Triển khai AI-OCR theo 4 bước, từ rà soát đến PoC

Tại bộ phận back office của các công ty vốn Nhật đặt cơ sở ở Thái Lan, hóa đơn, phiếu giao hàng, phiếu nhận hàng, chứng từ liên quan đến thủ tục hải quan, bảng chấm công và các biểu mẫu đề nghị vẫn đang được nhập vào hệ thống bằng tay. Ai cũng biết là có công nghệ mang tên AI-OCR. Nhân viên đã đọc các bài so sánh sản phẩm và đã xem qua khung giá. Vậy mà dự án vẫn không nhúc nhích, hoặc đã triển khai rồi lại lặng lẽ bị bỏ dùng sau vài tháng. Hai kiểu thất bại này có chung một nguyên nhân, đó là câu chuyện bắt đầu từ sản phẩm, trước cả phần việc đếm và thử nghiệm trên chính chứng từ của công ty mình. Bài viết này đặt việc triển khai AI-OCR không phải như một quyết định mua sắm mà như một dự án gồm 4 bước, từ rà soát chứng từ mục tiêu, kiểm tra hệ thống đích, đánh giá so sánh sản phẩm, cho tới kiểm chứng độ chính xác bằng PoC, và được viết bám sát thực tế của nhà máy và công ty con vốn Nhật tại Thái Lan.

Vì sao “chúng tôi biết AI-OCR” hiếm khi trở thành “chúng tôi đã dùng nó”

Hãy bắt đầu bằng việc xác định vị trí hiện tại. Không ai phủ nhận rằng việc xử lý giấy tờ thủ công tại bộ phận back office là kém hiệu quả. Vấn đề là giữa nhận thức đó và khả năng ra quyết định, phần dữ kiện cần thiết cho quyết định vẫn đang thiếu.

Sự đình trệ tại hiện trường thường mang một trong 3 hình dạng sau.

• Phạm vi còn mơ hồ. Mọi người đồng thuận về mục tiêu giảm giấy tờ, nhưng không ai đếm xem mỗi loại chứng từ được xử lý bao nhiêu tờ mỗi tháng.
• Bằng chứng duy nhất có trong tay là con số trên tài liệu quảng cáo. Độ chính xác nhận dạng được công bố của các sản phẩm đều cao và sát nhau, nên không dùng để chọn được gì.
• Không dựng nổi ước tính lợi ích. Vì không có con số giờ công tiết kiệm được, tờ trình phê duyệt không được đưa lên, hoặc bị trả lại.

Điểm thứ hai là điểm khó chịu nhất. Theo một tổng hợp so sánh sản phẩm AI-OCR của báo chí chuyên ngành, tính đến năm 2026 có nhiều sản phẩm công bố độ chính xác nhận dạng trên 99%, và việc so sánh thường được thực hiện trên khoảng 5 trục là tính năng, độ chính xác, giá, khả năng kết nối và hỗ trợ. Nói cách khác, độ chính xác trên tài liệu quảng cáo không còn tách các sản phẩm ra khỏi nhau nữa. Khác biệt chỉ lộ ra khi bạn chĩa sản phẩm đó vào chính chứng từ của mình. Con số quảng cáo không nói gì về con dấu bị nhòe trên hóa đơn của bạn hay cách sắp xếp dòng hàng khác nhau ở từng nhà cung cấp.

Trong khi đó, môi trường xung quanh đang chuyển động rõ rệt. Trong báo cáo Business Outlook Study 2026 do UOB công bố ngày 30 tháng 6 năm 2026, hơn 70% doanh nghiệp vừa và nhỏ tại Thái Lan đã áp dụng AI, mức cao hơn trung bình khu vực. Cũng báo cáo đó cho biết trong số các doanh nghiệp vừa và nhỏ đã áp dụng AI, 58% ghi nhận cắt giảm chi phí và 44% ghi nhận năng suất tăng lên. Cách đọc hợp lý là công nghệ đã bước vào giai đoạn phổ biến, và việc còn lại là dập tắt từng lý do khiến công ty bạn chưa khởi động.

Về bức tranh tổng thể của việc tự động hóa toàn bộ khối back office, trong đó AI-OCR chỉ là một phần, chúng tôi đã trình bày trong bài tự động hóa khối back office bằng AI-OCR. Bài viết này tách riêng bản thân quy trình triển khai ra khỏi bức tranh đó và đào sâu vào nó.

AI-OCR dùng Generative AI khác gì thế hệ cũ

Trước khi đánh giá bất cứ thứ gì, có một tiền đề kỹ thuật cần làm rõ. Các sản phẩm hiện được bán dưới tên AI-OCR đang trộn lẫn 2 thế hệ có bản chất khá khác nhau.

OCR truyền thống về cơ bản dựa trên việc định nghĩa trước vị trí cần đọc. Con người phải cấu hình định nghĩa rằng ngày tháng nằm ở tọa độ này trên biểu mẫu này, số tiền nằm trong khung này. Với biểu mẫu nội bộ có bố cục cố định, cách này cho độ chính xác đủ cao. Nhưng ngay khi nhà cung cấp thay đổi định dạng, định nghĩa đó mất hiệu lực và phải làm lại. Trong tình huống có vài chục nhà cung cấp, mỗi bên dùng một định dạng hóa đơn riêng, thì việc tạo và duy trì các định nghĩa ấy tự nó trở thành một khối việc thủ công mới.

Ngược lại, AI-OCR có Generative AI bên trong đọc theo cách khác, đó là hiểu ngữ cảnh. Vì diễn giải cấu trúc chứng từ theo nghĩa, nó có thể suy ra quan hệ giữa tên trường và giá trị của trường đó, kể cả với chứng từ phi cấu trúc chưa từng được định nghĩa vị trí. Một bài giải thích về chứng từ và việc khai thác dữ liệu cũng chỉ ra đúng điểm này, tức khả năng xử lý chứng từ phi cấu trúc nhờ hiểu ngữ cảnh, là khác biệt cốt lõi so với thế hệ cũ.

Có thể tóm tắt khác biệt giữa hai thế hệ như sau.

Dòng cuối cùng là điểm gắn thẳng vào thiết kế triển khai. Lỗi của thế hệ cũ nhìn thấy được dưới dạng thứ không đọc nổi, còn cách suy luận từ ngữ cảnh có thể trả về một giá trị trông đúng về mặt hình thức. Chính vì vậy, PoC nói ở phần sau phải đo tỷ lệ bản ghi cần sửa, chứ không phải tỷ lệ bản ghi đọc được. Chọn thế hệ nào thì thiết kế kiểm chứng này cũng không thể bỏ qua.

Triển khai AI-OCR chia thành 4 bước

Phần dẫn nhập đã đủ dài, giờ vào nội dung chính. Việc triển khai AI-OCR bớt rối đi rất nhiều khi chia thành 4 bước sau. Trình tự này trùng với cách tiếp cận thường được mô tả, bắt đầu từ khảo sát loại chứng từ và khối lượng, rồi kiểm tra hệ thống đích, đánh giá so sánh sản phẩm và cuối cùng là kiểm chứng.

Không bước nào trong 4 bước này được đảo thứ tự. Đặc biệt, nếu đẩy bước 2 xuống sau bước 4, dự án sẽ tắc vì lý do độ chính xác thì ổn nhưng không đưa dữ liệu vào hệ thống kế toán được. Dưới đây là từng bước.

Bước 1, rà soát chứng từ mục tiêu và khối lượng

Việc đầu tiên không phải là thu thập tài liệu bán hàng của nhà cung cấp. Đó là đếm xem công ty mình đang xử lý cái gì và bao nhiêu. Gần như mọi dự án bỏ qua bước này đều thấy phạm vi phình ra giữa chừng cho đến khi không kết luận được gì.

Phần rà soát điền các mục sau cho từng loại chứng từ.

Trong quá trình điền bảng này, phần lớn hiện trường đều nhận ra cùng một điều. Khối lượng lệch rất mạnh giữa các loại chứng từ, và 1 hoặc 2 loại đứng đầu chiếm phần lớn tổng số. Mức lệch đó có lẽ là lý do việc bắt đầu từ OCR hóa đơn là lựa chọn phổ biến. Nếu chọn một biểu mẫu đề nghị chỉ phát sinh vài tờ mỗi tháng làm mục tiêu đầu tiên, kỳ kiểm chứng sẽ kết thúc mà không đo được hiệu quả nào.

Về việc đo thời gian xử lý hiện tại, xin bổ sung một điểm. Đừng hỏi nhân viên “một tờ mất bao lâu”, mà hãy để họ xử lý thật vài tờ trong khi bạn bấm giờ. Con số thu được qua phỏng vấn thường bị khai thấp hơn thực tế, nhất là từ người đã quen việc, và điều đó thổi phồng ước tính lợi ích về sau. Hãy đo không chỉ thời gian gõ dữ liệu mà cả thời gian đi tìm bản gốc, thời gian hỏi lại đơn vị phát hành khi có chỗ chưa rõ, và thời gian một người khác đối chiếu sau khi nhập xong. Như vậy mới ra con số sát thực tế.

Phần rà soát chỉ cần đi tới một kết luận. Đó là thu hẹp loại chứng từ mục tiêu đầu tiên của AI-OCR xuống còn 1 hoặc 2 loại. “Trước mắt chỉ hóa đơn thôi” là hoàn toàn chấp nhận được. Thu hẹp không phải là nhân nhượng, mà là điều kiện để việc kiểm chứng ở các bước sau có thể diễn ra.

Bước 2, kiểm tra hệ thống đích và đặc tả kết nối

Sau khi rà soát, hãy xác định dữ liệu đọc ra sẽ đi về đâu. AI-OCR chỉ chịu trách nhiệm tới chỗ biến ký tự thành dữ liệu. Công việc chỉ thực sự rút ngắn khi dữ liệu đó nằm được trong hệ thống kế toán hoặc ERP.

Coi nhẹ chỗ này thì một thất bại quen thuộc sẽ tới. Độ chính xác nhận dạng không có vấn đề gì, nhưng tên trường trong file CSV xuất ra lại không khớp với đặc tả mà hệ thống kế toán chấp nhận, cuối cùng vẫn phải có người sắp xếp lại rồi mới nhập vào. Việc sao chép dữ liệu chỉ đổi tên từ “nhập liệu” thành “định dạng lại”, và số giờ tiết kiệm gần như không còn.

Nội dung cần kiểm tra khác nhau theo từng hệ thống đích.

Cần đặc biệt lưu ý việc đối chiếu mã. Thứ in trên hóa đơn là tên công ty của nhà cung cấp, không phải mã nhà cung cấp trong ERP của bạn. Nếu không có cơ chế đối chiếu tên đọc được với dữ liệu chủ của bạn, việc tra mã vẫn là việc của con người. Điều tương tự xảy ra giữa tên mặt hàng và mã mặt hàng, giữa tên bộ phận và mã bộ phận. Quyết định ngay từ bước rà soát, theo từng trường, rằng chuỗi ký tự đọc được dùng được luôn hay cần tra cứu dữ liệu chủ, sẽ giúp ước tính công việc kết nối về sau ổn định hơn.

Một điều nữa nên chốt trước là quan hệ với luồng phê duyệt. Việc bơm dữ liệu AI-OCR đọc được vào trước hay sau khi phê duyệt sẽ làm thay đổi hình dạng kết nối cần có. Thiết kế bơm vào trước phê duyệt khiến vận hành mượt hơn vì việc sửa lỗi được gộp thành nhiệm vụ của người duyệt, nhưng đổi lại phía workflow có thể phải chỉnh sửa thêm.

Bước 3, đánh giá sản phẩm, đặt trục quyết định ở đâu

Đến đây mới bắt đầu so sánh sản phẩm. Vị trí này trong trình tự là đúng và không nên kéo lên sớm hơn. Nếu xem sản phẩm mà không có kết quả rà soát trong tay, cuối cùng bạn sẽ chọn theo số lượng tính năng.

Như đã nói, tính đến năm 2026 có nhiều sản phẩm công bố độ chính xác trên 99%, nên bản thân độ chính xác khó còn hoạt động như một trục so sánh. Trong thực tế, khác biệt đến từ 6 điểm sau.

Trong số này, điều hay thành vấn đề nhất ở khâu phê duyệt là nơi lưu dữ liệu. Vì hóa đơn và bảng chấm công có chứa thông tin nhà cung cấp và thông tin liên quan tới cá nhân, cần xác nhận bằng văn bản trước khi ký hợp đồng rằng dữ liệu đọc được và ảnh gốc được lưu ở đâu, ai truy cập được và lưu trong bao lâu. Nếu trụ sở chính có quy chế quản lý thông tin, việc lấy các yêu cầu đó trước rồi mới sàng lọc sản phẩm sẽ giảm bớt việc phải quay lại làm lại.

Phần so sánh chi tiết tính năng và khung giá của từng sản phẩm được chúng tôi tách riêng trong bài so sánh sản phẩm AI-OCR và cách lựa chọn. Bài viết này tập trung vào việc chuẩn bị các điều kiện phía công ty bạn trước khi bắt đầu so sánh.

Lối ra của bước này là danh sách rút gọn còn 2 đến 3 sản phẩm. Nếu chốt còn một sản phẩm trước khi vào PoC, khi kết quả không như mong đợi bạn sẽ không có phương án dự phòng nào và phải chạy lại việc kiểm chứng từ đầu. Ngược lại, nếu kiểm chứng song song từ 5 sản phẩm trở lên, bản thân công việc kiểm chứng trở thành gánh nặng và không kịp kết luận trong khung thời gian.

Bước 4, kiểm chứng bằng PoC trên chính chứng từ của bạn

Trong 4 bước, đây là bước hay bị bỏ qua nhất và cũng là bước mà việc bỏ qua phải trả giá đắt nhất. Một bài tổng hợp những điểm cần chú ý khi triển khai AI-OCR cũng nêu đúng như vậy, rằng việc thử nghiệm kiểm chứng bằng mẫu các chứng từ chính của chính công ty mình là điều quan trọng khi lựa chọn sản phẩm. Độ chính xác trên tài liệu quảng cáo là độ chính xác đối với những chứng từ mà sản phẩm đó đã học, không phải đối với chứng từ của bạn.

Cách chọn mẫu để kiểm chứng

Chất lượng kết luận của PoC được quyết định bởi mẫu bạn đưa vào. Thứ cần tránh là nộp những bản mẫu sạch đẹp. Chứng từ thực sự chảy trong công việc có con dấu đè lên chữ in, có bản quét bị nghiêng, có bản fax đã mờ và có phần viết tay thêm vào. Một PoC loại bỏ những bản gốc lem nhem đó chắc chắn sẽ vỡ khi chạy thật.

Hãy dựng bộ mẫu theo hướng sau thì nó sẽ phản ánh được thực tế.

• Thu thập chứng từ từ các nhà cung cấp chính, đi từ bên có số lượng chứng từ nhiều nhất xuống. Vài tờ mỗi bên không đủ bắt được sự đa dạng định dạng, nên hãy đưa vào chứng từ của cùng một nhà cung cấp ở nhiều tháng khác nhau.
• Cố ý trộn vào những chứng từ từng gây nhập sai hoặc từng phải hỏi lại. Việc đó đưa tỷ lệ chứng từ khó về gần với thực tế.
• Dùng nguyên trạng bản gốc có phần viết tay thêm, có con dấu đè chữ, bị nghiêng và bị mờ. Đừng chỉnh sửa hay lọc bỏ.
• Nếu phạm vi bao gồm cả tiếng Thái và tiếng Nhật, hãy đưa cả hai vào bộ mẫu theo đúng tỷ lệ thực tế.

Đo những gì

Giới hạn ở 4 chỉ số. Thêm nữa chỉ làm việc phán đoán khó hơn.

Với độ chính xác đọc, chúng tôi khuyến nghị đo theo từng trường chứ không theo từng ký tự. Độ chính xác theo ký tự thường ra con số cao nhưng ít ý nghĩa với công việc. Nếu 1 ký tự trong ô số tiền sai thì trường đó vẫn phải sửa. Hãy đếm xem trường đó dùng được nguyên như khi máy trả ra hay không, chứ không phải khớp được bao nhiêu ký tự.

Hãy đặt ngưỡng đạt trước khi bắt đầu PoC. Nếu quyết tiêu chí sau khi đã thấy kết quả thì chỉ là hợp thức hóa con số đã xuất hiện. Cách đặt tiêu chí thực tế là so bằng thời gian chứ không phải bằng độ chính xác tuyệt đối. Cụ thể, thời gian xử lý mỗi tờ khi đã tính cả công sửa có ngắn hơn cách nhập tay hiện tại hay không. Lấy đúng câu hỏi này làm tiêu chí chính sẽ giữ cho thảo luận không lan man.

Thời lượng và nhân sự cho PoC

Thời lượng nên đặt ở mức 1 đến 2 tháng. Dưới 1 tháng sẽ không kịp bắt những chứng từ dồn vào cuối tháng hoặc những giấy tờ chỉ tới vào một số thời điểm trong năm. Ngược lại, quá 3 tháng thì sự quan tâm của các bên nhạt dần, và việc gia hạn cứ tiếp diễn mà giả thuyết ban đầu chưa từng được kiểm chứng.

Về nhân sự, hãy kéo ngay từ đầu những người sẽ thực sự kiểm tra và sửa lỗi vào cuộc. Nếu để PoC chạy một mình trong bộ phận công nghệ thông tin, bạn sẽ có con số độ chính xác nhưng không phán đoán được nó có chịu nổi vận hành hằng ngày hay không. Công việc sửa lỗi nặng tới mức nào thì chỉ người trực tiếp làm mới biết.

Chi phí và cách nghĩ về mô hình tính phí

Vì tiền phụ thuộc rất nhiều vào số loại chứng từ và khối lượng, nên hợp lý nhất là nói theo khoảng. Một bài giải thích về chi phí AI-OCR đặt phí cơ bản hằng tháng nhìn chung trong khoảng 30,000 đến 200,000 yên, với mô hình tính phí chia thành tính theo khối lượng và trọn gói. Ngoài phần phí cơ bản đó, chi phí thiết lập ban đầu và chi phí kết nối với hệ thống hiện có thường phát sinh riêng.

Việc chọn mô hình tính phí đi ra từ mức dồn việc khối lượng đã đếm trong khâu rà soát. Chọn tính theo khối lượng cho công việc dồn vào cuối tháng thì chi phí sẽ vọt lên đúng những tháng cao điểm. Ngược lại, chọn trọn gói với hạn mức đặt cao cho công việc có khối lượng ổn định thì bạn trả mãi cho phần không dùng tới. Tại đây cũng vậy, cơ sở để quyết định là con số thực đếm được ở bước 1.

Chi tiết về khung giá và mô hình tính phí khi mua sắm tại Thái Lan được chúng tôi tách riêng trong bài giá của AI-OCR và cách so tổng chi phí, còn bài này tập trung vào việc nên ước tính chi phí đó vào thời điểm nào và trên tiền đề nào.

Ba vấn đề riêng của công ty vốn Nhật tại Thái Lan

Tất cả những gì nói tới đây đều áp dụng được cho cơ sở ở bất kỳ quốc gia nào. Sau đây là 3 vấn đề riêng của nhà máy và công ty con vốn Nhật tại Thái Lan.

Chứng từ tiếng Nhật và tiếng Thái nằm cạnh nhau

Trong bộ phận back office của cơ sở tại Thái Lan, chứng từ tiếng Nhật trao đổi với công ty mẹ và nhà cung cấp Nhật nằm chung một mặt bàn với chứng từ tiếng Thái dùng cho đối tác địa phương và cơ quan quản lý. Sự pha trộn này siết chặt điều kiện lựa chọn sản phẩm.

Tiếng Thái dùng hệ chữ viết có dấu nguyên âm và dấu thanh đặt phía trên và phía dưới chữ cái gốc, và sự phức tạp đó khiến nó thuộc nhóm khó nhận dạng từ bản in. Độ chính xác thực tế đạt được thay đổi rất nhiều theo sản phẩm và theo tình trạng chứng từ, vì vậy thay vì tin nguyên các con số được công bố, hãy luôn đưa chính chứng từ tiếng Thái của công ty vào bộ mẫu PoC. Làm như vậy sẽ tránh được thất bại kiểu đạt PoC chỉ với chứng từ tiếng Nhật rồi nhìn khối lượng sửa lỗi phình ra khi chạy thật.

Làm cho nó bám rễ trong một bộ phận hậu cần ít người

Tại các công ty con vốn Nhật ở Thái Lan, việc vài người cùng lo kế toán, hành chính, mua hàng và nhân sự là chuyện thường. Cấu trúc đó vừa là gió xuôi vừa là gió ngược đối với việc triển khai AI-OCR.

Gió xuôi là ra quyết định nhanh và ít phải phối hợp liên bộ phận. Gió ngược là thời gian dành cho việc dựng một hệ thống mới thiếu hụt về mặt cấu trúc. Vì vậy trong thiết kế triển khai, việc giảm tối đa số thao tác mới mà nhân viên phải học quan trọng ngang với bản thân độ chính xác. Gom màn hình kiểm tra kết quả đọc về còn một màn hình duy nhất, và viết thành văn bản các tiêu chí sửa lỗi, là những chuẩn bị trông không hào nhoáng nhưng lại quyết định hệ thống có bám rễ hay không.

Thiết kế với giả định sẽ có bàn giao

Việc luân chuyển nhân sự Nhật Bản về nước và việc nhân viên địa phương nghỉ việc khiến người phụ trách thay đổi sau vài năm. Nếu định nghĩa trường dữ liệu và tiêu chí sửa lỗi đặt ra lúc triển khai chỉ nằm trong đầu một người, vận hành sẽ xuống cấp sau mỗi lần bàn giao.

Cách xử lý rất đơn giản. Lúc triển khai, hãy để danh sách chứng từ mục tiêu, bảng ánh xạ trường dữ liệu, tiêu chí sửa lỗi và đặc tả hệ thống đích cùng nằm trong một thư mục. Những tài liệu này vốn được sinh ra một cách tự nhiên trong quá trình làm PoC, nên gần như không phát sinh việc thêm. Khác biệt duy nhất là bạn giữ chúng lại hay để chúng bốc hơi.

Ước tính lợi ích thế nào

Thứ mà tờ trình phê duyệt cần là con số giờ công tiết kiệm được. Nhưng áp thẳng con số từ các tình huống đã công bố vào công ty mình sẽ thổi phồng kỳ vọng. Cần nói rõ cách đọc chúng.

Trong số các ví dụ đã công bố, có nhắc tới trường hợp Kayaba rút thời gian cho công việc kiểm kê từ 1 tháng xuống còn 1 tuần, và trường hợp Sumika Nogyo Shizai cắt bỏ được 70% khối lượng công việc trong phạm vi mục tiêu. Còn báo cáo Business Outlook Study 2026 của UOB nhắc tới ở trên cho biết trong số doanh nghiệp vừa và nhỏ Thái Lan đã áp dụng AI, 58% ghi nhận cắt giảm chi phí và 44% ghi nhận năng suất tăng lên.

Thứ cần rút ra từ những con số này không phải là tỷ lệ phần trăm. Điểm đáng chú ý là mọi con số đều là tỷ lệ cắt giảm bên trong một phạm vi công việc đã bị giới hạn. Không phải toàn bộ việc giấy tờ của công ty giảm 70%, mà là 70% của phần công việc được chọn làm mục tiêu biến mất. Khi áp vào công ty bạn, hãy đặt 1 hoặc 2 loại chứng từ đã khoanh trong khâu rà soát vào mẫu số.

Ước tính của chính bạn có thể lắp từ 4 hạng mục sau.

Xin bổ sung về dòng cuối. Thứ hay được đánh giá cao sau khi triển khai AI-OCR thường không phải là số giờ tiết kiệm được, mà là việc chốt sổ hằng tháng dịch lên sớm vài ngày. Chốt sổ sớm thì các con số cho ban lãnh đạo có sớm hơn, và việc báo cáo về trụ sở chính có thêm dư địa thời gian. Hiệu quả này khó quy ra tiền nên khó đưa vào bảng ước tính, nhưng lại là lập luận mạnh khi giải trình phê duyệt.

Câu hỏi thường gặp

Triển khai AI-OCR mất bao lâu

Nếu thu hẹp phạm vi còn 1 hoặc 2 loại chứng từ, mốc thực tế là 3 đến 4 tuần cho khâu rà soát và kiểm tra hệ thống đích, 2 đến 3 tuần cho đánh giá sản phẩm, và 1 đến 2 tháng cho PoC, tổng cộng khoảng 2 đến 4 tháng. Nếu buộc phải rút ngắn, phần nên cắt là đánh giá sản phẩm chứ không phải PoC. Nén thời gian so sánh bằng cách chốt còn 2 ứng viên ngay từ đầu an toàn hơn nhiều so với bỏ qua kiểm chứng.

OCR chứng từ có đọc được chữ viết tay không

Có sản phẩm đọc được, nhưng đây là bài toán khó hơn chữ in và khoảng cách giữa các sản phẩm rất rộng. Vì vậy nếu chứng từ mục tiêu có chữ viết tay, hãy luôn đưa chứng từ viết tay thật vào mẫu PoC. Quan trọng không kém là quyết định về mặt vận hành rằng sẽ xử lý phần viết tay ra sao. Thiết kế để chỉ những ô viết tay mới có người kiểm tra thường vẫn mang lại hiệu quả tổng thể đáng kể. Chính việc khăng khăng tự động hóa mọi thứ mới hay làm dự án dừng lại.

Nên đặt mục tiêu độ chính xác cho OCR hóa đơn ở mức nào

Thay vì ấn định một con số tuyệt đối, chúng tôi khuyến nghị phán đoán bằng thời gian. Ngưỡng đạt trong thực tế là thời gian mỗi tờ khi đã gồm công sửa có ngắn hơn cách nhập tay hiện tại hay không. Việc để người kiểm tra toàn bộ các trường mà sai sót gây hậu quả trực tiếp, chẳng hạn ô số tiền, rồi lấy phần tiết kiệm từ các trường còn lại, là cách bố trí hoàn toàn khả thi. Nếu ấn định mục tiêu độ chính xác từ trước, bạn có nguy cơ bỏ qua một phương án vốn dĩ mang lại lợi ích, chỉ vì con số chưa chạm mốc.

Một sản phẩm có xử lý được cả chứng từ tiếng Thái lẫn tiếng Nhật không

Mức hỗ trợ khác nhau theo sản phẩm nên đây là điều kiện phải xác nhận từ giai đoạn đầu của việc lựa chọn. Ngay cả khi ghi là hỗ trợ cả hai ngôn ngữ, mức hỗ trợ vẫn thay đổi theo tình trạng chứng từ. Hãy phán đoán bằng PoC chứ không bằng tài liệu công bố. Và nếu một sản phẩm không kham nổi cả hai, việc tách xử lý theo ngôn ngữ vẫn là một cấu hình khả thi. Tuy nhiên khi đó phần kết nối vào hệ thống đích sẽ nhân đôi, nên phải cân tải vận hành tăng thêm với đặc tả kết nối đã xác định ở bước 2.

Nếu PoC không đạt độ chính xác như kỳ vọng thì nên làm gì

Trước khi đổi sản phẩm, hãy tách nguyên nhân thành 3 hướng, là do bản thân chứng từ, do cấu hình định nghĩa trường, hay do mức phù hợp của sản phẩm. Nếu là vấn đề đầu vào như độ phân giải quét thấp hoặc bản gốc bị gấp nếp, việc xem lại quy trình quét sẽ cải thiện. Nếu chỉ là định nghĩa trường quá thô, việc điều chỉnh cấu hình sẽ cải thiện. Chỉ khi đã dập tắt cả hai hướng đó mà vẫn chưa đạt mức mong muốn thì mới hợp lý để nghi ngờ mức phù hợp của sản phẩm. Đổi sản phẩm mà không tách nguyên nhân thì kết quả cũ sẽ lặp lại.

Tổng kết

Phần lớn thất bại của AI-OCR là thất bại về trình tự chứ không phải về hiệu năng sản phẩm. Đi xem sản phẩm trước khi đếm xem công ty mình xử lý cái gì và bao nhiêu, chọn ứng viên theo độ chính xác trên tài liệu quảng cáo, rồi ký hợp đồng mà chưa từng thử trên chứng từ của mình. Chừng nào dự án còn chạy theo trình tự đó, sản phẩm bạn chọn sẽ không làm kết quả khác đi bao nhiêu.

Cách tiếp cận phân rã thành 4 bước. Trong khâu rà soát chứng từ, hãy đo khối lượng tháng và thời gian xử lý hiện tại theo từng loại chứng từ rồi thu hẹp mục tiêu còn 1 hoặc 2 loại. Trong khâu kiểm tra hệ thống đích, hãy quyết theo từng trường rằng dữ liệu đọc được đổ thẳng vào kế toán hay ERP được hay cần tra cứu dữ liệu chủ. Trong khâu đánh giá sản phẩm, hãy rút gọn còn hai hoặc ba theo trục ngôn ngữ hỗ trợ, nơi lưu dữ liệu, phương thức kết nối và mô hình tính phí thay vì theo độ chính xác quảng cáo. Và trong PoC, hãy dùng chứng từ thực sự chảy trong công việc thay cho bản mẫu sạch đẹp, rồi quyết đạt hay không đạt bằng thời gian mỗi tờ đã gồm công sửa.

Với cơ sở tại Thái Lan, điều kiện chứng từ tiếng Nhật và tiếng Thái cùng tồn tại được cộng thêm vào tất cả những điều trên. Đạt PoC chỉ bằng chứng từ tiếng Nhật thì khối lượng sửa lỗi sẽ phình ra khi chạy thật. Còn việc hệ thống có bám rễ trong một bộ phận hậu cần ít người hay không lại được quyết định bởi số thao tác mới mà nhân viên phải học, nhiều hơn là bởi độ chính xác. Và vì những nhân viên đó sẽ thay đổi trong vài năm, hãy để lại định nghĩa trường dữ liệu và tiêu chí sửa lỗi dưới dạng tài liệu.

Bước đầu tiên không phải là xin tài liệu giới thiệu sản phẩm. Đó là đếm xem tháng trước có bao nhiêu hóa đơn. Không có con số này thì cơ sở để so sánh, ước tính lợi ích và tiêu chí đạt của PoC đều không có nền tảng nào. Ngược lại, khi con số đó nằm trong tay, mọi việc sau đó tiến triển nhanh đến mức đáng ngạc nhiên.

Nếu bạn đang ở giai đoạn muốn xác định chứng từ của mình có đang ở trạng thái mà AI-OCR xử lý được hay không, hoặc kết nối được tới đâu với hệ thống kế toán và ERP hiện có, hãy liên hệ với chúng tôi qua trang liên hệ. Đang ở giai đoạn cân nhắc cũng có thể trao đổi được. Chúng tôi sẽ cùng bạn rà lại loại chứng từ, khối lượng và cấu hình hệ thống hiện tại, rồi xác định nên bắt đầu từ loại chứng từ nào thì khả thi.

Nguồn tham khảo

• OCRと生成AIの違いと導入の進め方 ワンビシアーカイブズ — bằng tiếng Nhật. Khác biệt so với OCR truyền thống, tức OCR dùng Generative AI xử lý được chứng từ phi cấu trúc nhờ hiểu ngữ cảnh, và 4 bước triển khai gồm khảo sát loại chứng từ và khối lượng, kiểm tra hệ thống đích, đánh giá so sánh sản phẩm và kiểm chứng
• AI-OCRの費用相場と課金方式 AIJIMY — bằng tiếng Nhật. Phí cơ bản hằng tháng nhìn chung trong khoảng 30,000 đến 200,000 yên, khác biệt giữa tính theo khối lượng và trọn gói, trường hợp Kayaba rút công việc kiểm kê từ 1 tháng xuống 1 tuần, và trường hợp Sumika Nogyo Shizai cắt bỏ 70% khối lượng công việc trong phạm vi mục tiêu
• AI-OCR製品の比較動向 デジタル化の窓口 — bằng tiếng Nhật. Tính đến năm 2026 có nhiều sản phẩm công bố độ chính xác nhận dạng trên 99%, và việc so sánh trên khoảng 5 trục gồm tính năng, độ chính xác, giá, khả năng kết nối và hỗ trợ đã trở thành thông lệ
• UOB Business Outlook Study 2026 ThaiPR — đề ngày 30 tháng 6 năm 2026. Hơn 70% doanh nghiệp vừa và nhỏ tại Thái Lan đã áp dụng AI, cao hơn trung bình khu vực, và trong số doanh nghiệp vừa và nhỏ đã áp dụng AI, 58% ghi nhận cắt giảm chi phí, 44% ghi nhận năng suất tăng lên
• AI-OCR導入時に注視すべきポイント NECソリューションイノベータ — bằng tiếng Nhật. Tầm quan trọng của việc thử nghiệm kiểm chứng bằng mẫu các chứng từ chính của chính công ty mình khi lựa chọn sản phẩm