Lập kế hoạch tài chính với AI Planning Analytics
CFO và CIO: Bộ đôi quyết định năng lực tăng trưởng và M&A của doanh nghiệp
Nhu cầu lập kế hoạch ngân sách đầu tư CNTT
Giai đoạn lên ngân sách CNTT hàng năm của các doanh nghiệp thường kéo dài khoảng 1 quý với rất nhiều vòng được rà soát giữa các bộ phận từ CNTT tới Nghiệp vụ và Tài chính, dự án nào cũng được giải trình là ưu tiên với các mô hình kinh doanh (Business Case) và kết quả giả định đạt được sau khi đầu tư. Một cảnh khá quen thuộc trong các cuộc họp ngân sách là CIO trình bày một danh sách dự án đầy đủ các hạng mục về Cloud, Data, Business Transformation hay gần đây nhất là AI Usecases trong chiến lược chuyển đổi số, Ban điều hành và nhất là CFO nhìn vào con số đầu tư công nghệ và phản xạ quen thuộc là hỏi:
“Có cách nào giảm chi phí IT năm nay không?” hoặc một câu hỏi what-if “Nếu bỏ cái này thì sao?”
Và rồi CNTT lại về ra soát lại kế hoạch với nhiều kịch bản khác nhau để trả lời đủ các khía cạnh của câu hỏi what-if của CFO đặt ra. Trong nhiều năm, cách phối hợp này vẫn đang “chạy đúng kế hoạch dù chậm và bán thủ công”.
Thực tế nhiệm vụ của CFO đại diện cho Ban điều hành là đảm bảo ngân sách đầu tư cho công nghệ cần được kiểm soát chặt chẽ với một số kịch bản kinh doanh khác nhau, trong khi đó CIO vai trò duy trì hệ thống vận hành ổn định và phát triển thêm các dịch vụ hỗ trợ các bộ phận nghiệp vụ.
Tuy nhiên, trong kỷ nguyên Data và AI, cách hợp tác này đang thay đổi nhanh chóng. Công nghệ không còn chỉ là chi phí mà trở thành nguồn tạo ra giá trị chiến lược và cần được các bộ phận nghiệp vụ, đặc biệt là CFO, có sự đồng hành từ sớm với CIO nhằm thúc đẩy chiến lược chuyển đổi số một cách đồng bộ. Đây chính là xu hướng tiếp cận về AI Planning (AI Planning Analytics)
Xu hướng: Từ lập báo cáo số liệu sang lập kế hoạch tài chính với AI Planning
Trong nhiều thập kỷ, Excel là công cụ trung tâm của bộ phận tài chính. Nhờ tính linh hoạt và khả năng xử lý dữ liệu nhanh chóng, spreadsheet đã trở thành nền tảng cho hầu hết các quy trình lập ngân sách và dự báo.Tuy nhiên khi quy mô doanh nghiệp tăng lên, hệ thống lập kế hoạch dựa trên spreadsheet bắt đầu bộc lộ nhiều giới hạn. Dữ liệu thường nằm rải rác ở nhiều file khác nhau, việc kiểm soát phiên bản trở nên phức tạp và chỉ cần một lỗi công thức nhỏ cũng có thể dẫn đến sai lệch lớn trong báo cáo.
Một quy trình lập kế hoạch truyền thống thường diễn ra theo chu kỳ sau:
Trong bối cảnh kinh doanh hiện nay, quy trình này không còn đủ nhanh và bộc lộ mốt số thách thức chính sau trong quá trình nâng cao chất lượng lập kế hoạch tài chính:
Phụ thuộc quá nhiều vào spreadsheet
Excel mang lại sự linh hoạt, nhưng khi dữ liệu và số lượng phòng ban tăng lên, các vấn đề bắt đầu xuất hiện như dữ liệu phân tán ở nhiều file, khó kiểm soát nguồn dữ liệu và dễ xảy ra sai lệch công thức. Đặc biệt khi tổ chức có hàng trăm bộ phận nghiệp vụ, việc hợp nhất dữ liệu planning bằng spreadsheet trở nên cực kỳ phức tạp.
Khả năng dự báo (forecasting) kém linh hoạt
Trong môi trường kinh doanh biến động, CFO cần trả lời những câu hỏi như “Nếu lãi suất tăng 2% thì ảnh hưởng thế nào tới dòng tiền?”, hay “Nếu doanh thu giảm 10% ở một khu vực thì lợi nhuận toàn công ty ra sao?”. Các mô hình dữ báo truyền thống thường dựa vào dữ liệu lịch sử và khó phản ứng nhanh trước các biến động này.
Finance bị mắc kẹt trong công việc thủ công
Một nghịch lý phổ biến là nhiều đội ngũ tài chính vẫn dành phần lớn thời gian cho kiểm tra và tổng hợp số liệu và lập báo cáo thống kê… thay vì tập trung vào phân tích chiến lược và hỗ trợ quyết định kinh doanh. Trong khi đó, xu hướng mới yêu cầu CFO trở thành nhà lãnh đạo chiến lược và người thúc đẩy chuyển đổi số trong doanh nghiệp.
Do đó, nhiều tổ chức đang chuyển sang hướng tiếp cận AI Planning với một số mục tiêu chiến lược như cần cập nhật dữ liệu theo thời gian thực, tự động tạo forecast hay mô phỏng nhiều kịch bản kinh doanh.
AI đóng vai trò quan trọng trong chiến lược chuyển đổi này, cụ thể các thuật toán AI/ML có thể phân tích dữ liệu ở mức độ chi tiết và phát hiện các xu hướng mà phương pháp truyền thống khó nhận ra. Ngoài ra, việc sử dụng AI hiện đại như GenAI còn có thể giải thích biến động ngân sách và dự báo để hỗ trợ các cuộc họp giải trình ngân sách với Ban lãnh đạo. Với hướng tiếp cận đó, mảng kế hoạch tài chính có những điểm khác biệt cơ bản sau:
Hướng tiếp cận AI Planning
Sự xuất hiện của AI Planning đang thay đổi cách doanh nghiệp lập kế hoạch tài chính. Bằng cách kết hợp Enterprise Data, giải pháp lập kế hoạch và các mô hình AI, tổ chức có thể chuyển từ mô hình báo cáo quá khứ sang dự báo tương lai. Điều này giúp bộ phận tài chính trở thành đối tác chiến lược trong việc ra quyết định kinh doanh. Để giải quyết các thách thức này, nhiều tổ chức đang triển khai các nền tảng Enterprise Planning tích hợp AI. Một kiến trúc điển hình của AI Planning có thể được minh họa như sau:
Từ hiệu quả vận hành đến lợi thế chiến lược nhiều tổ chức đã triển khai AI Planning ghi nhận những cải thiện đáng kể trong quá trình nâng cao hiệu quả vận hành. Thực tế, AI có thể tự động hóa nhiều quy trình tài chính như dự báo, chuẩn bị dữ liệu, phân tích chênh lệch (variance analysis)… điều này giúp tăng năng suất của đội ngũ FP&A và rút ngắn chu kỳ lập kế hoạch cho doanh nghiệp.
Mô hình tương tác giữa CFO-CIO
Trong mô hình mới này, sự hợp tác giữa CFO và CIO đóng vai trò then chốt. CFO định nghĩa các mục tiêu kinh doanh và mô hình tài chính, trong khi CIO xây dựng nền tảng dữ liệu và AI để các mô hình đó có thể vận hành. Khi hai vai trò này phối hợp hiệu quả, planning không còn là một quy trình tài chính đơn thuần mà trở thành hệ thống dữ liệu hỗ trợ mọi quyết định của doanh nghiệp. Trong nhiều doanh nghiệp tiên phong, hai vai trò này đang cùng dẫn dắt các chương trình chuyển đổi dữ liệu với một số đặc thù sau:
Khi hai vai trò này phối hợp hiệu quả, planning không còn là một quy trình lập kế hoạch tài chính đơn thuần, nó trở thành nền tảng dữ liệu hỗ trợ mọi quyết định kinh doanh.
Case Study: Rinnai hiện đại hóa hoạch định tài chính với IBM Planning Analytics
Rinnai Australia, tập đoàn sản xuất và phân phối đã trải qua giai đoạn tăng trưởng nhanh thông qua chiến lược M&A, do đó bộ phận tài chính của công ty phải xử lý nhiều hệ thống phân tích khác nhau cùng các quy trình báo cáo thủ công dựa trên spreadsheet, khiến việc lập ngân sách và phân tích dữ liệu trở nên chậm và thiếu linh hoạt. Để hiện đại hóa nền tảng tài chính, Rinnai triển khai IBM Planning Analytics, hệ thống mới cung cấp một nền tảng dữ liệu thống nhất cho việc lập báo cáo, phân tích lợi nhuận sản phẩm và kế hoạch về nhu cầu, đồng thời tích hợp các quy trình ngân sách với bán hàng, nhân sự và kế hoạch đầu tư. Kết quả, Rinnai tiết kiệm khoảng 40 giờ làm việc mỗi tuần, giảm 50% phụ thuộc vào spreadsheet và hướng tới giảm 10% tồn kho thông qua việc hoạnh định nhu cầu tối ưu. CFO của Rinnai, Matt Thomas, nhận xét “IBM Planning Analytics giúp chúng tôi có một nguồn dữ liệu duy nhất và đáng tin cậy để ra quyết định nhanh hơn.” (https://www.ibm.com/case-studies/rinnai)
Bài học và tiêu chí thành công
Từ các triển khai thực tế, các yếu tố quyết định thành công trong việc triển khai hướng tiếp cận AI Planning như sau
Dữ liệu là nền tảng
AI chỉ hiệu quả khi dữ liệu sạch, đầy đủ và nhất quán, nếu dữ liệu phân tán hoặc không đáng tin cậy, AI sẽ không thể tạo ra insight có giá trị.
Kết nối hoạch định chiến lược với hoạt động kinh doanh
Planning không thể tồn tại độc lập trong finance. Nó cần kết nối với các chỉ số kinh doanh chính như doanh thu, chi phí vận hành, nguồn nhân lực.
Nâng cao năng lực của đội ngũ FP&A
AI không thay thế con người, mà giúp họ làm việc hiệu quả hơn. do đó việc đào tạo đội ngũ tài chính để sử dụng AI và Analytics là yếu tố quan trọng trong quá trình chuyển đổi trong lịch vực tài chính
Sử dụng giải pháp AI Planning hiện đại như IBM Planning Analytics
IBM Planning Analytics là một trong những nền tảng lập kế hoạch được nhiều tổ chức sử dụng. IBM Planning Analytics kết hợp mô hình dữ liệu đa chiều thông qua việc tích hợp kế hoạch giữa nhiều bộ phận như tài chính, bán hàng và chuỗi cung ứng. Giải pháp hỗ trợ các tính năng thiết yếu như forecasting và mô phỏng các kịch bản what-if giúp doanh nghiệp đánh giá tác động của các quyết định kinh doanh trong thời gian rất ngắn. Ngoài ra, các tính năng GenAI mới như AI Assistant còn cho phép người dùng tương tác với dữ liệu hoạch định bằng ngôn ngữ tự nhiên, giúp việc phân tích và ra quyết định trở nên trực quan hơn.
Kết luận - AI Planning bước tiến tất yếu của tài chính hiện đại
Excel sẽ không biến mất trong một sớm một chiều, tuy nhiên nó không còn đủ hiệu quả để đáp ứng nhu cầu quản trị tài chính trong kỷ nguyên Data và AI. Sự kết hợp giữa Data & AI trên nền tảng AI planning hiện đại đang mở ra một cách tiếp cận hoàn toàn mới cho chiến lược hoạch định tài chính nhanh hơn, dự báo chính xác hơn và từ đó ra quyết định tốt hơn dựa trên dữ liệu.
Trong kỷ nguyên Data & AI, cuộc họp ngân sách sẽ tìm cách trả lời câu hỏi “Chúng ta có thể tận dụng Dữ liệu và AI để ra quyết định tốt hơn như thế nào?” Bởi trong tương lai, tài chính không chỉ là nơi quản lý chi phí mà sẽ trở thành bộ não dự báo và định hướng chiến lược của doanh nghiệp. Những tổ chức bắt đầu hành trình AI Planning sớm sẽ có lợi thế lớn trong việc thích ứng với thị trường và thúc đẩy tăng trưởng bền vững. Như vậy trong kỷ nguyên chuyển đổi số với thế mạnh AI, tài chính không chỉ là nơi quản lý chi phí mà trở thành bộ não dự báo và định hướng chiến lược của doanh nghiệp.
Tác giả: Mr. Nguyễn Tuấn Khang (PhD) - Data & AI Leader - IBM Asean.
 | A guest post by
|
KNEXUS • CIO Vietnam Community
Phản hồi bài viết: Lập kế hoạch tài chính với AI Planning Analytics
March 2026
Vấn đề không nằm ở cuối chuỗi
Từ Spreadsheet Bottleneck đến Action-Based Costing và AI Planning
Bài viết về IBM Planning Analytics chẩn đúng triệu chứng. Nhưng để chữa đúng bệnh, chúng ta cần hiểu spreadsheet không phải là nguồn gốc vấn đề — nó chỉ là nơi vấn đề hiện ra rõ nhất.
Khi CFO hỏi “Có cách nào giảm chi phí IT năm nay không?”, câu hỏi đó không bắt nguồn từ Excel. Nó bắt nguồn từ việc ban lãnh đạo đang nhìn vào số liệu mà không thấy được cơ chế tạo ra chúng. Đó mới là vấn đề thực sự.
Spreadsheet là điểm cuối chuỗi, không phải điểm gãy
Toàn bộ hoạt động sinh lợi nhuận của doanh nghiệp — hợp đồng bán hàng, nhập kho, chiến dịch marketing, quyết định đầu tư CNTT — đều có một điểm bắt đầu: một hành động có tên. Mình gọi tất cả là dự án — dù quy mô lớn hay nhỏ, chiến lược hay vận hành.
Spreadsheet là nơi toàn bộ chuỗi đó được “quy về tiền” và ghi nhận trên từng dòng. Mọi cấp, không chỉ CFO hay CEO, đều đang nhìn vào cùng một điểm cuối đó. Và vào thời điểm rất quan trọng — kế hoạch ngân sách, báo cáo tài chính, quyết định đầu tư — bộ phận tài chính phải tổng hợp dữ liệu từ nhiều nguồn khác nhau bằng tay.
Spreadsheet bottleneck xảy ra vì sợi chỉ không liên tục từ đầu đến cuối chuỗi. Bộ phận tài chính phải dùng spreadsheet để khâu lại chỗ đứt đó bằng tay. Đó là nguồn gốc của 40 giờ làm việc mỗi tuần mà Rinnai tiết kiệm được — không phải nhờ AI, mà nhờ kết nối lại chuỗi dữ liệu vốn đã bị đứt gãy từ thiết kế ban đầu.
Project Code — sợi chỉ xuyên suốt các ERP đã biết từ lâu
Các hệ thống ERP đã nhận ra vấn đề này từ lâu và đặt ra một khái niệm mang tính kiến trúc:
Project Code (SAP) • Project ID / Project Number (các ERP khác)
Dù tên gọi khác nhau, bản chất giống nhau: đây là định danh duy nhất gắn vào một chuỗi hoạt động từ đầu đến cuối. Từ project initiation — phê duyệt ngân sách, phân bổ nguồn lực — đến từng giao dịch phát sinh, cho đến dòng trên bảng báo cáo tài chính. Project Code là sợi chỉ xuyên suốt đó.
Khi Project Code không được dùng nhất quán — hoặc chỉ dùng trong ERP mà không kết nối với planning và budgeting — dữ liệu hoạt động và dữ liệu tài chính tồn tại song song nhưng không nói chuyện được với nhau. Finance phải làm cầu nối bằng spreadsheet. Đó là bản chất của cái mà IBM PA gọi là “bottleneck”.
Hướng tiếp cận: Action-Based Costing → Systematic Planning
Thay vì bắt đầu từ việc chọn nền tảng AI Planning và hỏi “dữ liệu nào cần đưa vào?”, tổ chức nên bắt đầu từ câu hỏi nền tảng hơn:
“Mỗi hành động tạo ra giá trị trong doanh nghiệp có đang được gắn một định danh nhất quán xuyên suốt từ ERP đến báo cáo tài chính không?”
Action-Based Costing là hướng tiếp cận bắt đầu từ đơn vị hành động (dự án, hợp đồng, lô hàng, chiến dịch) như Project Code, và gắn toàn bộ của chuỗi chi phí — nguồn lực, thời gian, tài sản — vào đó. Kết quả là tổ chức có khả năng nhìn thấy:
• Hành động nào sinh lợi nhuận, hành động nào đang đốt ngân sách
• Chi phí thực sự của mỗi dự án, từ initiation đến close
• Khi nào cần điều chỉnh kế hoạch, dựa trên dữ liệu thực để dự báo
Khi chuỗi này được gán tên đúng — dù có AI hay không — systematic planning trở thành tự nhiên. Và AI lúc đó mới có giá trị thực sự.
AI Planning chỉ có giá trị khi chuỗi này còn nguyên vẹn
IBM PA, SAP Analytics Cloud, hay bất kỳ nền tảng AI Planning nào — đều học từ dữ liệu lịch sử. Nhưng nếu dữ liệu lịch sử đó chỉ là số cuối chuỗi trên spreadsheet, không mang theo ngữ cảnh hành động ban đầu, thì AI chỉ đang học cách dự báo triệu chứng, không học được cơ chế sinh lợi nhuận.
Project Code là đơn vị ngữ cảnh tối thiểu để AI có thể đọc được chuỗi nhân quả đầy đủ: hành động nào → nguồn lực nào → chi phí nào → doanh thu nào → lợi nhuận nào.
Lịch sử xác nhận điều này
IBM Planning Analytics không phải sản phẩm AI mới. Nó là quỹ đạo 40 năm: TM1 (1983) ghi nhận cấu trúc giao dịch → Cognos (2008) capture workflow báo cáo → Planning Analytics (2016) capture narrative kế hoạch → AI Assistant (2024) mô hình hóa cách con người tư duy về dữ liệu.
Mỗi bước là hệ thống tiến sâu hơn vào lớp ngữ cảnh của con ngượi. Điều này xảy ra không phải vì vendor muốn — mà vì tổ chức không giải quyết được vấn đề nền tảng: chuỗi dữ liệu từ hành động đến tiền bị đứt ở nhiều điểm. Mỗi lần công nghệ mới xuất hiện, tổ chức tìm cách khâu lại chỗ đứt đó bằng một công cụ mới hơn.
Đây là lý do tại sao hành trình AI Planning không bắt đầu từ việc chọn vendor. Nó bắt đầu từ việc kiểm tra xem Project Code của doanh nghiệp có đang làm đúng việc của nó không.
Kết luận
Excel sẽ không biến mất. Nhưng thay vì hỏi “lam thế nào để bớt phụ thuộc vào Excel?”, câu hỏi đúng là:
“Liệu mỗi hành động sinh giá trị trong doanh nghiệp có đang được định danh nhất quán xuyên suốt từ khởi tạo đến báo cáo không? Nếu chưa — đó là việc cần làm trước, trước cả khi chọn nền tảng AI.”
Khi câu trả lửi là có — dù dùng AI hay không — tổ chức đã có nền tảng để lập kế hoạch tài chính thực sự dựa trên hoạt động, không phải dựa trên ước tính tổng hợp từ spreadsheet. AI lúc đó không còn là một lớp phủ lên dữ liệu cũ. Nó trở thành công cụ đọc chuỗi nhân quả đầy đủ — từ quyết định đầu tiên đến dòng tiền cuối cùng.
Bài viết của cộng đồng KNEXUS • CIO Vietnam
cám bài viết của tác giả,
Cho mình hỏi ngoài công cụ của IBM thì hiện tại mình có nền tảng nào khác không, đặc biệt các nền tảng mã nguồn mở miễn phí hay ghép nối nhiều công cụ với nhau với giải pháp Multi AI-Agent không ạ ?