Hệ thống quản trị Probabilistic Reasoning, Deterministic Execution: Nguyên tắc cốt lõi để AI đi vào Finance an toàn

[Trợ lý AI]

Khi AI còn nằm trong cửa sổ chat, một câu trả lời sai thường chỉ tạo ra:

• một phân tích sai;
• một email cần sửa;
• một báo cáo cần kiểm tra lại.

Nhưng khi AI đi vào core workflow của Finance, hậu quả của sai sót có thể lớn hơn rất nhiều.
Một AI Agent có thể:

• đề xuất thanh toán;
• tạo journal proposal;
• thay đổi forecast;
• gửi yêu cầu tới nhà cung cấp;
• tạo purchase request;
• cập nhật dữ liệu ERP;
• hoặc kích hoạt một workflow tài chính.

Lúc này, câu hỏi quan trọng không còn chỉ là:

“AI có reasoning tốt không?”

Mà là:

“AI được phép hành động đến đâu, và điều gì đảm bảo rằng financial execution vẫn nằm trong kiểm soát?”

Một nguyên tắc thiết kế rất đáng chú ý đang dần hình thành trong các hệ thống Agentic Finance:

Probabilistic Reasoning, Deterministic Execution.

Có thể dịch đơn giản là:

AI được phép suy luận theo xác suất, nhưng việc thực thi nghiệp vụ phải đi qua các rule và control xác định rõ ràng.

Đây là một nguyên tắc quan trọng nếu doanh nghiệp muốn đưa AI ra khỏi chatbot và đi vào các quy trình như:

• Procure-to-Pay;
• Order-to-Cash;
• Record-to-Report;
• Treasury;
• FP&A;
• Costing;
• Manufacturing Finance.

1. Vì sao AI reasoning mang tính probabilistic?​

Các mô hình AI hiện đại không hoạt động giống một công thức Excel.
Một công thức:
100 × 5% = 5
sẽ luôn cho cùng một kết quả.
Một rule:
Invoice amount > 50 triệu → CFO approval
cũng phải luôn được thực hiện giống nhau.
Nhưng AI reasoning thì khác.
Khi được hỏi:

“Nguyên nhân khả dĩ của BOM variance này là gì?”

AI có thể cân nhắc:

• chất lượng nguyên liệu;
• machine setting;
• yield loss;
• scrap;
• operator error;
• BOM revision;
• measurement error.

Nó đưa ra kết luận dựa trên xác suất và context.
Đó chính là giá trị của AI.
AI rất mạnh ở những việc như:

• đọc dữ liệu phi cấu trúc;
• tìm pattern;
• giải thích;
• phân loại;
• dự báo;
• suy luận nguyên nhân;
• đề xuất hành động.

Nhưng điều đó cũng có nghĩa:
AI không phải công cụ phù hợp để làm source of authority cho mọi financial transaction.

2. Finance execution phải deterministic​

Trong Finance, có rất nhiều rule không được phép “ước chừng”.
Ví dụ:

• ai được duyệt thanh toán;
• hạn mức phê duyệt;
• tài khoản ngân hàng nào được dùng;
• vendor nào đang active;
• journal nào được post;
• kỳ kế toán nào đã khóa;
• BOM nào đang hiệu lực;
• payment term chính thức là gì.

Những rule này cần:
deterministic execution.
Nghĩa là cùng một điều kiện phải dẫn tới cùng một kiểm soát.
Ví dụ:
Payment > 50 triệu
→ luôn luôn
CFO approval required.
Không được có trường hợp AI reasoning rằng:

“Khoản này có vẻ hợp lý nên có thể bỏ qua approval.”

Đây là ranh giới rất quan trọng.

3. Prompt không phải là Internal Control​

Một lỗi thiết kế phổ biến là viết trong prompt:

“Nếu giao dịch có giá trị lớn, hãy hỏi CFO trước khi thực hiện.”

Nghe có vẻ hợp lý.
Nhưng đây không phải internal control.
Prompt là:
instruction cho model.
Internal control phải tồn tại:
bên ngoài model.
Ví dụ:
AI Agent tạo Payment Proposal.
Sau đó workflow engine hoặc ERP kiểm tra:
Amount
Vendor
Bank account
Approval matrix
Budget
Payment status.
Nếu vượt threshold:
BLOCK.
Sau đó mới gửi yêu cầu phê duyệt.
Dù AI có “muốn” bỏ qua bước này cũng không thể.
Đó mới là control.

4. Một kiến trúc đơn giản​

Có thể hình dung:
Business Data
→ AI Reasoning
→ Proposed Action
→ Policy Gate
→ Approval
→ Execution
→ Audit Trail.
Trong kiến trúc này:

AI​

chịu trách nhiệm:

• hiểu context;
• phân tích;
• giải thích;
• dự báo;
• đề xuất.

Policy Layer​

chịu trách nhiệm:

• rule;
• threshold;
• permission;
• segregation of duties;
• business constraints.

Human​

chịu trách nhiệm:

• judgment;
• override;
• accountability;
• high-risk approval.

ERP / Workflow System​

chịu trách nhiệm:

• execution;
• record;
• transaction integrity.

AI không nên đóng cả bốn vai trò cùng lúc.

5. Ví dụ 1 — Accounts Payable​

Giả sử AP Agent nhận một invoice.
AI có thể:

1. đọc invoice;
2. tìm PO liên quan;
3. đọc receiving;
4. phát hiện mismatch;
5. phân tích nguyên nhân;
6. đề xuất payment.

Đây là probabilistic reasoning.
Nhưng sau đó hệ thống phải kiểm tra deterministic:
Vendor active?
Bank account verified?
3-way match passed?
Duplicate?
Amount within authority?
Payment date allowed?
Nếu không đạt:
transaction không được release.
Như vậy AI có thể hỗ trợ rất sâu mà vẫn không phá vỡ internal control.

6. Ví dụ 2 — Costing Agent​

Costing Agent phát hiện:
Actual material usage = BOM + 7%.
AI reasoning có thể đề xuất:

• yield loss;
• wrong BOM revision;
• abnormal scrap;
• material quality issue.

Nhưng AI không nên tự:

• sửa BOM;
• thay standard cost;
• khóa giá thành;
• tạo journal adjustment.

Thay vào đó:
AI proposes
→ Production verifies
→ Costing reviews
→ Authorized user changes master data
→ System logs change.
Điều này giữ được:
reasoning flexibility
nhưng vẫn có:
transaction discipline.

7. Ví dụ 3 — FP&A Agent​

Một Forecast Agent có thể:

• phân tích sales trend;
• dự báo demand;
• chạy scenario;
• đề xuất forecast mới.

Nhưng forecast chính thức phải có rule.
Ví dụ:
Agent Forecast
→ FP&A review
→ Business owner input
→ CFO approval
→ Official forecast version.
AI có thể tạo forecast rất nhanh.
Nhưng version nào được dùng cho:

• purchasing;
• cash planning;
• production;
• board reporting;

phải được xác định deterministic.
Nếu không, doanh nghiệp sẽ có nhiều “AI forecast” cạnh tranh với nhau.

8. Probabilistic ở đâu, deterministic ở đâu?​

Một cách thực tế là phân loại.

Nên để AI reasoning​

• variance explanation;
• anomaly classification;
• root-cause suggestion;
• document interpretation;
• customer risk assessment;
• forecast;
• scenario analysis;
• recommended next action.

Nên để rule/workflow deterministic​

• approval threshold;
• user permission;
• payment release;
• period lock;
• vendor bank change;
• journal posting;
• master data modification;
• transaction limit;
• segregation of duties.

Nên giữ human judgment​

• material decision;
• unusual exception;
• override;
• large transaction;
• policy exception;
• legal/accounting interpretation có rủi ro cao.

Đây là cách thiết kế thực tế hơn rất nhiều so với:

“Cho AI tự làm mọi thứ rồi human-in-the-loop ở cuối.”

9. Human-in-the-loop không phải là “duyệt tất cả”​

Một lỗi khác là để con người duyệt toàn bộ output của AI.
Điều này khiến workflow:
không scale.
Thay vì vậy, có thể dùng risk-based control.
Ví dụ AP:
Low value + 3-way match + known vendor
→ straight-through.
Medium value + minor exception
→ AP review.
High value / new vendor / bank change
→ Finance Manager / CFO approval.
Như vậy:
control intensity tăng theo risk.
Đây là cách để AI vừa nhanh vừa an toàn.

10. Policy Gate là gì?​

Policy Gate có thể rất đơn giản.
Không nhất thiết phải là một AI governance platform lớn.
SME có thể dùng:

• ERP workflow;
• n8n;
• business rules;
• database constraint;
• approval matrix;
• API gateway.

Ví dụ một n8n workflow:
AI Agent proposes action
↓
IF:
Amount > 50.000.000
↓
send CFO approval.
Nếu:
Vendor bank changed in last 7 days
↓
BLOCK.
Nếu:
User permission invalid
↓
STOP.
Đây đã là một policy gate khá tốt.

11. Agent Identity cũng phải deterministic​

Khi nhiều AI Agent tồn tại, doanh nghiệp cần biết:

• agent nào đang chạy;
• owner là ai;
• quyền gì;
• tool nào;
• hệ thống nào;
• credential nào.

Một Agent Register có thể gồm:
Agent ID
Business Owner
Purpose
Systems Accessed
Read Rights
Write Rights
Transaction Limit
Approval Required
Kill Switch.
AI có thể reasoning linh hoạt.
Nhưng identity và permission của agent phải:
rõ ràng và kiểm soát được.

12. Audit Trail là phần không thể thiếu​

Khi AI chỉ chat, logging là tiện ích.
Khi AI tạo hoặc tác động tới financial transaction, logging trở thành control.
Audit trail nên trả lời:

• agent nào?
• chạy lúc nào?
• dùng dữ liệu nào?
• reasoning output gì?
• proposed action gì?
• policy nào được áp dụng?
• ai approve?
• transaction nào được thực hiện?
• có override không?

Đây là cơ sở cho:

• internal audit;
• compliance;
• incident investigation;
• model evaluation;
• accountability.

13. “Useful Friction” là cần thiết​

Trong automation, người ta thường muốn:
xóa mọi friction.
Nhưng trong Finance, một số friction tồn tại có lý do.
Ví dụ:

• maker-checker;
• segregation of duties;
• dual approval;
• period lock;
• bank verification.

Deloitte gần đây gọi đây là useful friction: những control có thể làm workflow chậm hơn một chút nhưng giữ được safety, accountability và trust.
Agentic AI không nên loại bỏ những control này chỉ vì:

“AI có thể làm nhanh hơn.”

Mục tiêu đúng là:

Tự động hóa control khi có thể, không xóa control vì automation.

14. Từ Control thủ công sang Control tự động​

Tin tốt là deterministic control cũng có thể tự động hóa.
Ví dụ trước đây:
Kế toán tự kiểm tra:

• invoice;
• PO;
• receiving;
• authority.

Sau này workflow có thể kiểm tra tự động:
Rule engine
→ Pass / Fail
→ chỉ exception mới đưa cho người.
Như vậy:
control vẫn tồn tại
nhưng:
control cost giảm.
Đây là một trong những lợi ích lớn của Agentic Finance nếu được thiết kế đúng.

15. Một AI Agent nên có Action Authority Profile​

Mỗi agent có thể được cấp quyền theo các mức:

READ​

Chỉ đọc dữ liệu.

ANALYZE​

Phân tích.

RECOMMEND​

Đề xuất.

PREPARE​

Tạo draft transaction.

WRITE​

Ghi vào system.

EXECUTE​

Thực hiện transaction.
Ví dụ:
Costing Agent
READ ✓
ANALYZE ✓
RECOMMEND ✓
PREPARE ✓
WRITE ✗
EXECUTE ✗.
Sau khi agent chứng minh accuracy và control tốt, quyền có thể được mở rộng.
Đây là cách scale autonomy có kiểm soát.

16. Không phải mọi agent đều cần Autonomous Execution​

Trong nhiều Finance process, điểm tối ưu có thể là:
Level 3 hoặc Level 4
chứ không phải Level 5.
Ví dụ:
AI làm:

• detect;
• analyze;
• recommend;
• prepare.

Con người làm:

• approve.

System làm:

• execute.

Mô hình này vẫn có thể loại bỏ phần lớn manual work nhưng giữ accountability.
Autonomy không nên là KPI.
Business outcome + control effectiveness mới là KPI.

17. Khi nào nên cho AI tự execute?​

Một action có thể được cân nhắc autonomous khi:

• volume cao;
• logic rõ;
• low financial impact;
• reversible;
• data quality tốt;
• exception rate thấp;
• audit trail đầy đủ.

Ví dụ:
tự gửi reminder AR có thể phù hợp.
Nhưng:
thay đổi bank account vendor
thì gần như luôn nên có human verification.
Nói cách khác:

Autonomy phải được thiết kế theo risk, không theo khả năng model.

18. Một “Control Matrix” cho AI Agent​

Không cần xây bảng phức tạp ngay.
Với mỗi agent, chỉ cần trả lời:

Data​

Agent đọc dữ liệu nào?

Reasoning​

Agent được suy luận gì?

Action​

Agent được đề xuất gì?

Authority​

Agent được thực hiện gì?

Threshold​

Mức nào cần approval?

Evidence​

Log lưu ở đâu?

Override​

Ai có thể override?

Kill Switch​

Ai có thể dừng agent?
Đây là minimum governance đủ thực tế cho SME.

19. Liên hệ với Finance Value Leakage Map​

Framework hiện nay có thể nối như sau.

Finance Value Leakage Map​

Xác định:

“Tiền đang thất thoát ở đâu?”

Trusted Business Data​

Xác định:

“Agent dựa vào business context nào?”

AI Reasoning​

Xác định:

“AI hiểu và giải thích exception ra sao?”

Deterministic Execution​

Xác định:

“AI được phép biến insight thành action đến mức nào?”

Agent Economics​

Xác định:

“Action đó tạo value bao nhiêu so với cost?”

Chuỗi đầy đủ:
Leakage
→ Trusted Data
→ Exception
→ Probabilistic Reasoning
→ Recommended Action
→ Deterministic Policy
→ Human Judgment
→ Transaction
→ Audit
→ Financial Outcome
→ Agent Economics.

20. Đây chính là Internal Control trong kỷ nguyên AI​

Internal Control truyền thống hỏi:

• ai được làm?
• được làm gì?
• khi nào?
• hạn mức bao nhiêu?
• ai kiểm tra?
• bằng chứng đâu?

Agentic Finance không làm những câu hỏi này mất đi.
Ngược lại, nó khiến chúng:
quan trọng hơn.
Chỉ khác rằng “người thực hiện” bây giờ có thể là:
human
hoặc:
AI Agent.
Vì vậy internal control framework tương lai phải quản trị cả:
human identity
và
non-human identity.

Kết luận​

AI rất mạnh vì nó có thể xử lý những tình huống không hoàn toàn deterministic.
Nó có thể:

• hiểu;
• suy luận;
• dự báo;
• giải thích;
• đề xuất.

Nhưng Finance không thể vận hành chỉ bằng xác suất.
Financial execution cần:

• rule;
• permission;
• approval;
• transaction integrity;
• segregation of duties;
• audit trail.

Do đó một nguyên tắc rất hữu ích có thể được tóm tắt:

Probabilistic Reasoning, Deterministic Execution.

AI có thể linh hoạt trong suy nghĩ.
Nhưng quyền hành động phải có giới hạn.
AI có thể đề xuất.
Nhưng policy phải nằm ngoài AI.
AI có thể chuẩn bị transaction.
Nhưng transaction phải tuân thủ control.
AI có thể tăng tốc Finance.
Nhưng internal control không được biến mất vì tốc độ.
Đó có lẽ là một trong những nguyên tắc quan trọng nhất nếu doanh nghiệp muốn bước từ:
Chatbot
sang:
Agentic Finance.

Nguồn tham khảo​

• Esker, Esker All Access 2026 to Showcase the Next Generation of Agentic AI for the Office of the CFO, 27/08/2026.
• Deloitte, Automating Agentic AI Governance for Banks, 31/08/2026.
• Deloitte, Agentic AI in Banking: Building the Auditable Bank, 31/08/2026.
• Deloitte, AI Operating Models in Banking: The Case for Useful Friction, 31/08/2026.
• PwC, AI Agents for Finance.
• PwC, AI in ERP for Banking Finance: Governance and Control.