Cụm C - kinh tế, quản trị, tài chính
Trong kinh doanh, ai nắm dữ liệu và biết phân tích dữ liệu thì có lợi thế. Trí tuệ nhân tạo đẩy lợi thế đó đi xa hơn: một ngân hàng chấm điểm tín dụng hàng nghìn hồ sơ trong vài phút, một sàn thương mại điện tử dự báo nhu cầu rồi tự đặt hàng cho cả chuỗi cung ứng, một tổng đài trả lời khách hàng suốt ngày đêm bằng chatbot. Nhưng cùng những năng lực đó lại đặt ra câu hỏi khó: khi máy từ chối một khoản vay, ai chịu trách nhiệm nếu quyết định bất công? Khi doanh nghiệp giữ thông tin của hàng triệu khách hàng, họ được làm gì và không được làm gì với dữ liệu ấy?
Chương này không dạy lập trình AI. Mục tiêu là giúp người làm kinh tế, tài chính, kế toán và logistics nhận ra ranh giới đạo đức và pháp luật ngay trong công việc của mình, để dùng AI vừa hiệu quả vừa đúng đắn.
Hãy hình dung vài tình huống rất gần với sinh viên cụm ngành này. Bạn thực tập ở phòng tín dụng, được giao chạy một mô hình chấm điểm và trình danh sách hồ sơ nên duyệt. Bạn làm marketing, có trong tay danh sách khách hàng cũ và một công cụ AI gợi ý chiến dịch nhắn tin. Bạn làm kế toán, dùng AI tổng hợp số liệu để dựng báo cáo quý. Trong cả ba việc, thứ bạn đụng vào không phải là mã nguồn mà là hai thứ nhạy cảm hơn nhiều: dữ liệu của người khác, và quyết định ảnh hưởng tới quyền lợi của người khác. Đó chính là chỗ pháp luật đặt ra ranh giới.
Người làm kinh doanh quen với một logic đơn giản: cái gì hiệu quả và không bị cấm rõ ràng thì làm. Với dữ liệu cá nhân và quyết định tự động, logic ấy sai ở hai điểm. Việc doanh nghiệp đang giữ dữ liệu không đồng nghĩa với việc được tự do dùng dữ liệu ấy vào bất cứ việc gì. Và hiệu quả trên số đông không xóa được thiệt hại gây ra cho từng cá nhân bị mô hình xử lý sai: một mô hình đúng 95% vẫn là một mô hình sai với 5% khách hàng, và những người đó có quyền khiếu nại.
Thử ngay: xếp ứng dụng AI vào đúng bậc thang rủi ro
Luật Trí tuệ nhân tạo 134/2025/QH15 phân loại hệ thống AI theo ba mức rủi ro, nghĩa vụ nặng nhẹ tương ứng. Hãy thử xếp các ứng dụng kinh tế dưới đây.
1. Trí tuệ nhân tạo trong kinh tế và dịch vụ
Trí tuệ nhân tạo đã len vào hầu hết các khâu của hoạt động kinh tế. Năm ứng dụng phổ biến nhất với sinh viên các ngành kinh tế:
- Phân tích kinh doanh: tổng hợp dữ liệu bán hàng và hành vi khách hàng để gợi ý chiến lược giá, phân khúc khách hàng, phát hiện xu hướng.
- Chấm điểm tín dụng: ước lượng khả năng trả nợ, từ đó quyết định cho vay, hạn mức và lãi suất.
- Dự báo nhu cầu: dự đoán lượng hàng sẽ bán để lên kế hoạch sản xuất, nhập kho, phân phối.
- Tự động hóa logistics: tối ưu lộ trình giao hàng, sắp xếp kho bãi, quản lý tồn kho.
- Chăm sóc khách hàng bằng chatbot: trả lời câu hỏi, xử lý khiếu nại đơn giản, tư vấn sản phẩm.
Những ứng dụng này nhanh hơn, rẻ hơn, phục vụ được quy mô lớn. Nhưng trong kinh doanh, AI thường được giao việc ra quyết định ảnh hưởng trực tiếp đến con người: ai được vay, ai được tuyển, khách hàng phải trả giá nào. Vì quyết định chạm tới quyền lợi của người khác, rủi ro đạo đức và pháp lý ở lĩnh vực này cao hơn nhiều so với việc dùng AI chỉ để soạn văn bản hay tra cứu.
2. Các vấn đề đạo đức đặc thù
AI ra quyết định và rủi ro phân biệt đối xử. Khi một mô hình quyết định cấp tín dụng, sàng lọc hồ sơ tuyển dụng hay định giá dịch vụ, nó học từ dữ liệu quá khứ. Nếu dữ liệu quá khứ chứa định kiến, mô hình lặp lại và khuếch đại định kiến đó, dù không ai cố ý lập trình sự phân biệt. Việc bỏ trường giới tính hay quê quán khỏi dữ liệu không đủ để chống phân biệt, vì mô hình có thể suy ra các đặc điểm này từ những biến thay thế như mã vùng, tên trường, lịch sử mua sắm. Vì vậy cần kiểm tra kết quả thực tế trên từng nhóm khách hàng, không chỉ tin vào việc đã giấu biến nhạy cảm.
Điểm khó chịu nhất của thiên lệch thuật toán là nó xảy ra dù không ai cố ý. Không có lập trình viên nào gõ dòng lệnh "từ chối khách hàng ở huyện miền núi". Cơ chế thật đi qua ba bước rất bình thường. Một, dữ liệu quá khứ phản ánh một thực tế đã lệch: nếu trước đây ngân hàng ít cho vay ở vùng sâu thì dữ liệu cũng ít hồ sơ vùng sâu. Hai, mô hình được huấn luyện để tối ưu một mục tiêu duy nhất trên toàn tập, nên sẵn sàng hy sinh độ chính xác ở một nhóm nhỏ để đúng hơn ở nhóm lớn. Ba, mô hình tìm ra biến thay thế: nó không thấy quê quán, nhưng thấy mã vùng, tên trường, thói quen chi tiêu, và những biến đó tương quan với đặc điểm nhạy cảm.
Kết quả là một hệ thống phân biệt đối xử mà không ai trong tổ chức có ý định phân biệt đối xử. Đây là lý do "chúng tôi không hề đưa giới tính vào mô hình" không phải một lời bào chữa hợp lệ: nghĩa vụ được đặt vào kết quả thực tế chứ không vào ý định. Cách kiểm tra đáng tin là đo tỷ lệ chấp thuận và từ chối trên từng nhóm khách hàng, rồi giải thích mọi chênh lệch lớn bằng lý do kinh tế chính đáng, không phải bằng câu "mô hình nó ra như vậy".
Minh bạch với khách hàng. Khách hàng có quyền biết khi nào họ đang nói chuyện với máy, và khi nào một quyết định ảnh hưởng tới họ được đưa ra bởi AI. Một chatbot giả danh nhân viên thật là hành vi thiếu minh bạch.
Trách nhiệm giải trình. Khi một quyết định tự động gây thiệt hại, ví dụ từ chối oan một khoản vay hợp lệ, doanh nghiệp không thể đổ lỗi cho máy. Luôn phải có một con người hoặc một tổ chức chịu trách nhiệm cuối cùng, giải thích được vì sao quyết định được đưa ra và có cơ chế để khách hàng khiếu nại.
Trung thực và chống gian lận. AI giúp phát hiện gian lận, nhưng cũng có thể bị lạm dụng để thao túng: tạo báo cáo tài chính giả, ngụy tạo đánh giá sản phẩm, dựng video deepfake lãnh đạo để lừa chuyển tiền. Người làm kế toán, kiểm toán, tài chính phải luôn kiểm chứng số liệu do AI tạo ra trước khi đưa vào báo cáo.
Trách nhiệm giải trình đáng được nói kỹ hơn, vì đây là chỗ hay bị hiểu nhầm nhất. Giải trình không có nghĩa là mở toang thuật toán hay công bố bí mật kinh doanh. Nó có nghĩa là doanh nghiệp phải trả lời được ba câu khi bị khiếu nại: quyết định dựa trên dữ liệu nào của khách hàng, tiêu chí xét là gì, và ai có thẩm quyền xem lại. Muốn trả lời được thì phải chuẩn bị từ trước, bằng cách lưu vết hồ sơ đầu vào, phiên bản mô hình đã dùng, kết quả và người phê duyệt. Một tổ chức không lưu vết sẽ không thể giải trình, và khi không giải trình được thì phần bất lợi thuộc về tổ chức.
Quy trình xử lý khiếu nại vì thế cần một điểm dừng của con người: người xem lại phải có thẩm quyền thay đổi quyết định, không phải một nhân viên chỉ biết đọc lại kết quả trên màn hình. Ở các quyết định ảnh hưởng lớn tới quyền lợi như cấp tín dụng hay tuyển dụng, việc con người giữ quyết định cuối cùng là lớp bảo vệ cuối trước một mô hình sai, không phải thủ tục hình thức.
3. Quy định pháp luật trọng yếu
Người làm kinh tế và tài chính chạm tới ba nhóm quy định: bảo vệ dữ liệu cá nhân khách hàng (trọng tâm), giao dịch điện tử, và minh bạch nội dung do AI tạo.
Bảo vệ dữ liệu cá nhân khách hàng. Luật Bảo vệ dữ liệu cá nhân số 91/2025/QH15, hiệu lực từ 01/01/2026, đặt ba nguyên tắc cốt lõi: phải có sự đồng ý của khách hàng trước khi xử lý dữ liệu; khách hàng có nhiều quyền với dữ liệu của mình; và nghiêm cấm mua bán dữ liệu cá nhân. Luật liệt kê những hành vi bị nghiêm cấm, trong đó có mua, bán dữ liệu cá nhân, trừ trường hợp luật có quy định khác. Luật cũng trao cho khách hàng, với tư cách chủ thể dữ liệu, một loạt quyền cụ thể. Riêng với ngành tài chính, ngân hàng, không được dùng thông tin khách hàng để chấm điểm, xếp hạng tín dụng nếu chưa có sự đồng ý; khi xin đồng ý phải nói rõ mục đích, thời gian lưu trữ và nguồn thu thập.
Quy tắc thực dụng cho doanh nghiệp: xin phép trước, dùng đúng mục đích, không bán, xóa khi hết việc.
Nguyên tắc đồng ý là chỗ doanh nghiệp hay làm sai một cách vô tình, nên cần hiểu cho đúng. Đồng ý phải gắn với một mục đích cụ thể đã được nói rõ, chứ không phải một lời cho phép chung chung trong điều khoản dài mười trang mà không ai đọc. Đồng ý cho mục đích này không tự động mở rộng sang mục đích khác: khách cho số điện thoại để nhận tin giao hàng thì đó là đồng ý cho việc giao hàng, không phải đồng ý cho việc nhắn tin quảng cáo, càng không phải đồng ý cho việc đưa số ấy vào một mô hình chấm điểm. Đồng ý cũng có thể rút lại, và khi khách rút thì doanh nghiệp phải dừng xử lý, chứ không được viện lý do đã lỡ đưa dữ liệu vào hệ thống.
Vì sao luật ràng buộc chặt như vậy? Vì giữa doanh nghiệp và khách hàng có một chênh lệch cơ bản: doanh nghiệp biết mình đang làm gì với dữ liệu, còn khách hàng thì không. Khách không nhìn thấy dữ liệu của mình được ghép với nguồn nào, đưa vào mô hình nào, chia sẻ cho ai. Quy định về đồng ý và về quyền của chủ thể dữ liệu là cách bù lại chênh lệch đó, để người bị ảnh hưởng có công cụ tự bảo vệ.
"Dữ liệu đang nằm trong hệ thống của công ty nên công ty muốn dùng sao cũng được": sai, vì cơ sở hợp pháp gắn với mục đích, không gắn với việc ai đang giữ dữ liệu. "Khách đã bấm đồng ý điều khoản khi đăng ký, coi như đồng ý mọi thứ": một sự đồng ý chung chung không thay được sự đồng ý cho từng mục đích cụ thể như chấm điểm tín dụng. "Chúng tôi không bán dữ liệu, chỉ chia sẻ cho đối tác": việc chuyển dữ liệu cho bên thứ ba vẫn cần cơ sở hợp pháp và đúng cam kết với khách. "Mô hình quyết định chứ không phải chúng tôi": máy không phải là chủ thể chịu trách nhiệm, doanh nghiệp mới là bên phải giải trình và bồi thường.
Dữ liệu cá nhân của khách hàng đi qua một vòng đời, mỗi chặng ràng buộc doanh nghiệp một nghĩa vụ khác nhau.
| Quyền của khách hàng (chủ thể dữ liệu) | Nghĩa vụ của doanh nghiệp |
|---|---|
| Được biết về việc xử lý dữ liệu | Nói rõ thu thập dữ liệu gì, dùng vào việc gì, chia sẻ cho ai |
| Đồng ý hoặc rút lại đồng ý | Chỉ xử lý khi có đồng ý; dừng khi khách hàng rút lại |
| Truy cập, chỉnh sửa dữ liệu | Cho khách hàng xem và yêu cầu sửa thông tin sai |
| Yêu cầu xóa hoặc hạn chế xử lý | Xóa hoặc ngừng dùng khi không còn cơ sở hợp pháp |
| Khiếu nại, khởi kiện, đòi bồi thường | Có kênh tiếp nhận khiếu nại; bồi thường khi gây thiệt hại |
Hợp đồng và giao dịch điện tử. Luật Giao dịch điện tử số 20/2023/QH15, hiệu lực từ 01/7/2024, công nhận giá trị pháp lý của giao dịch điện tử. Một hợp đồng điện tử không bị phủ nhận giá trị pháp lý chỉ vì được giao kết qua hệ thống tự động; chữ ký số bảo đảm an toàn có thể có giá trị tương đương chữ ký tay. Nghĩa là một đơn hàng xác nhận qua hệ thống, một hợp đồng ký số đều ràng buộc, nên cả doanh nghiệp lẫn khách hàng phải nghiêm túc với thao tác điện tử của mình.
Hệ quả mà người mới đi làm hay xem nhẹ: khi doanh nghiệp để AI tự động xác nhận đơn hay gửi báo giá trong một quy trình đã cài sẵn, những giao dịch ấy vẫn ràng buộc doanh nghiệp. Không thể chối bỏ một hợp đồng đã giao kết chỉ vì "hệ thống tự làm, nhân viên không biết". Vì vậy mọi quy trình tự động chạm tới nghĩa vụ tài chính đều cần ngưỡng kiểm soát: giới hạn giá trị mà máy được tự quyết, cơ chế con người phê duyệt khi vượt ngưỡng, và nhật ký ghi lại ai đã bật quy trình đó.
Minh bạch nội dung do AI tạo. Luật Trí tuệ nhân tạo số 134/2025/QH15, hiệu lực từ 01/3/2026, yêu cầu minh bạch: nội dung âm thanh, hình ảnh, video do AI tạo phải được gắn nhãn để người dùng nhận biết; hệ thống AI tương tác trực tiếp với con người phải để người dùng biết mình đang làm việc với máy. Vậy một chatbot chăm sóc khách hàng phải cho khách biết đó là trợ lý ảo, một video quảng cáo dựng bằng AI nên được gắn nhãn rõ ràng.
4. Tình huống ngành
Một ngân hàng dùng mô hình AI tự động duyệt vay tiêu dùng. Sau sáu tháng, tỷ lệ từ chối với khách hàng ở các huyện miền núi cao gấp ba lần khu vực thành thị, dù thu nhập và lịch sử trả nợ tương đương. Nguyên nhân là dữ liệu huấn luyện chủ yếu từ khách hàng đô thị, và mô hình dùng mã vùng như một biến thay thế cho rủi ro. Khách hàng bị từ chối không được giải thích vì sao.
Câu hỏi thảo luận: ngân hàng vi phạm những nguyên tắc đạo đức nào? Khách hàng có quyền gì theo Luật Bảo vệ dữ liệu cá nhân để khiếu nại? Ngân hàng nên kiểm tra và sửa quy trình ra sao để tránh phân biệt đối xử?
Một sàn thương mại điện tử giữ danh sách hàng triệu khách hàng kèm số điện thoại, địa chỉ và lịch sử mua sắm. Khi gặp khó khăn tài chính, bộ phận kinh doanh đề xuất bán danh sách cho một công ty quảng cáo. Hợp đồng đã soạn xong, chỉ chờ ký. Một nhân viên mới tốt nghiệp ngành kế toán nhận ra điều này có thể vi phạm pháp luật và lên tiếng.
Câu hỏi thảo luận: hành vi bán danh sách khách hàng vi phạm quy định nào của Luật Bảo vệ dữ liệu cá nhân? Nếu khách từng đồng ý cho thu thập dữ liệu để giao hàng, sự đồng ý đó có cho phép bán dữ liệu không? Nhân viên kế toán nên làm gì?
Hai tình huống phân tích bằng lời
Chiến dịch marketing dùng lại dữ liệu giao hàng. Một công ty thương mại điện tử có kho số điện thoại thu thập khi khách đặt hàng. Phòng marketing đề xuất dùng AI phân nhóm khách theo lịch sử mua sắm rồi gửi tin khuyến mại riêng cho từng nhóm. Về kinh doanh, đây là ý tưởng tốt và rẻ. Về pháp lý có hai vấn đề. Vấn đề mục đích: dữ liệu được thu thập để giao hàng, chuyển sang quảng cáo cần một cơ sở hợp pháp mới, thường là sự đồng ý mới của khách. Vấn đề phân tích: dựng chân dung khách hàng từ lịch sử mua sắm cũng là xử lý dữ liệu cá nhân, nên cũng phải nằm trong phạm vi đã thông báo. Cách làm đúng không tốn kém: cho khách một lựa chọn đồng ý nhận thông tin khuyến mại, ghi rõ mục đích, và cho họ rút lại bất cứ lúc nào.
Mô hình duyệt vay bị khiếu nại. Một khách hàng bị từ chối khoản vay tiêu dùng, gọi tổng đài hỏi lý do. Nhân viên trả lời rằng hệ thống chấm điểm tự động cho kết quả không đạt, và không ai trong ngân hàng giải thích được vì sao. Đây là thất bại về trách nhiệm giải trình, bộc lộ một thiếu sót có từ trước: ngân hàng không lưu vết đủ để tái dựng lại quyết định. Hệ quả kép: khách hàng mất quyền được biết và quyền khiếu nại hiệu quả, còn ngân hàng thì không chứng minh được rằng mình không phân biệt đối xử, kể cả khi mô hình thực tế chạy đúng. Năng lực giải trình phải được thiết kế từ đầu, không thể dựng lại sau khi khiếu nại đã đến.
Tình huống 3: kế toán dùng AI dựng báo cáo và số liệu bị sai
Một nhân viên kế toán dùng công cụ AI để tổng hợp số liệu và soạn thuyết minh báo cáo tài chính quý. Công cụ trả về một bản báo cáo trôi chảy, có đầy đủ con số và nhận định. Vì gấp, nhân viên nộp thẳng bản này cho trưởng phòng ký. Sau đó phát hiện AI đã lấy nhầm số liệu của một chi nhánh cho kỳ trước và tự bịa một tỷ lệ tăng trưởng không có trong sổ sách.
Phân tích. Công cụ AI không phải chủ thể chịu trách nhiệm: người lập báo cáo và người ký mới chịu trách nhiệm về tính trung thực của số liệu. Sai sót ở đây cũng không phải lỗi hiếm gặp mà là đặc tính đã biết của mô hình sinh văn bản, chúng có thể tạo ra con số trông hợp lý nhưng không có nguồn; đã biết đặc tính đó mà vẫn nộp thẳng thì lỗi thuộc về người dùng công cụ. Hậu quả cũng không dừng ở nội bộ: báo cáo tài chính sai có thể dẫn tới quyết định đầu tư sai của người khác. Nguyên tắc rút ra rất đơn giản: AI được phép soạn, nhưng mọi con số phải đối chiếu ngược về chứng từ gốc trước khi bất kỳ ai ký tên.
5. Ôn thuật ngữ
Lật từng thẻ để nhớ lại nghĩa của các thuật ngữ cốt lõi trong chương.
6. Tự kiểm
- 1Vì sao AI chấm điểm tín dụng được xếp vào nhóm rủi ro cao theo Luật Trí tuệ nhân tạo 134/2025?
- 2Việc bỏ trường giới tính và quê quán khỏi dữ liệu chấm điểm tín dụng đã đủ để chống phân biệt đối xử chưa?
- 3Theo Luật Bảo vệ dữ liệu cá nhân 91/2025, hành vi nào của doanh nghiệp bị nghiêm cấm?
- 4Một công ty logistics thu thập số điện thoại để báo tin giao hàng, sau đó dùng chính số đó gửi tin nhắn quảng cáo mà không hỏi lại. Nhận định nào đúng?
- 5Một hợp đồng điện tử ký bằng chữ ký số theo Luật Giao dịch điện tử 20/2023 có giá trị pháp lý ra sao?
- 6Một công ty bảo hiểm dùng chatbot AI đặt tên người, ảnh nhân viên và không báo đang dùng máy. Vấn đề pháp lý chính là gì?
7. Tóm tắt chương
Trong kinh tế và quản trị, AI hiếm khi chỉ là công cụ soạn thảo: nó thường được giao việc ra quyết định về con người, ai được vay, ai được tuyển, khách nào nhận giá nào. Vì quyết định chạm tới quyền lợi của người khác, hai nghĩa vụ trở thành trục chính. Nghĩa vụ với dữ liệu khách hàng, theo Luật Bảo vệ dữ liệu cá nhân 91/2025/QH15: xin đồng ý đúng mục đích, dùng đúng phạm vi đã thông báo, không mua bán dữ liệu, tôn trọng quyền rút lại đồng ý và quyền khiếu nại. Nghĩa vụ với chính quyết định, theo Luật Trí tuệ nhân tạo 134/2025/QH15: minh bạch khi khách đang làm việc với máy, gắn nhãn nội dung do AI tạo, và với ứng dụng rủi ro cao thì đánh giá tác động, giữ con người ở khâu quyết định cuối.
Điểm cần nhớ nhất về phân biệt đối xử: nó xảy ra dù không ai cố ý, vì mô hình học lại định kiến trong dữ liệu quá khứ và suy ra đặc điểm nhạy cảm từ những biến thay thế. Bằng chứng đáng tin là kết quả thực tế đo riêng theo từng nhóm khách hàng, không phải lời cam đoan rằng mô hình không nhìn thấy biến nhạy cảm. Cuối cùng, giao dịch điện tử theo Luật Giao dịch điện tử 20/2023/QH15 có giá trị ràng buộc kể cả khi sinh ra từ quy trình tự động.