Tự động hóa báo cáo hàng ngày bằng AI 2026: thứ biến mất không phải là thời gian ghi chép mà là thời gian đọc

Báo giá cho dự án tự động hóa báo cáo hàng ngày bằng AI thường bị chặn ở khâu phê duyệt nội bộ, không phải vì hiệu quả nhỏ, mà vì đo hiệu quả sai chỗ. Nếu đặt thời gian công nhân ghi chép báo cáo lên tử số, thời gian hoàn vốn là 29.2 năm. Vẫn nhà máy đó, vẫn đường cơ sở đó, nhưng nếu đặt lại lên tử số thời gian tổ trưởng đọc hiểu và tổng hợp, cùng thời gian dịch và tóm tắt cho phía tiếng Nhật, con số là 3.0 năm. 95.2% giá trị tiết kiệm đến từ thời gian đọc của tổ trưởng và quản lý. Trong bài viết này, chúng tôi tính đến cùng cả hai phương án thiết kế trên mô hình nhà máy Nhật tại Thái Lan.

Đặt thời gian công nhân ghi chép lên tử số thì thời gian hoàn vốn là 29.2 năm

Giả định của bài tính toán – nhà máy Nhật tại Thái Lan, 5 chuyền, 2 ca, 60 phiếu báo cáo mỗi ngày

Trước tiên, chúng tôi chỉ đặt duy nhất một bộ giả định và dùng nó xuyên suốt bài viết. Mọi con số phía sau đều xuất phát từ giả định này. Kịch bản phản thực chỉ có một, còn phương án A và phương án B xuất hiện ở phần sau đều được đo trên cùng một đường cơ sở.

Chi phí nhân công thực tế là con số đã bao gồm các khoản đóng góp bắt buộc theo luật. Với công nhân vận hành, chúng tôi đặt mức 500 baht so với lương tối thiểu 400 baht/ngày, tức 1.25 lần. Thái Lan đang trong quá trình nâng lương tối thiểu lên mức 400 baht/ngày, và bài tính lấy mức này làm nền.

Ở đây, xin đưa ra trước một tỷ lệ sẽ quyết định phần lập luận phía sau. Đơn giá mỗi phút là khoảng 1.04 baht với công nhân vận hành, khoảng 2.72 baht với tổ trưởng và khoảng 8.72 baht với quản lý đọc bằng tiếng Nhật. Một phút của quản lý được định giá gấp 8.4 lần một phút của công nhân vận hành (523 ÷ 62.5 = 8.368). Tổ trưởng là 2.6 lần. Cùng là một phút được cắt giảm, nhưng số tiền thay đổi hơn 8 lần tùy theo đó là một phút của ai. Riêng điểm này gần như quyết định toàn bộ ROI của báo cáo hàng ngày ứng dụng AI.

Đường cơ sở hiện tại – 750 phút mỗi ngày, 2,075.0 baht

Chúng tôi quy trạng thái đang vận hành báo cáo hàng ngày bằng giấy và Excel sang thời gian và tiền.

Quy ra một năm: 2,075.0 × 264 ngày = 547,800 THB/năm. Nếu quy đổi theo tỷ giá 1 THB = 4.4 JPY thì tương đương khoảng 2.41 triệu yên.

Khi đọc bảng này bằng tiền, ấn tượng bị đảo ngược. Xét theo thời gian, 300 phút ghi chép của công nhân là hạng mục lớn nhất, chiếm 40% của tổng 750 phút. Nhưng xét theo tiền, đó là 312.5 baht, chỉ chiếm 15.1% của tổng 2,075.0 baht. Phần còn lại là 84.9%, gồm 978.0 baht cho việc tổ trưởng đọc hiểu, chép lại, tổng hợp và 784.5 baht cho việc dịch, tóm tắt cho phía tiếng Nhật, cộng lại là 1,762.5 baht, và đó là chi phí do phía đọc báo cáo hàng ngày tạo ra.

Khi chúng tôi trình bày cách phân rã này tại hiện trường, phản ứng nhận được hầu như luôn giống nhau: “Rõ ràng đang bàn chuyện báo cáo hàng ngày, mà không biết từ lúc nào đã thành chuyện của tổ trưởng và nhân viên Nhật biệt phái”. Đúng như vậy, chi phí của báo cáo hàng ngày không nằm ở hành vi viết, mà lệch hẳn về hành vi đọc.

Phương án A: chỉ số hóa biểu mẫu

Vậy hãy tính phương án đơn giản nhất. Thay báo cáo hàng ngày bằng giấy sang nhập liệu trên máy tính bảng. Chữ viết tay biến mất nên việc ghi chép nhanh hơn, và việc chép lại của tổ trưởng cũng giảm đôi chút. Chúng tôi gọi đây là phương án A.

Tiết kiệm mỗi năm = 233.7 × 264 = 61,697 THB/năm. Đầu tư ban đầu 400,000 THB, chi phí vận hành 48,000 THB/năm.

Hiệu quả ròng = 61,697 − 48,000 = 13,697 THB/năm. Hoàn vốn = 400,000 ÷ 13,697 = 29.2 năm.

Trên thực tế là không thể hoàn vốn. Hiệu quả ròng 13,697 baht quy ra yên là khoảng 60 nghìn yên. Cầm con số này đi xin phê duyệt thì sẽ bị chặn lại. Và bị chặn lại là đúng.

Nhìn vào cấu thành của 29.2 năm sẽ thấy chuyện gì đã xảy ra

Phương án A không phải là một biện pháp thất bại. Nó rút ngắn thời gian ghi chép mỗi phiếu từ 5 phút xuống 3 phút, tức 40%. Tổng lượng thời gian cũng giảm 21.3%, từ 750 phút xuống 590 phút. Chỉ nhìn con số thì đó là cải thiện.

Vấn đề nằm ở cấu thành của số tiền được cắt giảm. Trong 233.7 baht cắt giảm được, 125.0 baht, tức 53.5% đến từ thời gian ghi chép của công nhân. Nhưng một phút của công nhân đó là 1.04 baht, tức một phút rẻ nhất trong nhà máy. Kết quả của việc dồn sức cắt giảm nhiều nhất vào loại thời gian rẻ nhất là mức tiết kiệm chỉ dừng ở 11.3% mỗi năm so với đường cơ sở 547,800 baht.

Và điều nghiêm trọng hơn một bậc là 90 phút dịch, tóm tắt, tức loại một phút đắt nhất, hoàn toàn không nhúc nhích. Lý do phần này không thay đổi cũng nằm trong chính cấu trúc của phương án A. Dù đổi giấy sang máy tính bảng thì nội dung được viết ra vẫn là tiếng Thái ở dạng nhập tự do như cũ. Chỉ thiết bị nhập liệu thay đổi, còn công việc của phía đọc không giảm được một phút nào.

Bản thân biểu mẫu điện tử chắc chắn phát huy tác dụng ở những tình huống ngoài báo cáo hàng ngày như luồng phê duyệt, lưu trữ, đính kèm ảnh. Phạm vi áp dụng và hiệu quả chi phí của nó được chúng tôi trình bày riêng trong bài Thiết kế nhà máy không giấy tờ bằng hệ thống biểu mẫu điện tử. Điều muốn nói ở đây không phải là biểu mẫu điện tử dở, mà là nếu hạch toán hiệu quả của biểu mẫu điện tử thành ROI của tự động hóa báo cáo hàng ngày bằng AI thì tử số quá nhỏ và không thể hoàn vốn.

Mô hình 4 lớp của báo cáo hàng ngày – lớp được phép cho AI chạm vào và lớp không được phép

Lý do mang tính cấu trúc khiến AI cho báo cáo hàng ngày thất bại gần như quy về một điều duy nhất: coi báo cáo hàng ngày là một tờ giấy duy nhất và ném toàn bộ ở dạng nhập tự do cho AI. Nhìn thì tưởng là một tờ, nhưng báo cáo hàng ngày là một hợp thể xếp chồng của 4 lớp có tính chất hoàn toàn khác nhau. Mỗi lớp khác nhau ở chỗ ai viết, ràng buộc tính đúng đắn bằng cái gì, và AI có được phép chạm vào hay không.

Lớp 1 Số liệu đếm – không cho ghi vào báo cáo hàng ngày

Sản lượng, số lượng lỗi, thời gian dừng máy. Chừng nào còn để con người viết ba thứ này thì con số trong báo cáo hàng ngày chắc chắn sẽ lệch. Lý do không phải là sự bất cẩn. Con người làm tròn ngay trong lúc tổng hợp. Sản lượng trở thành con số chẵn, còn thời gian dừng máy biến thành “dừng một chút”. Không hề có ác ý, chỉ là hiện trường đánh giá rằng như vậy đã đủ để làm ghi chép.

Và ở đây không có lựa chọn dùng AI. Cho AI đọc con số viết tay thì cũng chỉ là đọc chính xác một con số vốn đã lệch ngay từ lúc được viết ra. Nâng độ chính xác của OCR đến đâu đi nữa thì độ chính xác của dữ liệu gốc cũng không tăng thêm một milimet nào.

Vì vậy, câu trả lời cho lớp 1 không phải là AI mà là thay đổi nguồn lấy dữ liệu. Tín hiệu hoàn thành của thiết bị, số đếm của cảm biến quang điện, dữ liệu thực tế của hệ thống quản lý sản xuất hiện có. Lấy trong phạm vi lấy được, còn thứ không lấy được thì đừng cố đưa vào báo cáo hàng ngày. Cách vạch ranh giới cụ thể này được chúng tôi tổng hợp trong bài Tự động hóa việc đếm sản lượng.

Điều quan trọng là nhận thức rằng lớp 1 không phải là đối tượng đầu tư của AI cho báo cáo hàng ngày. Phạm vi lấy được dữ liệu thiết bị đã bị quyết định bởi tình trạng của thiết bị hiện có, đó không phải là phần có thể thay đổi bằng thiết kế báo cáo hàng ngày. Ở phương án B nói đến phía sau, chúng tôi cũng đặt giả định rằng lớp 1 được giới hạn trong phạm vi dữ liệu thiết bị hiện có.

Lớp 2 Dạng chọn sẵn – lớp duy nhất có thể đếm được

Lý do dừng máy, hiện tượng lỗi, điểm thay đổi 4M. Đây là lớp có hiệu quả đầu tư cao nhất trong thiết kế báo cáo hàng ngày, và cũng là lớp bị lược bỏ nhiều nhất.

Lý do bị lược bỏ thì dễ hiểu. Vì làm master danh mục lựa chọn rất phiền phức. Phải liệt kê hết các lý do dừng máy, làm đồng đều độ chi tiết, chuyển sang ngôn ngữ của hiện trường, quyết định cách viết bằng tiếng Thái, rồi vừa vận hành vừa bổ sung và hợp nhất. Công việc này cần tri thức của hiện trường và không thể thuê ngoài. Trong khi đó, một ô nhập tự do thì ngày mai đã dùng được.

Nhưng những hạng mục không được chuyển sang dạng chọn sẵn thì vĩnh viễn không đếm được. Dù có chất chồng hàng chục phiếu báo cáo ghi “dừng máy vặt nhiều”, đó vẫn chỉ là một xấp văn bản chứ không phải số lần dừng máy. Muốn tổng hợp thì phải có ai đó đọc và phân loại, và người đó chính là tổ trưởng. Chi phí của việc không xây dựng lớp 2 bị truy thu mỗi ngày dưới dạng thời gian đọc hiểu của tổ trưởng.

Đến đây, lựa chọn mà nhiều dự án đưa ra là “cứ để nguyên dạng nhập tự do rồi cho AI phân loại”. Về mặt kỹ thuật thì chạy được. Tuy nhiên, kết quả phân loại của AI dao động theo từng ngày. Cùng một câu mô tả “dừng máy do tụt áp khí nén” mà hôm nay được xếp vào “nguyên nhân thiết bị”, hôm khác lại được xếp vào “nguyên nhân hệ thống phụ trợ”. Một cách phân loại dao động thì không thể trở thành KPI. Chỉ số quản lý chỉ có ý nghĩa khi so sánh được với tháng trước, mà nếu tiêu chí phân loại cứ thay đổi thì không thể diễn giải được mức tăng giảm.

Vì thế, lớp 2 được ràng buộc bằng master chứ không phải bằng AI. Nếu danh mục lựa chọn được cố định, việc tổng hợp trở thành phép cộng, và tháng sau hay tháng sau nữa vẫn so sánh được theo cùng một định nghĩa. Không dùng AI mới là đáp án đúng cho lớp này.

Lớp 3 Nhập tự do dạng câu ngắn – sân chính của AI

Bổ sung về hiện tượng, điều nhận thấy, thắc mắc. Phần này nếu không ở dạng nhập tự do thì không viết ra được, và cũng nên để cho viết. Sau khi đã chọn “tụt áp khí nén” ở lớp 2, việc có thêm một ô để viết được “chỉ xuất hiện lúc khởi động đầu buổi sáng. Nghe có tiếng phát ra từ đường ống gần máy số 3” là điều có giá trị.

Chính lớp này mới là nơi AI phát huy tác dụng. Cụ thể gồm 4 việc sau.

• Tóm tắt: nén phần nhập tự do của 60 phiếu xuống khối lượng mà người quản lý đọc được
• Phân loại, gắn thẻ: gắn với danh mục lựa chọn của lớp 2 để biết mô tả đó thuộc về phân loại nào
• Dịch đa ngôn ngữ: làm cho phần viết bằng tiếng Thái đọc được bằng tiếng Nhật
• Tìm kiếm xuyên suốt: tra trong vài giây câu hỏi “chuyện tiếng kêu ở đường ống đó, trước đây đã có ai viết chưa”

Có một điểm cần lưu ý. Việc AI tóm tắt ở lớp 3 chỉ hoạt động được khi đã có lớp 2. Nếu danh mục lựa chọn để phân loại vào đã được cố định, công việc của AI trở thành một bài toán lựa chọn “mô tả này thuộc về phân loại có sẵn nào”, nên cả độ chính xác lẫn tính tái lập đều tăng lên. Còn nếu ném cho AI khi chưa định nghĩa các phân loại đích, AI sẽ tạo ra các phân loại từ con số không trong mỗi lần chạy. Đây chính là bản chất của tình trạng “tóm tắt thì đẹp nhưng không đếm được”.

Lớp 4 Bàn giao cho ca sau – lớp không được tóm tắt

Nội dung bàn giao cho ca sau. Riêng lớp này thì không được để AI tóm tắt. Lý do sẽ được viết ở chương tiếp theo.

Lý do không được tóm tắt lớp 4 – điều kiện, mã model và ngoại lệ rơi rụng đầu tiên

Tóm tắt là kỹ thuật lược bớt thông tin. Và thứ tự bị lược bớt có quy luật. Rơi rụng đầu tiên là điều kiện, con số, mã model và ngoại lệ.

Xin nêu một ví dụ (không phải sự việc có thật).

Nội dung bàn giao ở nguyên văn:

Từ khoảng 14 giờ, kẹp phía dưới của máy số 3 khó trở về vị trí. Đẩy bằng tay thì về. Chỉ xuất hiện sau khi đổi setup. Ca 1 thì không xuất hiện. Nếu ca sau gặp triệu chứng tương tự, mong đừng cố cho chạy liên tục mà hãy liên hệ bộ phận bảo trì.

Bản tóm tắt của AI:

Kẹp của máy số 3 có sự cố. Phải liên hệ bộ phận bảo trì.

Xét như một bản tóm tắt thì không sai. Nhưng những thông tin mà tổ trưởng ca sau cần đã bị xóa sổ toàn bộ.

Dòng cuối cùng là nguy hiểm nhất. Lời đề nghị có điều kiện “nếu gặp triệu chứng tương tự thì mong hãy liên hệ” đã biến thành mệnh lệnh vô điều kiện “phải liên hệ”. AI tóm tắt, trong quá trình rút ngắn câu, sẽ bỏ mệnh đề điều kiện và chỉ giữ lại mệnh đề chính. Kết quả là lời khuyên biến thành chỉ thị, cái có điều kiện biến thành vô điều kiện, khả năng biến thành khẳng định chắc chắn. Chuyện này xảy ra cả trong tiếng Nhật lẫn tiếng Anh, và khi có thêm bước dịch thì còn bị khuếch đại hơn.

Vấn đề tương tự cũng xảy ra với biên bản cuộc họp. Cấu trúc trong đó AI làm biên bản đổi “sẽ xem xét” thành “sẽ thực hiện”, đổi “anh A dự kiến sẽ kiểm tra” thành “anh A xử lý”, hoàn toàn đồng dạng với lớp 4 của báo cáo hàng ngày. Hiện tượng này và cách xử lý được chúng tôi bàn kỹ trong bài Những cái bẫy của AI tự động tạo biên bản cuộc họp.

Kết luận về mặt triển khai rất đơn giản. Lớp 4 được chuyển cho ca sau ở dạng nguyên văn. Những việc được phép giao cho AI chỉ gồm 3 việc: dịch (giữ nguyên cấu trúc của nguyên văn), phát hiện nội dung chưa được đọc, và đối chiếu với các nội dung bàn giao trong quá khứ. Xin hãy ghi thao tác làm giảm số ký tự vào bản thiết kế như một điều cấm ở lớp này.

Và ràng buộc này không làm xấu đi ROI. Bởi khối lượng của lớp 4 vốn đã ít, phần dư địa cắt giảm chủ yếu nằm ở lớp 2 và lớp 3. Dù có giữ nguyên chỗ không được phép cắt, số năm hoàn vốn vẫn nằm trong 3.0 năm.

Đứt gãy đặc thù của nhà máy tại Thái Lan – báo cáo hàng ngày viết tay bằng tiếng Thái được đọc bằng tiếng Nhật

Tiếng Thái viết tay là chỗ khó còn sót lại đến cuối cùng của OCR

Báo cáo hàng ngày ở nhà máy Nhật tại Thái Lan có một đứt gãy mà trong nước Nhật không có. Người viết dùng tiếng Thái, người đọc dùng tiếng Nhật. Khoảng cách này từ trước đến nay được lấp bằng sức người, do tổ trưởng hoặc nhân viên người Thái dịch. Dòng “Dịch và tóm tắt cho phía tiếng Nhật, 90 phút, 784.5 baht” trong bảng đường cơ sở chính là số tiền của bản thân đứt gãy đó.

Vậy thì cứ cho AI đọc thẳng báo cáo hàng ngày viết tay bằng tiếng Thái là được chăng. Chỗ này không nên lạc quan.

Ở bản tháng 11 năm 2025 (bản 1.5) của Typhoon OCR, mô hình OCR chuyên cho tiếng Thái, hạng mục biểu mẫu viết tay đã cải thiện BLEU từ 0.321 lên 0.522 và ROUGE-L từ 0.454 lên 0.645. Đây là mức cải thiện lớn nhất trong tất cả các hạng mục, tương ứng +0.201 ở BLEU (khoảng 1.63 lần) và +0.191 ở ROUGE-L (khoảng 1.42 lần). Với biểu mẫu của cơ quan nhà nước Thái Lan, cũng có báo cáo cho thấy kết quả vượt Gemini 2.5 Pro và GPT-5.

Mức cải thiện là có thật. Nhưng giá trị tuyệt đối 0.522 mang nghĩa “số tình huống đọc được đã tăng lên”, chứ không phải “dùng thẳng vào tổng hợp được”.

Một manh mối nữa là ThaiOCRBench. Bộ benchmark công bố tháng 12 năm 2025 (được AACL 2025 chấp nhận), gồm 2,808 mẫu đã qua kiểm chứng của con người và 13 tác vụ, cho thấy phần khó nhất là nhận dạng ký tự ở mức chi tiết. Dấu thanh điệu của tiếng Thái, phông chữ nhỏ, chữ Thái không có đầu (headless), những ký tự khó phân biệt giữa tiếng Thái và tiếng Anh. Và chữ viết tay cùng bố cục nhiều cột được nêu ra như những yếu tố làm giảm độ chính xác một cách nhất quán.

Báo cáo hàng ngày ở nhà máy dính gần như đủ các điều kiện này. Viết tay, kẻ ô theo bố cục nhiều cột, trộn lẫn từ viết tắt với tiếng bản địa, viết bằng bút chì và bị dính dầu. Đó là loại giấy tờ thuộc nhóm khắc nghiệt nhất ngay cả trong phạm vi của benchmark.

Vì vậy, việc chuyển lớp 2 sang dạng chọn sẵn có tác dụng kép tại Thái Lan

Đến đây, chúng ta quay lại mô hình 4 lớp. Nếu nhận dạng tiếng Thái viết tay là khó thì đừng bắt máy phải nhận dạng. Khi chuyển lớp 2 sang dạng chọn sẵn, những điều sau xảy ra đồng thời.

• Giá trị được chọn bằng thao tác chạm không đi qua OCR. Vấn đề về độ chính xác nhận dạng biến mất
• Chỉ cần đăng ký một lần bản dịch tiếng Nhật vào master danh mục lựa chọn thì việc hiển thị tiếng Nhật không còn là dịch mà trở thành tra cứu. Công việc dịch hàng ngày không phát sinh
• Giá trị được chọn ngay từ đầu đã là dữ liệu số, nên phán đoán của con người không xen vào khâu tổng hợp

Điều thứ ba cắt trực tiếp thời gian của tổ trưởng, còn điều thứ hai cắt trực tiếp thời gian của quản lý. Phần thời gian đọc vốn chiếm 84.9% ở đường cơ sở gần như được giải thích trọn vẹn bằng hai điều này.

Với lớp 3 được giữ lại ở dạng nhập tự do, hãy cho nhập bằng tiếng Thái rồi dùng AI dịch sang tiếng Nhật. Những điểm cần lưu ý trong công đoạn này, gồm đặc thù tiếng Thái không có khoảng trắng giữa các từ, ranh giới của danh từ ghép, cách xử lý từ viết tắt của hiện trường, được chúng tôi tổng hợp trong bài Ứng dụng thực tế của tiếng Thái và AI tạo sinh. Nếu chỉ nêu một điểm trong ngữ cảnh báo cáo hàng ngày, thì đó là cho nhập lớp 3 bằng bàn phím chứ không phải viết tay. Nếu là nhập văn bản tiếng Thái thì vấn đề độ chính xác của OCR chữ viết tay ngay từ đầu đã không phát sinh.

Tính toán ROI – đo phương án B trên cùng một đường cơ sở

Phương án B: thiết kế 4 lớp

Lớp 1 được giới hạn trong phạm vi lấy được từ dữ liệu thiết bị hiện có, còn đầu tư được dồn vào việc cấu trúc hóa lớp 2 và AI cho lớp 3. Đường cơ sở vẫn là 2,075.0 baht/ngày, giống với phương án A.

Tiết kiệm mỗi năm = 1,303.05 × 264 = 344,005 THB/năm. Đầu tư ban đầu 750,000 THB, chi phí vận hành 96,000 THB/năm.

Hiệu quả ròng = 344,005 − 96,000 = 248,005 THB/năm. Hoàn vốn = 750,000 ÷ 248,005 = 3.0 năm.

Quy ra yên, hiệu quả ròng mỗi năm là khoảng 1.09 triệu yên và đầu tư ban đầu là khoảng 3.3 triệu yên.

Điều đáng chú ý là dòng đầu tiên. Thời gian ghi chép của công nhân chỉ giảm từ 5 phút xuống 4 phút. Chậm hơn mức 3 phút của phương án A. Vì số hạng mục dạng chọn sẵn tăng lên nên phát sinh thao tác chạm. Vậy mà tổng mức cắt giảm theo ngày vẫn gấp khoảng 5.6 lần phương án A (1,303.05 ÷ 233.7).

Con số chủ đạo – 95.2% giá trị cắt giảm đến từ thời gian đọc của tổ trưởng và quản lý

Chúng tôi phân rã mức cắt giảm 1,303.05 baht mỗi ngày của phương án B theo nguồn gốc.

62.5 ÷ 1,303.05 = 4.8%. 1,240.55 ÷ 1,303.05 = 95.2%. Và 1,240.55 ÷ 62.5 = 19.8 lần. Giá trị cắt giảm ở thời gian tổ trưởng và quản lý đọc lớn khoảng 20 lần giá trị cắt giảm ở thời gian công nhân ghi chép.

Nhìn theo tỷ lệ cắt giảm của từng công đoạn thì thấy rõ đây là thiết kế nhắm vào cái gì.

Chỗ bị cắt sâu nhất chính là dịch và tóm tắt, tức chỗ có đơn giá cao nhất. Tính trên mỗi tổ trưởng thì 45 phút còn 18 phút, với 8 người là 216 phút mỗi ngày, và quy ra một năm thì có một lượng thời gian đáng kể được trả lại cho việc đi tuần hiện trường và cải tiến.

Phương án A và phương án B là chọn một. Không cộng dồn

Đây là chỗ dễ xảy ra sự cố nhất trong thực tế, nên chúng tôi nói rõ.

Phương án A và phương án B là hai lựa chọn đối với cùng một đường cơ sở. Không thể thực hiện cả hai rồi cộng dồn hiệu quả lại. Ngay khi chọn phương án B thì 61,697 baht của phương án A không còn tồn tại nữa. Bởi trong 344,005 baht của phương án B đã bao gồm trọn vẹn cả phần rút ngắn thời gian ghi chép.

Nếu việc tính trùng này xảy ra trong bản báo giá, số tiền hiệu quả sẽ phình lên, nhưng sau một năm vận hành sẽ không khớp với số đo thực tế. Xin hãy luôn giữ đúng một kịch bản duy nhất để đo hiệu quả.

Chúng tôi cũng xem thêm ở góc độ đầu tư tăng thêm. Chênh lệch từ phương án A sang phương án B là 350,000 baht đầu tư ban đầu và tăng 48,000 baht chi phí vận hành mỗi năm. Đổi lại, hiệu quả ròng theo năm tăng từ 13,697 baht lên 248,005 baht, tức tăng 234,308 baht. 350,000 ÷ 234,308 = khoảng 1.5 năm. Cũng có thể đọc theo hướng nếu chỉ xét riêng phần đầu tư tăng thêm thì hoàn vốn trong một năm rưỡi.

Cách triển khai – bắt đầu từ thiết kế master của lớp 2

Giả sử đã chọn phương án B, thì thứ tự bắt tay vào việc chỉ có một. Bắt đầu từ master danh mục lựa chọn của lớp 2. Không phải từ việc chọn AI, cũng không phải từ việc chọn dòng máy tính bảng.

Lý do rất đơn giản: nếu chưa xác định được độ chi tiết của lớp 2 thì không xác định được sẽ cho AI ở lớp 3 phân loại cái gì, và cũng không xác định được cần lấy gì từ thiết bị ở lớp 1. Master chính là bản thiết kế của dự án AI cho báo cáo hàng ngày.

Cách tạo danh mục lựa chọn – dựng lại từ báo cáo hàng ngày của 3 tháng gần nhất

Xin đừng nghĩ ra từ con số không. Hãy bắt đầu bằng việc mang các phiếu báo cáo hàng ngày thực tế của 3 tháng gần nhất đến và liệt kê một cách cơ học những từ ngữ đã được viết ở phần nhập tự do.

• Trích ra nguyên vẹn những cách diễn đạt thực tế đã được viết làm lý do dừng máy
• Hợp nhất các cách diễn đạt dao động (“tụt áp khí nén”, “thiếu áp khí nén”, “áp lực không đủ”) về một mục
• Đọc soát lại danh sách sau khi hợp nhất cùng với tổ trưởng và đại diện công nhân vận hành
• Những lựa chọn có tần suất được chọn bằng không thì ngay từ đầu đừng đưa vào

Hãy làm công việc này bằng cả tiếng Thái lẫn tiếng Nhật và đăng ký vào master dưới dạng cặp đối chiếu. Bảng đối chiếu tạo ra ở đây sẽ trở thành chính phần hiển thị phía tiếng Nhật. Công việc dịch hàng ngày biến mất là nhờ đã làm việc đăng ký này một lần.

Độ chi tiết – quyết định bằng câu hỏi “chọn cái đó thì hành động tiếp theo có thay đổi không”

Về tiêu chí phán đoán độ chi tiết, chỉ cần đặt một điều là đủ. Khi chọn lựa chọn đó thì hành động tiếp theo của một ai đó có thay đổi hay không.

Chỉ ghi “sự cố thiết bị” thì không ai động đậy. Còn “tụt áp khí nén” thì bộ phận bảo trì sẽ đi xem máy nén khí và đường ống khí. Đây chính là điểm phân nhánh. Ngược lại, nếu chi tiết đến mức “tụt áp khí nén (máy số 3, phía áp nguồn)” thì người chọn sẽ phân vân, việc chọn mất thời gian, và rốt cuộc mục “khác” tăng lên. Việc xác định thiết bị chỉ cần nằm ở lớp 1 (báo cáo hàng ngày của thiết bị nào) là đủ, không cần mang vào lớp 2.

Đừng làm phình ra quá mức – khi bắt đầu vận hành, chỉ để vừa một màn hình

Càng tăng số lựa chọn thì càng chính xác, đó chỉ là chuyện trên giấy. Trên thực tế, ngay khi danh mục lựa chọn không còn vừa trong một màn hình, hiện trường sẽ chỉ dùng đến mục thứ ba từ trên xuống.

Khi bắt đầu vận hành, xin hãy giữ số lựa chọn ở mức nhìn thấy được mà không phải cuộn màn hình. Trên cơ sở đó, hãy đưa vào thiết kế việc rà soát lại mỗi quý một lần. Việc cần làm trong đợt rà soát gồm 2 điều.

1. Đọc nội dung của mục “khác” cộng với phần nhập tự do, nếu cùng một nội dung lặp đi lặp lại thì nâng lên thành một lựa chọn
2. Những lựa chọn có số lần được chọn bằng không trong 3 tháng thì hợp nhất hoặc xóa bỏ

Điểm mấu chốt là vận hành việc thêm và việc xóa thành một cặp, vì nếu chỉ tiếp tục thêm vào thì sau 2 năm sẽ có một master không ai dùng nổi. Thứ tạo ra căn cứ để phán đoán việc nâng cấp và xóa bỏ này chính là chức năng phân loại, tổng hợp của AI ở lớp 3. Đây là chỗ AI phát huy tác dụng.

Tóm tắt về thứ tự

Việc bước 4 đến sau bước 3 là điều quan trọng. Nếu đưa AI lên trước, ta sẽ rơi vào tình trạng bắt AI tự tạo phân loại khi chưa có phân loại đích, tức quay lại “cách phân loại dao động” đã nói ở trên.

Ba thất bại thường gặp

Thất bại 1: ném tất cả cho AI khi vẫn còn nguyên ở dạng lớp 3

Đây là kiểu phổ biến nhất. Không thay đổi chút nào định dạng báo cáo hàng ngày hiện có, quét hoặc chụp ảnh rồi cho AI đọc, và ra chỉ thị “hãy tóm tắt, chuyển sang tiếng Nhật và cho biết xu hướng”.

Bản demo thì trót lọt. Từ báo cáo hàng ngày của một tuần, hệ thống cho ra kết quả kiểu “tuần này các mô tả liên quan đến áp khí nén tăng lên” và cả phòng họp vỗ tay. Vấn đề nằm ở tháng thứ ba. Hệ thống không trả lời được câu hỏi “so với tháng trước thì các trường hợp liên quan đến áp khí nén tăng bao nhiêu vụ”. Vì định nghĩa phân loại thay đổi trong mỗi lần chạy.

Bản tóm tắt thì đẹp, nhưng không đếm được. Chỉ số không đếm được thì không trở thành KPI, cơ chế không trở thành KPI thì bị rơi khỏi chương trình nghị sự của cuộc họp cải tiến, và cơ chế đã rơi khỏi chương trình nghị sự thì sẽ không còn được dùng. AI cho báo cáo hàng ngày mà khởi động khi chưa xây lớp 2 sẽ lặng lẽ kết thúc theo con đường này.

Thất bại 2: tạo ra 100 lựa chọn

Đây là kiểu làm danh mục lựa chọn quá kỹ do rút kinh nghiệm từ thất bại 1. Chạy theo tính bao phủ, liệt kê mọi lý do dừng máy có thể hình dung ra, chia thành menu phân cấp, và vượt quá 100 mục.

Chuyện xảy ra ở hiện trường thì đúng như đã nói ở trên. Vì chọn mất thời gian nên công nhân vận hành học được đường đi ngắn nhất. Đó là lựa chọn trên cùng, hoặc mục “khác”. Kết quả là dữ liệu thì thu thập được nhưng không phản ánh thực tế, và tệ hơn nữa là chỉ còn đọng lại kết luận “đã chuyển sang dạng chọn sẵn rồi mà vẫn không dùng được”, khiến các đề xuất cải tiến tiếp theo không được duyệt.

Đối sách là cố ý làm thô ở thời điểm khởi động. Một master thô có thể làm chi tiết hơn trong đợt rà soát hàng quý. Còn việc làm cho một master quá chi tiết trở nên thô hơn về sau lại là công việc khó hơn nhiều, vì tính liên tục với dữ liệu quá khứ bị đứt.

Thất bại 3: tiếp tục để con người viết lớp 1

Đã đưa dạng chọn sẵn vào, cũng đã đưa AI lên hệ thống. Nhưng riêng ô sản lượng và số lượng lỗi thì vẫn còn ở dạng viết tay, đây cũng là chuyện xuất hiện thường xuyên.

Chỗ này còn sót lại thì độ tin cậy của toàn hệ thống sụp đổ. Bởi chắc chắn sẽ có những tháng mà phần tổng hợp lý do dừng máy thu được bằng dạng chọn sẵn không khớp với sản lượng viết tay. Khi đó, phán đoán mà hiện trường đưa ra sẽ là “con số của hệ thống này không đáng tin”. Một chỗ nhập bằng tay làm sụt độ tin cậy của toàn hệ thống.

Nếu không lấy được từ thiết bị thì xin hãy bỏ hạng mục đó ra khỏi báo cáo hàng ngày và vận hành trong phạm vi lấy được. So với “một báo cáo hàng ngày có đủ mọi hạng mục”, thì “một báo cáo hàng ngày mà mọi con số trên đó đều tin được” mới là thứ được dùng ở hiện trường.

Thực trạng ngành sản xuất Thái Lan – vì sao lúc này thứ tự đầu tư lại bị đặt câu hỏi

Việc có đưa bài tính toán này vào thực thi tại Thái Lan hay không thì không thể tách rời khỏi bối cảnh hiện tại.

Quý 1 năm 2026, tại Thái Lan có 156 nhà máy đóng cửa và 139 nhà máy mở mới, lần đầu tiên sau 10 quý số đóng cửa vượt số mở mới. Số đóng cửa tăng 11.4% so với cùng kỳ năm trước, số mở mới giảm 63.9%. Chênh lệch là 17 nhà máy. 99.3% việc làm mới tập trung ở các nhà máy quy mô lớn và vừa, dư nợ cho vay đối với SME đã âm 13 quý liên tiếp, còn năng suất các nhân tố tổng hợp của SME lần đầu tiên chuyển sang âm với mức -0.27 vào năm 2024.

Con số của 2 tháng trước đó còn khắc nghiệt hơn: tháng 1 đến tháng 2 năm 2026 có 141 nhà máy đóng cửa, tăng 58.43% so với cùng kỳ năm trước, và 116 nhà máy mở mới, giảm 60.14%. Tỷ lệ vận hành thiết bị tháng 2 năm 2026 là 58.21%, đã rơi xuống dưới mốc 60%. Về phía chi phí, dầu diesel ở mức 48.40 baht/L, còn nhựa, hóa chất và nhôm tăng 10 – 30%. Chủ tịch Liên đoàn Công nghiệp Thái Lan (FTI) Kriengkrai Thiennukul đã lên tiếng cảnh báo về rủi ro đình lạm.

Điều mà bối cảnh này hàm ý không phải là “đừng đầu tư”, mà là không còn dư dả để đi sai thứ tự đầu tư. Ở mức tỷ lệ vận hành 58.21%, không thể trông đợi việc hấp thụ chi phí bằng cách tăng sản lượng. Nếu duyệt một khoản đầu tư phải mất 29.2 năm mới có hiệu quả, thì hạn mức ngân sách đó bị chiếm chỗ trong nhiều năm.

Điều tương tự cũng được nói đến với đầu tư AI nói chung. Trong báo cáo “The state of AI” của McKinsey (tháng 11 năm 2025), yếu tố quyết định nhiều nhất việc AI có tạo được tác động lên EBIT hay không được chỉ ra là việc thiết kế lại quy trình công việc. 62% người trả lời đang ít nhất là thử nghiệm AI agent, trong khi nhóm “hiệu suất cao” có thể quy hơn 5% EBIT cho AI chỉ dừng ở khoảng 6%. Đó là bức tranh trong đó phần lớn doanh nghiệp đặt AI lên trên luồng công việc hiện có rồi dừng lại mà không tạo ra hiệu quả.

Nói theo ngôn ngữ của báo cáo hàng ngày, đặt AI lên trên định dạng nhập tự do hiện có là vế trước, còn chia báo cáo hàng ngày thành 4 lớp và làm lại lớp 2 là vế sau. Khác biệt không nằm ở công nghệ, mà ở chỗ có đụng đến việc tái cấu trúc nghiệp vụ hay không. Trong cục diện tỷ lệ vận hành đi xuống, nguyên vật liệu đi lên và tín dụng cho SME bị siết, câu hỏi được đặt ra không phải là có dùng AI hay không, mà là đã thiết kế để cắt đi một phút của ai.

Câu hỏi thường gặp (FAQ)

Tự động hóa báo cáo hàng ngày bằng AI tốn bao nhiêu tiền?

Với mô hình của bài viết này (5 chuyền, 2 ca, 60 phiếu báo cáo/ngày, 8 tổ trưởng), thiết kế 4 lớp được đặt ở mức đầu tư ban đầu 750,000 baht và chi phí vận hành 96,000 baht mỗi năm. Hiệu quả ròng theo năm là 248,005 baht và hoàn vốn trong 3.0 năm. Ngược lại, cấu hình chỉ số hóa biểu mẫu trông có vẻ rẻ với 400,000 baht ban đầu và 48,000 baht vận hành mỗi năm, nhưng vì hiệu quả ròng theo năm chỉ có 13,697 baht nên thời gian hoàn vốn là 29.2 năm. Thứ cần phán đoán không phải là con số tuyệt đối của chi phí ban đầu, mà là thời gian của ai đang nằm trên tử số của giá trị cắt giảm. Một bản báo giá không có thời gian tổ trưởng đọc hiểu và thời gian dịch, tóm tắt cho phía tiếng Nhật trên tử số thì dù số tiền có rẻ cũng không hoàn vốn.

Số hóa báo cáo sản xuất và tóm tắt bằng AI khác nhau ở chỗ nào?

Số hóa là biện pháp đổi thiết bị nhập liệu từ giấy sang máy tính bảng, và thứ cắt được chủ yếu là thời gian ghi chép của công nhân. Ở phương án A của bài viết này, việc ghi chép giảm từ 5 phút xuống 3 phút mỗi phiếu và giảm được 125.0 baht mỗi ngày. Tuy nhiên đó là 53.5% của mức cắt giảm 233.7 baht mỗi ngày, và tính chung cả năm cũng chỉ được 61,697 baht. Tóm tắt bằng AI là biện pháp giảm gánh nặng cho phía đọc phần nhập tự do, nhưng chỉ đưa tóm tắt lên thì không tổng hợp được. Muốn đếm được thì cần master dạng chọn sẵn của lớp 2, và chỉ khi có đủ cả ba thứ là số hóa, dạng chọn sẵn và tóm tắt bằng AI thì thời gian của tổ trưởng mới giảm -60% và dịch, tóm tắt mới giảm đến -83.3%. Đây không phải là thứ đưa vào riêng lẻ mà có hiệu quả.

Việc dịch báo cáo hàng ngày đa ngôn ngữ có giao cho AI được không?

Câu trả lời khác nhau tùy theo lớp. Với dạng chọn sẵn của lớp 2, chỉ cần đăng ký bản đối chiếu vào master một lần thì việc hiển thị tiếng Nhật không còn là dịch mà là tra cứu. Ở đây lỗi dịch không xảy ra về mặt cấu trúc. Với phần nhập tự do của lớp 3, dùng AI dịch thì không có vấn đề. Thứ cần lưu ý là phần bàn giao cho ca sau ở lớp 4. Nếu áp dụng dịch và tóm tắt cùng lúc thì mệnh đề điều kiện rơi mất và xảy ra hiện tượng đảo nghĩa, chẳng hạn “nếu gặp triệu chứng tương tự thì mong hãy liên hệ” biến thành “phải liên hệ”. Xin đừng tóm tắt lớp 4, hãy dịch trong khi giữ nguyên cấu trúc của nguyên văn và ghi kèm cả nguyên văn.

Đưa hệ thống báo cáo ca làm việc vào thì thời gian ghi chép ở hiện trường giảm được bao nhiêu?

Xin đừng kỳ vọng quá nhiều. Trong thiết kế 4 lớp của bài viết này, việc ghi chép chỉ giảm 20%, từ 5 phút xuống 4 phút mỗi phiếu. Vì số hạng mục dạng chọn sẵn tăng lên nên phát sinh thao tác chạm. Thiết kế chỉ số hóa biểu mẫu còn cho tốc độ ghi chép nhanh hơn, xuống tới 3 phút (-40%). Dù vậy, lý do vẫn chọn thiết kế 4 lớp là vì giá trị cắt giảm ở phía đọc lớn gấp 19.8 lần giá trị cắt giảm đến từ thời gian công nhân ghi chép (1,240.55 ÷ 62.5). Nếu chỉ đặt trục đánh giá hệ thống báo cáo ca làm việc ở câu hỏi “hiện trường có nhẹ đi không”, ta sẽ bỏ sót phần có số tiền lớn nhất.

Muốn tự động hóa việc tổng hợp báo cáo hiện trường thì bắt đầu từ đâu?

Bắt đầu từ việc thu thập báo cáo hàng ngày của 3 tháng gần nhất và viết ra các lý do dừng máy, hiện tượng lỗi đã thực sự được ghi ở phần nhập tự do. Hợp nhất các cách diễn đạt dao động, gắn bản đối chiếu tiếng Thái và tiếng Nhật rồi làm thành master danh mục lựa chọn. Công việc này chính là lớp 2, và việc tự động hóa tổng hợp báo cáo hàng ngày gần như được quyết định ở đây. Những hạng mục không được chuyển sang dạng chọn sẵn thì dù có đưa AI vào cũng không đếm được cho đến cùng. Các số liệu đếm như sản lượng hay thời gian dừng máy thì lấy từ phía thiết bị chứ không cho ghi vào báo cáo hàng ngày. Việc đưa AI vào có thể để sau khi dạng chọn sẵn đã bắt đầu chạy ở hiện trường.

Báo cáo hàng ngày viết tay bằng tiếng Thái có đọc được bằng OCR không?

Số tình huống đọc được đã tăng lên, nhưng độ chính xác chưa tới mức dùng thẳng vào việc tổng hợp. Ở Typhoon OCR 1.5, BLEU của biểu mẫu viết tay cải thiện từ 0.321 lên 0.522 và ROUGE-L từ 0.454 lên 0.645, ghi nhận mức cải thiện lớn nhất trong tất cả các hạng mục. Dù vậy giá trị tuyệt đối vẫn thấp hơn các hạng mục khác, và ở ThaiOCRBench, phần khó nhất cũng là nhận dạng ký tự ở mức chi tiết (dấu thanh điệu, phông chữ nhỏ, chữ Thái không có đầu, những ký tự khó phân biệt giữa tiếng Thái và tiếng Anh), đồng thời có báo cáo rằng chữ viết tay và bố cục nhiều cột làm giảm độ chính xác một cách nhất quán. Báo cáo hàng ngày ở nhà máy dính gần như đủ các điều kiện này. Lời giải thực tế là đừng bắt máy đọc chữ viết tay. Nếu chuyển lớp 2 sang dạng chọn sẵn thì không phải đi qua OCR, còn nếu cho lớp 3 nhập bằng bàn phím thì vấn đề nhận dạng chữ viết tay ngay từ đầu đã không phát sinh.

Tổng kết

Tự động hóa báo cáo hàng ngày bằng AI, nếu được thiết kế như một biện pháp cắt thời gian ghi chép, thì không hoàn vốn được.

1. Trong đường cơ sở 2,075.0 baht/ngày, 84.9% phát sinh ở phía đọc. Đó là 978.0 baht cho việc tổ trưởng đọc hiểu, chép lại, tổng hợp và 784.5 baht cho việc dịch, tóm tắt cho phía tiếng Nhật.
2. Chỉ số hóa biểu mẫu thì mất 29.2 năm. Cắt giảm 61,697 baht mỗi năm, trừ đi 48,000 baht vận hành thì hiệu quả ròng là 13,697 baht. Dù rút ngắn thời gian ghi chép 40%, thứ được cắt lại là một phút rẻ nhất trong nhà máy.
3. Thiết kế 4 lớp thì mất 3.0 năm. Cắt giảm 344,005 baht mỗi năm, hiệu quả ròng 248,005 baht. 95.2% giá trị cắt giảm (1,240.55 baht/ngày) đến từ thời gian tổ trưởng và quản lý đọc, gấp 19.8 lần phần 4.8% (62.5 baht/ngày) đến từ thời gian công nhân ghi chép.
4. Lớp 1 không cho ghi vào báo cáo hàng ngày, lớp 2 ràng buộc bằng master chứ không phải bằng AI, lớp 3 là sân chính của AI, lớp 4 không tóm tắt. Bốn ranh giới này là toàn bộ phần thiết kế.
5. Phương án A và phương án B là chọn một. Xin đừng cộng dồn hiệu quả. Đường cơ sở chỉ có một, kịch bản cũng chỉ có một.
6. Tại Thái Lan, việc chuyển lớp 2 sang dạng chọn sẵn có tác dụng kép. Vừa tránh được OCR cho tiếng Thái viết tay, vừa làm biến mất chính công việc dịch hàng ngày nhờ master đối chiếu.

Thứ tự bắt tay vào việc không phải là chọn AI hay chọn dòng máy tính bảng, mà là dựng master danh mục lựa chọn từ báo cáo hàng ngày của 3 tháng gần nhất. Nếu đưa AI lên khi chỗ này chưa được quyết định, đầu ra sẽ đẹp nhưng không đếm được.

TOMAS TECH đặt trụ sở tại Bangkok, Thái Lan, thực hiện tích hợp hệ thống về quản lý sản xuất, IT/OT nhà máy và ứng dụng AI cho các doanh nghiệp sản xuất Nhật Bản. Về tự động hóa báo cáo hàng ngày bằng AI, nếu quý công ty cho chúng tôi xem bản báo cáo hàng ngày đang dùng thực tế và thời gian tổ trưởng dành cho việc tổng hợp, chúng tôi có thể đưa ra bài tính toán theo đúng khuôn khổ của bài viết này nhưng thay bằng con số của quý công ty. Giai đoạn còn đang cân nhắc và chưa quyết định triển khai, hoặc chỉ muốn kiểm chứng xem “cách chia 4 lớp này có thành lập với báo cáo hàng ngày của chúng tôi không”, cũng không sao. Xin cứ thoải mái liên hệ qua trang liên hệ.

Nguồn tham khảo

• Thailand factory closures outpace openings as SME strain deepens (Nation Thailand, 2026-05-21)
• Thai industry warns of stagflation risk as factory closures jump 58% (Nation Thailand, 2026-04-14)
• Ghi chú phát hành Typhoon OCR 1.5 (2025-11-14)
• ThaiOCRBench (2025-12-02, được AACL 2025 chấp nhận)
• The state of AI (McKinsey, 2025-11)
• Chỉ số công nghiệp OIE (Cục Kinh tế Công nghiệp Thái Lan)
• Bài báo Typhoon OCR (arXiv)
• Hướng dẫn lương tối thiểu Thái Lan (nâng lên 400 baht/ngày)