Hebbia thử nghiệm GPT-6 Astra: Bước ngoặt xử lý dữ liệu M&A và tự động hóa báo cáo tài chính
Điểm nhấn cốt lõi (Key Takeaways)
- Độ tin cậy trích dẫn đạt 99,5%: GPT-6 Astra vượt qua mô hình tốt nhất hiện nay 13,6 điểm phần trăm về khả năng khoanh vùng và dẫn chứng chính xác dữ liệu nguồn theo yêu cầu của chuyên gia tài chính.
- Chuẩn hóa thuyết trình đạt 97,9%: Vượt đối thủ hàng đầu 14,4 điểm phần trăm, chấm dứt tình trạng đánh đổi kinh niên giữa khả năng tuân thủ cấu trúc (instruction following) và độ hoàn thiện thị giác (polish).
- Rút ngắn thời gian thẩm định phòng dữ liệu 2.000 tệp tin: Cho phép chuyên viên ngân hàng đầu tư truy vết ngược từng chỉ số, ô tính (cell) và footnote trực tiếp về hợp đồng gốc trong tích tắc.
Hebbia vừa công bố kết quả thử nghiệm mô hình GPT-6 Astra của OpenAI trong quy trình thẩm định tài chính, ghi nhận tỷ lệ trích xuất tài liệu chính xác 99,5% và khả năng tự động tạo slide thuyết trình đạt chuẩn 97,9%. Bước tiến này giải quyết dứt điểm bài toán truy vết nguồn dữ liệu (traceability) trong các thương vụ mua bán - sáp nhập (M&A) trị giá hàng triệu USD.

Thử nghiệm GPT-6 Astra trong môi trường thẩm định khắt khe của ngân hàng đầu tư
Hebbia – nền tảng công nghệ tài chính đứng sau công cụ Matrix chuyên xử lý dữ liệu tài chính phức tạp – vừa công bố kết quả thử nghiệm hiệu năng thực tế của GPT-6 Astra, mô hình trí tuệ nhân tạo thế hệ mới từ OpenAI. Cuộc kiểm thử diễn ra trong giai đoạn tháng 8 đến tháng 9/2026 trên bản dựng tiền phát hành (prerelease build), áp dụng cùng một bộ dữ liệu thẩm định và hệ thống tiêu chí chấm điểm nghiêm ngặt do các chuyên gia tài chính kỳ cựu trực tiếp biên soạn và kiểm toán.
Bối cảnh thử nghiệm phản ánh chính xác áp lực công việc hàng ngày của các chuyên viên ngân hàng đầu tư (investment bankers): thẩm định một thương vụ mua bán - sáp nhập (M&A) đối với một doanh nghiệp phần mềm công nghiệp. Để đưa ra khuyến nghị chuẩn xác cho khách hàng, chuyên viên phải rà soát một phòng dữ liệu ảo (virtual data room) chứa khoảng 2.000 tệp tin, bao gồm báo cáo tài chính đã kiểm toán, hàng trăm hợp đồng khách hàng đa dạng điều khoản và các slide thuyết trình quản trị.
Trong quy trình thông thường, con người phải mất hàng tuần để tìm câu trả lời cho các câu hỏi sống còn: Yếu tố nào giúp doanh thu của mục tiêu duy trì tính bền vững? Tỷ lệ rời bỏ (churn rate) và mức độ tập trung khách hàng (customer concentration) ra sao khi so sánh với các đối thủ cùng ngành? Với sự hỗ trợ của GPT-6 Astra, công cụ Matrix không chỉ liên kết dữ liệu đa nguồn từ hồ sơ công ty và tin tức ngành để xây dựng luận điểm đầu tư (deal thesis), mà còn tự động trích xuất bảng biểu và tạo lập hồ sơ định giá, bản tóm tắt thẩm định (diligence summary) trực tiếp trên file thuyết trình chuẩn của doanh nghiệp.

Đột phá số liệu benchmark: Trích xuất chính xác 99,5% và chuẩn hóa slide 97,9%
Tính xác thực và khả năng truy vết (traceability) là yêu cầu tối thượng trong giới tài chính cấp cao, nơi các quyết định phân bổ dòng vốn hàng chục hoặc hàng trăm triệu USD phụ thuộc trực tiếp vào tính chuẩn xác của dữ liệu đầu vào. Bất kỳ một ảo giác (hallucination) nào của AI tại giai đoạn này đều có thể dẫn tới hậu quả pháp lý hoặc thua lỗ nghiêm trọng.
Kết quả benchmark do Hebbia công bố đã chứng minh bước nhảy vọt của GPT-6 Astra so với các mô hình ngôn ngữ lớn (LLM) hàng đầu hiện nay thông qua các chỉ số định lượng cụ thể:
* Độ bao quát nguồn tài liệu (Source Coverage): GPT-6 Astra vượt mô hình thay thế tốt nhất từng được thử nghiệm tới 13,6 điểm phần trăm về khả năng tìm kiếm và dẫn chứng đúng các loại tài liệu mà câu hỏi nghiệp vụ đòi hỏi. * Độ chính xác của trích dẫn (Citation Relevance): 99,5% các đoạn trích dẫn do GPT-6 Astra đưa ra trùng khớp hoàn toàn và trực tiếp liên quan đến vấn đề cần phân tích, triệt tiêu gần như hoàn toàn tình trạng trích dẫn rác hoặc sai ngữ cảnh. * Tuân thủ quy chuẩn định dạng thuyết trình (Presentation Requirements Met): Mô hình đáp ứng thành công 97,9% các yêu cầu định dạng thuyết trình khắt khe của ngân hàng đầu tư, dẫn trước giải pháp tốt nhất kế tiếp 14,4 điểm phần trăm. * Khả năng xuất bản gốc (Native Presentation Export): Chuyển đổi trực tiếp các ô phân tích từ Matrix thành slide PowerPoint bản địa (native slides) mang đúng nhận diện thương hiệu của định chế tài chính, đồng thời gắn kèm chân trang (footnotes) trỏ thẳng về đoạn văn bản gốc trong hồ sơ lưu trữ.
Theo bà Kavita, đại diện cấp cao của Hebbia, sự cải thiện dù chỉ một điểm phần trăm trong một phòng dữ liệu chứa hàng nghìn tài liệu cũng mang lại giá trị gia tăng biên (marginal benefit) khổng lồ cho các nhà phân tích.
Xóa bỏ ranh giới đánh đổi giữa tuân thủ quy tắc và thẩm mỹ trình bày
Một trong những rào cản lớn nhất ngăn cản việc ứng dụng LLM vào báo cáo tài chính chuyên nghiệp từ trước đến nay là sự đánh đổi cố hữu giữa tính thẩm mỹ (craft/polish) và khả năng tuân thủ chỉ dẫn (instruction following).
Trước GPT-6 Astra, các mô hình ngôn ngữ trên thị trường thường chia thành hai thái cực: hoặc tạo ra những bản trình bày có ngôn từ mượt mà, bố cục đẹp mắt nhưng lại tự ý thay đổi cấu trúc, bỏ qua các quy chuẩn ngặt nghèo về font chữ, branding của doanh nghiệp; hoặc tuân thủ máy móc hướng dẫn nhưng thành phẩm tạo ra lại thô kệch, đậm chất máy móc và buộc chuyên viên phải dành hàng giờ để định dạng lại trước khi gửi cho đối tác (partners) hay hội đồng đầu tư.
GPT-6 Astra là mô hình đầu tiên giải quyết trọn vẹn điểm nghẽn này. Trong thử nghiệm của Hebbia, mô hình đứng vị trí số một trên cả hai phương diện: bám sát cấu trúc chỉ định từ chuyên viên và bảo đảm tính thẩm mỹ đạt chuẩn như một slide do chuyên viên phân tích kỳ cựu tự tay thiết kế. Người dùng có thể nhấn vào từng footnote trên slide để mở lại đúng đoạn văn bản được bôi vàng trong tài liệu gốc, kiểm tra chéo số liệu tập trung khách hàng trước khi ký duyệt.

Tầm nhìn AI Agent tự động hóa thẩm định và bài học cho thị trường tài chính Việt Nam
Không dừng lại ở việc hỗ trợ soạn thảo tài liệu theo yêu cầu, Hebbia và OpenAI đang hướng tới việc triển khai các AI Agent vận hành ngầm (background agents). Thay vì đợi con người nhập lệnh, các agent này sẽ liên tục giám sát luồng thông tin tài chính, phát hiện tín hiệu biến động thị trường hoặc cơ hội đầu tư sớm hơn vài giờ so với các đối thủ cạnh tranh trên thị trường.
Ở góc độ chiến lược, việc OpenAI hợp tác sâu cùng Hebbia để tinh chỉnh GPT-6 Astra cho thấy xu hướng rõ nét của ngành công nghệ: các mô hình nền tảng đang chuyển hướng tập trung vào các thị trường chuyên môn hóa cao (high-stakes verticals) như tài chính, pháp lý và y tế, nơi giá trị kinh tế của mỗi tác vụ tự động hóa là cực kỳ lớn.
Tại Việt Nam, các quỹ đầu tư mạo hiểm (VC), công ty quản lý quỹ tư nhân (PE) và bộ phận phân tích chứng khoán đang đối mặt với khối lượng dữ liệu phi cấu trúc khổng lồ khi thẩm định các doanh nghiệp trong nước. Rào cản lớn nhất của các giải pháp RAG (Retrieval-Augmented Generation) hiện nay tại các ngân hàng Việt là tính thiếu minh bạch của dữ liệu đầu ra và việc AI không thể tạo ra các báo cáo đúng chuẩn kiểm toán VAS/IFRS.
Sự xuất hiện của các năng lực như trên GPT-6 Astra – đặc biệt là khả năng liên kết dữ liệu nguồn hai chiều (bidirectional traceability) đến từng ô tính và tuân thủ tuyệt đối định dạng báo cáo nội bộ – chính là hình mẫu công nghệ mà các đội ngũ kỹ sư AI và fintech tại Việt Nam cần hướng tới. Thay vì chỉ xây dựng các chatbot hỏi đáp tài chính đơn giản, tương lai của tự động hóa tài chính nằm ở các hệ thống agentic có khả năng thẩm định độc lập, tự đối chiếu số liệu và xuất bản tài liệu đạt chuẩn mực chuyên môn cao nhất.
Tính năng truy vết nguồn (traceability) trên GPT-6 Astra giải quyết vấn đề gì cho giới phân tích M&A?
Trong các thương vụ M&A triệu USD, một sai số nhỏ trong hợp đồng hay tỷ lệ rời bỏ khách hàng có thể phá vỡ toàn bộ cấu trúc định giá. Tính năng truy vết nguồn của GPT-6 Astra cho phép gắn nhãn từng ô tính và chú thích chân trang (footnote) trực tiếp về tài liệu gốc trong phòng dữ liệu 2.000 tệp tin, giúp chuyên viên kiểm tra chéo tức thì và loại bỏ hoàn toàn nguy cơ ảo giác số liệu trước khi trình hội đồng đầu tư.
GPT-6 Astra khắc phục nhược điểm gì lớn nhất của các mô hình LLM trước đây khi tạo slide thuyết trình?
Các mô hình trước đây luôn phải đánh đổi giữa tính thẩm mỹ và khả năng tuân thủ quy tắc: nếu slide đẹp thì thường sai cấu trúc brief, còn nếu tuân thủ brief thì bản trình bày lại thô và lộ rõ vết tích của AI. GPT-6 Astra đạt tỷ lệ đáp ứng yêu cầu thuyết trình 97,9% nhờ dẫn đầu đồng thời ở cả hai tiêu chí: tuân thủ nghiêm ngặt guideline nhận diện thương hiệu và hoàn thiện slide PowerPoint tự nhiên như chuyên viên con người soạn thảo.
Bạn thấy thông tin này như thế nào? Hãy để lại cảm xúc!
Tác giả chuyên sâu về nghiên cứu trí tuệ nhân tạo, quy trình Agentic và giải pháp tự động hoá quy mô lớn.


