) với nguồn dữ liệu ngân hàng và hệ thống lập hóa đơn giúp loại bỏ việc nhập liệu thủ công và tạo ra các cảnh báo tự động về các bất thường nghiêm trọng, từ đó cho phép các đội ngũ tài chính chuyển hướng nguồn lực từ các công việc lặp đi lặp lại sang phân tích chiến lược và tối ưu hóa vốn lưu động.
Điều này cũng thay đổi cách chúng ta phân tích các chỉ số KPI. Chúng không còn chỉ là những con số được tổng hợp vào cuối tháng nữa. Thay vào đó, chúng trở thành những tín hiệu điều hành.
Ví dụ:
Lưu ý hữu ích: Bảng điều khiển tốt nhất không phải là bảng có nhiều biểu đồ nhất. Đó là bảng giúp bạn nhìn thấy ba hoặc bốn chỉ số thực sự có liên quan đến các quyết định của doanh nghiệp.
Đối với một startup, chỉ số quan trọng nhất có thể là tốc độ tiêu hao vốn (burn rate). Đối với một doanh nghiệp thương mại, điểm mấu chốt có thể là mối quan hệ giữa hàng tồn kho, doanh thu và các khoản thanh toán cho nhà cung cấp. Đối với một công ty dịch vụ, việc thu hồi nợ đúng hạn theo từng khách hàng và từng dự án lại rất quan trọng. Một hệ thống AI chuyên nghiệp không áp đặt một cách tiếp cận tiêu chuẩn. Nó phải thích ứng với mô hình hoạt động của doanh nghiệp.
Khi điều đó xảy ra, việc dự báo sẽ không còn chỉ là công việc thực hiện vào cuối tháng nữa, mà sẽ trở thành một bảng điều khiển được sử dụng trong các cuộc họp cùng với bộ phận bán hàng, vận hành và ban lãnh đạo.
Rào cản phổ biến nhất không phải là vấn đề kỹ thuật. Mà là vấn đề tâm lý. Nhiều nhà quản lý cho rằng việc triển khai trí tuệ nhân tạo (AI) đồng nghĩa với việc phải đối mặt với một dự án kéo dài, tốn kém và khó kiểm soát đối với một tổ chức có quy mô nhỏ gọn. Trên thực tế, tại các doanh nghiệp vừa và nhỏ (SME), quá trình này sẽ diễn ra hiệu quả hơn khi được xem như một dự án triển khai theo từng giai đoạn, với các ưu tiên rất cụ thể.
1. Hãy bắt đầu từ vấn đề, chứ không phải từ nền tảng.
Câu hỏi ban đầu không phải là “chúng ta nên chọn phần mềm nào?”. Mà là “hiện tại chúng ta đang mất khả năng theo dõi ở đâu?”. Một số doanh nghiệp vừa và nhỏ (SME) gặp khó khăn do tình trạng chậm thanh toán kéo dài, một số khác do tính chất mùa vụ rõ rệt, còn một số khác lại do có quá nhiều hệ thống hoạt động độc lập với nhau.
2. Tiến hành rà soát thực tế các dữ liệu hiện có.
Đây thường là điểm gây khó khăn ở Ý. Hóa đơn điện tử, ngân hàng trực tuyến, phần mềm quản lý, bảng tính ngoài sổ sách kế toán, mẫu F24, CRM: dữ liệu thì có sẵn, nhưng không phải lúc nào cũng nhất quán hoặc dễ dàng kết nối với nhau. Trước khi đề cập đến mô hình dự báo, nên kiểm tra xem những nguồn dữ liệu nào đã sẵn sàng truy cập và những nguồn nào cần một chút chuẩn bị.
Nếu dữ liệu tài chính được phân tán, kết quả đầu tiên mong đợi không phải là một dự báo hoàn hảo. Đó là một cơ sở dữ liệu đáng tin cậy hơn.
3. Đánh giá nền tảng dựa trên các tiêu chí của doanh nghiệp vừa và nhỏ (SME) tại Ý.
Theo phân tích này về các rào cản trong việc áp dụng trí tuệ nhân tạo (AI) trong lĩnh vực tài chính tại Ý, những trở ngại chính đối với các doanh nghiệp vừa và nhỏ (SME) tại Ý bao gồm chi phí dao động từ 5.000 đến 20.000 euro mỗi năm, chỉ 25% doanh nghiệp vừa và nhỏ (SME) đã tích hợp hệ thống ERP, cùng với nhu cầu tích hợp dữ liệu từ hóa đơn điện tử và biểu mẫu F24. Nội dung này cũng nhấn mạnh vai trò của các nền tảng có mức giá linh hoạt và tích hợp sẵn, ngay cả trong bối cảnh các chính sách khuyến khích của PNRR.
Ở đây, chúng ta cần phải thực tế. Một nền tảng có thể trông rất ấn tượng trong bản demo, nhưng lại không phù hợp nếu không kết nối tốt với các nguồn dữ liệu mà bạn thực sự sử dụng. Vì vậy, việc kiểm tra trước xem hệ thống có thể kết nối với những nguồn dữ liệu nào là rất hữu ích, đặc biệt nếu bạn làm việc với nhiều công cụ khác nhau trong các bộ phận như hành chính, bán hàng và tài chính.
4. Thử nghiệm trên phạm vi hạn chế.
Không cần phải số hóa toàn bộ hệ thống tài chính ngay lập tức. Tốt hơn hết là nên bắt đầu với một trường hợp sử dụng cụ thể, ví dụ như dự báo trong 30 hoặc 60 ngày, trên một tập hợp các dòng tiền hạn chế. Điều này giúp xác minh chất lượng dữ liệu, điều chỉnh các quy tắc và xác định những cảnh báo nào thực sự hữu ích.
5. Biến việc triển khai thành một thói quen quản lý.
Dự án không kết thúc khi hệ thống đi vào hoạt động. Phần quan trọng nhất mới bắt đầu sau đó, khi dự báo trở thành một phần của quy trình quản lý hàng ngày. Cần so sánh dự báo với dữ liệu thực tế, xử lý các trường hợp ngoại lệ, điều chỉnh các yếu tố tác động và quyết định ai sẽ sử dụng những thông tin phân tích nào.
Một quy trình làm việc hiệu quả tại các doanh nghiệp vừa và nhỏ thường bao gồm các yếu tố sau:
Việc áp dụng công nghệ dự báo dòng tiền bằng trí tuệ nhân tạo (AI) cho doanh nghiệp vừa và nhỏ (SME) thường thành công hơn khi doanh nghiệp coi đó là một quy trình vận hành chứ không phải là việc mua phần mềm. Đó là một sự khác biệt tinh tế nhưng mang tính quyết định. Các doanh nghiệp vừa và nhỏ thu được giá trị thực sự không phải là những đơn vị chỉ đơn thuần “cài đặt AI”. Mà chính là những đơn vị kết nối dữ liệu, quy trình và trách nhiệm một cách đủ đơn giản để duy trì hiệu quả lâu dài.
Đối với một doanh nghiệp vừa và nhỏ (SME) của Ý, những trường hợp thực sự quan trọng không phải là những trường hợp liên quan đến các buổi thuyết trình kinh doanh. Đó là những trường hợp mà dự báo giúp đưa ra quyết định xem có nên đặt hàng trước, thúc giục khách hàng, hoãn chi tiêu hay chỉ sử dụng hạn mức tín dụng khi thực sự cần thiết.
Đối với các doanh nghiệp Ý, điểm khởi đầu thường ít mang tính lý thuyết hơn so với những gì người ta thường nói. Dữ liệu đã có sẵn, nhưng lại nằm rải rác trong hệ thống quản lý, ngân hàng trực tuyến, tệp tin của kế toán, lịch thanh toán của khách hàng và nhà cung cấp, cũng như các tài liệu hóa đơn điện tử. Giá trị của một hệ thống dự báo được thể hiện khi nó có thể tổng hợp các luồng dữ liệu này và chuyển hóa chúng thành một câu hỏi đơn giản: chúng ta thực sự sẽ có bao nhiêu tiền mặt trong 15, 30 hoặc 90 ngày tới?
Trong lĩnh vực bán lẻ và thương mại điện tử, áp lực này là điều ai cũng biết. Hàng tồn kho quá nhiều sẽ làm đóng băng dòng tiền. Hàng tồn kho quá ít lại dẫn đến tình trạng thiếu hụt mặt hàng và mất doanh thu. Một dự báo được xây dựng kỹ lưỡng sẽ kết hợp dữ liệu lịch sử về doanh số, các chương trình khuyến mãi, thời gian đặt hàng lại, hàng trả lại và doanh thu dự kiến để cho thấy tác động tài chính của các quyết định kinh doanh, chứ không chỉ dừng lại ở tác động đến doanh thu.
Đối với một chuỗi cửa hàng nhỏ hoặc một nhà bán lẻ trực tuyến tại Ý, một yếu tố rất cụ thể cũng đóng vai trò quan trọng: tính mùa vụ địa phương. Các đợt giảm giá, chiến dịch khuyến mãi tháng 11, đợt cao điểm trước các kỳ lễ hội và thời gian giao hàng của nhà cung cấp đều tác động đến dòng tiền một cách không đều đặn. Một mô hình được cập nhật thường xuyên sẽ giúp xác định liệu một chiến dịch tiếp thị mạnh mẽ có thực sự làm tăng biên lợi nhuận khả dụng hay lại tiêu tốn dòng tiền vào đúng thời điểm không phù hợp.
Trong các công ty dịch vụ, vấn đề lại mang một diện mạo khác. Hàng tồn kho hầu như không gây ra gánh nặng nào. Những yếu tố gây áp lực chính là việc chậm thanh toán, các khoản chi trước cho chi phí dự án, sự khác biệt trong hành vi của khách hàng công và tư nhân, cùng với các hợp đồng có vẻ sinh lời nhưng lại thu hồi vốn chậm.
Ở đây, dự báo được sử dụng để phân tích xu hướng của khách hàng, chứ không chỉ đơn thuần là các con số doanh thu.
Một công ty sáng tạo, một công ty phần mềm hoặc một văn phòng kỹ thuật có thể sử dụng trí tuệ nhân tạo (AI) để dự đoán chính xác hơn thời điểm một hóa đơn sẽ được thanh toán, dựa trên lịch sử thanh toán của từng khách hàng, thời hạn thanh toán, số tiền và thời điểm trong năm. Đối với nhiều doanh nghiệp vừa và nhỏ (SME) tại Ý, điều này có tác động trực tiếp đến việc lập kế hoạch chi trả lương, thuế giá trị gia tăng (VAT) và các khoản đóng góp. Đồng thời, nó cũng hỗ trợ trong quá trình làm việc với ngân hàng, bởi vì nó mang lại một dự báo ít mang tính phỏng đoán hơn và có cơ sở xác thực hơn.
Trong ngành sản xuất của Ý, đặc biệt là tại các doanh nghiệp tham gia vào các chuỗi cung ứng dài, vấn đề then chốt nằm ở vốn lưu động. Nguyên liệu thô, sản phẩm bán thành phẩm, thời gian sản xuất, các điểm nghẽn trong logistics, các khoản thanh toán trước cho nhà cung cấp và các khoản thu chậm trễ đan xen lẫn nhau. Một bảng tính thường phản ánh tình hình của cả tháng, nhưng lại khó theo dõi được những sự chậm trễ tích tụ dần theo từng tuần.
Ứng dụng thiết thực nhất của trí tuệ nhân tạo (AI) trong những trường hợp này là dự báo trước các rủi ro. Nếu một đơn hàng quan trọng bị chậm trễ, nếu nhà cung cấp thay đổi điều kiện, nếu khách hàng lâu năm kéo dài thời gian thanh toán, hệ thống có thể ước tính tác động lên dòng tiền trước khi kết thúc tháng. Đối với một doanh nhân, sự khác biệt này mang tính thực tiễn: đàm phán lại kịp thời, điều chỉnh lại các khoản mua hàng hoặc huy động vốn ngắn hạn với chi phí thấp hơn.
Việc kiểm soát này càng trở nên quan trọng hơn khi doanh nghiệp đang đầu tư vào chuyển đổi số hoặc máy móc thiết bị, có thể là thông qua các gói hỗ trợ từ PNRR hoặc Chương trình Chuyển đổi 5.0. Trong những trường hợp đó, chỉ biết rằng khoản đầu tư có tính bền vững về mặt lý thuyết là chưa đủ. Cần phải đánh giá xem dòng tiền chi ra có phù hợp với thời gian thu hồi thực tế và các khoản thu hồi dự kiến hay không.
Đối với một startup hay một doanh nghiệp vừa và nhỏ đang trên đà phát triển, câu hỏi lại đặt ra theo một hướng khác. Vấn đề cốt lõi là thời gian duy trì hoạt động (runway), nhưng chất lượng của khoảng thời gian đó cũng không kém phần quan trọng. Việc tuyển dụng nhân sự mới sẽ ảnh hưởng như thế nào đến dòng tiền? Điều gì sẽ xảy ra nếu chi phí đưa sản phẩm ra thị trường (go-to-market) cao hơn dự kiến? Lợi nhuận còn lại sẽ là bao nhiêu nếu vòng gọi vốn bị hoãn lại hoặc nếu một khách hàng doanh nghiệp chậm thanh toán 60 ngày?
Ở đây, dự báo không chỉ cần thiết trong nội bộ. Nó còn cần thiết cả bên ngoài. Các nhà đầu tư, cố vấn và tổ chức tín dụng thường tin tưởng hơn khi kế hoạch tài chính trình bày các giả định rõ ràng, cập nhật thường xuyên và giải thích chi tiết các chênh lệch.
Tại Ý, điều này cũng áp dụng cho nhiều doanh nghiệp truyền thống đang mở rộng sang lĩnh vực kỹ thuật số hoặc phát triển kênh xuất khẩu. Sự phát triển tạo ra nhu cầu trước khi mang lại dòng tiền. Nhận diện những nhu cầu này từ sớm sẽ giúp tránh những quyết định vội vàng.
Trên thực tế, yếu tố quyết định chính là khả năng tích hợp với các quy trình hiện có. Nếu hệ thống không kết nối được với các luồng hóa đơn điện tử, hệ thống kế toán và dữ liệu ngân hàng, thì dự báo sẽ chỉ mang tính chất một phần. Ngược lại, nếu hệ thống có thể tích hợp các yếu tố này một cách có hệ thống, nó sẽ trở thành công cụ quản lý hàng ngày, chứ không chỉ là một công việc thực hiện vào cuối tháng.
Để tìm hiểu cách các vấn đề tương tự được giải quyết trong các bối cảnh hoạt động khác nhau, bạn có thể tham khảo thêm bộ sưu tập các nghiên cứu điển hình về phân tích dữ liệu và dự báo dành cho doanh nghiệp này.
Sai lầm lớn nhất là coi dự báo bằng trí tuệ nhân tạo (AI) như một con đường tắt không gặp trở ngại. Thực tế không phải vậy. Phương pháp này chỉ phát huy hiệu quả khi những hạn chế được nhận ra sớm, chứ không phải bị bỏ qua.
Rủi ro đầu tiên rất đơn giản: nếu dữ liệu đầu vào không đầy đủ hoặc không nhất quán, dự báo cũng sẽ kém chính xác. Nguyên tắc cổ điển “garbage in, garbage out” (dữ liệu đầu vào sai thì kết quả đầu ra cũng sai) vẫn còn đúng. Các hóa đơn chưa được đối chiếu, các giao dịch ngân hàng chưa được phân loại, khách hàng trùng lặp hoặc quy trình kế toán thiếu kỷ luật đều làm giảm giá trị của mô hình.
Rủi ro thứ hai mang tính văn hóa. Một số nhà quản lý kỳ vọng hệ thống sẽ “biết tất cả” ngay từ đầu. Ngược lại, một số khác lại tỏ ra nghi ngờ vì họ coi hệ thống như một “hộp đen”. Cả hai quan điểm này đều gây ra vấn đề. Một mô hình tốt cần được quan sát, so sánh với thực tế và cải tiến theo thời gian.
Vấn đề thứ ba liên quan đến tổng chi phí. Không chỉ có phí đăng ký là quan trọng. Các yếu tố khác như tích hợp hệ thống, thời gian làm việc nội bộ, hỗ trợ bên ngoài (nếu có) và quản trị dữ liệu cũng đều rất quan trọng.
Tuy nhiên, vẫn có những biện pháp đối phó rất thiết thực:
Niềm tin vào các hệ thống dự báo sẽ tăng lên khi mọi người nhận thấy mối liên hệ giữa dự báo và các quyết định thực tế của doanh nghiệp.
Cần lưu ý một số điểm quan trọng. Bài viết này chỉ mang tính chất thông tin và không phải là tư vấn tài chính, thuế hay pháp lý. Mỗi doanh nghiệp vừa và nhỏ đều có cơ cấu chi phí, mức độ rủi ro và các nghĩa vụ pháp lý khác nhau. Trước khi áp dụng một hệ thống mới, doanh nghiệp nên so sánh các mục tiêu hoạt động, quy trình nội bộ và các yêu cầu tuân thủ.
Điểm mấu chốt là ở đây. Trí tuệ nhân tạo (AI) không thể giúp doanh nghiệp của bạn tránh khỏi những rủi ro. Tuy nhiên, nó giúp bạn nắm bắt những rủi ro đó một cách rõ ràng hơn. Và đối với một doanh nghiệp vừa và nhỏ, sự khác biệt này có ý nghĩa rất lớn.
Khi việc dự báo được thực hiện thủ công, ban lãnh đạo phải dành nhiều thời gian để theo đuổi các con số. Khi quy trình này trở nên tự động và dự báo hơn, thời gian đó có thể được dành cho những ưu tiên quan trọng hơn: bảo đảm thanh khoản, đánh giá các khoản đầu tư, dự báo rủi ro khách hàng, và lập kế hoạch phát triển với độ chính xác cao hơn.
Dự báo dòng tiền bằng trí tuệ nhân tạo (AI) dành cho doanh nghiệp vừa và nhỏ (SME) đặc biệt có ý nghĩa trong bối cảnh này. Không phải như một trào lưu công nghệ, mà là một nền tảng hỗ trợ ra quyết định phù hợp nhất cho các doanh nghiệp cần hành động nhanh chóng với nguồn lực hạn chế.
Nếu hiện tại công ty của bạn vẫn chủ yếu hoạt động theo kiểu “đi trước nhìn sau”, thì sự thay đổi không nằm ở việc mua thêm công nghệ. Sự thay đổi nằm ở việc xây dựng một bức tranh toàn cảnh đáng tin cậy hơn về tháng tới, và sau đó là quý tiếp theo.
Đúng vậy, miễn là có sẵn dữ liệu cơ bản được sắp xếp khá khoa học. Trong các doanh nghiệp quy mô nhỏ, việc tự động hóa thường mang lại giá trị lớn hơn nữa vì cùng một người phải đảm nhiệm cả công tác hành chính, thu chi, quản lý nhà cung cấp và lập kế hoạch. Nếu các luồng công việc không đều đặn, ngay cả một dự báo đơn giản nhưng được cập nhật thường xuyên cũng có thể giúp giảm bớt gánh nặng cho nhiều quyết định.
Bạn có càng nhiều dữ liệu nhất quán, hệ thống càng có thể nhận diện các mẫu và xu hướng theo mùa một cách hiệu quả hơn. Tuy nhiên, trên thực tế, vấn đề không phải là phải có các bộ dữ liệu hoàn hảo. Điều quan trọng là dữ liệu phải đủ sạch để có thể xây dựng được một mô hình dự báo ban đầu hữu ích. Sau đó, chất lượng dự báo sẽ được cải thiện dần dần khi hệ thống tích lũy thêm các tín hiệu mới và so sánh dự báo với dữ liệu thực tế.
Vấn đề bảo mật cần được đánh giá kỹ lưỡng, giống như đối với bất kỳ nền tảng nào xử lý dữ liệu nhạy cảm. Cần kiểm tra các chính sách tuân thủ GDPR, quy trình truy cập, quản lý quyền truy cập, mã hóa và cấu trúc tích hợp. Nói chung, câu hỏi đúng không phải là “Trí tuệ nhân tạo (AI) có an toàn không?”. Mà là “Nhà cung cấp này có xử lý dữ liệu theo các tiêu chuẩn phù hợp với mức độ rủi ro và các nghĩa vụ của chúng ta hay không?”.
Không. Hệ thống dự báo chỉ cung cấp các tín hiệu, kịch bản và tự động hóa. Quyết định vẫn do con người đưa ra. Tại các doanh nghiệp vừa và nhỏ (SME) hàng đầu, trí tuệ nhân tạo (AI) giúp giải phóng thời gian khỏi các công việc lặp đi lặp lại, từ đó cho phép những người phụ trách tài chính tập trung nhiều hơn vào các ưu tiên, các trường hợp ngoại lệ và các biện pháp khắc phục.
Thông thường, chúng ta bắt đầu từ một trường hợp đơn giản nhưng cụ thể: tích hợp các nguồn dữ liệu thiết yếu, theo dõi các luồng dữ liệu một cách tập trung hơn và xây dựng một dự báo ngắn hạn. Trong bối cảnh của Ý, việc ưu tiên tính tương thích với hóa đơn điện tử, tính dễ sử dụng và tính khả thi về mặt kinh tế của dự án là điều hợp lý.
Nếu bạn muốn chuyển từ việc sử dụng bảng tính sang một phương pháp quản lý tài chính rõ ràng và có tính dự báo hơn, hãy tìm hiểu cách thức hoạt động ELECTE – một nền tảng phân tích dữ liệu được hỗ trợ bởi trí tuệ nhân tạo (AI) dành cho các doanh nghiệp vừa và nhỏ (SME). Đây là một giải pháp thiết thực để khám phá các tính năng dự báo, thông tin chi tiết tự động và phân tích dữ liệu mà không gây thêm sự phức tạp không cần thiết cho đội ngũ của bạn.
.svg)
.svg)
.svg)
