Tối cuối tháng tư năm ngoái, tôi ngồi ở quán cà phê đợi vợ tan làm, mở app MB ra xem số dư. Trống không tới mức tôi nghĩ app bị lỗi, đăng xuất đăng nhập lại hai lần. Số dư vẫn vậy. Lúc đó là 28 tháng 4, lương chuyển ngày 5, còn cả tuần nữa. Mới ba tuần trước thôi tôi còn nghĩ tháng này dư.
Tôi mở tab giao dịch, kéo xuống. Mỗi dòng riêng rẽ thì hợp lý: 230k Grab, 450k Co-opmart, 1.2 triệu chuyển ai đó tên T*** (vợ tôi, mua máy ép tóc), 89k Shopee, 39k Highlands, 67k Be, 178k iHerb, 320k vé xem phim với bạn bè. Tổng kéo dài chục trang. Riêng lẻ không có dòng nào sốc, gộp lại thì xong tháng.
Bài này tôi kể cách tôi dùng AI để khỏi rơi vào cảnh đó, và xa hơn, để bắt đầu nghĩ về đầu tư cơ bản thay vì chỉ “tiết kiệm” mơ hồ. Không có hứa hẹn làm giàu, không có khuyến nghị mua mã nào. Chỉ là AI tốt cho cái gì trong tài chính cá nhân, và quan trọng hơn, không nên đụng vào cái gì.
Bước một: kéo sao kê ra khỏi app ngân hàng
Tin tốt cho người Việt năm 2026: phần lớn ngân hàng cho export CSV hoặc Excel ngay trong app. MB vào “Lịch sử giao dịch”, chọn khoảng thời gian, bấm icon download, file gửi về email vài phút. VCB Digibank có “Sao kê tài khoản” trong menu (PDF hoặc Excel). Techcombank có “Sao kê chi tiết” với cả ba định dạng PDF, Excel, CSV. ACB, BIDV, VPBank tương tự, mỗi app ẩn nút chỗ hơi khác nhau, search trong app là ra.
Nếu app không có nút export, vào web banking trên trình duyệt, đầy đủ hơn app. Định dạng tốt nhất cho AI là CSV. PDF cũng được nhưng AI phải OCR lại, đôi khi sai. Tôi quen tải ba tháng gần nhất một lần. Một tháng quá ngắn để thấy xu hướng, sáu tháng dài quá, AI phải đọc nhiều token (xem bài H về token). Ba tháng vừa đủ thấy lặp.
Bước hai: làm sạch trước khi paste
Sao kê thô có nhiều cột vô dụng (mã giao dịch, mã GD đối chiếu, số tài khoản đối ứng toàn chuỗi 12 chữ số) và thông tin nhạy cảm (số tài khoản của bạn, có thể có số CCCD, đôi khi có địa chỉ). Trước khi dán vào ChatGPT hay Claude, mở file bằng Excel hoặc Google Sheets, xoá bốn cột:
- Số tài khoản của bạn (header file)
- Số CCCD nếu xuất hiện
- Số tài khoản đối ứng
- Mã giao dịch nội bộ
Giữ lại: ngày, số tiền vào/ra, nội dung giao dịch, số dư. Chừng đó AI phân loại được. Đừng paste OTP, đừng paste mật khẩu (sao kê không có, nhưng nhắc cho thành nguyên tắc). Một bài về privacy và AI sẽ kể chi tiết hơn ở phần W của series. Nguyên tắc ngắn: AI không phải người yêu, đừng tin nó tới mức gửi tất tần tật.
Bước ba: paste 50 giao dịch mẫu, mô tả format trước
Mẹo prompt tôi đúc kết sau nhiều lần làm. Đừng paste cả ba tháng cùng lúc rồi bảo “phân loại đi”. AI sẽ rối, dễ bịa nhóm, dễ phân sai. Làm hai bước.
Bước một: mở chat mới, dán 50 dòng đầu tiên cùng header. Viết prompt:
Tôi sẽ dán sao kê ngân hàng. Cấu trúc CSV:
- Ngày: dd/mm/yyyy
- Loại: "Có" (tiền vào) hoặc "Nợ" (tiền ra)
- Số tiền: VND, có dấu phẩy ngăn cách hàng nghìn
- Nội dung: text mô tả giao dịch, đôi khi tiếng Việt không dấu
Hãy đọc 50 dòng dưới đây và đề xuất 6 đến 8 nhóm
chi tiêu phù hợp với pattern bạn thấy. Đừng phân loại
ngay, chỉ đề xuất tên nhóm và mô tả mỗi nhóm gồm gì.AI trả ra danh sách kiểu “Ăn uống (Grab Food, cà phê, siêu thị), Đi lại (Grab, Be, đổ xăng), Mua sắm (Shopee, Lazada, mall), Tiện ích (điện nước, internet), Giải trí (Netflix, Spotify, rạp phim), Sức khoẻ (nhà thuốc, phòng khám, gym), Chuyển khoản cá nhân, Khác”. Bạn đọc, sửa, có thể gộp hoặc tách. Tôi thường gộp “Ăn uống” với “Đi chợ” thành một, tách “Giải trí số” (Netflix, Spotify) khỏi “Giải trí offline” (phim, bar, concert) vì hai loại có hành vi rất khác.
Bước hai: sau khi đồng ý hệ phân loại, paste hết ba tháng và bảo “phân loại từng dòng theo hệ trên, output bảng cột Ngày, Số tiền, Nhóm, Ghi chú nếu nhóm không rõ”. Copy về Excel.
Quan trọng: kiểm lại 20-30 dòng ngẫu nhiên. AI có thể nhầm “TKchuyen TUOC TUONG VI” (vợ tôi) thành “Chuyển khoản cá nhân” trong khi đúng ra là “Gia đình”. Mẹo: thêm vào prompt “với nội dung chứa ‘VY’, ‘TUONG VI’, ‘TUONG’ phân loại là ‘Gia đình’ không phải ‘Chuyển khoản cá nhân’”. Càng cụ thể, AI càng đỡ phải đoán (xem bài E về hallucination để hiểu vì sao đoán là nguy hiểm).
Bước bốn: nhìn xu hướng ba tháng
Sau khi có bảng phân loại, bạn paste lại cho AI và yêu cầu phân tích:
Dưới đây là chi tiêu 3 tháng của tôi (Feb, Mar, Apr) đã
phân nhóm. Hãy tính:
1. Tổng từng nhóm mỗi tháng
2. % của tổng chi tiêu mỗi tháng
3. So sánh tháng sau với tháng trước, nhóm nào tăng/giảm rõ
4. Pattern bất thường (ví dụ: một giao dịch lớn không có ở
tháng khác)
5. Ba câu hỏi tôi nên tự hỏi mình về số liệu này
Không khuyên gì, chỉ phân tích.Đây là chỗ AI làm tốt hơn người làm tay. Tôi không phải dân Excel pro, SUMIF cho 600 dòng tôi làm được nhưng mất buổi tối. AI làm trong 30 giây. Kết quả phân tích đầu tiên của tôi: “Ăn uống” 38% (tôi nghĩ 20%), “Chuyển khoản gia đình” 22%, “Mua sắm online” 14% (tôi nghĩ 5%, sai gấp 3), còn lại lặt vặt. Số 14% mua sắm online là cú sốc, đó là chỗ tôi rò rỉ tiền mà không biết.
AI không tự biết bạn nên cắt gì. Nó chỉ ra số. Quyết định là của bạn.
Bước năm: ngân sách kiểu 50-30-20 hoặc Ramit Sethi
Hai khung ngân sách phổ biến cho người mới: 50-30-20 (Elizabeth Warren) và Conscious Spending Plan (Ramit Sethi).
50-30-20 đơn giản đến mức tôi từng coi thường rồi quay lại. 50% lương net cho cần thiết (nhà, ăn, đi lại, tiện ích, bảo hiểm cơ bản). 30% cho mong muốn (ăn ngoài, giải trí, mua sắm không khẩn). 20% cho tiết kiệm và trả nợ (gồm đầu tư). Hỏi AI: “lương net 18 triệu/tháng, dựa trên phân tích ba tháng vừa qua, tôi phân bổ theo 50-30-20 như thế nào”. AI sẽ map từng nhóm vào ba ô và nói “Cần: 62%, Muốn: 28%, Tiết kiệm: 10%”. Cái cần nhìn không phải con số hoàn hảo, mà khoảng cách giữa bạn và mục tiêu.
Conscious Spending Plan của Ramit Sethi phức tạp hơn nhưng nhân văn hơn. Bốn ô: Fixed Costs (50-60%), Investments (10%), Savings Goals (5-10%, mục tiêu cụ thể như du lịch, đám cưới), Guilt-free Spending (20-35%, tiêu thoải mái cho thứ bạn yêu). Triết lý: thay vì cắt sạch mọi thứ vui, xác định một hai thứ bạn cực kỳ thích (Sethi gọi là “Money Dial”), tiêu thoả vào đó, cắt mạnh mọi thứ khác.
Tôi đang dùng Conscious Spending Plan. Money Dial của tôi là sách giấy và cà phê, hai khoản đó tôi không kỉ luật. Mọi khoản khác tôi cắt mạnh, đặc biệt là mua sắm online lặt vặt (cú sốc 14% bên trên).
Bước sáu: ước tính lương net từ gross (Việt Nam 2026)
Sai lầm phổ biến: bạn nhận offer 25 triệu gross, lập kế hoạch theo 25 triệu. Tiền về tay chỉ 21 triệu mấy. AI có thể tính nhanh chuyện này nếu bạn cho nó công thức.
Thuế và bảo hiểm bắt buộc Việt Nam 2026 (số liệu của tôi tổng hợp đầu năm 2026, vẫn nên check lại trang Tổng cục Thuế và BHXH Việt Nam trước khi quyết định lớn):
- BHXH: 8% lương gross (trần đóng năm 2026 là 36 triệu/tháng, vượt thì vẫn tính 8% của 36 triệu)
- BHYT: 1.5% lương gross (cùng trần)
- BHTN: 1% lương gross (trần 4x lương tối thiểu vùng, vùng 1 hiện 4.96 triệu, trần BHTN khoảng 19.84 triệu)
- Thuế TNCN: tính theo bậc luỹ tiến trên thu nhập chịu thuế sau khi trừ giảm trừ bản thân 11 triệu/tháng và giảm trừ người phụ thuộc 4.4 triệu/người/tháng
Bậc thuế TNCN luỹ tiến (vẫn áp dụng năm 2026 theo Luật Thuế TNCN sửa đổi gần nhất):
| Bậc | Thu nhập tính thuế/tháng | Thuế suất |
|---|---|---|
| 1 | Đến 5 triệu | 5% |
| 2 | 5 đến 10 triệu | 10% |
| 3 | 10 đến 18 triệu | 15% |
| 4 | 18 đến 32 triệu | 20% |
| 5 | 32 đến 52 triệu | 25% |
| 6 | 52 đến 80 triệu | 30% |
| 7 | Trên 80 triệu | 35% |
Prompt mẫu:
Lương gross của tôi 28 triệu/tháng, độc thân, không người
phụ thuộc, làm việc tại TP.HCM (vùng 1). Tính lương net
theo quy định Việt Nam 2026:
- BHXH 8%, BHYT 1.5%, BHTN 1% của gross
- Giảm trừ bản thân 11 triệu/tháng
- Thuế TNCN luỹ tiến 7 bậc
Show từng bước, không làm tròn quá sớm.AI sẽ ra một bảng tính từng bước. Tôi đã test cả ChatGPT, Claude, Gemini cho cùng prompt, ba ra cùng kết quả ở mức gross dưới 50 triệu (sai số dưới 10k). Trên mức đó, hai bên thi thoảng lệch nhau ở chỗ trần BHXH, đó là chỗ bạn phải tự kiểm. Đây là một dạng AI làm tốt: phép tính có quy luật rõ ràng, ít chỗ phịa.
Bước bảy: đầu tư cơ bản, AI làm gì được, không làm gì
Phải nói thẳng ranh giới. AI tốt cho giáo dục tài chính, làm rõ khái niệm, so sánh sản phẩm chung chung. AI không nên đưa lời khuyên cụ thể kiểu “mua VIC ngày mai”, “BTC sẽ lên 200k đô tháng tới”, “nên mua quỹ nào”. Hai lý do.
Lý do kỹ thuật: AI dễ phịa số (xem lại bài E về hallucination). Giá cổ phiếu, P/E, EPS thay đổi mỗi ngày, dữ liệu training cắt cách đây vài tháng. Tôi từng hỏi ChatGPT giá một mã VN30, nó ra giá đẹp đẽ kèm volume, P/E. Đối chiếu HOSE: giá lệch 8%, volume sai 40%, P/E sai 1.2 đơn vị. Nếu tin và mua, tổn thất vào tài khoản tôi.
Lý do pháp lý: Việt Nam và phần lớn nước có quy định chặt với tư vấn đầu tư, phải có giấy phép (Chứng chỉ hành nghề Quản lý quỹ, hoặc đại diện công ty chứng khoán). ChatGPT không có giấy phép. Anthropic, OpenAI dạy nó không đưa khuyến nghị mua bán cụ thể vì rủi ro pháp lý. Nếu bạn ép, nó vòng vèo né hoặc trả lời chung chung. Đừng cố ép.
Vậy AI làm được gì? Định nghĩa và so sánh.
Cổ phiếu (stock): mua một mẩu sở hữu của một công ty cụ thể. Lợi nhuận từ cổ tức và chênh lệch giá. Rủi ro cao, biến động ngày-ngày lớn, có thể về 0 nếu công ty phá sản. Phù hợp người có thời gian theo dõi, hiểu doanh nghiệp.
ETF (Exchange-Traded Fund): một rổ cổ phiếu giao dịch như một mã. Mua ETF VN30 là mua một mẩu của 30 công ty lớn nhất HOSE, không phải chọn từng mã. Phí quản lý thấp (0.5-1%/năm), thanh khoản tốt, rủi ro phân tán. Phù hợp người không có thời gian phân tích.
Quỹ mở (open-end fund): chuyên gia quản lý quỹ mua bán hộ bạn. Phí cao hơn ETF (1.5-2.5%/năm), kết quả tuỳ chất lượng. Có quỹ cổ phiếu, trái phiếu, hỗn hợp.
Trái phiếu (bond): cho công ty hoặc chính phủ vay tiền, nhận lãi cố định, thường thấp hơn cổ phiếu. Rủi ro thấp với trái phiếu chính phủ, cao hơn với trái phiếu doanh nghiệp (vụ Tân Hoàng Minh và Vạn Thịnh Phát còn nóng).
Hỏi AI bốn loại trên là gì, nó giải thích đầy đủ. Hỏi “tôi nên mua quỹ X hay quỹ Y”, không nên hỏi AI. Hỏi tư vấn viên của công ty chứng khoán bạn mở tài khoản, đọc fact sheet, hoặc gặp advisor có chứng chỉ. AI có thể giúp chuẩn bị câu hỏi cho cuộc gặp đó, không thay cuộc gặp.
Bước tám: Dollar-cost averaging và risk profile
Hai khái niệm cuối AI giúp bạn hiểu trước khi mở tài khoản đầu tư.
Dollar-cost averaging (DCA): mua một lượng tiền cố định vào tài sản đầu tư theo lịch đều đặn, không quan tâm giá hiện tại. Ví dụ: mỗi tháng ngày 5 (sau khi nhận lương) chuyển 2 triệu vào ETF VN30, đều đặn 12 tháng. Tháng giá cao mua được ít cổ phần, tháng giá thấp mua được nhiều. Trung bình ra giá mua tốt hơn việc đợi “thời điểm đúng”, mà phần lớn không đoán được thời điểm đúng. DCA hợp cho người mới vì không cần đoán giá, không cần dõi tin tức, chỉ cần đều đặn.
Risk profile là mức rủi ro bạn chịu được. Ba câu hỏi để tự đánh giá:
- Nếu danh mục mất 30% trong một tháng, bạn sẽ: (a) bán hết để tránh mất thêm, (b) giữ và đợi, (c) mua thêm vì rẻ.
- Bạn cần tiền này trong vòng: (a) dưới 2 năm, (b) 2 đến 7 năm, (c) trên 7 năm.
- Bạn có quỹ khẩn cấp (chi tiêu 3-6 tháng nếu mất việc) chưa? (a) chưa, (b) một phần, (c) có rồi.
Nhiều (a) là profile thận trọng, thiên về trái phiếu, gửi tiết kiệm, ETF index. Nhiều (c) là mạo hiểm, có thể có cổ phiếu riêng lẻ, một phần crypto. Giữa là cân bằng, mix ETF với trái phiếu.
Dán ba câu trả lời cho AI, bảo “đề xuất danh mục tham khảo cho profile này, dùng loại tài sản chung không cần tên mã”. AI ra “60% ETF cổ phiếu (70% VN, 30% quốc tế), 30% trái phiếu chính phủ, 10% tiền mặt/gửi ngân hàng”. Số này để khởi đầu, không phải kế hoạch hoàn chỉnh. Vẫn cần gặp tư vấn viên có chứng chỉ trước khi rót thật.
Bước chín: bảo hiểm và thuế, AI dùng để chuẩn bị thôi
Cùng nguyên tắc với đầu tư: AI để research mở đầu, quyết định lớn vẫn phải gặp người chuyên môn.
Bảo hiểm (nhân thọ, sức khoẻ, xe, nhà): AI giải thích tốt cơ chế (term life vs whole life, copay vs deductible, all-risk vs named perils). AI không tốt ở: ưu đãi cụ thể Manulife so với Prudential tháng này, terms loại trừ tế nhị trong hợp đồng mẫu, claim history. Mấy thứ này cần đại lý có hợp đồng thật và trang Bộ Tài chính (cucbaohiem.gov.vn).
Thuế cá nhân: AI giải thích tốt cách tính, bậc thuế, khoản giảm trừ phổ biến. AI không tốt ở: trường hợp đặc biệt (lương cứng + freelance + thuê nhà), nghị định mới vài tháng gần đây, sai sót quyết toán năm trước. Mấy thứ này cần kế toán có giấy phép.
Tôi có lần nhờ ChatGPT giải thích kê khai thuế khi có thu nhập song song. Nó giải thích đúng nguyên tắc, nhưng đề xuất biểu mẫu sai số (form đã đổi từ 2024). Tôi tin, in ra mang đến cơ quan thuế, cán bộ cười: “Biểu mẫu này đổi rồi anh”. Mất 30 phút làm lại. Nhỏ thôi, nhắc tôi AI biết khung pháp lý, không biết phiên bản mới nhất của biểu mẫu.
Ứng dụng có tích hợp AI bạn có thể thử
Năm 2026 thị trường app tài chính có AI bắt đầu rõ nét, dù chưa nhiều như fintech Mỹ.
Money Lover (Việt Nam) có chế độ phân loại bằng AI, nhập giao dịch nó tự đoán nhóm. Free đủ dùng cá nhân, premium 199k/năm. Hay ở chỗ support tiếng Việt, hiểu merchant Việt (Co-opmart, Bách Hoá Xanh).
MoMo có “Trợ lý AI” trong app (ra mắt cuối 2025), trả lời câu hỏi về giao dịch (“tháng này tôi xài bao nhiêu cho ăn uống”). Chưa mạnh ở phân tích sâu, tốt ở tra cứu nhanh.
Notion AI không phải app tài chính, nhưng template “Personal Finance” trên Notion có thể được Notion AI hỗ trợ điền, gom dữ liệu, tạo dashboard. Tôi đang dùng cách này: database giao dịch trong Notion, cuối tháng dán sao kê, Notion AI gom và xếp nhóm. Linh hoạt hơn Money Lover ở chỗ customize được layout.
ChatGPT/Claude tự thân vẫn phân tích sâu nhất vì prompt thoải mái. Nhược điểm: không lưu dữ liệu lâu, mỗi tháng dán lại. Bù bằng Projects (Claude) hoặc Memory (ChatGPT) để pin quy ước phân loại, lần sau AI nhớ cách bạn chia nhóm.
Cảnh giác lừa đảo và thông tin sai
Search “AI đầu tư Việt Nam” sẽ thấy quảng cáo “AI dự báo giá cổ phiếu 95% chính xác”, “bot tự động trade kiếm 30%/tháng”, “khoá học AI đầu tư miễn phí, sign up qua Telegram”. Phần lớn lừa đảo. Cơ chế: hứa hẹn, kéo bạn vào nhóm Telegram/Zalo, dụ nạp tiền vào sàn ảo, biến mất. AI chính thống (ChatGPT, Claude, Gemini, Copilot, Perplexity) không bao giờ chủ động hứa hẹn lợi nhuận cụ thể. Nếu một “AI” hứa hẹn, đó không phải AI, đó là người dùng từ “AI” làm vỏ bọc.
Nguyên tắc nhanh: AI thật ngại trả lời câu hỏi lợi nhuận, sẽ dạy nguyên tắc và đẩy bạn đi gặp chuyên gia có giấy phép. AI lừa hứa hẹn ngay từ chat đầu tiên. Loạt bài bảo mật và privacy (phần W trong series) sẽ kể chi tiết hơn về dấu hiệu nhận dạng và cách thoát.
Thử với 50 dòng đầu
Nếu muốn bắt đầu, đừng upload cả năm sao kê ngay. Lấy 50 dòng đầu, xoá tên người và số tài khoản, rồi nhờ AI phân loại thử. Khi taxonomy đã hợp với đời sống của bạn, tự áp dụng lại cho file đầy đủ trên máy.
Điểm quan trọng nhất của bài này vẫn là ranh giới: AI tốt cho ghi sổ, phân tích pattern, giải thích khái niệm. Nó không được quyết thay bạn mua mã nào, vay khoản nào, mua bảo hiểm nào, hay ký giấy tờ thuế nào. Tiền là nơi bản nháp nghe hợp lý có thể thành quyết định đắt.
Bài T chuyển sang tiếng Anh. Một bên là tiền, một bên là kỹ năng, nhưng cách dùng AI giống nhau ở một điểm: phải có dữ liệu thật của bạn và phải có vòng kiểm lại.