TCDN - Hệ thống thông tin kế toán (AIS) là tập hợp các thành phần con người, quy trình và công nghệ nhằm thu thập, xử lý và cung cấp thông tin phục vụ cho việc ra quyết định trong tổ chức.

Nghiên cứu này được tài trợ bởi Học viện Công nghệ Bưu chính Viễn thông - Cơ sở tại TP. HCM và là một phần của đề tài 12-2025-HV-QTKD2

TÓM TẮT:

Hệ thống thông tin kế toán (AIS) là tập hợp các thành phần con người, quy trình và công nghệ nhằm thu thập, xử lý và cung cấp thông tin phục vụ cho việc ra quyết định trong tổ chức. Vì vậy, AIS được các nhà nghiên cứu trên thế giới quan tâm, đặc biệt trong những năm gần đây khi mà công nghệ thông tin và truyền thông (ICTs) tác động đến hầu hết các lĩnh vực của nền kinh tế, xã hội. Nghiên cứu này sử dụng phần mềm VOS viewer thông qua việc trực quan hóa và lập bản đồ sự xuất hiện của các từ khóa trong 580 bài báo được xuất bản từ năm 2015 đến năm 2025 để tìm kiếm các xu hướng nghiên cứu và các chủ đề nổi bật nhất trong các tài liệu liên quan đến tác động của ICTs đến AIS. Kết quả cho thấy trí tuệ nhân tạo, công nghệ chuỗi khối, internet vạn vật, an toàn AIS và quản lý công nghiệp được nghiên cứu phổ biến nhất. Ngoài ra, nghiên cứu nhận định ba hướng trong tương lai về chủ đề này đó là học máy liên kết; 6G và điện toán biên và bản sao số và hợp đồng thông minh. 

Researching the impact of Information and Communication Technology on Accounting Information Systems: a science mapping analysis using VOS viewer

Abstract

An Accounting Information System (AIS) is a collection of human, process, and technological components designed to collect, process, and provide information for decision-making within an organization. Therefore, AIS has attracted significant attention from researchers worldwide, particularly in recent years as information and communication technologies (ICTs) have impacted almost all sectors of the economy and society. This study utilizes VOS Viewer software to visualize and map the occurrence of keywords in 580 published articles from 2015 to 2025 to identify research trends and the most prominent topics in literature related to the impact of ICTs on AIS. The results show that artificial intelligence, blockchain technology, the Internet of Things, AIS security, and industrial management are the most frequently researched. Furthermore, the study identifies three future directions for this topic: linked machine learning; 6G and edge computing, digital mirroring, and smart contracts.

1. Giới thiệu

Trong bối cảnh cách mạng công nghiệp 4.0 hiện nay, việc tích hợp công nghệ vào Hệ thống Thông tin Kế toán (AIS) đã chuyển dịch từ hỗ trợ tác nghiệp sang tối ưu hóa quy trình, góp phần nâng cao hiệu quả vận hành và gia tăng mức độ tự động hóa (Moffitt và Vasarhelyi, 2013; Alles và Gray, 2016; Prasetianingrum và Sonjaya, 2024; Johri, 2025). Romney và Steinbart (2021) cho rằng khi doanh nghiệp chịu áp lực về tốc độ ra quyết định, minh bạch, tuân thủ và kiểm soát rủi ro, AIS không còn chỉ là hệ thống ghi sổ mà trở thành hạ tầng dữ liệu cho quản trị, kiểm toán và báo cáo. Sự phát triển của AIS gắn liền với việc ứng dụng các công nghệ số như trí tuệ nhân tạo (AI), học máy (ML), dữ liệu lớn (Big data), công nghệ chuỗi khối (Blockchain), điện toán đám mây (Cloud computing), tự động hóa quy trình bằng robot (RPA) và phân tích dữ liệu (Al-Khoury và cộng sự, 2025). Những thay đổi công nghệ này tạo ra nhu cầu thay đổi trong vai trò và kỹ năng kế toán, và các kế toán viên phải áp dụng các kỹ năng phân tích và kỹ thuật, cũng như các kỹ năng kế toán truyền thống (Sutton và cộng sự, 2016). Bên cạnh đó, hệ thống Hoạch định Nguồn lực Doanh nghiệp (ERP) được xem như là một công cụ cốt lõi, đại diện cho sự hội tụ cao nhất của CITs trong môi trường doanh nghiệp (Jameel và cộng sự, 2017). Bằng cách thiết lập một cơ sở dữ liệu tập trung và kết nối đa phân hệ từ sản xuất, nhân sự đến bán hàng, ERP cho phép AIS vận hành như một AIS tích hợp.

Một số nghiên cứu đã thảo luận và đánh giá tác động của ICTs đối với các khía cạnh khác nhau của lĩnh vực kế toán và kinh doanh nói chung, ví dụ, bài tổng quan nghiên cứu của Nofel và cộng sự (2024) về việc sử dụng Internet vạn vật (IoT), blockchain và Ngôn ngữ báo cáo kinh doanh mở rộng (XBRL) trong AIS duy nhất để nâng cao chất lượng báo cáo tài chính kỹ thuật số; nghiên cứu cập đến tác động của blockchain trong AIS (ALSaqa và cộng sự, 2019); Solikin và Darmawan (2023) chứng minh rằng AI có tác động tích cực đến hiệu quả của AIS. Ngoài ra, (Iyibildiren và cộng sự, 2023) đã sử dụng phân tích nội dung và thư mục để phân tích 195 bài báo tiếng Anh có liên quan được xuất bản trên Scopus trong vòng 14 năm để cung cấp một đánh giá toàn diện về sự tích hợp và tác động của các công nghệ tiên tiến trong AIS, với bốn hướng nghiên cứu chính đó là (1) sự chấp nhận công nghệ trong AIS, tập trung vào các yếu tố ảnh hưởng đến việc áp dụng; (2) sự phát triển của giáo dục AIS; (3) công nghệ được sử dụng để nâng cao các quy trình kế toán; và (4) những thay đổi trong nghiên cứu phương pháp luận AIS. Mặc dù đã có các bài tổng quan tài liệu khác, nhưng hiểu biết về hàm ý của ICTs trong từng ngành kế toán vẫn còn rất ít; đặc biệt về AIS. Để lấp đầy khoảng trống trên, nghiên cứu này là một trong những nghiên cứu đầu tiên, theo hiểu biết của tác giả, nhằm mục đích cung cấp tổng quan thống nhất về tài liệu liên quan đến tác động của ICTs đối với AIS. Tác giả đã tiến hành phân tích thư mục bằng phần mềm xem VOS viewer để phân tích 580 bài báo được lấy từ cơ sở dữ liệu Web of Science từ năm 2015 đến năm 2025. Do đó, nghiên cứu này giải quyết các câu hỏi nghiên cứu sau: các chủ đề và chủ đề nổi bật nào đã được khám phá liên quan đến hàm ý của ICTs đối với AIS? Các hướng nghiên cứu trong tương lai liên quan đến ICTs và AIS là gì?

Nghiên cứu này giúp các nhà nghiên cứu (1) tổng quan các nghiên cứu về ICTs tác động đến AIS, (2) tổng quan các đề tài trong chủ đề nghiên cứu, làm tài liệu tham khảo cho các nghiên cứu tiếp theo trong chủ đề, và cuối cùng (3) cho thấy sự phát triển của nghiên cứu về AI, học máy, IoT và blockchain giúp các học giả hiểu sâu sắc về sự phát triển trong lĩnh vực này và từ đó nhận ra những hướng đi mới.

2. Cơ sở lý thuyết

2.1. Công nghệ thông tin và truyền thông

Công nghệ thông tin và truyền thông (ICTs) được hiểu là tập hợp các công nghệ được sử dụng để thu thập, xử lý, lưu trữ và truyền tải thông tin thông qua các phương tiện điện tử và mạng truyền thông. Theo OECD, ICTs bao gồm cả phần cứng, phần mềm, mạng viễn thông và các ứng dụng số cho phép xử lý và trao đổi thông tin trong tổ chức và giữa các tổ chức (OECD, 2019). Tương tự, Liên minh Viễn thông Quốc tế (ITU) định nghĩa ICTs là các công nghệ cho phép truy cập, truyền dẫn và sử dụng thông tin dưới dạng số, đóng vai trò nền tảng cho hoạt động kinh tế - xã hội hiện đại (ITU, 2016).

Khái niệm ICTs đã được mở rộng trong bối cảnh chuyển đổi số, nó không chỉ gồm các hệ thống công nghệ thông tin (CNTT) truyền thống mà còn tích hợp các công nghệ số tiên tiến phục vụ quản lý và xử lý thông tin trong tổ chức. Cụ thể, ICTs hiện đại bao gồm các hệ thống hoạch định nguồn lực doanh nghiệp (ERP), điện toán đám mây, phân tích dữ liệu, cũng như các công nghệ mới nổi như trí tuệ nhân tạo (AI), học máy (ML), công nghệ chuỗi khối (Blockchain) và tự động hóa quy trình bằng robot (RPA). Những công nghệ này cho phép tổ chức tự động hóa quy trình, xử lý dữ liệu theo thời gian thực, nâng cao tính minh bạch và hỗ trợ ra quyết định ở mức độ cao hơn so với các hệ thống ICTs truyền thống (Moffitt và Vasarhelyi, 2013; Chen và cộng sự, 2012).

Trong lĩnh vực kế toán, việc ứng dụng ICTs theo hướng số hóa và thông minh hóa đã làm thay đổi căn bản vai trò của AIS. Các hệ thống ERP tích hợp với AI, phân tích dữ liệu và Blockchain giúp AIS chuyển từ chức năng ghi nhận và báo cáo sang nền tảng phân tích, dự báo và kiểm soát liên tục, qua đó nâng cao chất lượng thông tin kế toán và hiệu quả công việc kế toán viên (Appelbaum và cộng sự, 2017; Vasarhelyi và cộng sự, 2015; Romney và Steinbart, 2021). Do đó, trong nghiên cứu này, ICTs được tiếp cận như một khái niệm tích hợp, phản ánh mức độ doanh nghiệp triển khai và khai thác các công nghệ số hiện đại trong hoạt động kế toán, thay vì chỉ giới hạn ở hạ tầng CNTT hay phần mềm kế toán truyền thống.

Hệ thống hoạch định nguồn lực doanh nghiệp (Enterprise Resource Planning – ERP)

Hệ thống hoạch định nguồn lực doanh nghiệp (ERP) là một hệ thống thông tin tích hợp dùng để thu thập, xử lý và lưu trữ dữ liệu về các quy trình kinh doanh chính của một tổ chức, với cơ sở dữ liệu tập trung nhằm gia tăng tốc độ, tính chính xác trong việc xử lý giao dịch và cung cấp thông tin hỗ trợ quản lý trên toàn doanh nghiệp; nó giúp kết nối tất cả các bộ phận chức năng (như kế toán, sản xuất, nhân sự, mua hàng, bán hàng,…) trong một kiến trúc tích hợp duy nhất (Romney và Steinbart, 2021). Mục tiêu cốt lõi của ERP là nâng cao hiệu quả quản trị, cải thiện khả năng ra quyết định và tối ưu hóa việc sử dụng nguồn lực trong toàn doanh nghiệp (Davenport, 1998; Monk & Wagner, 2013).

Điện toán đám mây (Cloud Computing)

Điện toán đám mây (cloud computing) là công nghệ sử dụng băng thông cao của mạng viễn thông hiện đại để cho phép người dùng truy cập từ xa các dịch vụ và tài nguyên điện toán như phần mềm (SaaS), dữ liệu, cơ sở hạ tầng (IaaS) hay môi trường ứng dụng (PaaS) thông qua trình duyệt web mà không cần cài đặt hoặc quản lý trực tiếp cơ sở hạ tầng đó tại chỗ (Romney và Steinbart, 2021). Công nghệ này giúp doanh nghiệp và nhân viên truy cập các dịch vụ và tài nguyên máy tính qua Internet một cách linh hoạt, cải thiện khả năng mở rộng, giảm chi phí đầu tư ban đầu và hỗ trợ hơn trong xử lý dữ liệu kinh doanh (Mell và Grance, 2011; Romney và Steinbart, 2021).

Phân tích dữ liệu (Data Analytics)

Phân tích dữ liệu (data analytics) là việc sử dụng phần mềm và thuật toán để khám phá, mô tả, diễn giải, giao tiếp và áp dụng các mẫu có ý nghĩa trong dữ liệu nhằm tìm ra và giải quyết các vấn đề, từ đó cải thiện hiệu suất hoạt động của doanh nghiệp (Romney và Steinbart, 2021). Trong bối cảnh doanh nghiệp, phân tích dữ liệu giúp nhận diện xu hướng, đánh giá hiệu quả hoạt động và hỗ trợ xây dựng chiến lược dựa trên bằng chứng định lượng (Shmueli và cộng sự, 2019).

Trí tuệ nhân tạo (Artificial Intelligence – AI)

Trí tuệ nhân tạo là lĩnh vực nghiên cứu và ứng dụng các hệ thống máy tính có khả năng mô phỏng các quá trình tư duy của con người, bao gồm học tập, suy luận, nhận dạng mẫu và ra quyết định. AI cho phép hệ thống tự động cải thiện hiệu suất thông qua dữ liệu và kinh nghiệm, từ đó hỗ trợ doanh nghiệp nâng cao hiệu quả vận hành, dự báo và kiểm soát rủi ro (Russell và Norvig, 2021).

2.2. Hệ thống thông tin kế toán

Hệ thống thông tin kế toán (Accounting Information Systems – AIS) được xem là tập hợp các thành phần con người, quy trình và công nghệ nhằm thu thập, xử lý và cung cấp thông tin phục vụ cho việc ra quyết định trong tổ chức (Romney & Steinbart, 2021). Trong bối cảnh chuyển đổi số, AIS không còn chỉ thực hiện chức năng ghi nhận giao dịch mà ngày càng tích hợp sâu với các công nghệ phân tích dữ liệu, trí tuệ nhân tạo và tự động hóa quy trình.

Moffitt và Vasarhelyi (2013) cho rằng sự phát triển của phân tích dữ liệu đã làm thay đổi căn bản vai trò của AIS, từ hệ thống ghi chép truyền thống sang nền tảng phân tích và hỗ trợ ra quyết định. Tiếp cận này được củng cố bởi Appelbaum và cộng sự (2017), khi các tác giả chứng minh rằng việc tích hợp business analytics vào AIS giúp nâng cao khả năng xử lý thông tin, cải thiện tính kịp thời và giá trị của thông tin kế toán.

3. Phương pháp nghiên cứu

3.1. Phương pháp phân tích trắc lượng thư mục

Nghiên cứu được thực hiện bằng phương pháp phân tích trắc lượng thư mục, dựa trên sự phổ biến của loại hình đánh giá này trong nghiên cứu kinh doanh và sự phát triển của nó (Donthu và cộng sự, 2021). Đây là một phương pháp khoa học sử dụng các kỹ thuật định lượng trên dữ liệu thư mục để phân tích một khối lượng tài liệu lớn (Donthu và cộng sự, 2021), do đó đảm bảo tính minh bạch và tin cậy cao. Kỹ thuật này nhằm mục đích tìm hiểu mối liên hệ giữa các trích dẫn của tạp chí và tóm tắt các chủ đề nghiên cứu hiện tại và xu hướng nghiên cứu. Phương pháp phân tích trắc lượng thư mục có vai trò quan trọng giúp các nhà nghiên cứu đánh giá các nghiên cứu về một vấn đề cụ thể nhằm đánh giá chất lượng cũng như ảnh hưởng khoa học của các ấn phẩm và nguồn (Bouyssou và Marchant, 2011; Daim và cộng sự, 2006).

Để thực hiện phân tích trắc lượng thư mục về tác động của trí tuệ nhân tạo đến báo cáo tài chính, nghiên cứu phân tích các ấn phẩm, các tác giả, các quốc gia có nhiều nghiên cứu nhất, các chủ đề liên quan và mức độ liên quan của các chủ đề. Trong nghiên cứu này, tác giả tuân theo quy trình bốn bước được khuyến nghị bởi (Donthu và cộng sự, 2021) cho các đánh giá trắc lượng thư mục: (1) xác định mục tiêu và phạm vi đánh giá; (2) lựa chọn kỹ thuật phân tích; (3) thu thập dữ liệu để phân tích và (4) tiến hành phân tích và báo cáo kết quả.

3.2. Thu thập dữ liệu

Để thu thập dữ liệu cần thiết cho việc thực hiện kỹ thuật phân tích thư mục, trước tiên tác giả xác định các thuật ngữ tìm kiếm sẽ tạo ra kết quả nghiên cứu đủ lớn để biện minh cho phân tích thư mục nhưng vẫn nằm trong chủ đề nghiên cứu. Tác giả đã chọn cơ sở dữ liệu Web of Science, vì đây là cơ sở dữ liệu lớn nhất để tìm kiếm tài liệu bằng phương pháp truy xuất nhóm các nghiên cứu có từ năm 2015. Việc tìm kiếm được tiến hành bằng cú pháp: (“Information and communication technology” and "accounting information system" or “artificial intelligence” or “blockchain”) - (“Công nghệ thông tin và truyền thông” và “hệ thống thông tin kế toán” hoặc “trí tuệ nhân tạo” hoặc “ công nghệ chuỗi khối”) vào ngày 06/01/2026.

Tài liệu của bộ dữ liệu sẽ được lọc cẩn thận thông qua quy trình sàng lọc dữ liệu để loại bỏ các nghiên cứu không phù hợp trước khi phân tích. Cơ sở dữ liệu được tạo ra sẽ được chỉnh sửa theo hướng dẫn PRISMA, từ đó đã chọn lọc được 2820 bài về mối quan hệ giữa ICTs và AIS. Sau đó, các tài liệu đã được phân tích để cung cấp cái nhìn tổng quan về lĩnh vực nghiên cứu và xu hướng nghiên cứu trong tương lai. Từ 2820 tài liệu, tác giả rà soát có 2240 tài liệu không phải dạng bài báo, không được công bố trên tạp chí và không được viết bằng tiếng anh, còn lại 580 tài liệu đều là bài báo khoa học được công bố trên tạp chí bằng tiếng Anh được tiến hành phân tích trắc lượng thư mục. Tác giả đã trích xuất các tệp văn bản dữ liệu xuất bản này chứa thông tin hữu ích về từng ấn phẩm, chẳng hạn như tên ấn phẩm, tên tác giả, tóm tắt, ngôn ngữ, năm xuất bản. Các bài báo đã được thu thập phù hợp với tiêu chí phân tích của nghiên cứu sau đó được xuất thành loại tệp định dạng giá trị được phân tách bằng dấu phẩy (*.ris). Quy trình thu thập dữ liệu áp dụng các hướng dẫn của PRISMA (Haddaway và cộng sự, 2022).

3.3. Phương pháp phân tích dữ liệu

Dựa trên việc ứng dụng rộng rãi trong các lĩnh vực khác nhau (Van Eck & Waltman, 2013), VOSviewer (phiên bản 1.6.19) đã được tác giả chọn là công cụ chính để thực hiện phân tích trắc lượng thư mục trong nghiên cứu này. Cụ thể, nghiên cứu sử dụng phân tích ghép nối thư mục để xây dựng biểu đồ tri thức về quá trình phát triển chủ đề nghiên cứu, đồng thời sử dụng phân tích đồng trích dẫn để đánh giá tổng quan tình hình nghiên cứu, từ đó nhận diện những vấn đề được quan tâm và đề xuất hướng nghiên cứu tiếp theo.

4. Kết quả nghiên cứu và thảo luận

4.1. Kết quả nghiên cứu

4.1.1. Sự gia tăng nghiên cứu và các nghiên cứu được trích dẫn nhiều nhất

Bảng 1 và hình 2 cho thấy từ năm 2015 đến 2025 nghiên cứu về tác động của ICTs đến AIS càng ngày càng gia tăng với tốc độ khá ấn tượng, cụ thể năm 2015 chỉ có 0 nghiên cứu được công bố nhưng đến năm 2019 – bắt đầu xu hướng tăng trưởng của chủ đề nghiên cứu đó là 11 nghiên cứu và năm 2025 số lượng đã là 161 nghiên cứu.

Bảng 2 cho thấy, top 10 bài báo khoa học được trích dẫn nhiều nhất trong chủ đề tác động của ICTs đến AIS.

Các nghiên cứu này được chia thành ba nhóm nghiên cứu chính như sau: (1) các kiến trúc về quyền riêng tư và thế giới ảo được định hình để thay đổi cách con người tương tác và nó đóng vai trò là giao diện và tầm nhìn, tập trung xây dựng nền tảng cho vũ trụ ảo (Metaverse), (Wang và cộng sự, 2023; Xu và cộng sự, 2023; Huynh và cộng sự, 2023); (2) ứng dụng trí tuệ nhân tạo (AI) và Internet vạn vật (IoT) vào việc chuyển đổi số ngành nông nghiệp và công nghiệp 4.0 nhằm tối ưu hóa năng suất và quản trị vận hành (Liu và cộng sự, 2021; Misra và cộng sự, 2022; Olsen và cộng sự, 2020; Aceto và cộng sự, 2019) và (3) cung cấp các giải pháp về hạ tầng và bảo mật thông qua Blockchain, điện toán biên và phân tách mạng 5G để đảm bảo hệ thống luôn vận hành an toàn, thông suốt (Nguyen và cộng sự, 2021; Tang và Lucas, 2019; Wijethilaka và Madhusanka, 2021). Từ đó, những bài báo này đã định hình nghiên cứu về tác động của ICTs đối với AIS một cách toàn diện, trong đó AI và IoT thúc đẩy chuyển đổi số thực tiễn, được an toàn và vận hành trên hạ tầng mạng thế hệ mới, hướng tới giao diện tương tác tương lai là vũ trụ ảo.

4.1.2. Mô hình quyền tác giả, cộng tác và các tác giả tiêu biểu

Tổng cộng có 22 (3,7931%) tài liệu là nghiên cứu của một tác giả trong khi các tài liệu còn lại 558 (96,2069%) là nghiên cứu của nhiều tác giả (Bảng 3). Do đó, tỷ lệ nghiên cứu nhóm hoặc mức độ hợp tác nghiên cứu giữa các nhà nghiên cứu ICTs tác động đến AIS là 96,2069%. Các tác giả có năng suất tối thiểu là 5 tài liệu và tổng số trích dẫn tối thiểu là 1 được hiển thị bằng kỹ thuật VOSviewer và được trình bày trong Hình 3. Bản đồ bao gồm 4 vòng tròn, mỗi vòng đại diện cho một tác giả. Các vòng có liên kết với nhau cho thấy các tác giả đã có sự hợp tác nghiên cứu chặt chẽ với nhau.

Hình 4 cho thấy ba tác giả Wang, Nguyen và Misra là 03 tác giả được đánh giá cao trong lĩnh vực nghiên cứu tác động của ICTs đến AIS.

4.1.3. Các quốc gia với số lượng nghiên cứu và trích dẫn nhiều nhất

Để hiểu quốc gia nào nổi bật nhất trong lĩnh vực nghiên cứu về tác động của ICTs đến AIS, tác giả đã tiến hành phân tích về các quốc gia. Dữ liệu cho thấy, tổng cộng có 86 quốc gia hoặc khu vực đã xuất bản các bài báo liên quan tác động của ICTs đến AIS (hình 5). Trung Quốc là quốc gia có tác động lớn nhất trong lĩnh vực này với tổng số 172 (29,66%) nghiên cứu, tiếp theo là Ấn Độ 125 (21,55%) nghiên cứu và Hoa Kỳ với 74 (12,76%) nghiên cứu. Trực quan hoá về sự hợp tác giữa các quốc gia với năng suất tối thiểu là 5 tài liệu được thể hiện như trong hình 5.

Các quốc gia có các nghiên cứu công bố nhiều nhất liên quan đến chủ đề tác động ICTs với các kỹ thuật như trí tuệ nhân tạo, học máy, Internet vạn vật…. đến báo A chủ yếu là các quốc gia lớn, có nền kinh tế phát triển. Điều này chứng tỏ chủ đề này chưa được các nước đang phát triển quan tâm nhiều. Đây có thể là lĩnh vực mà các nhà khoa học tại những quốc gia này có thể khai thác trong tương lai.

4.1.4. Các tạp chí phổ biến

Bảng 6 liệt kê 6 tạp chí hàng đầu về nghiên cứu tác động ca trí tuệ nhân tạo đến báo cáo tài chính. Tạp chí Expert Systems with Applications đứng đầu với 13 nghiên cứu, tiếp theo là tạp chí Sustainability Switzerland ở vị trí thứ hai với 7 nghiên cứu.

4.1.5. Các nhóm nghiên cứu về tác động của công nghệ thông tin đến hệ thống thông tin kế toán

Lập bản đồ bằng kỹ thuật VOSviewer của từ khóa tác giả với số lần xuất hiện tối thiểu là 15 cho thấy rằng những từ khóa như công nghệ chuỗi khối, trí tuệ nhân tạo, an toàn, internet vạn vật, học máy, sự quản lý, dữ liêu lớn, học tập liên kết là những từ khóa tác giả gặp nhiều nhất sau loại trừ các từ khóa chủ yếu liên quan đến truy vấn tìm kiếm (Hình 6). Các hình tròn trong cùng một cụm màu gợi ý một chủ đề tương tự giữa các nghiên cứu. Mỗi hình tròn đại diện cho một lĩnh vực con của lĩnh vực nghiên cứu về tác động của ICTs đến AIS. Cụ thể, như được hiển thị trong cụm màu đỏ (cụm 1, 15 mục), các từ khóa như trí tuệ nhân tạo, quản trị, công nghiệp 4.0, đổi mới, tính bền vững, tác động và hệ thống đại diện cho tầng ứng dụng chiến lược và quản trị. Cụm này tập trung vào việc nghiên cứu tác động của trí tuệ nhân tạo đối với việc chuyển đổi mô hình kinh doanh truyền thống sang mô hình công nghiệp 4.0, giúp các nhà quản lý tối ưu hóa quy trình vận hành và hướng tới các mục tiêu phát triển bền vững. Đây là vùng có mật độ kết nối cao nhất, đóng vai trò định hướng mục tiêu cho toàn bộ mạng lưới nghiên cứu. Trong cụm màu xanh lá cây (cụm 2, 12 mục) đặt nền móng kỹ thuật bằng cách thiết lập hạ tầng kết nối và các công nghệ thực tế ảo với các từ khóa cốt lõi là mạng lưới vạn vật kết nối (IoT), vũ trụ ảo (metaverse), điện toán biên, mạng 5G, 6G và hệ thống thời gian thực. Cụm này cho phép các hệ thống thông tin vận hành với tốc độ cao và độ trễ thấp. Sự xuất hiện của vũ trụ ảo trong cụm này cho thấy xu hướng dịch chuyển không gian làm việc và tương tác tài chính từ thực tế sang môi trường ảo hóa. Tiếp theo, cụm màu vàng (cụm 3, 10 mục) nhấn mạnh vào tính minh bạch và sự tin cậy thông qua các từ khóa chuỗi khối (blockchain), hợp đồng thông minh, niềm tin, công nghệ và bảo mật. Cụm này đóng vai trò là lớp đảm bảo an toàn trong giao dịch, sử dụng công nghệ chuỗi khối để đảm bảo rằng mọi dữ liệu trao đổi giữa trí tuệ nhân tạo và mạng lưới vạn vật kết nối đều được xác thực và không thể bị giả mạo. Mối liên kết chặt chẽ với các từ khóa mạng internet và vạn vật cho thấy chuỗi khối là thành phần không thể thiếu để xây dựng một hệ sinh thái kết nối an toàn. Cuối cùng, cụm màu xanh dương (cụm 4, 8 mục) tập trung vào bảo mật dữ liệu nâng cao và các mô hình học máy hiện đại như an ninh mạng, quyền riêng tư, học máy liên kết, học sâu và mô hình dữ liệu. Cụm này giải quyết các thách thức về bảo vệ thông tin trong kỷ nguyên dữ liệu lớn. Đặc biệt, sự xuất hiện của học máy liên kết kết nối mạnh mẽ với cụm màu xanh lá và cụm đỏ cho thấy xu hướng mới là huấn luyện các mô hình trí tuệ nhân tạo trực tiếp trên thiết bị đầu cuối nhằm bảo vệ tối đa dữ liệu nhạy cảm của người dùng và doanh nghiệp.

Mối quan hệ giữa các cụm

Cụm màu xanh lá và cụm màu đỏ: Cụm màu xanh lá đóng vai trò cung cấp hạ tầng kỹ thuật và bối cảnh vận hành cho cụm màu đỏ. Cụ thể: hạ tầng mạng 5G/6G, điện toán biên và các thiết bị IoT từ cụm xanh lá là nguồn phát sinh dữ liệu thời gian thực khổng lồ, làm đầu vào để các mô hình trí tuệ nhân tạo và hệ thống quản trị của cụm đỏ xử lý. Bên cạnh đó, cụm màu đỏ sử dụng các kỹ thuật AI và đổi mới sáng tạo để tối ưu hóa hiệu suất hoạt động của các hệ thống IoT trong cụm xanh lá, giúp các doanh nghiệp trong kỷ nguyên công nghiệp 4.0 đưa ra các quyết định quản trị chính xác và bền vững hơn so với các phương thức truyền thống.

Cụm màu đỏ và cụm màu xanh dương: Cụm màu đỏ cung cấp các công cụ phân tích nâng cao để giải quyết các thách thức chuyên biệt về bảo mật của cụm màu xanh dương. Cụ thể: việc bảo vệ quyền riêng tư và an ninh mạng là những bài toán phức tạp đòi hỏi các thuật toán mạnh mẽ như học sâu và mô hình dữ liệu từ cụm đỏ để nhận dạng và ngăn chặn các cuộc tấn công tinh vi. Bên cạnh đó, sự xuất hiện của học máy liên kết trong cụm xanh dương giúp cụm đỏ có thể huấn luyện các mô hình quản trị thông minh mà không cần thu thập dữ liệu gốc, từ đó đảm bảo tính bảo mật và tuân thủ các quy định về quyền riêng tư trong quá trình chuyển đổi số.

Cụm màu vàng và cụm màu xanh lá: Cụm màu vàng đóng vai trò là lớp xác thực và tạo dựng niềm tin cho toàn bộ hạ tầng kết nối của cụm màu xanh lá. Cụ thể: công nghệ chuỗi khối và hợp đồng thông minh được triển khai trên các thiết bị IoT để đảm bảo rằng mọi giao dịch dữ liệu giữa các thực thể trong vũ trụ ảo (Metaverse) và hệ thống thời gian thực là minh bạch và không thể giả mạo. Bên cạnh đó, cụm màu xanh lá cung cấp môi trường vật lý để các công nghệ chuỗi khối của cụm vàng được ứng dụng thực tế, giúp chuyển hóa các kết nối kỹ thuật thuần túy thành các giao dịch có giá trị pháp lý và kinh tế bền vững.

Cụm màu vàng và cụm màu đỏ: Cụm màu vàng cung cấp dữ liệu đã được làm sạch và môi trường thực thi tin cậy cho các thuật toán của cụm màu đỏ. Cụ thể: tính phi tập trung của chuỗi khối giúp ngăn chặn sự sai lệch dữ liệu đầu vào, từ đó nâng cao độ tin cậy cho các quyết định của trí tuệ nhân tạo và hệ thống quản trị. Ngược lại, cụm màu đỏ cung cấp khả năng phân tích thông minh để tối ưu hóa việc quản lý các chuỗi khối phức tạp, giúp các công nghệ trong cụm vàng vận hành hiệu quả hơn, tạo thành một hệ sinh thái công nghệ 4.0 vừa thông minh vừa an toàn.

4.2. Thảo luận

Dữ liệu trên đây chỉ ra rằng nghiên cứu tác động của ICTs đến AIS đã thể hiện một xu hướng ngày càng ấn tượng, được phản ánh bởi số lượng nghiên cứu tăng lên hàng năm bắt đầu từ những năm 2019, có sự tăng cao vào năm 2025 (Hình 2). Kết quả phân tích của tác giả cho thấy xu hướng này vẫn tiếp tục, thể hiện qua số lượng tài liệu ngày càng tăng theo năm (Bảng 1). Về khía cạnh trích dẫn, bài báo của Wang và cộng sự (2023) là bài báo được trích dẫn nhiều nhất với 692 lượt. Bên cạnh đó, Trung Quốc và Ấn Độ là hai quốc gia có số lượng bài báo về chủ đề này đang có xu hướng tăng lên (Bảng 5). Kết quả nghiên cứu cho thấy Trung Quốc là quốc gia có số lượng bài công bố về lĩnh vực ICTs tác động đến AIS cao nhất với 172 bài, vượt 47 bài so với quốc gia đứng thứ 2 là Ấn Độ. Dựa trên 580 nghiên cứu được xuất bản từ năm 2015 đến 2025, các điểm quan trọng xuất hiện và một cái nhìn tổng quan có hệ thống về tác động của ICTs đến AIS đã được trình bày thông qua phân tích thư mục. Kết quả phân tích đã xác định các tác giả chính, tạp chí, quốc gia, tổ chức, từ khóa và tài liệu tham khảo như thể hiện trong các bảng và hình trên. Hơn nữa, kết quả phân tích đồng xuất hiện cho thấy AI, blockchain, IoT, an toàn AIS và quản lý công nghiệp là những biến số nghiên cứu liên quan tác động của ICTs đến AIS.

5. Kết luận

Với sự hỗ trợ của ứng dụng VOSviewer, nghiên cứu này đã kiểm tra theo chiều sâu và định lượng một chủ đề thú vị. Đây có thể xem là một minh chứng cho việc nghiên cứu một lĩnh vực mới một cách ngắngọn và nhanh chóng. Trong nghiên cứu này, ICTs tác động đến AIS đã được sử dụng làm ví dụ cho thấy, VOSviwer phản ánh rất trực quan về kết quả phân tích đồng tác giả, đồng xuất hiện và trích dẫn. So với việc chỉ xem xét các tài liệu hiện có, phương pháp này không chỉ cho thấy sự phát triển của một chủ đề, các tác giả quan trọng và các bài phê bình một cách trực quan mà còn có thể dự đoán các xu hướng trong tương lai về chủ đề này, cụ thể: học máy liên kết, 6G, điện toán biên, bản sao số và hợp đồng thông minh là các hướng có thể tìm hiểu sâu hơn khi nghiên cứu về tác động của ICTs đến AIS. Các kết quả nghiên cứu không chỉ cung cấp kiến thức nền tảng cơ bản về tác động của ICTs đến AIS cho những người quan tâm đến lĩnh vực này mà còn cung cấp một khía cạnh nghiên cứu trực quan và định lượng cho các nhà nghiên cứu có cùng hướng quan tâm nhằm lấp đầy khoảng trống về tác động của ICTs đến AIS và phân tích thư mục. Tuy nhiên, có một vài hạn chế đối với nghiên cứu trắc lượng thư mục này. Thứ nhất, dữ liệu được trình bày chỉ giới hạn trong cơ sở dữ liệu Web of Science, tức là một phần mẫu xuất bản toàn cầu trong chủ đề này và nghiên cứu khoa học về tác động của ICTs đến báo AIS. Do đó, trong tương lai có thể lấy dữ liệu từ nhiều cơ sở dữ liệu khác. Thứ hai, dữ liệu trong nghiên cứu này chỉ từ năm 2015 đến năm 2025 và các nghiên cứu mới được công bố gần như mỗi ngày. Vì vậy, có thể lấy thời gian dài hơn để gia tăng số lượng nghiên cứu trong tương lai. Thứ ba, số lượng trích dẫn được áp dụng trong đánh giá tác động của nghiên cứu có thể không phản ánh trực tiếp chất lượng của từng nghiên cứu.

TÀI LIỆU THAM KHẢO:

Aceto, G., Persico, V., & Pescapé, A. (2019). A survey on information and communication technologies for industry 4.0: State-of-the-art, taxonomies, perspectives, and challenges. IEEE Communications Surveys & Tutorials, 21(4), 3467–3501. https://doi.org/10.1109/COMST.2019.2938259

Al-Khoury, A., Al-Saqa, S., & Al-Bataineh, O. (2025). Digital transformation and advanced technologies in accounting information systems. Journal of Accounting and Organizational Change.

Alles, M. G., & Gray, G. L. (2016). Incorporating big data in audits: Identifying inhibitors and a research agenda. International Journal of Accounting Information Systems, 22, 44–59. https://doi.org/10.1016/j.accinf.2016.07.004

ALSaqa, S., Mohammad, A., & Al-Hila, A. A. (2019). The impact of blockchain on accounting information systems. International Journal of Economics and Business Research, 17(2), 229–244.

Appelbaum, D., Kogan, A., Vasarhelyi, M. A., & Yan, Z. (2017). Impact of business analytics and enterprise systems on managerial accounting. International Journal of Accounting Information Systems, 25, 29–44. https://doi.org/10.1016/j.accinf.2017.03.003

Bouyssou, D., & Marchant, T. (2011). Ranking scientists and departments in a consistent manner. Journal of the American Society for Information Science and Technology, 62(9), 1761–1769.

Chen, H., Chiang, R. H. L., & Storey, V. C. (2012). Business intelligence and analytics: From big data to big impact. MIS Quarterly, 36(4), 1165–1188.

Daim, T. U., Rueda, G., Martin, H., & Gerdsri, P. (2006). Forecasting emerging technologies: Use of bibliometrics and patent analysis. Technological Forecasting and Social Change, 73(8), 981–1012.

Davenport, T. H. (1998). Putting the enterprise into the enterprise system. Harvard Business Review, 76(4), 121–131.

Donthu, N., Kumar, S., Mukherjee, D., Pandey, N., & Lim, W. M. (2021). How to conduct a bibliometric analysis: An overview and guidelines. Journal of Business Research, 133, 285–296. https://doi.org/10.1016/j.jbusres.2021.04.070

Haddaway, N. R., Page, M. J., Pritchard, C. C., & McGuinness, L. A. (2022). PRISMA2020: An R package and Shiny app for producing PRISMA 2020-compliant flow diagrams. Systematic Reviews, 11(1), 30.

Huynh, T. L. D., Le, T. T., & Dao, M. T. (2023). Artificial intelligence for the metaverse: A survey. IEEE Access, 11, 106452–106474.

ITU. (2016). ICT facts and figures 2016. International Telecommunication Union.

Iyibildiren, M., Kaya, I., & Gül, S. (2023). Advanced technologies in accounting information systems: A bibliometric and content analysis. Journal of Accounting Literature, 52, 100691.

Jameel, A. S., Abdul-Karem, M., & Ahmad, A. R. (2017). Enterprise resource planning systems and accounting information systems integration. International Journal of Accounting Research, 5(2), 1–7.

Johri, A. (2025). Digital transformation and accounting systems in the era of Industry 4.0. Technological Forecasting and Social Change.

Liu, Y., Xu, X., & Zhong, R. Y. (2021). From Industry 4.0 to Agriculture 4.0: Current status, enabling technologies, and research challenges. Computers and Electronics in Agriculture, 182, 106040.

Mell, P., & Grance, T. (2011). The NIST definition of cloud computing (Special Publication 800-145). National Institute of Standards and Technology.

Misra, S., Roy, C., & Mukherjee, A. (2022). IoT, big data, and artificial intelligence in agriculture and food industry. IEEE Internet of Things Journal, 9(9), 6305–6324.

Moffitt, K. C., & Vasarhelyi, M. A. (2013). AIS in an age of big data. Journal of Information Systems, 27(2), 1–19.

Monk, E., & Wagner, B. (2013). Concepts in enterprise resource planning (4th ed.). Cengage Learning.

Nguyen, D. C., Ding, M., Pathirana, P. N., & Seneviratne, A. (2021). Federated learning meets blockchain in edge computing: Opportunities and challenges. IEEE Internet of Things Journal, 8(16), 12806–12825.

Nofel, A., Saleh, M., & Al-Sayed, M. (2024). Digital financial reporting and emerging technologies in accounting information systems. Journal of Accounting in Emerging Economies.

OECD. (2019). Measuring the digital transformation: A roadmap for the future. OECD Publishing.

Olsen, T. L., Tomlin, B., & Wang, Y. (2020). Industry 4.0: Opportunities and challenges for operations management. Manufacturing & Service Operations Management, 22(1), 113–122.

Prasetianingrum, S., & Sonjaya, A. R. (2024). Accounting information systems transformation in the digital era. Asian Journal of Accounting Research.

Romney, M. B., & Steinbart, P. J. (2021). Accounting information systems (15th ed.). Pearson.

Russell, S., & Norvig, P. (2021). Artificial intelligence: A modern approach (4th ed.). Pearson.

Shmueli, G., Bruce, P. C., Gedeck, P., & Patel, N. R. (2019). Data mining for business analytics. Wiley.

Solikin, I., & Darmawan, A. (2023). Artificial intelligence and accounting information systems performance. Journal of Accounting and Management Information Systems, 22(3), 417–438.

Sutton, S. G., Holt, M., & Arnold, V. (2016). The reports of my death are greatly exaggerated—Artificial intelligence research in accounting. International Journal of Accounting Information Systems, 22, 60–73.

Tang, C. S., & Lucas, B. (2019). The strategic role of logistics in the Industry 4.0 era. Transportation Research Part E, 129, 1–11.

Van Eck, N. J., & Waltman, L. (2013). VOSviewer: A computer program for bibliometric mapping. Scientometrics, 84(2), 523–538.

Vasarhelyi, M. A., Kogan, A., & Tuttle, B. M. (2015). Big data in accounting: An overview. Accounting Horizons, 29(2), 381–396.

Wang, Y., Su, Z., Zhang, N., Liu, B., & Wang, H. (2023). A survey on metaverse: Fundamentals, security, and privacy. IEEE Communications Surveys & Tutorials, 25(1), 319–352.

Wijethilaka, S., & Madhusanka, N. (2021). Survey on network slicing for Internet of Things realization in 5G networks. IEEE Communications Surveys & Tutorials, 23(2), 957–994.

Xu, X., Liu, Y., & Zhang, W. (2023). A full dive into realizing the edge-enabled metaverse: Visions, enabling technologies, and challenges. IEEE Network, 37(1), 56–63.*

Bùi Vũ Nguyệt Minh, Học viện Công nghệ Bưu chính Viễn thông - Cơ sở tại TP. HCM

Email: [email protected]