Dũng Virgo
Trong vài năm qua, trí tuệ nhân tạo (AI) xuất hiện trong hàng trăm dự án thử nghiệm của doanh nghiệp. Tuy nhiên, một mô hình hoạt động tốt trong môi trường trình diễn chưa đồng nghĩa với việc công nghệ đó tạo ra lợi ích thực tế. Với ngành phân phối và bán lẻ, câu hỏi quan trọng hơn là AI có giúp giảm tồn kho, xử lý nhiều đơn hàng hơn hay nâng hiệu quả của đội ngũ bán hàng hay không.
Tại hội thảo về chuyển đổi số trong sản xuất, phân phối, bán lẻ và ứng dụng AI do Viettel Solutions tổ chức, các chuyên gia và doanh nghiệp tập trung vào khoảng cách giữa “AI có thể làm gì” và “AI đã tạo ra kết quả gì”. Đây cũng là hướng tiếp cận thực tế hơn khi doanh nghiệp ngày càng cần chứng minh hiệu quả đầu tư bằng những chỉ số cụ thể.
AI không còn được đánh giá chỉ bằng bản demo
Một dự án AI thường bắt đầu bằng thử nghiệm trên phạm vi nhỏ, dữ liệu được chọn lọc và quy trình được kiểm soát chặt chẽ. Khi đưa vào vận hành, hệ thống phải xử lý dữ liệu liên tục, kết nối với nhiều bộ phận và thích ứng với những tình huống phát sinh. Đây là lúc không ít dự án gặp khó khăn.
Theo thông tin được chia sẻ tại hội thảo, khảo sát của Gartner với 782 lãnh đạo phụ trách hạ tầng và vận hành công nghệ thông tin cho thấy chỉ 28% trường hợp ứng dụng AI trong nhóm này được đánh giá là thành công đầy đủ và đáp ứng kỳ vọng về tỷ suất hoàn vốn. Con số này cho thấy việc triển khai công nghệ chỉ là bước khởi đầu, không phải đích đến.
Trong phân phối bán lẻ, kết quả của AI có thể được kiểm chứng qua các chỉ số gần với hoạt động kinh doanh hằng ngày:
- Lượng hàng tồn và mức chênh lệch giữa nhu cầu dự báo với lượng hàng thực tế.
- Độ chính xác khi nhận diện hình ảnh trưng bày tại điểm bán.
- Số đơn hàng có thể xử lý trong một ngày.
- Thời gian và nguồn lực cần thiết cho hoạt động kiểm tra, giao hàng, bán hàng.
- Hiệu quả của tuyến viếng thăm và lịch làm việc của nhân viên kinh doanh.
Dữ liệu là điều kiện nền tảng để AI hoạt động
Theo ông Trần Xuân An, Giám đốc Trung tâm Sản phẩm bán lẻ của Viettel Solutions, bài toán của doanh nghiệp hiện nay không chỉ là tìm hiểu AI làm được gì. Doanh nghiệp cần chọn đúng vấn đề, đánh giá mức độ sẵn sàng của dữ liệu và xác định AI sẽ tham gia vào công đoạn nào trong quy trình.
Đây là thách thức đặc biệt rõ trong ngành phân phối. Dữ liệu thường nằm rải rác ở nhiều hệ thống như ERP, DMS, CRM và nền tảng logistics. Mỗi hệ thống có thể sử dụng cách lưu trữ, tiêu chuẩn và chu kỳ cập nhật khác nhau. Nếu các nguồn dữ liệu chưa được kết nối hoặc chuẩn hóa, mô hình AI dù cho kết quả tốt khi thử nghiệm vẫn khó phát huy hiệu quả khi mở rộng.
Vì vậy, doanh nghiệp cần xây dựng nền móng số trước khi kỳ vọng AI giải quyết những bài toán phức tạp. Hệ thống phải ghi nhận được dữ liệu xuyên suốt từ nhà cung cấp, nhà phân phối, điểm bán đến người tiêu dùng. Quy trình cũng cần được số hóa đủ sâu để AI có thể phân tích và đưa ra đề xuất trong đúng thời điểm.
Quan điểm này tương đồng với xu hướng xây dựng nền tảng quản trị doanh nghiệp, trong đó dữ liệu và quy trình là cơ sở để tự động hóa. Bạn đọc có thể tham khảo thêm câu chuyện về nền tảng số cho quản trị doanh nghiệp để thấy vai trò của hệ thống dữ liệu trong quá trình chuyển đổi số.
Quản trị hàng tồn: Bài toán dễ nhìn thấy hiệu quả nhất
Hàng tồn kho là một trong những lĩnh vực cho thấy rõ tác động của AI. Nếu dự báo thấp hơn nhu cầu, doanh nghiệp có thể thiếu hàng, bỏ lỡ doanh thu và làm gián đoạn hoạt động của điểm bán. Ngược lại, nếu đặt hàng hoặc sản xuất vượt quá nhu cầu, vốn bị giữ trong kho, chi phí lưu trữ tăng và nguy cơ hàng chậm luân chuyển cũng lớn hơn.
AI có thể sử dụng dữ liệu bán hàng, lịch sử đặt hàng và các tín hiệu nhu cầu để hỗ trợ dự báo. Từ kết quả đó, hệ thống đưa ra gợi ý về lượng hàng cần đặt hoặc sản xuất. Nhân sự phụ trách vẫn có thể kiểm tra và điều chỉnh, nhưng quyết định không còn hoàn toàn phụ thuộc vào kinh nghiệm cá nhân.
Theo số liệu Viettel chia sẻ, các giải pháp AI dự báo nhu cầu và gợi ý đơn hàng đã giúp một số khách hàng giảm khoảng 80-90% mức “lệch tồn”. Cùng với đó, giải pháp Viettel DMS được cho là giúp giảm khoảng 30% lượng hàng tồn. Đây là những chỉ số gắn trực tiếp với dòng tiền, thay vì chỉ phản ánh độ chính xác của một mô hình trên dữ liệu kiểm thử.
Giá trị của AI trong quản trị tồn kho không nằm ở việc hệ thống đưa ra một con số dự báo, mà ở khả năng giúp doanh nghiệp ra quyết định nhập hàng phù hợp hơn với nhu cầu thực tế.
Nhận diện hình ảnh giúp kiểm soát điểm bán
Trong mô hình phân phối truyền thống, nhân viên hoặc giám sát viên phải đến điểm bán, chụp ảnh, kiểm tra cách trưng bày và đối chiếu với tiêu chuẩn của doanh nghiệp. Khi số lượng cửa hàng tăng lên, công việc này tiêu tốn nhiều thời gian, đồng thời dễ phát sinh khác biệt trong cách đánh giá.
Công nghệ nhận diện hình ảnh có thể hỗ trợ tự động phân tích ảnh được gửi từ điểm bán. Hệ thống kiểm tra vị trí sản phẩm, cách sắp xếp, mức độ hiện diện của hàng hóa hoặc việc triển khai chương trình bán hàng theo tiêu chuẩn đã đặt ra. Nhờ đó, đội ngũ quản lý có thể phát hiện điểm chưa đạt mà không cần kiểm tra thủ công toàn bộ.
Viettel cho biết giải pháp VIETTEL TESSEL.AI có độ chính xác trên 95%, trong đó kết quả đo mới nhất đạt khoảng 98%. Những con số này cho thấy AI có thể đảm nhận một phần công việc kiểm tra lặp lại với quy mô lớn, nhưng hiệu quả vẫn phụ thuộc vào chất lượng ảnh, tiêu chuẩn đánh giá và dữ liệu được sử dụng để huấn luyện hệ thống.
Tại Công ty cổ phần Thực phẩm Cholimex, Viettel DMS đã được sử dụng từ năm 2018, tạo nền tảng dữ liệu cho hoạt động phân phối. Sau đó, doanh nghiệp tiếp tục ứng dụng AI vào phân tích hình ảnh và đánh giá việc triển khai chương trình bán hàng tại điểm bán. Trường hợp này cho thấy AI thường phát huy hiệu quả tốt hơn khi được xây dựng trên một quy trình số hóa sẵn có, thay vì triển khai tách rời.
Tăng năng lực xử lý đơn trong các đợt bán hàng lớn
AI cũng có thể tham gia vào những điểm nghẽn phát sinh trong kho và xử lý đơn hàng. Tại Tập đoàn Thiên Long, hệ thống DMS được dùng để số hóa, chuẩn hóa quy trình phân phối và tạo nguồn dữ liệu cho các ứng dụng tiếp theo.
Trong những đợt livestream hoặc chương trình bán hàng quy mô lớn, khối lượng đơn có thể tăng nhanh trong thời gian ngắn. Khi kho phải xử lý hơn 30.000 đơn mỗi ngày, AI phân tích những sản phẩm thường được mua cùng nhau để hỗ trợ tối ưu cách đóng gói. Nhờ đó, công suất xử lý được nâng lên mức 36.000 đơn mỗi ngày.
Hệ thống đồng thời theo dõi lượng hàng trong kho theo thời gian thực. Khi dự báo nguy cơ hết hàng, hệ thống có thể tự động ngắt đơn. Cách vận hành này giúp hạn chế tình trạng tiếp nhận đơn vượt quá khả năng cung ứng, sau đó phải hủy hoặc xử lý thủ công với khách hàng.
Điểm đáng chú ý là AI không thay thế toàn bộ hệ thống quản lý đơn hàng. Công nghệ được tích hợp vào một chuỗi quy trình gồm tiếp nhận đơn, kiểm tra tồn, phân loại sản phẩm và đóng gói. Giá trị tạo ra đến từ sự phối hợp giữa dữ liệu, phần mềm vận hành và khả năng phân tích của AI.
Tối ưu tuyến bán hàng bằng dữ liệu
Ở ngoài kho, AI còn có thể hỗ trợ phân bổ lịch làm việc và tuyến viếng thăm điểm bán. Trước đây, việc lựa chọn cửa hàng cần ghé thường dựa nhiều vào kinh nghiệm của nhân viên hoặc lịch cố định. Cách làm này có thể chưa phản ánh kịp thời sự thay đổi về nhu cầu và doanh số.
Khi kết hợp dữ liệu về vị trí điểm bán, lịch sử đơn hàng và khả năng phát sinh nhu cầu, hệ thống có thể gợi ý những địa điểm cần ưu tiên. Nhân viên bán hàng nhờ đó có thêm cơ sở để sắp xếp lịch, thay vì phân bổ thời gian đồng đều cho mọi điểm bán.
Theo chia sẻ tại hội thảo, ở một số khách hàng có quy mô xử lý khoảng 50.000-60.000 đơn hàng mỗi ngày, mức cải thiện hiệu quả được ghi nhận khoảng 2-5%. Tỷ lệ này có thể không lớn nếu nhìn trên một đơn hàng riêng lẻ, nhưng sẽ tạo tác động đáng kể khi áp dụng trên toàn bộ mạng lưới phân phối.
Ba điều kiện để AI tạo ra giá trị thực
Từ những trường hợp trên, có thể rút ra ba điều kiện quan trọng khi doanh nghiệp triển khai AI trong phân phối bán lẻ.
- Chọn bài toán có thể đo lường: Doanh nghiệp nên bắt đầu từ những vấn đề gắn với chi phí, doanh thu, tồn kho hoặc năng suất. Một mục tiêu như giảm lệch tồn, tăng công suất xử lý đơn hay rút ngắn thời gian kiểm tra sẽ dễ đánh giá hơn một mục tiêu chung chung như “ứng dụng AI để đổi mới”.
- Chuẩn hóa dữ liệu và quy trình: AI không thể bù đắp hoàn toàn cho dữ liệu thiếu, sai hoặc phân tán. Các hệ thống ERP, DMS, CRM và logistics cần có khả năng trao đổi dữ liệu phù hợp, đồng thời quy trình thực tế phải được ghi nhận nhất quán.
- Đưa người dùng vào trung tâm: Nhân viên kho, nhân viên bán hàng và quản lý điểm bán là những người trực tiếp sử dụng kết quả từ AI. Hệ thống cần dễ hiểu, dễ kiểm tra và cho phép con người can thiệp khi cần thiết. Nếu công nghệ tạo thêm thao tác hoặc không phù hợp với quy trình thực tế, tỷ lệ sử dụng sẽ thấp.
Từ “AI chạy được” đến “AI sinh lợi”
Phân phối bán lẻ là lĩnh vực có quy mô dữ liệu lớn và nhiều quy trình lặp lại, vì vậy tiềm năng ứng dụng AI rất rõ ràng. Tuy nhiên, không phải dự án nào cũng tạo ra giá trị chỉ vì có mô hình hiện đại hoặc độ chính xác cao trong phòng thử nghiệm.
Hiệu quả cần được nhìn xuyên suốt từ dữ liệu đầu vào, khả năng tích hợp, mức độ chấp nhận của người dùng đến tác động cuối cùng lên hoạt động kinh doanh. Giảm tồn kho, kiểm soát trưng bày, tăng số đơn xử lý và tối ưu tuyến bán hàng là những minh chứng cụ thể hơn cho năng lực của AI.
Khi doanh nghiệp chuyển trọng tâm từ việc trình diễn công nghệ sang theo dõi các chỉ số vận hành, AI sẽ có cơ hội bước ra khỏi giai đoạn thử nghiệm. Khi đó, câu hỏi không còn là hệ thống có thể làm được gì, mà là công nghệ đã giúp doanh nghiệp tiết kiệm bao nhiêu nguồn lực, phục vụ thêm bao nhiêu đơn hàng và đưa ra quyết định chính xác hơn như thế nào.
Cảnh báo lừa đảo giả danh nhà mạng để “chuẩn hóa” thuê bao
MoMo xây niềm tin số từ những giao dịch rất đời thường
Bẫy QR trong bưu phẩm tri ân: Dấu hiệu nhận biết và cách xử lý
Luci muốn biến AI thành trợ lý biết nhớ cuộc sống
VNPT và Qualcomm mở rộng hợp tác phát triển AI biên
Amazon Kuiper được cấp phép thử nghiệm mạng vệ tinh tại Việt Nam
MoMo xây dựng niềm tin từ những giao dịch số thường ngày
