AI đối chiếu chứng từ

Một bộ chứng từ có thể nhìn hoàn toàn bình thường.

PO đúng mẫu.

Phiếu giao hàng đủ thông tin.

Hóa đơn đã được phát hành.

Nhưng chỉ cần một trường khác nhau:

PO: 500 sản phẩm

Phiếu giao hàng: 500 sản phẩm

Hóa đơn: 520 sản phẩm

Nếu không ai phát hiện, sai lệch đó có thể tiếp tục đi vào công nợ, nhập kho hoặc hệ thống kế toán.

Đây là lý do AI đối chiếu chứng từ không nên chỉ được hiểu là “AI đọc nhiều file cùng lúc”.

Giá trị thực sự nằm ở việc:

đặt nhiều nguồn cạnh nhau, so đúng các trường bắt buộc, phát hiện điểm không khớp và dừng trước khi dữ liệu sai đi tiếp.

AI đối chiếu chứng từ khác gì AI đọc chứng từ?

Hai use case này liên quan nhưng không giống nhau.

AI đọc chứng từ

Tập trung vào:

Một tài liệu → dữ liệu có cấu trúc

Ví dụ:

  • đọc hóa đơn;
  • bóc số hóa đơn;
  • mã hàng;
  • số lượng;
  • đơn giá;
  • tổng tiền.

AI đối chiếu chứng từ

Tập trung vào:

Nhiều nguồn → so sánh → chỉ ra điểm lệch

Ví dụ:

  • PO;
  • phiếu giao hàng;
  • hóa đơn.

AI không chỉ hỏi:

“Hóa đơn ghi gì?”

Mà hỏi:

“Thông tin trên hóa đơn có khớp với những gì doanh nghiệp đã đặt và thực tế đã nhận hay không?”

Đây là bước kiểm soát sâu hơn.

Vì sao đối chiếu chứng từ thủ công dễ bị sót?

Vấn đề không phải nhân viên không biết kiểm tra.

Vấn đề là khối lượng và tính lặp lại.

Một bộ hồ sơ có thể gồm:

  • nhiều trang;
  • nhiều dòng hàng;
  • nhiều số liệu;
  • nhiều mã;
  • nhiều tài liệu có format khác nhau.

Người kiểm tra phải liên tục chuyển mắt giữa:

  • file PDF;
  • Excel;
  • email;
  • hệ thống;
  • chứng từ scan.

Khi khối lượng tăng, các lỗi rất nhỏ dễ bị bỏ qua:

  • lệch 1 ký tự;
  • lệch 1 mã hàng;
  • sai đơn vị tính;
  • sai số lượng;
  • khác đơn giá;
  • khác tổng tiền;
  • sai ngày;
  • sai số container;
  • thiếu một trường bắt buộc.

Đây là loại công việc AI có thể hỗ trợ tốt vì nó mang tính:

đọc nhiều → so cùng tiêu chí → highlight khác biệt

AI đối chiếu chứng từ có thể kiểm tra những gì?

Tùy nghiệp vụ, bộ trường đối chiếu sẽ khác nhau.

Trong mua hàng

AI có thể so:

  • mã hàng;
  • quy cách;
  • số lượng;
  • đơn giá;
  • nhà cung cấp;
  • số PO;
  • ngày;
  • điều khoản.

WATATECH hiện mô tả use case mua hàng theo hướng đối chiếu số lượng, quy cách và đơn giá giữa đơn đặt hàng, phiếu giao hàng và hóa đơn.

Ví dụ:

PO

Mã A – 100 chiếc – 200.000 đồng

Phiếu giao hàng

Mã A – 100 chiếc

Hóa đơn

Mã A – 100 chiếc – 205.000 đồng

AI có thể highlight ngay:

Đơn giá trên hóa đơn không khớp PO.

Trong kế toán

AI có thể đối chiếu:

  • tổng tiền;
  • công nợ;
  • số hóa đơn;
  • nhà cung cấp;
  • số lượng;
  • dữ liệu đã ghi nhận trong hệ thống.

Điểm quan trọng là nếu tổng không khớp, workflow không nên tự bỏ qua để tiếp tục nhập.

Trong logistics và xuất nhập khẩu

Đây là nhóm nghiệp vụ có mật độ chứng từ rất cao.

Một bộ xuất khẩu có thể gồm:

  • commercial invoice;
  • packing list;
  • bill of lading;
  • các chứng từ liên quan.

Trong tài liệu AI Workforce của WATATECH, trợ lý được mô tả có thể đối chiếu 8 trường bắt buộc giữa hóa đơn, phiếu đóng gói và vận đơn; nếu lệch một trường thì dừng, không phát hành.

Đây là ví dụ rất rõ cho thấy:

AI đối chiếu chứng từ không chỉ là “so cho biết”, mà phải gắn với một điểm kiểm soát trong workflow.

Workflow AI đối chiếu chứng từ nên diễn ra như thế nào?

Một workflow hợp lý có thể gồm 5 bước.

Bước 1: Nhận đủ bộ chứng từ

AI nhận các file liên quan:

  • PDF;
  • ảnh scan;
  • Excel;
  • dữ liệu hệ thống.

Trước khi đối chiếu, cần xác định bộ tài liệu đã đủ chưa.

Nếu thiếu một nguồn quan trọng, AI nên báo thiếu thay vì giả định rằng bộ hồ sơ đã hoàn chỉnh.

Bước 2: Bóc các trường cần so

Mỗi loại chứng từ có thể chứa rất nhiều thông tin.

Nhưng không phải tất cả đều cần đối chiếu.

Doanh nghiệp nên xác định rõ bộ trường bắt buộc.

Ví dụ:

  • mã hàng;
  • số lượng;
  • đơn giá;
  • ngày;
  • tổng tiền;
  • số PO.

Với chứng từ xuất khẩu có thể là:

  • tên hàng;
  • số lượng;
  • trọng lượng;
  • số container;
  • số chì;
  • cảng;
  • thông tin consignee;
  • thông tin invoice.

AI sau đó lấy chính những trường này từ từng nguồn.

Bước 3: Chuẩn hóa trước khi so

Đây là bước rất quan trọng.

Hai chứng từ có thể dùng cách trình bày khác nhau nhưng vẫn cùng một giá trị.

Ví dụ:

100 PCS

và

100 pieces

có thể cùng nghĩa.

Hoặc:

  • ngày tháng khác format;
  • mã hàng có khoảng trắng;
  • đơn vị tính viết khác nhau.

AI cần chuẩn hóa những khác biệt hình thức trước khi kết luận có sai lệch thật sự.

Nhưng việc chuẩn hóa không được phép biến thành “đoán”.

Nếu hai giá trị thực sự khác nhau, phải giữ nguyên sự khác biệt đó.

Bước 4: Highlight điểm không khớp

Kết quả không nên chỉ là:

“Có lỗi.”

AI nên chỉ rõ:

  • trường nào;
  • tài liệu nào;
  • giá trị bên A;
  • giá trị bên B.

Ví dụ:

Trường
PO
Hóa đơn
Trạng thái

Số lượng
500
520
Không khớp

Đơn giá
125.000
125.000
Khớp

Mã hàng
SP-A01
SP-A01
Khớp

Cách trình bày này giúp người phụ trách kiểm tra nhanh hơn rất nhiều.

Bước 5: Dừng nếu có sai lệch quan trọng

Đây là bước phân biệt AI hỗ trợ nghiệp vụ với AI chỉ tạo báo cáo.

Nếu trường bắt buộc không khớp, hệ thống không nên mặc nhiên tiếp tục:

  • phát hành;
  • nhập kho;
  • ghi công nợ;
  • hạch toán;
  • gửi ra ngoài.

Trong cách WATATECH định nghĩa ranh giới AI Workforce:

Chứng từ lệch nhau một trường → dừng, không phát hành, hỏi người chốt.

AI cũng không tự chọn:

“PO đúng, hóa đơn sai.”

Nếu chưa có đủ căn cứ.

Trong use case logistics, trợ lý được yêu cầu trích nguyên văn cả hai giá trị khác nhau rồi hỏi người có thẩm quyền xác nhận.

Vì sao AI không nên tự quyết bên nào đúng?

Đây là một nguyên tắc rất quan trọng.

Giả sử:

PO: 100 chiếc

Hóa đơn: 120 chiếc

AI có thể thấy lịch sử các đơn trước thường là 120.

Nhưng điều đó không chứng minh PO hiện tại sai.

Có thể:

  • khách đổi số lượng;
  • PO cũ chưa cập nhật;
  • hóa đơn lập nhầm;
  • có giao bổ sung;
  • hệ thống chưa đồng bộ.

Nếu AI tự chọn một bên để “sửa cho khớp”, nó đang biến một sai lệch cần được xử lý thành một dữ liệu trông có vẻ hợp lệ.

Đó là rủi ro lớn.

Cách an toàn hơn:

Phát hiện → trình bày hai nguồn → dừng → người có trách nhiệm quyết định

Một sai lệch nhỏ có thể kéo theo bao nhiêu lỗi phía sau?

Một trường sai hiếm khi chỉ đứng một mình.

Ví dụ:

Sai số lượng trên hóa đơn

có thể ảnh hưởng đến:

Công nợ

↓

Giá trị nhập kho

↓

Đối soát nhà cung cấp

↓

Báo cáo chi phí

↓

Thanh toán

Hoặc:

Sai mã hàng

có thể dẫn đến:

  • nhập sai SKU;
  • tồn kho sai;
  • báo cáo sai;
  • truy xuất sai.

Vì vậy, AI đối chiếu chứng từ tạo giá trị lớn nhất ở điểm:

phát hiện sai trước khi sai lệch được nhân bản sang các hệ thống khác.

AI có thể đối chiếu chứng từ xuất nhập khẩu không?

Có thể nếu doanh nghiệp xác định rõ:

  • bộ tài liệu;
  • trường bắt buộc;
  • nguồn tham chiếu;
  • quy tắc dừng.

Một use case thực tế trong tài liệu WATATECH là đối chiếu bộ chứng từ xuất khẩu. Hệ thống so các trường bắt buộc giữa invoice, packing list và bill of lading; lệch một trường thì dừng.

Ngoài ra, những dữ liệu có tính chính xác ký tự cao như số container và số chì niêm phong cũng cần được chép đúng nguyên văn, không tự thay đổi thứ tự hay ký hiệu.

Điều này cho thấy không phải trường dữ liệu nào cũng nên được “AI hiểu linh hoạt”.

Có những trường cần:

exact match

và workflow phải được thiết kế tương ứng.

AI đối chiếu chứng từ khác gì kiểm tra bằng rule cố định?

Rule-based automation có thể kiểm tra rất tốt nếu:

  • dữ liệu đã có cấu trúc;
  • format ổn định;
  • trường nằm đúng vị trí;
  • quy tắc cố định.

AI trở nên hữu ích hơn khi tài liệu:

  • nhiều format;
  • file scan;
  • dữ liệu nằm ở vị trí khác nhau;
  • cách gọi không hoàn toàn giống nhau;
  • cần đọc và hiểu ngữ cảnh trước khi so.

Tuy nhiên, điều đó không có nghĩa AI thay thế toàn bộ rule.

Một workflow tốt có thể kết hợp:

AI để đọc và chuẩn hóa

Rule để kiểm các điều kiện bắt buộc

Ví dụ:
AI đọc được số lượng.

Rule kiểm:

PO quantity = Invoice quantity?

Cách kết hợp này thường dễ kiểm soát hơn việc để AI tự đánh giá toàn bộ.

Khi nào doanh nghiệp nên dùng AI đối chiếu chứng từ?

Use case này đặc biệt phù hợp khi doanh nghiệp có:

  • lượng chứng từ lớn;
  • nhiều nhà cung cấp;
  • nhiều format tài liệu;
  • quy trình mua hàng phức tạp;
  • xuất nhập khẩu;
  • nhiều bước cần khớp dữ liệu;
  • nhân viên thường xuyên phải so file bằng mắt;
  • lỗi thường chỉ được phát hiện ở bước sau.

Nếu mỗi ngày nhân sự phải mở 2–3 file cạnh nhau để dò từng dòng, đây là một tín hiệu khá rõ.

AI đối chiếu chứng từ có thay người kiểm soát không?

Không nên nhìn theo hướng đó.

AI phù hợp để:

  • đọc;
  • so;
  • highlight;
  • tổng hợp;
  • dừng khi lệch.

Con người vẫn cần:

  • xác định nguồn đúng;
  • xử lý ngoại lệ;
  • quyết định sửa chứng từ;
  • xác nhận dữ liệu nghiệp vụ;
  • phê duyệt trước khi phát hành.

Trong mô hình AI Workforce, mục tiêu không phải loại bỏ điểm kiểm soát của con người.

Ngược lại:

AI giúp con người tập trung vào những bộ chứng từ thực sự có vấn đề, thay vì phải kiểm thủ công tất cả như nhau.

AI Workforce của WATATECH áp dụng logic đối chiếu như thế nào?

Một nguyên tắc xuyên suốt trong AI Workforce là:

Khớp thì đi tiếp. Lệch thì dừng và hỏi.

Trong quy trình vận hành, trợ lý đọc file, làm đầu việc rồi tự kiểm bằng cách cộng lại, đối chiếu và so với nguồn trước khi giao.

WATATECH cũng định vị Nhân viên AI khác chatbot ở chỗ có thể bóc tách hóa đơn, đối chiếu chứng từ và tạo sản phẩm công việc; khi không chắc, trợ lý dừng và hỏi thay vì đoán.

Điểm này đặc biệt phù hợp với nghiệp vụ chứng từ.

Bởi một AI “trả lời cho xong” có thể rất nguy hiểm khi kết quả được dùng cho:

  • thanh toán;
  • kế toán;
  • xuất nhập khẩu;
  • nhập kho;
  • giao dịch với bên ngoài.

Từ kiểm thủ công mọi bộ hồ sơ đến kiểm theo ngoại lệ

Một lợi ích lớn của AI đối chiếu chứng từ là thay đổi cách con người phân bổ thời gian.

Thay vì:

100 bộ hồ sơ → người kiểm toàn bộ 100

workflow có thể trở thành:

100 bộ hồ sơ

↓

AI đối chiếu

↓

92 bộ khớp

8 bộ có điểm lệch

↓

Người tập trung xử lý 8 bộ cần phán đoán

Con số ở trên chỉ là ví dụ minh họa về logic workflow, không phải cam kết tỷ lệ thực tế.

Điểm quan trọng là:

AI giúp chuyển nguồn lực con người từ việc dò từng dòng sang xử lý ngoại lệ.

Đây là cách tự động hóa tạo giá trị mà không loại bỏ kiểm soát.

Một AI tốt không phải AI luôn tìm cách làm cho dữ liệu khớp

Trong nghiệp vụ chứng từ, mục tiêu không phải tạo ra một bộ hồ sơ đẹp.

Mục tiêu là biết:

dữ liệu thực sự có khớp hay không.

Vì vậy, AI tốt không nên:

  • tự sửa giá trị;
  • tự chọn nguồn đúng;
  • bỏ qua chênh lệch nhỏ;
  • điền dữ liệu thiếu từ lịch sử;
  • tiếp tục phát hành khi chưa rõ.

Một workflow đáng tin cậy phải có khả năng nói:

“Hai nguồn đang khác nhau. Tôi dừng ở đây và cần người xác nhận.”

Đó không phải thất bại của tự động hóa.

Đó chính là một phần của AI đối chiếu chứng từ được thiết kế đúng.

FAQ – Câu hỏi thường gặp

AI đối chiếu chứng từ là gì?

AI đối chiếu chứng từ là việc sử dụng AI để đọc nhiều tài liệu liên quan, lấy các trường dữ liệu cần kiểm tra, so sánh chúng và chỉ ra những điểm không khớp trước khi dữ liệu đi tiếp trong workflow.

AI có thể đối chiếu PO và hóa đơn không?

Có. AI có thể hỗ trợ so các trường như mã hàng, số lượng, đơn giá, số PO, ngày và tổng tiền nếu các nguồn dữ liệu cần thiết được cung cấp.

Nếu hai chứng từ không khớp, AI có biết bên nào đúng không?

Không nên mặc định. Nếu không có nguồn quy định rõ bên nào là nguồn chuẩn, AI nên trình bày giá trị từ cả hai chứng từ và yêu cầu người có thẩm quyền xác nhận.

AI có thể đối chiếu chứng từ xuất khẩu không?

Có thể. WATATECH đã mô tả use case đối chiếu các trường bắt buộc giữa hóa đơn, packing list và vận đơn; trường không khớp sẽ kích hoạt bước dừng để kiểm tra.

AI đối chiếu chứng từ có thay OCR không?

Không. OCR hoặc AI extraction thường là bước giúp lấy dữ liệu từ tài liệu. Đối chiếu là bước tiếp theo, sử dụng dữ liệu từ nhiều nguồn để kiểm tra tính nhất quán.

👉 Liên hệ để tìm hiểu giải pháp ERP tích hợp AI của WATATECH:

📞 Hotline: 0908 679 389

📧 Email: info@watatech.com.vn

🌐 Website: https://watatech.com.vn

📘 Fanpage: https://www.facebook.com/WATATECH.ERP/