Báo Đại Đoàn Kết Kinh tế

Đào tạo để thích ứng với việc chuyển đổi từ quy trình kiểm toán truyền thống sang quy trình kiểm toán số

Báo Đại Đoàn Kết Tăng kích thước chữ

Đào tạo để thích ứng với việc chuyển đổi từ quy trình kiểm toán truyền thống sang quy trình kiểm toán số

Báo Đại Đoàn Kết trên Google News

Trong Chiến lược phát triển đến năm 2030, Kiểm toán nhà nước (KTNN) đề ra mục tiêu nâng cao việc đào tạo nhân lực chất lượng cao kết hợp với việc ứng dụng công nghệ hiện đại.Đây được xem là bước đi quan trọng trong tiến trình chuyển đổi số của ngành KTNN.

Chiến lược phát triển KTNN đến năm 2030 nhấn mạnh: “Chuyển đổi từ quy trình kiểm toán truyền thống sang quy trình kiểm toán số dựa trên nền tảng Big Data với sự hỗ trợ của công nghệ AI một cách chủ động…”; “Đào tạo, bồi dưỡng đội ngũ kiểm toán viên nhà nước (KTV) tiếp cận và vận dụng phương pháp kiểm toán hiện đại, kỹ năng kiểm toán theo hướng chuyên nghiệp, nâng cao kiến thức, trình độ, kỹ năng ứng dụng công nghệ thông tin (CNTT) trong hoạt động kiểm toán…”.

Để đạt được các mục tiêu ấy, thời gian qua, KTNN đã không ngừng xây dựng hạ tầng kỹ thuật, hoàn thiện nền tảng quản trị dữ liệu tập trung và triển khai thí điểm AI phục vụ hoạt động kiểm toán. Cùng với đó, hoạt động đào tạo cũng đã có sự thay đổi mang tính bước ngoặt, bám sát tiến trình phát triển CNTT. Theo đó, tỷ trọng các nội dung đào tạo về CNTT trong tổng thời lượng bồi dưỡng chuyên môn, nghiệp vụ của KTNN đã tăng gấp đôi trong giai đoạn 2022-2025.

Nhiều lớp hướng dẫn sử dụng phần mềm số hóa và quản lý hồ sơ kiểm toán đã được tổ chức từ năm 2023 đến nay tại Kiểm toán nhà nước. Ảnh: N.Ly
Nhiều lớp hướng dẫn sử dụng phần mềm số hóa và quản lý hồ sơ kiểm toán đã được tổ chức từ năm 2023 đến nay tại Kiểm toán nhà nước. Ảnh: N.Ly

Theo thống kê, nếu năm 2023, KTNN tổ chức 12 lớp tập huấn tập trung vào việc sử dụng phần mềm nội bộ, kỹ năng khai thác dữ liệu cơ bản, trích xuất dữ liệu tài chính, bảo đảm phù hợp với giai đoạn chuyển đổi từ kiểm toán chứng từ giấy sang chứng từ điện tử. Năm 2024, KTNN tổ chức khoảng 20 lớp với nội dung chú trọng phân tích dữ liệu lớn (Big Data), sử dụng các công cụ phục vụ hoạt động kiểm toán.

Đến năm 2025, số lớp đào tạo chuyên sâu liên quan đến sử dụng CNTT trong hoạt động kiểm toán tăng lên với 25 lớp, tập trung vào năng lực làm chủ dữ liệu, các ứng dụng công nghệ, Big Data, AI, thuật toán, bảo mật dữ liệu và kiểm toán CNTT chuyên sâu. KTV cũng được đào tạo các kỹ năng truy vấn và xử lý ngôn ngữ (Python/R), truy cập vào cơ sở dữ liệu của đơn vị để kiểm tra toàn bộ dữ liệu thay vì chọn mẫu như trước đây.

Tiếp nối thành công của những năm trước, năm 2026, KTNN tiếp tục tổ chức 25 lớp đào tạo, tập trung vào các công cụ AI phổ biến phục vụ hoạt động kiểm toán, ứng dụng AI trong cải cách hành chính, nâng cao kiến thức, kỹ năng liên quan đến kiểm toán CNTT.

Theo Phó Giám đốc Trường Đào tạo và Bồi dưỡng nghiệp vụ kiểm toán Hà Minh Tuấn, việc chú trọng đào tạo về Big Data và AI nhằm đáp ứng nhu cầu thiết thực của KTV hiện nay. Đặc biệt, trong bối cảnh công nghệ thay đổi từng ngày, nội dung đào tạo này phải được nghiên cứu kỹ và triển khai sớm, đúng mục tiêu, đối tượng, nhu cầu và sản phẩm đầu ra, phục vụ thiết thực cho hoạt động kiểm toán.

Bên cạnh các lớp đào tạo được tổ chức với quy mô, phạm vi toàn ngành, các đơn vị trực thuộc KTNN cũng đã xây dựng kế hoạch tập huấn nội bộ, tập trung vào các nội dung như: Ứng dụng AI trong kiểm toán và tổng hợp kết quả kiểm toán hoạt động tín dụng tại các ngân hàng thương mại; ứng dụng CNTT trong việc lưu trữ, luân chuyển tài liệu, đặc biệt là văn bản mật; kỹ năng ứng dụng AI hỗ trợ hoạt động kiểm toán; ứng dụng AI trong cải cách hành chính; kinh nghiệm ứng dụng AI hỗ trợ hoạt động kiểm toán tuân thủ đối với dự án đầu tư xây dựng công trình...

Những lớp, những chương trình đào tạo này được xem như việc “đón đầu” xu hướng chuyển dịch chuyển đổi số, sử dụng AI hỗ trợ hoạt động kiểm toán. Dự kiến, năm 2027, KTNN sẽ hoàn thiện, đưa vào sử dụng 5 hệ thống AI hỗ trợ lựa chọn đơn vị được kiểm toán; lập và thẩm định dự thảo văn bản KTNN; tổng hợp kinh nghiệm kiểm toán; hỗ trợ hoạt động kiểm soát chất lượng kiểm toán. Theo Phó Cục trưởng Cục CNTT, KTNN - ông Nguyễn Văn Quang, hiện nay, KTNN đã và đang thí điểm ứng dụng AI để tự động hóa quy trình, đặc biệt trong việc phân tích các gói thầu số hóa và xử lý khối lượng dữ liệu lớn từ ngành thuế, kho bạc, ngân hàng. Vì thế, trước khi các công cụ này được vận hành, cần có những người sử dụng thành thạo các công cụ này.

Chia sẻ từ thực tiễn tham gia các đoàn kiểm toán, ông Nguyễn Hải Hiệp - Phó Trưởng phòng, KTNN chuyên ngành VII - cho rằng, chương trình đào tạo cần theo lộ trình phù hợp: trước hết trang bị nền tảng về dữ liệu, tư duy CNTT và tư duy thuật toán; sau đó nâng cao năng lực sử dụng các công cụ chuyên sâu. KTNN không chỉ đào tạo đáp ứng yêu cầu trước mắt mà còn phải chuẩn bị cho định hướng dài hạn, gắn với việc hoàn thiện hạ tầng công nghệ, ứng dụng AI và xây dựng kho dữ liệu tập trung.

Đồng quan điểm, ông Lê Anh Vũ - Trưởng phòng, Cục CNTT – cũng nhận định, phân tích dữ liệu và ứng dụng AI đòi hỏi phải có dữ liệu chuẩn. Vì vậy, KTV cần được đào tạo bài bản từ dữ liệu, các công cụ phù hợp đến phân tích dữ liệu lớn. Ngoài ra, hiện nay, KTV đã chủ động tự học và sử dụng AI do các nhà cung cấp bên ngoài phát triển. Tận dụng những công cụ này, KTNN có thể tổ chức các lớp hướng dẫn KTV sử dụng AI hiệu quả, đồng thời vẫn bảo đảm tuân thủ các quy định, tính bảo mật và trách nhiệm giải trình về thông tin, thuật toán.

Từ yêu cầu thực tiễn, ông Hà Minh Tuấn cho rằng, đào tạo về CNTT cần có sự phân nhóm đối tượng rõ ràng tương ứng với từng chương trình đào tạo. Trong đó, các chương trình nâng cao sẽ dành cho nhóm đối tượng đã qua đào tạo chuyên sâu và kỹ thuật viên của Cục CNTT. Nhóm KTV sẽ được đào tạo về tư duy dữ liệu; cách thức thu thập, phân loại nguồn dữ liệu; kỹ năng phỏng vấn để tìm dữ liệu; sử dụng công cụ, dữ liệu đã có để đối soát, trực quan hóa và tổng hợp. Đào tạo từ cơ bản đến nâng cao, bảo đảm khi KTNN hoàn thiện các công cụ AI thì KTV có thể sử dụng hiệu quả ngay cho từng cuộc kiểm toán.

N.Ly- T.Lê- V.Hoàng- V.Anh- M.Phương