Trích xuất dữ liệu hóa đơn PDF tự động bằng AI và n8n

Cuối tháng, hộp thư kế toán có hàng trăm email nhà cung cấp gửi hóa đơn. Ai đó phải mở từng file PDF, gõ số hóa đơn, mã số thuế, tiền trước thuế, tiền thuế vào Excel, rồi Data Analyst mới có dữ liệu để làm báo cáo chi phí. Một con số gõ nhầm là cả báo cáo lệch.

Bài viết này hướng dẫn cách trích xuất dữ liệu hóa đơn PDF tự động bằng AI và n8n: workflow tự nhận file từ email, AI đọc các trường cần thiết, n8n kiểm tra tính hợp lệ rồi ghi vào Google Sheets. Quan trọng không kém là phần kiểm tra: AI đọc nhanh nhưng vẫn có thể đọc sai, nên workflow phải biết khi nào cần con người xem lại.

Trước khi làm: XML hay PDF?

Có file XML thì đọc XML trước

Với hóa đơn điện tử tại Việt Nam, nhà cung cấp thường gửi kèm file XML bên cạnh file PDF. XML là dữ liệu có cấu trúc sẵn: mỗi trường như số hóa đơn, mã số thuế hay tổng tiền nằm trong một thẻ riêng. Đọc XML bằng node XML hoặc Extract from File của n8n cho kết quả chính xác tuyệt đối, nhanh và không tốn chi phí AI.

Vì sao không dùng OCR truyền thống?

OCR truyền thống biến ảnh thành chữ, nhưng không biết đâu là mã số thuế người bán, đâu là của người mua. Mỗi nhà cung cấp một mẫu hóa đơn, nên cách cũ phải viết quy tắc riêng cho từng mẫu và hỏng ngay khi mẫu đổi. Mô hình AI hiểu ngữ cảnh, nên đọc được nhiều mẫu khác nhau chỉ với một mô tả duy nhất về các trường cần lấy.

Kiến trúc workflow trích xuất hóa đơn

Workflow gồm 6 chặng, mỗi chặng là một hoặc vài node trong n8n:

1. Nhận file: Gmail Trigger bắt email mới có file đính kèm trong hộp thư hóa đơn, hoặc Google Drive Trigger bắt file mới trong một thư mục.
2. Đọc nội dung: Extract from File lấy phần chữ từ file PDF.
3. AI trích xuất: node Information Extractor nối với một mô hình AI, trả về các trường theo đúng cấu trúc bạn định nghĩa.
4. Kiểm tra: node Code hoặc If kiểm tra mã số thuế, phép cộng tiền, hóa đơn trùng.
5. Ghi dữ liệu: hóa đơn hợp lệ được ghi vào Google Sheets (hoặc database).
6. Báo cần xem lại: hóa đơn không qua kiểm tra được ghi vào sheet riêng và gửi thông báo Telegram cho kế toán.

Thiết kế này theo nguyên tắc: AI chỉ làm việc đọc hiểu, còn quyết định đúng sai do quy tắc và con người. Đây là một workflow có AI với các bước cố định, không phải một agent tự quyết định. Nếu bạn còn phân vân giữa hai cách, xem bài AI Agent là gì?.

Dựng workflow từng bước trong n8n

1{
2  "so_hoa_don": "0001234",
3  "ky_hieu": "1C26TAA",
4  "ngay_hoa_don": "2026-10-28",
5  "ten_nguoi_ban": "Công ty TNHH ABC",
6  "mst_nguoi_ban": "0101234567",
7  "tien_truoc_thue": 10000000,
8  "thue_suat": 8,
9  "tien_thue": 800000,
10  "tong_thanh_toan": 10800000
11}

Kiểm tra dữ liệu trước khi ghi

AI đọc hóa đơn rất nhanh nhưng không hoàn hảo: có thể lấy nhầm mã số thuế người mua, đọc sai một chữ số trên bản scan mờ, hay hiểu nhầm tổng tiền. Vì vậy, trước khi ghi, workflow cần chạy 4 bước kiểm tra bằng quy tắc:

Viết đoạn code kiểm tra trong n8n

Ví dụ đoạn code kiểm tra trong node Code (JavaScript):

1const hd = $json.output;
2const loi = [];
3if (!hd.so_hoa_don || !hd.ngay_hoa_don) loi.push('Thiếu số hoặc ngày hóa đơn');
4if (!/^\d{10}(-\d{3})?$/.test(hd.mst_nguoi_ban || '')) loi.push('Mã số thuế không hợp lệ');
5const lech = Math.abs((hd.tien_truoc_thue || 0) + (hd.tien_thue || 0) - (hd.tong_thanh_toan || 0));
6if (lech > 10) loi.push('Tổng tiền không khớp');
7return { ...hd, hop_le: loi.length === 0, ly_do: loi.join('; ') };

Sau đó dùng node If tách hai nhánh: hop_le = true ghi vào sheet chính, hop_le = false ghi vào sheet “Cần xem lại” kèm lý do và gửi Telegram cho kế toán. Mỗi tuần, hãy xem tỷ lệ hóa đơn rơi vào nhánh cần xem lại: nếu một nhà cung cấp thường xuyên lỗi, có thể cần thêm mô tả riêng cho mẫu hóa đơn của họ. Cách tư duy kiểm tra này cũng giống bài Kiểm tra chất lượng dữ liệu tự động bằng n8n.

Bảo mật và chi phí cần tính đến

Bảo mật dữ liệu hóa đơn

Hóa đơn chứa thông tin tài chính, đối tác và giá mua của doanh nghiệp. Trước khi triển khai, hãy:

Xem thêm các nguyên tắc chung trong bài Bảo mật dữ liệu khi dùng AI.

Chi phí vận hành

Chi phí chính là tiền gọi mô hình AI, tính theo lượng chữ đưa vào và trả ra. Một hóa đơn thông thường chỉ vài trang nên chi phí mỗi lần đọc khá nhỏ, nhưng hãy tính trước theo số hóa đơn mỗi tháng và bảng giá hiện tại của nhà cung cấp mô hình. Hai cách giảm chi phí hiệu quả nhất là đọc XML khi có và chỉ gửi trang đầu tiên nếu các trường cần lấy đều nằm ở đó.

5 lỗi thường gặp và cách xử lý

Câu hỏi thường gặp

Kết luận

Thông tin tác giả