Ứng dụng AI đối chiếu chứng từ nhập khẩu cho nhà máy tại Thái Lan

Khi các nhà máy tại Thái Lan mua sắm thiết bị, phụ tùng thay thế, nguyên vật liệu từ nước ngoài, nội dung đặt hàng của bộ phận mua hàng và các tài liệu do nhà cung cấp phát hành như hóa đơn thương mại, chi tiết đóng gói, chứng từ vận chuyển, dữ liệu phục vụ thông quan không phải lúc nào cũng đồng nhất. Những khác biệt nhỏ như ký hiệu cuối mã sản phẩm, đơn vị số lượng, loại tiền tệ, người nhận hàng, số lượng thùng… có thể dẫn đến việc nhân viên nhập khẩu và đại lý hải quan phải xác nhận qua lại nhiều lần. Tại hiện trường, nhiều người cho rằng chỉ cần đọc tài liệu thông quan bằng AI-OCR là giải quyết được, nhưng việc ký tự đọc ra đã chính xác chưa và nội dung giữa nhiều tài liệu có thực sự nhất quán về mặt nghiệp vụ hay không lại là vấn đề khác.

Bài viết này dành cho các nhà nhập khẩu trong ngành sản xuất có cơ sở tại Thái Lan, trình bày cách triển khai hệ thống phát hiện sai lệch bằng AI để con người và đại lý hải quan phê duyệt. Đối tượng là đơn đặt hàng (PO), hóa đơn thương mại, packing list, vận đơn đường biển hoặc vận đơn hàng không, và dữ liệu chuẩn bị khai báo. Mục đích này khác với hệ thống tạo tài liệu xuất khẩu hoặc hệ thống để AI tự động xác định mã HS. Việc đánh giá pháp lý cho khai báo nhập khẩu vẫn được giữ lại cho nhân viên phụ trách và chuyên gia phù hợp.

Bài AI-OCR cho chứng từ xuất khẩu nói về quy trình bên phát hành chứng từ xuất khẩu. Bài AI hỗ trợ phân loại mã HS tập trung vào hỗ trợ quyết định phân loại. Bài này tập trung vào đối chiếu nhiều chứng từ ở phía nhà nhập khẩu và để con người xử lý sai khác trước khi khai báo.

Vì sao cần “đặt các tài liệu của cùng một lô hàng cạnh nhau” trước tiên

Hướng dẫn của Hải quan Cảng Laem Chabang (Thái Lan) liệt kê các tài liệu liên quan đến khai báo nhập khẩu, bao gồm vận đơn đường biển/hàng không, hóa đơn, packing list, giấy phép hoặc chứng nhận xuất xứ nếu cần. Ngoài ra, quy trình khai báo qua e-Customs bởi nhà nhập khẩu hoặc đại lý hải quan cũng được giải thích. Hướng dẫn của Bộ Thương mại Hoa Kỳ về Thái Lan cũng nêu rõ các tài liệu tiêu chuẩn như hóa đơn thương mại, packing list, chứng từ vận chuyển đi kèm khai báo nhập khẩu. Thực tế, tài liệu và hình thức nộp cần thiết sẽ khác nhau tùy loại hàng hóa, tuyến vận chuyển, chế độ áp dụng. Danh sách nêu ở đây không có nghĩa là mọi lô hàng nhập khẩu đều bắt buộc phải có đủ các tài liệu này.

Việc đối chiếu giữa các tài liệu không chỉ đơn giản là đọc chính xác từng văn bản. Tên hàng trên hóa đơn là tên sản phẩm của nhà cung cấp, PO là mã hàng nội bộ, chứng từ vận chuyển thể hiện theo đơn vị vận chuyển, packing list lại theo thùng hoặc pallet. “500 PCS” và “50 BOX × 10 PCS” có thể tương đương về số lượng, nhưng chỉ khi xác nhận quy đổi đơn vị và cấu trúc đóng gói mới có thể kết luận. “Model AB-100” và “AB100-R” nhìn giống nhau nhưng có thể là phiên bản khác nhau. Nếu AI chỉ dựa vào hình thức để kết luận là cùng một mặt hàng, sẽ bỏ sót các sai lệch.

Công việc của nhà nhập khẩu không phải là chuyển thẳng tài liệu nhận từ nhà cung cấp sang khai báo. Cần đối chiếu kỳ vọng khi đặt hàng, nội dung thực tế khi xếp hàng, pháp nhân/chi nhánh nhập khẩu, điều kiện hợp đồng, dữ liệu master, và giải quyết các nghi vấn trước khi chuyển sang dữ liệu khai báo. Có những trường hợp kiểm tra sau khi nhận đủ tài liệu là quá muộn. Nếu phát hiện sai lệch từ draft invoice trước khi xếp hàng, có thể phản hồi cho nhà cung cấp trước khi họ xác nhận bản gốc. Ngược lại, số vận đơn hoặc số thùng chỉ xác định sau khi xuất hàng sẽ kiểm tra ở bước sau. Cần phân biệt rõ “thông tin đã xác định tại thời điểm đó” theo từng giai đoạn.

Chỉ tập trung vào “quy trình đối chiếu trước khai báo” thay vì “AI tạo dữ liệu khai báo nhập khẩu”

Phạm vi triển khai ban đầu nên giới hạn từ khi nhận tài liệu, kiểm tra sai lệch, nhận lại bản sửa đổi, đến khi chuyển giao dữ liệu đã phê duyệt. Tài liệu được lấy từ hộp thư, thư mục chia sẻ, cổng thông tin nhà cung cấp…, gom lại theo số vụ việc và số PO, lưu bản gốc và các phiên bản. AI-OCR hoặc phân tích tài liệu sẽ đọc loại tài liệu và chi tiết, công cụ đối chiếu sẽ so sánh các giá trị đã chuẩn hóa. Kết quả được phân loại như “khớp”, “cần xác nhận”, “không đọc được”, “không áp dụng”, để con người giải quyết dựa trên hình ảnh gốc. Sau khi phê duyệt, chỉ các trường cần thiết mới được chuyển cho đại lý hải quan hoặc hệ thống hiện tại.

Việc xác định ranh giới này rất quan trọng để không nhầm lẫn giữa phán đoán của AI và trách nhiệm khai báo. Hướng dẫn của Hải quan Thái Lan nêu rõ khai báo do nhà nhập khẩu hoặc đại lý hải quan thực hiện, mô hình dữ liệu của WCO cũng phân biệt thông tin từ tài liệu giao dịch và tài liệu vận chuyển. AI có thể chuẩn hóa đầu vào, hiển thị sai lệch, nhưng không thể tự động phê duyệt thực thể hàng hóa, phân loại thuế, xuất xứ, định giá, hay đánh giá đối tượng kiểm soát. Ví dụ, AI có thể gợi ý mã HS từ tên hàng trên hóa đơn, nhưng đó chỉ là gợi ý. Việc áp dụng mã và căn cứ phải do người hiểu rõ đặc tính sản phẩm và chuyên gia thông quan xác nhận. Nếu khó đánh giá, hãy cân nhắc sử dụng các thủ tục chính thức như hệ thống tư vấn trước của Hải quan Thái Lan.

Cũng không nên đặt điều kiện “tự động khai báo nếu tất cả dòng khớp”. Nếu các tài liệu khác nhau cùng mắc một lỗi giống nhau, chỉ đối chiếu lẫn nhau sẽ không phát hiện được. Có thể PO là phiên bản cũ, master tên hàng của nhà cung cấp sai, hoặc linh kiện thiết bị được đóng gói riêng. Hệ thống chỉ đảm nhận phát hiện sai lệch và lưu vết, quyền phê duyệt và trách nhiệm khai báo thuộc về vai trò nghiệp vụ. Ưu tiên phát hiện các sai lệch nghiêm trọng trước khi khai báo để người phụ trách có thể giải trình, hơn là tỷ lệ tự động hóa.

Xác định khóa liên kết tài liệu. Chỉ tên file thì không đủ để xác định vụ việc

Khởi điểm thiết kế là “xác định thế nào là cùng một vụ nhập khẩu”. Có thể một PO liên kết nhiều hóa đơn, hoặc một container chứa nhiều PO. Cũng có trường hợp một hóa đơn liên kết nhiều chứng từ vận chuyển. Do đó, không nên xác định một-một chỉ dựa vào tên file hay tiêu đề email. Hệ thống sẽ đánh số ID vụ việc nội bộ, lưu quan hệ giữa số PO, nhà cung cấp, số hóa đơn, số vận đơn, nơi nhận, ngày dự kiến đến. Những trường hợp chưa chắc chắn sẽ để ở trạng thái “ứng viên liên kết”, chờ nhân viên xác nhận.

Với các vụ việc lấy PO làm chuẩn, phiên bản đặt hàng đã phê duyệt sẽ là giá trị kỳ vọng. Nếu PO được sửa đổi, lưu cả bản cũ và mới, ghi nhận hóa đơn của nhà cung cấp dựa trên phiên bản nào. Nếu số lượng đặt hàng và số lượng xếp hàng khác nhau, kiểm tra lại ghi nhận phê duyệt giao hàng từng phần hoặc backorder. Nếu phía mua hàng vừa sửa PO mà tài liệu của nhà cung cấp vẫn là bản cũ, không nên đơn giản coi là “lỗi của nhà cung cấp”. Không tự động xác định trách nhiệm sai lệch, mà hiển thị lịch sử sửa đổi trên màn hình.

Với các trường hợp khẩn cấp không có PO hoặc hàng mẫu miễn phí, lấy phiếu yêu cầu đã phê duyệt hoặc sổ vụ việc khác làm chuẩn. Nếu không có tài liệu chuẩn, AI không thể tự ý xác định “khớp”. Xử lý như một ngoại lệ độc lập “chưa thiết lập chuẩn”, nhân viên nhập khẩu sẽ đăng ký giá trị kỳ vọng rồi mới đối chiếu. Nhờ vậy, tránh việc xử lý xong các tài liệu mơ hồ chỉ để nâng tỷ lệ đối chiếu thành công bề ngoài.

Đối chiếu những trường nào: Định nghĩa ý nghĩa nghiệp vụ trước khi tăng số cột tài liệu

Các trường đối chiếu ban đầu nên chia thành 5 nhóm: nhận diện, số lượng, giá trị, vận chuyển, đánh giá thông quan. Nhận diện gồm tên nhà nhập khẩu, tên nhà cung cấp, số PO, số hóa đơn, mã hàng, mã sản phẩm, tên hàng. Số lượng gồm số lượng chi tiết, đơn vị, số lượng đóng gói, tổng số thùng, trọng lượng tịnh/tổng nếu cần. Giá trị gồm đơn giá, loại tiền, giá trị chi tiết, tổng cộng, chiết khấu hoặc chi phí riêng. Vận chuyển gồm người nhận, nơi xếp hàng, nơi đến, số vận đơn đường biển/hàng không…, tùy vụ việc. Đánh giá thông quan gồm đặc tính hàng, xuất xứ, giấy phép, mã phân loại đã phê duyệt nội bộ và căn cứ.

Mỗi trường cần ghi rõ nguồn so sánh, đích so sánh, phương pháp chuẩn hóa, điều kiện chấp nhận, người phê duyệt. Ví dụ, tên nhà cung cấp có thể dùng từ điển đồng nhất tên pháp nhân, nhưng nếu tài khoản ngân hàng hoặc pháp nhân nhập khẩu khác thì không tự động coi là giống nhau. Mã hàng cần xác định cách xử lý số 0 đầu, ký hiệu. Số lượng không gộp chung PCS, SET, KG, BOX mà lấy căn cứ quy đổi từ master hàng hoặc chi tiết đóng gói. Giá trị trên hóa đơn cần làm rõ quy tắc làm tròn, loại tiền, không so sánh trực tiếp các loại tiền khác nhau. Các đánh giá liên quan đến thuế, định giá hải quan là mục kiểm tra riêng, không chỉ là đối chiếu tài liệu.

Bảng so sánh nên tách “giá trị sai lệch” và “lý do sai lệch”. Ví dụ, PO 1.000 cái, hóa đơn 900 cái thì sai lệch là 100 cái, nhưng nếu có phê duyệt giao hàng từng phần thì có thể giải quyết như ngoại lệ. Nếu packing list ghi 90 thùng, mỗi thùng 10 cái thì tính ra khớp 900 cái. Tuy nhiên, nếu không ghi rõ chi tiết thùng, AI không được tự động giả định mỗi thùng 10 cái. Nội dung suy đoán phải hiển thị ở cột riêng, để người xác nhận kiểm tra căn cứ.

Tách biệt đọc dữ liệu và đối chiếu, không trộn lẫn đầu vào chất lượng thấp với “không khớp”

Có nhiều lý do khiến việc đọc dữ liệu thất bại như scan bị nghiêng, cột bảng bị chồng lấn, thiếu trang, con dấu che mất giá trị… Trước khi so sánh kết quả AI-OCR, cần kiểm tra loại file, số trang, chất lượng hình ảnh, trùng lặp, tính liên tục của dòng chi tiết. Nếu trường không đọc được bị nhập trống và bị xếp vào “không khớp với PO”, nhân viên sẽ gửi yêu cầu sửa không cần thiết cho nhà cung cấp. Kết quả đọc có độ tin cậy thấp sẽ đưa vào hàng đợi “lấy lại hình ảnh/kiểm tra thủ công”, còn sai lệch giá trị khi đã đọc được sẽ vào hàng đợi “sai lệch nghiệp vụ”.

Kết quả đọc cần lưu văn bản gốc, giá trị chuẩn hóa, ID tài liệu nguồn, trang, vị trí, phiên bản, phiên bản mô hình trích xuất. Khi nhấp vào sai lệch hiển thị màu đỏ trên màn hình, cần chuyển đến vị trí tương ứng trên bản gốc hai bên. “AI nói khác” thì không thể giải thích với nhà cung cấp hay đại lý hải quan. Ngay cả khi sử dụng lớp text của PDF, có thể có sự khác biệt giữa text nhúng và hiển thị trên màn hình. Với trường quan trọng, cần đánh giá đối chiếu với hình ảnh hiển thị.

Cũng cần chú ý với các tài liệu có cùng trường xuất hiện nhiều nơi. Ví dụ, hóa đơn có tổng số lượng ở header, số lượng từng mặt hàng ở chi tiết, số thùng ở footer, cần phân biệt đã so sánh trường nào. Chỉ lấy số bên cạnh từ “Quantity” là không đủ. Nếu chi tiết kéo dài qua nhiều trang, cần kiểm tra trùng lặp hoặc thiếu dòng ở ranh giới trang. Sửa tay, đóng dấu sửa, thay thế bằng bản sửa đổi cần được kiểm tra riêng với mẫu khác bản hoàn chỉnh.

Phân chia vai trò giữa rule engine và AI

So sánh giá trị xác định hoặc phép toán nên thực hiện bằng rule có thể giải thích. So khớp hoàn toàn số PO, kiểm tra trùng số hóa đơn, tổng giá trị chi tiết, số lượng × đơn giá, chi tiết đóng gói, thiếu trường bắt buộc… nếu đầu vào đủ tin cậy thì có thể tính toán dứt khoát. AI hỗ trợ đọc bảng, nhận diện loại tài liệu, gợi ý tên/mã sản phẩm, giải thích sai lệch. Tuy nhiên, “giống nhau” của AI không phải là căn cứ phê duyệt. Nếu ký tự cuối mã sản phẩm quyết định đặc tính an toàn hoặc điện áp, càng gần về chuỗi ký tự càng nguy hiểm nếu bỏ sót.

Rule đối chiếu không thể chỉ “tất cả không khớp thì tô đỏ”. Cần phân biệt sai lệch nghiêm trọng, sai lệch cần hỏi nhà cung cấp, điều chỉnh master nội bộ, khác biệt về cách ghi chú. Mức độ quan trọng xác định theo rủi ro nghiệp vụ từng trường. Ví dụ, gửi nhầm pháp nhân, loại tiền khác, khác biệt đặc tính hàng là lý do dừng trước khi xuất hàng/khai báo. Khác biệt giữa tên viết tắt và tên chính thức có thể chỉ cần hiển thị nếu đã có bảng đối chiếu phê duyệt. Ngưỡng xác nhận nên dựa trên tài liệu phê duyệt của bộ phận, không nhầm lẫn với độ tin cậy của mô hình.

Đánh giá không dựa vào “độ chính xác 99%” như quảng cáo, mà xem đã bỏ sót bao nhiêu sai sót nghiêm trọng. Dù nhận diện ký tự chính xác cao, nếu nhầm một số trong số hóa đơn hoặc số lượng sẽ gây phải làm lại. Trong PoC, đo riêng tỷ lệ trích xuất đúng theo trường đối chiếu, tỷ lệ phát hiện sai lệch nghiêm trọng, tỷ lệ cảnh báo sai, thời gian xác nhận của con người, tỷ lệ không đọc được, tỷ lệ phải nộp lại. Dữ liệu đúng dùng để đánh giá nên lấy từ các vụ việc đại diện của công ty, tránh thiên lệch nhà cung cấp hoặc mặt hàng.

Thiết kế nơi xử lý sai lệch: Ai sẽ sửa cái gì

Có ít nhất bốn hướng xử lý sai lệch. Sai sót trong hóa đơn hoặc packing list do nhà cung cấp phát hành sẽ hỏi lại nhà cung cấp. PO nội bộ cũ hoặc đặt hàng sai sẽ trả về cho bộ phận mua hàng. Sai lệch số vận đơn hoặc người nhận sẽ do bộ phận logistics/forwarder xác nhận. Nghi vấn về đặc tính hàng, xuất xứ, phân loại HS cần kỹ thuật và phụ trách thông quan/đại lý hải quan xác nhận. Nếu trả tất cả về hộp thư của một nhân viên nhập khẩu, thì dù AI phát hiện sai lệch, chỉ chuyển hàng đợi sang chỗ khác.

Ticket sai lệch cần ghi ID vụ việc, loại sai lệch, vị trí trích dẫn văn bản gốc, giá trị kỳ vọng, giá trị nhận được, mức độ quan trọng, người phụ trách, hạn xử lý, nơi hỏi, trả lời, bản sửa đính kèm, lịch sử phê duyệt. Nếu trả lời đến qua email, liên kết nội dung đó và phiên bản tài liệu mới. Không ghi đè xóa bản cũ, để sau này có thể truy vết đã thay đổi gì, lý do phê duyệt. Giữ lại các phiên bản, ghi rõ “phiên bản này được dùng cho chuẩn bị thông quan”. Nếu người phê duyệt chấp nhận sai lệch, cũng lưu lý do và tài liệu căn cứ.

Ở hiện trường đa ngôn ngữ, cần đồng bộ tên trường và giải thích lỗi trên màn hình bằng tiếng Thái, Anh, Nhật, nhưng không thay thế nội dung gốc của tài liệu. Nếu dịch thuật làm đơn giản hóa đặc tính hàng, có thể ảnh hưởng đến truyền đạt cho đại lý hải quan. Hiển thị riêng văn bản gốc, bản dịch cần thiết, tên master mặt hàng đã phê duyệt. Dịch thuật chỉ hỗ trợ hiểu, không thay đổi nội dung chính thức của tài liệu gốc hoặc giấy phép.

Liên kết với dữ liệu khai báo chỉ trong phạm vi đã phê duyệt

Mô hình dữ liệu WCO cho phép cấu trúc hóa thông tin từ các tài liệu giao dịch, vận chuyển… phục vụ thủ tục thông quan/xuất nhập khẩu. Hệ thống phía nhà nhập khẩu cũng nên áp dụng tư duy này, truy vết được dữ liệu nào lấy từ tài liệu nào. Tuy nhiên, chỉ áp dụng chuẩn WCO không có nghĩa là phù hợp với quy định khai báo của Thái Lan. Các trường liên kết thực tế, định dạng, quyền hạn cần xác nhận theo đại lý hải quan hoặc hệ thống sử dụng.

Cách liên kết có thể chọn: chuyển giao CSV đã phê duyệt, nhập portal của đại lý hải quan, liên kết API, xuất từ ERP… Dù cách nào, không được ghi đè trực tiếp “giá trị AI đọc được” lên dữ liệu nộp. Tạo snapshot đã phê duyệt, cố định người phụ trách, phiên bản, thời gian, tài liệu liên quan, nếu có sửa đổi sau đó thì tạo phiên bản mới và phê duyệt lại. Nếu đại lý hải quan yêu cầu sửa, lưu lại lý do thay đổi giá trị.

Khó khăn lớn nhất khi liên kết ERP là độ chi tiết của master mặt hàng. Hệ thống mua hàng có thể ghi “trọn bộ thiết bị sản xuất”, hóa đơn ghi từng linh kiện, packing list ghi theo thùng. Nếu mặc định một-một mã hàng để tự động mapping, có thể làm mất các linh kiện chưa đối chiếu. Khi nhập thiết bị/máy móc/phụ tùng lần đầu, cần kiểm tra tài liệu kỹ thuật, bảng linh kiện, xây dựng rule mapping ngoại lệ. Nếu có thể cải thiện master mặt hàng, nên ưu tiên chuẩn hóa master trước khi xử lý bằng AI.

Cách xây dựng PoC nhỏ: Trước hết phải phát hiện được sai lệch thực tế

Bẫy khi tạo bộ đánh giá

Chỉ tập hợp các vụ việc cũ là chưa đủ để làm bộ đánh giá. Nếu chỉ còn bản cuối cùng lưu trong nội bộ, sẽ thiếu các hóa đơn trước khi sửa, scan khó đọc từ nhà cung cấp. Nếu có thể, hãy lưu file theo thứ tự nhận và lịch sử hỏi đáp, tái hiện lại “phát hiện được gì tại thời điểm nhận đầu tiên”. Nếu không, dù AI đọc tài liệu hoàn chỉnh cho kết quả đúng cao, cũng không kiểm chứng được việc giảm phải làm lại.

Bộ đánh giá cần gồm cả “vụ việc có sai lệch” và “vụ việc không có sai lệch”. Hệ thống cảnh báo mọi vụ việc sẽ ít bỏ sót sai lệch nghiêm trọng, nhưng lại không hiệu quả vì người phải mở từng vụ. Đo lường số cảnh báo sai mà người xác nhận có thể chấp nhận, thời gian từ khi thấy cảnh báo đến khi giải quyết vấn đề thực tế. Với các trường quan trọng như mã hàng, loại tiền, cần review từng trường hợp bỏ sót thay vì chỉ nhìn tỷ lệ đúng trung bình. Không nên lấy kết quả thành công ở một mẫu để áp dụng cho mọi nhà cung cấp.

Một bẫy khác là chỉ một người gán nhãn đúng. Giá trị đọc từ hóa đơn có thể do nhân viên nhập khẩu xác nhận, nhưng thực thể mặt hàng hay tính tương thích mã sản phẩm cần kỹ thuật đánh giá. Phê duyệt giao hàng từng phần do mua hàng nắm, sửa chứng từ vận chuyển do logistics biết. Với trường hợp mơ hồ, nên có từ hai người đối chiếu căn cứ, nếu chưa xác định được thì ghi “không thể đánh giá”. Đánh giá AI không nên ép một đáp án đúng, mà kiểm tra luồng chuyển lên người có hoạt động đúng không.

Định nghĩa trước các trường hợp thất bại

PoC không chỉ demo trường hợp bình thường mà còn yêu cầu thao tác khi thất bại. Nhận diện sai loại tài liệu, liên kết nhầm vụ việc, AI bỏ sót một dòng chi tiết, nhận bản sửa đổi cùng số từ nhà cung cấp, lỗi mạng khi liên kết dở dang… Khi phát hiện lỗi, kiểm tra hệ thống dừng ở trạng thái nào, hiển thị gì cho người phụ trách, có bị đăng ký trùng khi xử lý lại không. Lỗi xuất ra giá trị sai một cách âm thầm nguy hiểm hơn lỗi dừng xử lý.

Dù màn hình demo của nhà cung cấp có thể highlight một phần tài liệu gốc, chưa chắc đã đủ làm bằng chứng phê duyệt thực tế. Kiểm tra giá trị đã xem trên màn hình phê duyệt có bị thay đổi sau đó không, người ngoài có thay đổi cài đặt không, sau khi xử lý lại có phân biệt được quyết định cũ và ứng viên mới không. Khi đại lý hải quan hỏi lại, có thể lấy ra trong vài phút ai đã chọn phiên bản nào của tài liệu nào, đó là giá trị của hệ thống đối chiếu theo vụ việc.

PoC không đo số trang đọc được mà đo cải thiện công việc xác nhận của nhân viên nhập khẩu. Nên giới hạn đối tượng vào một danh mục mua sắm, hai-ba nhà cung cấp chính, một tuyến vận chuyển, trộn cả vụ việc tiêu chuẩn và ngoại lệ. Vì tài liệu thực tế có thông tin mật, cần xác định trước điều kiện lấy mẫu, nơi lưu, quyền truy cập, thời gian giữ. Nếu chuyển tài liệu cho bên thứ ba hoặc dịch vụ cloud, phải tuân thủ hợp đồng và quy định nội bộ.

Dữ liệu đúng để đánh giá do nhân viên xác nhận bằng cách đối chiếu bản gốc với ghi nhận mua hàng/logistics. “Số ghi trên tài liệu” và “số nên dùng về mặt nghiệp vụ” có thể khác, nên lưu cả hai. Các trường hợp nên đưa vào mẫu: giao hàng từng phần, gộp nhiều PO, đổi loại tiền, quy đổi đơn vị, mã sản phẩm gần giống, thay đổi số thùng, hóa đơn thay thế, scan thiếu, tên hàng nhiều ngôn ngữ. Không chỉ tạo vấn đề giả lập, mà nên dùng các trường hợp phải làm lại trong quá khứ (ẩn danh) để tăng ý nghĩa đánh giá.

Điều kiện đạt PoC cần xác định trước khi triển khai. Ví dụ: “Không bỏ sót bất kỳ sai lệch nghiêm trọng nào đã chỉ định”, “Có thể truy cập vị trí gốc trên màn hình xác nhận”, “Truy vết được người phụ trách và lịch sử phê duyệt của từng sai lệch”, “Không tạo trùng vụ việc khi nạp lại cùng file”… Chỉ tiêu số liệu nên đặt theo thực tế công ty, không lấy kết quả về độ chính xác hoặc giảm công sức của công ty khác làm chuẩn. Nếu không đạt, cần xem lại chuẩn hóa tài liệu, cách nhận, cải thiện master, thu hẹp đối tượng.

Các mục cần đưa vào RFP cho nhà cung cấp và quy trình kiểm tra demo

Viết yêu cầu theo “trạng thái vụ việc” thay vì “một tờ biểu mẫu”

Từ nhập liệu tại hiện trường đến chuẩn bị khai báo, chia thành các trạng thái: nhận tài liệu, liên kết vụ việc, đọc dữ liệu, đối chiếu, phân bổ sai lệch, nhận bản sửa, phê duyệt, chuyển giao. Với mỗi trạng thái, ghi rõ ai có thể thực hiện, thiếu gì thì dừng, sau khi trả lại sẽ quay về trạng thái nào trong RFP. Ví dụ, khi nhận bản sửa hóa đơn, không kế thừa phê duyệt bản trước, mà chạy lại đối chiếu các trường liên quan đến giá trị, mặt hàng, số lượng. Nếu chỉ thay packing list, cũng cần kiểm tra lại các trường liên quan đến số thùng, trọng lượng. Không cần làm lại toàn bộ, nhưng nếu không truy vết được thay đổi và trường phụ thuộc, trạng thái “đã phê duyệt” sẽ gây hiểu nhầm.

Giữa mua hàng, logistics, kế toán, nhập khẩu, đại lý hải quan, cùng một trường thông tin nhưng thời điểm nắm giữ khác nhau. Số PO do mua hàng biết sớm, tên tàu/số vận đơn do logistics biết sau, giá trị hóa đơn do nhà cung cấp xác nhận. Hệ thống cần phân biệt trạng thái “chưa nhận”, “đã nhận nhưng chưa xác định”, “đã xác định/phê duyệt”. Nếu coi mọi trường trống là lỗi sẽ không dùng được cho kiểm tra draft sớm, nếu bỏ qua hết trường trống sẽ bỏ sót thiếu sót trước khi nộp. Định nghĩa riêng các trường bắt buộc theo giai đoạn, chỉ siết chặt ở bước phê duyệt.

Tài liệu có thể đến dưới dạng nội dung email, file PDF đính kèm, bảng Excel, scan, dữ liệu trên portal. Cần xác định kênh nào là nhận chính thức, không xác định vụ việc nhập khẩu chỉ qua tiêu đề email. Khi có nhiều file cùng số hóa đơn với tên “final”, “revised”, “corrected”, cần xác nhận bản sử dụng dựa trên số tài liệu, ngày phát hành, nội dung thay đổi, người gửi, không chỉ dựa vào tên file. Dù chọn phương án xóa bản cũ, cũng cần chính sách lưu vết thay đổi từ trước.

Trong RFP, không chỉ ghi “đọc tài liệu thông quan bằng AI-OCR”, mà cần chỉ rõ loại tài liệu, rule đối chiếu, luồng phê duyệt. Thống kê số lượng tài liệu theo năm/tháng, số trang, mẫu theo nhà cung cấp, ngôn ngữ, tỷ lệ PDF/hình ảnh, số dòng chi tiết tối đa, tần suất thay đổi. Ghi rõ cách lấy PO master, master mặt hàng, master nhà cung cấp, cách chuyển giao cho đại lý hải quan, lưu trữ và kiểm soát truy cập, xuất log. Các quy định chưa xác định hoặc đặc thù nhà cung cấp nên ghi là “mục cần xác nhận”, không bắt nhà cung cấp phải khẳng định trong RFP.

Khi demo, không chỉ xem mẫu đẹp do nhà cung cấp chọn. Hãy đưa các vụ việc đã ẩn danh của công ty, yêu cầu trình diễn toàn bộ quy trình từ nhận tài liệu gốc, hiển thị sai lệch, phân bổ người phụ trách, nạp lại bản sửa, phê duyệt, xuất dữ liệu. Nếu trộn các trường hợp khác nhau một ký tự mã sản phẩm và cùng mặt hàng ghi khác nhau, sẽ thấy AI phán đoán sai. Với vụ việc nhiều PO và một hóa đơn giao nhau, kiểm tra cách xử lý liên kết mơ hồ. Khi người sửa “ứng viên này không đúng”, kiểm tra cách phản ánh vào lần xử lý sau và log kiểm toán.

Không so sánh báo giá chỉ dựa vào đơn giá OCR. Yêu cầu báo giá tách riêng nhận/lọc, đọc dữ liệu, mapping mặt hàng, rule đối chiếu, màn hình phê duyệt, liên kết ERP, giao diện với đại lý hải quan, giám sát vận hành, bảo trì. API đọc giá rẻ nhưng nếu phải xử lý ngoại lệ thủ công thì tổng chi phí sẽ tăng. Ngược lại, nếu số vụ ít, mẫu ổn định, rule cố định và workflow đơn giản có thể đủ. Hãy đánh giá kết quả PoC với tài liệu thực tế và chi phí vận hành. Quy trình triển khai AI-OCR tổng quát được tổng hợp tại hướng dẫn thực tiễn này.

KPI vận hành thực tế không chỉ đo “xử lý nhanh hơn”

Hiệu quả đầu tư phải tính theo từng vụ việc

Để đánh giá hợp lý chi phí đầu tư, không chỉ nhìn đơn giá mỗi trang tài liệu mà cần tính tổng thời gian cho một vụ việc. Ghi nhận các vụ việc đại diện hiện tại, tách thời gian nhận tài liệu, sắp xếp vụ việc, đọc dữ liệu, kiểm tra sai lệch, hỏi nhà cung cấp, xác nhận lại bản sửa, chuyển giao cho đại lý hải quan. Sau khi triển khai AI, vẫn còn công việc review và xử lý ngoại lệ. Chi phí triển khai gồm cả sử dụng OCR, workflow, kết nối ERP, giám sát vận hành, xử lý thay đổi mẫu nhà cung cấp. Khi tính hoàn vốn, cần cộng cả công việc lặp lại giảm được và công việc kiểm tra/bảo trì mới phát sinh.

Cũng cần lưu ý không nhân kết quả PoC ban đầu lên toàn công ty. Nếu PoC chỉ chọn nhà cung cấp có tài liệu chất lượng cao, khi mở rộng sang đối tác có mẫu đa dạng sẽ tăng tỷ lệ phải xác nhận lại. Ngược lại, nếu chỉ chọn tài liệu khó ở giai đoạn đầu, sẽ đánh giá thấp hiệu quả tổng thể. Nên thống kê số vụ việc và thời gian xử lý theo từng lớp nhà cung cấp, mặt hàng, tuyến vận chuyển, chất lượng tài liệu, ghi rõ giả định khi mở rộng. Không quy đổi trực tiếp thời gian rút ngắn thành “ngày thông quan”, mà trước hết đánh giá lead time các bước xác nhận mà công ty kiểm soát được.

Tính chi phí vận hành cho quản lý thay đổi master và rule

Tính ổn định của đối chiếu phụ thuộc nhiều vào chất lượng master nhà cung cấp và master mặt hàng hơn là bản thân mô hình. Mỗi lần nhà cung cấp đổi tên công ty, chuyển nhà máy, mã sản phẩm mới, thay đổi đơn vị đóng gói, sửa hệ thống PO, cần cập nhật từ điển đối chiếu và rule. Xác định người sửa, người phê duyệt, ngày áp dụng, cách xử lý các vụ việc cũ bị ảnh hưởng. Ví dụ, khi đăng ký quy đổi “1 BOX = 10 PCS” vào master mặt hàng, cần giới hạn giá trị này áp dụng cho sản phẩm nào, loại đóng gói nào, giai đoạn nào. Nếu coi là quy đổi phổ quát, sẽ bỏ sót thay đổi đóng gói của nhà cung cấp.

Về cải tiến mô hình, không nên học máy vô điều kiện từ các sửa đổi của người phê duyệt. Vì có thể có trường hợp người phê duyệt chấp nhận nhầm hoặc nhập tay tạm thời. Trích xuất ứng viên học máy từ ticket sai lệch, chỉ phản ánh vào rule/từ điển/cài đặt trích xuất khi chủ sở hữu nghiệp vụ xác nhận. Nếu lưu lại bộ so sánh trước/sau cập nhật, có thể kiểm tra khi áp dụng cho nhà cung cấp mới không làm giảm hiệu quả với nhà cung cấp cũ.

Sau khi triển khai, theo dõi thời gian từ nhận đến phát hiện sai lệch, thời gian giải quyết sai lệch, số vụ trả lại nhà cung cấp, số sai lệch nghiêm trọng bị bỏ sót, cảnh báo sai, tỷ lệ không đọc được, tỷ lệ nộp lại, số vụ chờ phê duyệt. Thời gian xử lý thông quan phụ thuộc vào kiểm tra của hải quan và điều kiện vận chuyển, không coi là hiệu quả riêng của hệ thống. Các tuyên bố như “sau khi triển khai AI rút ngắn thông quan X ngày” cần đo riêng yếu tố so sánh và yếu tố bên ngoài.

Trong vận hành, mẫu nhà cung cấp mới, bổ sung mặt hàng, thay đổi loại tiền/hợp đồng, tăng phiên bản tài liệu sẽ ảnh hưởng đến hiệu suất. Hàng tháng nên review các trường hợp nhận diện sai/bỏ sót, cập nhật từ điển rule và master. Khi cập nhật mô hình, chạy lại các mẫu đại diện cũ để kiểm tra không bị thoái hóa ở trường quan trọng. Nếu người phê duyệt thường xuyên chấp nhận ngoại lệ không lý do, có thể rule hoặc ngưỡng chưa phù hợp thực tế.

Về quản lý thông tin, lưu ý hóa đơn có thể chứa giá giao dịch, thông tin nhà cung cấp, thậm chí liên hệ. Bộ phận mua hàng, IT, pháp chế cần xác định quyền truy cập, thời gian lưu, mã hóa, quyền truy cập của bên ủy thác, cách xử lý log. Nếu có thông tin cá nhân, cần xác nhận tuân thủ pháp luật theo loại dữ liệu và hình thức ủy thác. Việc sử dụng dữ liệu đầu vào AI cho học máy cần kiểm tra điều khoản hợp đồng và cài đặt dịch vụ riêng.

Checklist kiểm tra trước khi quyết định triển khai

Ba ranh giới cần xác định giữa các bộ phận

Thứ nhất là ranh giới giữa “lỗi tài liệu” và “thay đổi hợp đồng”. Số lượng trên hóa đơn khác PO không hẳn là lỗi ghi nhầm của nhà cung cấp. Có thể đã thỏa thuận giao hàng từng phần, thay đổi từ phía mua hàng, hoặc kèm hàng mẫu. AI chỉ hiển thị sai lệch, mua hàng xác nhận đã phê duyệt thay đổi thương mại hay chưa. Trước khi yêu cầu nhà cung cấp sửa, cần có luồng xác nhận tài liệu nào là thỏa thuận mới nhất.

Thứ hai là ranh giới giữa “giá trị trên tài liệu” và “giá trị dùng cho khai báo”. Ví dụ, tên hàng ghi theo viết tắt nội bộ, nhưng khai báo cần mô tả đúng thực thể sản phẩm. Dù AI tự động sinh mô tả từ tên nội bộ, vẫn cần người xác nhận có khớp với tài liệu kỹ thuật không. Các trường quan trọng như giá, số lượng, xuất xứ, phân loại HS cần lưu riêng giá trị gốc, giá trị sau điều chỉnh, lý do điều chỉnh. Nếu ghi đè một trong hai sẽ không giải thích được sai lệch sau này.

Thứ ba là ranh giới giữa “phê duyệt nội bộ” và “xác nhận của đại lý hải quan”. Dù đã phê duyệt đối chiếu nội bộ, chưa chắc đã đáp ứng yêu cầu thực tế thông quan. Nếu đại lý hải quan yêu cầu bổ sung tài liệu hoặc sửa, cần trả lại dữ liệu đã phê duyệt để xác nhận lại. Nếu chỉ gửi số liệu mới qua email mà hệ thống vẫn giữ số cũ, sẽ lặp lại lỗi ở lần nhập khẩu sau. Phản hồi của đại lý hải quan cần lưu vào lịch sử sai lệch của vụ việc, nếu cần thì cải thiện master và rule.

Khi xác định các ranh giới này trong cuộc họp, hãy đặt các tài liệu thực tế lên bàn. Nếu chỉ nhìn sơ đồ nghiệp vụ trừu tượng, dễ bỏ sót trường nào là giá trị xác định, trường nào là tạm thời. Hãy chọn một vụ việc từng bị trả lại, kiểm tra ai phát hiện sai lệch đầu tiên, giải quyết bằng chứng nào, khi nào chuyển cho đại lý hải quan, sẽ xác định rõ màn hình và quyền hạn cần thiết.

• [ ] Có rule liên kết phiên bản đặt hàng, hóa đơn, packing list, chứng từ vận chuyển vào cùng một vụ việc
• [ ] Xử lý được ngoại lệ như không có PO, giao hàng từng phần, gộp nhiều PO, hóa đơn sửa đổi
• [ ] Phân biệt được trạng thái “không đọc được” và “không khớp giữa tài liệu”
• [ ] Có quy tắc chuẩn hóa và căn cứ cho đơn vị số lượng, loại tiền, mã hàng
• [ ] Truy vết được trang/vị trí/phiên bản gốc, lịch sử sửa đổi/phê duyệt
• [ ] Xác định rõ người đánh giá mã HS, xuất xứ, định giá, giấy phép
• [ ] Chỉ chuyển giao dữ liệu đã phê duyệt cho đại lý hải quan
• [ ] Đo được tỷ lệ bỏ sót sai lệch nghiêm trọng, cảnh báo sai, thời gian xác nhận trên vụ việc thực tế
• [ ] Điều kiện lưu trữ, quyền hạn, bên ủy thác, xóa dữ liệu được đưa vào hợp đồng và vận hành

Nếu đã xác định được các điểm trên, việc so sánh sản phẩm AI-OCR sẽ cụ thể hơn. Không chỉ so sánh độ chính xác nhận diện, mà còn cách gom vụ việc nhập khẩu, căn cứ sai lệch, phê duyệt của người phụ trách, liên kết với đại lý hải quan. Nếu đã tìm hiểu các sản phẩm AI-OCR, hãy xem thêm bài so sánh giá theo 6 lớp.

Câu hỏi thường gặp

Q. Nếu số liệu trên hóa đơn và packing list khớp thì có thể tự động khai báo không?

Chỉ vậy thì chưa đủ. Còn nhiều yếu tố khác như PO, thông tin vận chuyển, đặc tính hàng, giấy phép cần thiết, và có thể hai tài liệu cùng mắc một lỗi giống nhau. AI chỉ hiển thị các trường khớp và sai lệch, dữ liệu dùng để khai báo phải do nhân viên nhập khẩu và đại lý hải quan xác nhận.

Q. Có thể để AI chọn mã HS không?

AI có thể hỗ trợ gợi ý từ mô tả sản phẩm, nhưng không nên xác định mã cuối cùng chỉ dựa vào phán đoán của AI. Cần xác nhận đặc tính, mục đích sử dụng, cấu trúc, cách hiểu mã thuế áp dụng, nếu cần thì hỏi chuyên gia hoặc sử dụng tư vấn trước chính thức. Hệ thống đối chiếu trong bài sẽ thiết kế để cảnh báo khi mã đã phê duyệt khác với tài liệu.

Q. Nếu tài liệu là PDF thì có cần OCR không?

Nếu PDF có thể trích xuất text thì có thể không cần nhận diện ký tự. Tuy nhiên, vẫn còn vấn đề về cấu trúc bảng chi tiết, trang nhúng dạng hình ảnh, khác biệt giữa hiển thị và lớp text, xử lý phiên bản sửa đổi. Hãy thử trích xuất và đối chiếu trên file thực tế trước khi triển khai.

Q. Nên bắt đầu từ vụ việc nào?

Nên chọn danh mục mua sắm có số lượng xử lý đủ lớn, có đủ PO, hóa đơn, packing list, và đang mất nhiều thời gian xác nhận. Không nên mở rộng ngay sang hàng hóa đặc thù có quy định phức tạp, mà nên hoàn thiện luồng phê duyệt trong phạm vi đo được sai lệch, sau đó mở rộng dần sẽ dễ đánh giá hơn.

Tư vấn với TOMAS TECH: Xem tài liệu, xác định trường đối chiếu trước

TOMAS TECH cung cấp hỗ trợ triển khai AI-OCR và tích hợp hệ thống nghiệp vụ cho ngành sản xuất, logistics tại Thái Lan. Nếu bạn đang cân nhắc đối chiếu tài liệu thông quan nhập khẩu bằng AI, hãy chuẩn bị PO, hóa đơn, packing list, các trường hợp bị trả lại đã ẩn danh. Chúng tôi sẽ cùng bạn xác định trường đối chiếu, ngoại lệ, cách chuyển giao với ERP/đại lý hải quan hiện tại, điều kiện đánh giá PoC. Nếu bạn muốn thiết kế quy trình phát hiện sai lệch bằng AI, xác nhận căn cứ và phê duyệt bởi con người, hãy liên hệ qua form liên hệ.

Tài liệu tham khảo

1. Hải quan Cảng Laem Chabang “Import Procedures” — Quy trình khai báo nhập khẩu, tài liệu liên quan, luồng e-Customs.
2. Hải quan Sadao “Quy trình thông quan nhập khẩu” — Thủ tục đường bộ, ví dụ về chứng từ vận chuyển, hóa đơn…
3. Bộ Thương mại Hoa Kỳ “Thailand: Import Requirements and Documentation” — Tài liệu nhập khẩu và yêu cầu bổ sung theo mặt hàng.
4. Bộ Thương mại Hoa Kỳ “Thailand: Customs Regulations” — Tổng quan về e-Customs, phân loại và tư vấn trước.
5. Tổ chức Hải quan Thế giới “WCO Data Model” — Định nghĩa dữ liệu chuẩn hóa cho thủ tục xuất nhập khẩu.
6. Tổ chức Hải quan Thế giới “Guidance on Main Class Levels” — Phân biệt nguồn thông tin tài liệu giao dịch và vận chuyển.
7. Hải quan Thái Lan “Customs Act (bản dịch tiếng Anh không chính thức)” — Quy định về phân loại thuế, tư vấn trước. Đối với đánh giá pháp lý, hãy kiểm tra văn bản tiếng Thái và hướng dẫn mới nhất của cơ quan quản lý.

*Bài viết này nhằm giải thích thiết kế hệ thống nghiệp vụ phía nhà nhập khẩu, không thay thế cho việc đánh giá thông quan hoặc pháp lý từng lô hàng. Việc áp dụng quy định cần xác nhận với hướng dẫn mới nhất của Hải quan Thái Lan/cơ quan quản lý và chuyên gia thông quan.*