Báo giá gia công bằng AI: tự động báo giá từ bản vẽ và tiêu chí nghiệm thu

“Yêu cầu báo giá ngày càng nhiều, nhưng trong công ty chỉ có 2 đến 3 người nhìn bản vẽ mà đưa ra được giá. Trả lời chậm, thế là mất đơn.” Đây là nỗi trăn trở mà giám đốc và trưởng phòng kinh doanh của các công ty gia công theo hợp đồng vốn Nhật Bản tại Thái Lan thường chia sẻ. Từ đó, việc triển khai báo giá gia công bằng AI được đưa lên bàn cân nhắc. Xin nói kết luận trước. Triển khai AI vào báo giá gia công không phải là để AI tự quyết định giá. Đó là việc chia phán đoán của người phụ trách báo giá thành 4 công đoạn “đọc bản vẽ”, “tìm kiếm tương tự”, “tính giá thành” và “phê duyệt”, rồi vạch rõ ranh giới giữa công đoạn giao cho AI và công đoạn do con người chịu trách nhiệm.

Điều quyết định thành bại không nằm ở bản thân độ chính xác của AI, mà ở chỗ trước khi đặt hàng, doanh nghiệp đã quyết định được 3 điều sau hay chưa.

• Bản vẽ nào được phép đưa qua báo giá của AI (phạm vi áp dụng)
• Khi AI đọc sai, ai sẽ chặn lại và chặn ở đâu (cổng phê duyệt)
• Đo độ chính xác bằng gì và thế nào thì đạt (tiêu chí nghiệm thu)

Lưu ý rằng trong các số tiền, thời gian, số lượng và tỷ lệ xuất hiện trong bài viết này, những con số liên quan đến “nhà máy mẫu Q” được mô tả ở phần sau đều là giá trị ước tính và giả định do chính bài viết đưa ra. Đây không phải mức trung bình của ngành, cũng không phải số liệu khảo sát. Hãy đọc chúng như một “khuôn mẫu tính toán” để thay bằng số liệu đo thực tế của doanh nghiệp mình.

Năm 2026, điều gì đang diễn ra với việc ứng dụng AI vào báo giá gia công

Dòng vốn và sản phẩm bắt đầu đổ về “báo giá”

Từ mùa hè đến mùa thu năm 2026, xung quanh lĩnh vực báo giá gia công liên tiếp có những chuyển động lớn.

Ngày 15/9/2026, CADDi công bố đã huy động 17.7 tỷ yên trong vòng Series D, nâng giá trị doanh nghiệp lên 182 tỷ yên. Công ty nêu mục đích sử dụng vốn gồm phát triển công nghệ AI riêng, mở rộng nền tảng và tăng cường kinh doanh tại Bắc Mỹ. Trước đó, ngày 6/8, công ty đã công bố thế hệ mới của “nền tảng dữ liệu AI cho ngành sản xuất CADDi”, trong đó nhóm sản phẩm chuyên biệt theo nghiệp vụ bao gồm nền tảng báo giá “CADDi Quote” ra mắt từ tháng 9/2024 và sản phẩm thẩm định giá thành “CADDi Cost Review” dự kiến cung cấp trong năm nay. Theo công bố của công ty, hơn một nửa số doanh nghiệp thuộc chỉ số Nikkei 225 đã triển khai, và giải pháp đang được sử dụng tại 22 quốc gia.

Tại Anh, ngày 9/9/2026 có thông tin rằng CloudNC, công ty được biết đến với AI CAM “CAM Assist”, đã huy động 20 triệu USD và dự kiến tung ra trong năm 2026 sản phẩm mới “Quote Agent” ứng dụng AI vào báo giá và dự toán gia công cơ khí. Theo các bài báo, CEO Theo Saville của công ty phát biểu: “Quoting is one of the biggest hidden bottlenecks in precision machining”. Tức là báo giá được nhìn nhận như một “nút thắt cổ chai vô hình” của xưởng gia công. Tuy nhiên, tại thời điểm viết bài, Quote Agent vẫn chưa được cung cấp, độ chính xác và giá cả chưa được công bố.

Paperless Parts, công ty phần mềm báo giá của Mỹ, công bố vào tháng 4/2026 rằng đã được cấp bằng sáng chế thứ 5 tại Mỹ. Đối tượng là AI đọc bản vẽ ngay khi được tải lên và chuyển thành thông tin có cấu trúc dùng được cho báo giá và mua hàng. Các trụ cột của bằng sáng chế gồm diễn giải dung sai hình học (GD&T), chỉ định vật liệu, độ hoàn thiện bề mặt và thông số ren, trích xuất yêu cầu từ bản vẽ PDF, liên kết ghi chú với hình học 3D, và khả năng xử lý bản vẽ bị xoay hoặc bị suy giảm chất lượng. Trước đó, vào tháng 9/2025, công ty đã công bố “Requirements Review”, tính năng tự động làm nổi bật GD&T và các ghi chú quan trọng ở giai đoạn báo giá, đồng thời gắn cờ các điều kiện rủi ro cao dựa trên quy tắc, với kế hoạch cung cấp chính thức vào tháng 10/2025 sau giai đoạn beta riêng.

Công cụ của bên mua và công cụ của bên bán là hai thứ khác nhau

Ở đây cần làm rõ một điểm. Trong các sản phẩm được gọi là “báo giá AI” đang lẫn lộn hai loại có vị trí khác nhau.

Loại thứ nhất là công cụ mua hàng của bên mua (bên đặt hàng). CADDi Quote là dịch vụ đám mây dành cho nghiệp vụ báo giá của bên đặt hàng, với các đặc điểm như gửi yêu cầu báo giá hàng loạt, tự động tạo bảng so sánh và gợi ý các mặt hàng tương tự dựa trên dữ liệu báo giá và mua hàng trong quá khứ. Báo giá tức thì do các nền tảng gia công như Xometry hay Protolabs của Mỹ cung cấp cũng là cơ chế mà bên đặt hàng nhập bản vẽ hoặc dữ liệu 3D vào là nhận về giá và thời gian giao hàng. Tháng 3/2026, Xometry công bố đã tăng dữ liệu huấn luyện của mô hình dự báo thời gian giao hàng (lead time) cho gia công cơ khí lên gấp 4 lần trước đây, và sử dụng mô hình điều chỉnh giá cho từng báo giá dựa trên đặc trưng hình học, lịch sử mua hàng của khách hàng và các yếu tố khác. Tháng 2/2026, Protolabs công bố “ProDesk” kết hợp báo giá bằng AI với phân tích khả năng chế tạo, và theo giải thích của công ty, khoảng 50,000 khách hàng dự kiến sẽ sử dụng trong năm 2026. meviy của MISUMI bắt đầu cung cấp từ tháng 3/2026 tính năng tự động liên kết thông tin dung sai kích thước từ phần mềm 3D CAD “iCAD SX” của iCAD, đối tượng là gia công cắt gọt (chi tiết khối vuông) và gia công kim loại tấm, và cho biết đã cắt giảm khoảng 25% công sức thiết lập báo giá so với cách thiết lập lại thủ công trước đây. Đây là con số do MISUMI công bố, chi tiết về điều kiện so sánh chưa được công khai.

Loại thứ hai là cơ chế để bên bán (bên nhận gia công theo hợp đồng) đưa ra báo giá của chính mình. Paperless Parts và Quote Agent của CloudNC thuộc loại này. Phần lớn độc giả của bài viết này có lẽ đứng ở vị trí này.

Hai loại có mục đích sử dụng khác nhau, nhưng không phải không liên quan. Khi công cụ mua hàng phổ biến ở phía khách hàng, bên nhận gia công sẽ chịu áp lực phải trả lời báo giá “nhanh hơn và theo định dạng đồng nhất”. Một khi đã nằm trong bảng so sánh của khách hàng, công ty trả lời chậm hoặc gửi báo giá thiếu hạng mục sẽ dễ bị loại khỏi vòng xem xét. Báo giá AI ở phía nhận gia công cũng là sự chuẩn bị trước áp lực này.

Ban lãnh đạo đã cảm nhận được hiệu quả, nhưng hiện trường báo giá thì chưa

Theo khảo sát trực tuyến do CADDi thực hiện từ ngày 4 đến 10/8/2026 với 484 lãnh đạo doanh nghiệp sản xuất (công bố ngày 10/9), 57.8% lãnh đạo cảm nhận được tác động đến hoạt động kinh doanh từ việc đầu tư và ứng dụng AI. Mặt khác, chỉ có 17.2% doanh nghiệp cho biết hiệu quả của AI đã lan tới các nghiệp vụ chuyên môn như thiết kế, báo giá, mua hàng hay các công đoạn tại hiện trường. Đây là khảo sát của chính một công ty cung cấp sản phẩm báo giá AI, và đối tượng là lãnh đạo doanh nghiệp Nhật Bản, nhưng bức tranh “ban lãnh đạo cảm thấy có kết quả, nhưng hiệu quả chưa chạm tới các nghiệp vụ chuyên môn như báo giá” hẳn cũng trùng khớp với cảm nhận thực tế của các nhà máy vốn Nhật tại Thái Lan.

Phía Thái Lan cũng có dòng đầu tư. Theo công bố của Ủy ban Đầu tư Thái Lan (BOI), trong các hồ sơ xin ưu đãi đầu tư nửa đầu năm 2026, chính sách “Smart and Sustainable Industry” hướng đến đổi mới máy móc, ứng dụng công nghệ số, tự động hóa và tích hợp robot đã nhận 132 hồ sơ với tổng giá trị khoảng 17.2 tỷ baht (đây là con số tính theo hồ sơ đăng ký, không phải số vốn đầu tư thực tế). Về nhu cầu hiện tại, theo Trading Economics dẫn công bố của Liên đoàn Công nghiệp Thái Lan (FTI), sản lượng ô tô tháng 8/2026 đạt 124,646 chiếc, tăng 10.93% so với cùng kỳ năm trước, nhưng xuất khẩu xe tháng 8 giảm 2.04% so với cùng kỳ, và FTI dự báo sản lượng cả năm 2026 giảm 3.33%. Khi lên xuống của đơn hàng càng khó đoán, giá trị của một cơ chế giúp xử lý nhiều yêu cầu với ít người báo giá, và giành chắc những đơn hàng có thể giành được, càng tăng lên.

Triển khai báo giá gia công bằng AI là gì: chia báo giá thành 4 công đoạn

Nếu phân tách công việc mà một người báo giá giàu kinh nghiệm làm cùng lúc trong đầu, có thể chia đại thể thành 4 công đoạn sau.

1. Đọc bản vẽ: lấy ra từ bản vẽ vật liệu, số lượng, dung sai kích thước, dung sai hình học, độ nhám bề mặt và các ghi chú như nhiệt luyện, mạ
2. Tìm kiếm tương tự: tìm xem trước đây đã từng làm chi tiết tương tự chưa, và khi đó thực tế đã tốn bao nhiêu
3. Tính giá thành: cộng dồn chi phí vật liệu, thời gian gá đặt và gia công, công đoạn thuê ngoài, kiểm tra, đóng gói và vận chuyển
4. Phê duyệt: xem xét lợi nhuận, thời gian giao hàng và rủi ro để quyết định giá cuối cùng và thời hạn giao hàng trả lời khách

Thảo luận về báo giá AI dễ bị rối là vì người ta gộp cả 4 công đoạn này lại rồi hỏi “AI có tự động hóa báo giá được không”. Khi xét theo từng công đoạn, phần AI làm tốt và phần con người phải chịu trách nhiệm được phân định rõ ràng. Đọc bản vẽ và tìm kiếm tương tự là những công đoạn dễ phát huy AI (với tiền đề là kết quả đọc phải được con người kiểm tra), tính giá thành thì phù hợp hay không tùy theo từng yếu tố, còn phê duyệt là việc của con người.

Ngoài ra, báo giá AI cũng hay bị nhầm lẫn với các cơ chế xung quanh. Báo giá cho sản phẩm cấu hình, nơi giá được quyết định bằng cách chọn các tùy chọn, được xử lý bằng một cơ chế khác gọi là CPQ (chi tiết xem bài viết về triển khai CPQ trong ngành sản xuất). Việc dùng AI để tạo đường chạy dao cho chương trình gia công thuộc lĩnh vực AI CAM, có mục đích khác với báo giá. Tuy nhiên, vẫn có thể liên kết hai bên, ví dụ dùng thời gian gia công do AI CAM tính ra cho phần tính giá thành của báo giá.

Công đoạn 1, đọc bản vẽ: bản vẽ 2D, dữ liệu 3D, GD&T và ghi chú quan trọng

Đọc bản vẽ 2D (PDF)

Tại các xưởng gia công theo hợp đồng ở Thái Lan, hiện vẫn còn không ít bản vẽ được gửi đến dưới dạng PDF 2D. Đối tượng cần đọc gồm khung tên (số bản vẽ, phiên bản, vật liệu, số lượng), kích thước và dung sai kích thước, dung sai hình học, độ nhám bề mặt, cùng các ghi chú như nhiệt luyện, mạ, mài, làm sạch ba via. Ký hiệu và cách diễn giải dung sai hình học được quy định trong ISO 1101 đối với bản vẽ theo hệ ISO, và trong ASME Y14.5 đối với bản vẽ của khách hàng theo hệ Mỹ. Khách hàng Nhật thường dùng JIS hoặc hệ ISO, khách hàng Mỹ dùng hệ ASME; việc trong cùng một nhà máy có thể tồn tại song song nhiều hệ bản vẽ là điểm cần lưu ý ngay từ giai đoạn quyết định đặc tả cho phần đọc bản vẽ.

Dữ liệu 3D (STEP AP242) và PMI

Khi nhận dữ liệu 3D, ISO 10303-242 (STEP AP242), với ấn bản thứ 4 phát hành tháng 8/2025, có phạm vi bao gồm dữ liệu kích thước, dung sai hình học và thông tin chế tạo sản phẩm (PMI) ở giai đoạn thiết kế và lập kế hoạch sản xuất. Nếu là dữ liệu có PMI, có thể đọc đặc trưng hình học và dung sai mà không cần thông qua bản vẽ. Thế nhưng trong thực tế, không ít file STEP chỉ xuất hình học, không có PMI. Khi đó, thông tin dung sai không được chuyển tới AI, và cần đọc riêng bản vẽ 2D. Việc meviy ra mắt tính năng tự động liên kết thông tin dung sai từ iCAD SX có thể xem là biểu hiện của quan điểm rằng chuyển dung sai từ phía mô hình 3D là cách đáng tin cậy.

Giới hạn khi đọc bản vẽ bằng AI tạo sinh đa dụng

Cũng có cách cho các AI tạo sinh đa dụng như ChatGPT, Claude hay Gemini đọc bản vẽ PDF. Tuy nhiên, tài liệu chính thức của từng hãng đều ghi rõ các giới hạn.

Tài liệu chính thức của Anthropic ghi rõ, về giới hạn trong việc hiểu hình ảnh, rằng có thể xảy ra sai sót với ảnh chất lượng thấp, ảnh bị xoay và ảnh nhỏ dưới 200 pixel, rằng tọa độ và vị trí xuất ra chỉ là gần đúng, và yêu cầu không sử dụng mà không có sự giám sát của con người cho các công việc cần độ chính xác tuyệt đối. Đối với PDF, kích thước request tối đa là 32MB, tối đa 600 trang mỗi request (100 trang đối với request có ngữ cảnh dưới 1 triệu token), không xử lý được PDF có mật khẩu hoặc được mã hóa, và mỗi trang dùng khoảng 1,500 đến 3,000 token. Hình ảnh có giới hạn trên về độ phân giải, ảnh lớn sẽ được thu nhỏ trước khi xử lý, nên cần hiểu rằng các ký hiệu dung sai nhỏ trên bản vẽ khổ A3 có thể trở nên khó đọc.

Gemini API của Google cho biết chấp nhận PDF tối đa 50MB hoặc 1,000 trang, coi mỗi trang tương đương 258 token và thu nhỏ trang lớn về tối đa 3072×3072. API của OpenAI quy định đầu vào PDF dưới 50MB mỗi file, tổng tối đa 50MB mỗi request, và có tham số để điều chỉnh mức độ chi tiết khi xử lý hình ảnh.

Nói cách khác, nếu đọc bản vẽ bằng AI đa dụng thì phải đặt tiền đề là tiền xử lý để chuẩn hóa độ phân giải, cấu trúc trang và tình trạng xoay của bản vẽ, và kết quả đọc nhất định phải được con người kiểm tra.

Mục đích của việc đọc bản vẽ là không bỏ sót “yêu cầu nguy hiểm”, trước cả việc tính giá

Điều quan trọng nhất trong khâu đọc bản vẽ thực ra không phải là đưa ra giá. Bởi việc đọc sót dung sai hay ghi chú không phải là chuyện số tiền báo giá lệch đi một chút, mà dẫn thẳng tới thua lỗ hoặc hàng lỗi sau khi nhận đơn. Ví dụ, bỏ sót chỉ định nhiệt luyện thì mất trọn chi phí thuê ngoài, bỏ sót một dung sai hình học khắt khe thì cả phương pháp gia công lẫn phương pháp kiểm tra đều thay đổi.

Việc Requirements Review của Paperless Parts không đặt trọng tâm vào tính giá, mà đưa lên hàng đầu “làm nổi bật GD&T và ghi chú quan trọng” cùng “gắn cờ điều kiện rủi ro cao”, và được thiết kế dựa trên tiền đề có con người rà soát như phân công người phụ trách và lịch sử kiểm toán, chính là biểu tượng cho điểm này. Trong tiêu chí nghiệm thu của AI đọc bản vẽ, nên đặt “không bỏ sót ghi chú quan trọng” lên trước sai số về số tiền.

Công đoạn 2, tìm kiếm bản vẽ tương tự và giá thành thực tế

“Trước đây đã báo giá chi tiết tương tự bao nhiêu” là chưa đủ

Việc đầu tiên người báo giá làm khi nhìn một bản vẽ mới là nhớ lại “trước đây đã từng làm thứ gì tương tự chưa”. Tìm kiếm bản vẽ tương tự bằng AI tách công việc này khỏi trí nhớ của con người. Cơ chế tìm lại bản vẽ cũ dựa trên mức độ gần nhau về hình dạng, kích thước, vật liệu và ghi chú được trình bày chi tiết trong bài viết về AI tìm kiếm bản vẽ.

Điều quan trọng đối với báo giá là những gì được gắn kèm với các dự án cũ được tìm ra. Nếu chỉ gắn kèm “số tiền” báo giá trước đây, sẽ không biết số tiền đó có mang lại lãi hay không. Bởi trong đó lẫn cả số tiền của những dự án nhận được nhờ giảm giá, những dự án bị lỗ và những dự án bị mất đơn. Điều quyết định độ chính xác là dự án cũ có được liên kết với giá thành thực tế hay không, tức là thời gian gá đặt và thời gian gia công thực tế đã tốn, chi phí thuê ngoài, và phần sửa chữa do hàng lỗi.

Chuẩn bị dữ liệu là ngọn núi đầu tiên

Ở các nhà máy vốn Nhật tại Thái Lan, thông tin thường bị phân tán: báo giá nằm trong Excel, bản vẽ trên file server, công số thực tế trong hệ thống quản lý sản xuất, chi phí thuê ngoài trong hệ thống kế toán. Để tìm kiếm tương tự hữu ích cho báo giá, cần liên kết các nguồn này với nhau bằng khóa là số bản vẽ và phiên bản. Nếu phiên bản bản vẽ bị lệch, sẽ dùng giá thành thực tế của phiên bản cũ để báo giá cho phiên bản mới, gây ra sai số. Về cách nghĩ trong quản lý phiên bản bản vẽ, có thể tham khảo thêm bài viết về AI quản lý thay đổi thiết kế.

Việc chuẩn bị này tuy không hào nhoáng, nhưng là công đoạn quan trọng, chiếm một phần tư vốn đầu tư ban đầu trong phép ước tính mẫu ở phần sau.

Công đoạn 3, tính giá thành: yếu tố dễ giao cho AI và yếu tố khó giao

Tính giá thành là cộng dồn chi phí vật liệu, thời gian gá đặt, thời gian gia công, công đoạn thuê ngoài, kiểm tra, đóng gói và vận chuyển. Trong đó, yếu tố dễ giao cho AI và yếu tố khó giao được phân định rõ ràng.

Trong nghiên cứu học thuật, có những công trình cho thấy nếu giới hạn điều kiện thì có thể ước tính chi phí sản xuất bằng học máy với một mức độ chính xác nhất định. Một nghiên cứu đăng lên arXiv vào tháng 8/2025 đã trích xuất khoảng 200 đặc trưng từ 13,684 bản vẽ 2D (24 nhóm sản phẩm) của chi tiết hệ thống treo và hệ thống lái ô tô, dự báo chi phí sản xuất bằng cây tăng cường gradient (gradient boosting), và báo cáo tỷ lệ sai số tuyệt đối trung bình trên toàn bộ các nhóm sản phẩm vào khoảng 10%. Tuy nhiên, đây là bản tiền in (preprint) chưa qua bình duyệt, và là kết quả trên một bộ dữ liệu cụ thể (chi tiết hệ thống treo và hệ thống lái ô tô). Không thể đọc con số này như “độ chính xác chung của báo giá AI”. Cách hiểu chính xác là: một mặt có nghiên cứu cho thấy nếu giới hạn điều kiện thì có thể ước tính đến mức này, mặt khác chừng nào chưa đo trên nhóm chi tiết của chính doanh nghiệp mình thì chưa biết độ chính xác.

Hiện tại, chưa thấy có benchmark công khai hay độc lập nào về độ chính xác của báo giá AI. Với các con số độ chính xác do nhà cung cấp đưa ra, nhất định phải xác nhận đó là kết quả đo trên nhóm chi tiết nào, trong khoảng thời gian nào và theo tiêu chuẩn nào.

Công đoạn 4, cổng phê duyệt: văn bản hóa các điều kiện để con người chặn lại

Giá cuối cùng và thời hạn giao hàng trả lời khách do con người phê duyệt. Điều quan trọng ở đây không chỉ là nói “con người sẽ xem”, mà là văn bản hóa trong những điều kiện nào thì không cho báo giá của AI đi thẳng, mà con người nhất định phải chặn lại để kiểm tra. Nếu điều kiện mơ hồ, càng vào mùa bận rộn thì việc kiểm tra càng trở thành hình thức.

Dưới đây là ví dụ về các điều kiện chặn lại tại cổng phê duyệt. Tất cả đều không phải tiêu chuẩn ngành, mà là ví dụ về tiêu chí do doanh nghiệp tự quyết định.

Trên màn hình phê duyệt, cho hiển thị song song không chỉ số tiền báo giá của AI, mà cả các dự án tương tự làm căn cứ, phần làm nổi bật các ghi chú quan trọng đã đọc được và lý do bị chặn lại. Màn hình có giúp người phê duyệt xác nhận “vì sao lại là số tiền này” trong vài chục giây hay không là hạng mục nên đưa vào tiêu chí nghiệm thu.

Gia công cắt gọt khác gì với gia công kim loại tấm và nhựa

Cùng là “báo giá gia công”, nhưng tùy phương pháp gia công mà loại khó khăn sẽ khác nhau. Dưới đây là phần tổng hợp mang tính khái quát về những điểm cần lưu ý.

Gia công cắt gọt có thời gian gia công thay đổi lớn tùy theo đặc trưng hình học (lỗ, hốc, ren, rãnh…), dung sai và độ nhám bề mặt. Chi tiết tròn và chi tiết khối vuông có công đoạn khác nhau, số lần gá đặt và việc có cần đồ gá hay không cũng ảnh hưởng. Đọc bản vẽ và ước tính thời gian gia công là trọng tâm của báo giá, và khi kết nối với dữ liệu phía gia công như AI CAM thì căn cứ ước tính sẽ nhiều hơn.

Gia công kim loại tấm có giá thành phụ thuộc vào hình khai triển, số lần chấn, số lỗ và vết cắt, cùng hiệu quả sắp xếp phôi (nesting), tức là lấy được bao nhiêu chi tiết từ một tấm vật liệu. Vì cách lấy phôi thay đổi theo số lượng, cần có cơ chế đưa ra báo giá theo từng mức số lượng. Khi có hàn hoặc sơn, tỷ trọng của thuê ngoài và công đoạn sau sẽ tăng lên.

Ép nhựa có cấu trúc báo giá thay đổi hoàn toàn tùy theo việc có khuôn hay không. Cần tách riêng chi phí khuôn và đơn giá ép, và khi phải làm khuôn mới thì có thêm phán đoán thiết kế khuôn, nên việc tự động báo giá từ bản vẽ còn khó hơn nữa.

Điểm chung với mọi phương pháp gia công là không lấy tất cả phương pháp và tất cả vật liệu làm đối tượng ngay từ đầu. Cách thực tế là bắt đầu từ phương pháp và vật liệu có số lượng yêu cầu nhiều nhất, đáp ứng tiêu chí nghiệm thu ở đó rồi mới mở rộng phạm vi.

Đo độ chính xác bằng gì: cách xây dựng tiêu chí nghiệm thu cho báo giá AI

Kiểm thử hồi cứu (so sánh trên dự án cũ)

Cách chắc chắn nhất để xác nhận độ chính xác của báo giá AI là đưa bản vẽ của các dự án đã nhận đơn và thực tế đã sản xuất trong quá khứ qua AI, rồi so sánh báo giá của AI với giá thành thực tế. Không phải so sánh với số tiền báo giá trước đây. Vì bản thân số tiền báo giá trước đây cũng có thể đã sai. Các dự án dùng để so sánh cần được tách riêng khỏi các dự án đã dùng để huấn luyện.

Xem “phân bố sai số” chứ không chỉ xem trung bình

Đánh giá độ chính xác chỉ bằng một con số sai số trung bình là nguy hiểm. Dù trung bình tốt, nếu một số dự án lệch lớn thì doanh nghiệp sẽ bị lỗ ở chính các dự án đó. Điều cần xem là phân bố sai số, đặc biệt là “có bao nhiêu dự án lệch xuống mạnh (báo giá quá thấp)”.

Ví dụ về các chỉ số đưa vào tiêu chí nghiệm thu

Các giá trị đạt nêu ở đây đều là ví dụ do doanh nghiệp tự quyết định. Vì mức hợp lý khác nhau tùy nhóm chi tiết và khách hàng, không được lấy nguyên con số “độ chính xác X%” mà nhà cung cấp đưa ra làm tiêu chí nghiệm thu. Cách quyết định khi nào dừng PoC và chuyển sang triển khai chính thức cũng được tổng hợp trong bài viết về tiêu chí kết thúc PoC AI.

Chi phí và ROI: chỉ cắt giảm công sức thì không thể hoàn vốn

Từ đây, chúng tôi ước tính trên nhà máy mẫu do chính bài viết đặt ra. Xin nhắc lại, mọi con số dưới đây đều là giá trị giả định và ước tính, không phải mức trung bình của ngành.

Tiền đề của nhà máy mẫu Q

• Công ty gia công theo hợp đồng chuyên cắt gọt chính xác và kim loại tấm, vốn Nhật Bản, tại tỉnh Chonburi, Thái Lan, có 320 nhân viên
• Yêu cầu báo giá (RFQ) 1,800 yêu cầu/năm (150 yêu cầu/tháng)
• Thời gian làm việc của người báo giá cho mỗi báo giá trung bình 2.0 giờ (giá trị giả định, bao gồm kiểm tra bản vẽ, thiết kế công đoạn, hỏi nhà thầu phụ, tính toán và phê duyệt)
• Thời gian làm báo giá mỗi năm là 1,800 yêu cầu × 2.0 giờ = 3,600 giờ
• Đơn giá giờ công của người báo giá là 400 THB (giá trị tạm đặt của bài viết, gồm lương của người báo giá khối kỹ thuật cộng bảo hiểm xã hội và các khoản tương tự)
• Chi phí nhân công cho công việc báo giá mỗi năm là 3,600 giờ × 400 THB = 1,440,000 THB
• Tỷ lệ nhận đơn 20%, tức nhận 1,800 yêu cầu/năm × 20% = 360 đơn
• Giá trị trung bình mỗi đơn 300,000 THB, tỷ suất lợi nhuận biên 25%, lợi nhuận biên mỗi đơn là 75,000 THB
• Thời gian trả lời báo giá hiện tại trung bình 5 ngày làm việc

Cấu hình và chi phí giả định

Cấu hình là “AI đọc bản vẽ + tìm kiếm bản vẽ tương tự + bảng giá thành, giá cuối cùng do con người phê duyệt”.

Điểm mấu chốt 1: chỉ cắt giảm công sức thì mất 10 năm

Giả định cắt giảm được 50% thời gian làm báo giá (2.0 giờ mỗi báo giá giảm còn 1.0 giờ). Thời gian cắt giảm là 3,600 giờ × 50% = 1,800 giờ, quy ra chi phí nhân công là 1,800 giờ × 400 THB = 720,000 THB/năm.

Trừ đi chi phí vận hành hằng năm 600,000 THB, lợi ích ròng hằng năm chỉ còn 120,000 THB. Thời gian hoàn vốn giản đơn là 1,200,000 ÷ 120,000 = 10.0 năm. Cộng dồn 5 năm là 120,000 × 5 − 1,200,000 = −600,000 THB, tức là lỗ. Dù giảm được một nửa công sức, chỉ riêng cắt giảm công sức thì không thể thu hồi khoản đầu tư.

Khi tỷ lệ nhận đơn tăng 1 điểm phần trăm, bức tranh thay đổi

Tiếp theo, giả định rằng nhờ hiệu quả rút ngắn thời gian trả lời báo giá, tỷ lệ nhận đơn tăng 1 điểm phần trăm, từ 20% lên 21%. Số đơn tăng thêm là 1,800 yêu cầu × 1% = 18 đơn, lợi nhuận biên tăng thêm là 18 đơn × 75,000 THB = 1,350,000 THB/năm.

Khi đó, lợi ích ròng hằng năm là 720,000 + 1,350,000 − 600,000 = 1,470,000 THB. Thời gian hoàn vốn giản đơn là 1,200,000 ÷ 1,470,000 = khoảng 0.8 năm (khoảng 10 tháng), cộng dồn 5 năm là 1,470,000 × 5 − 1,200,000 = 6,150,000 THB.

Xin ghi lại 3 lưu ý về cách tính. Thứ nhất, hiệu quả của tỷ lệ nhận đơn được tính bằng “lợi nhuận biên”. Nếu cộng thẳng giá trị đơn hàng 300,000 THB vào hiệu quả thì hiệu quả sẽ bị thổi phồng quá mức. Thứ hai, 720,000 THB từ cắt giảm công sức (chi phí nhân công) và 1,350,000 THB từ hiệu quả tỷ lệ nhận đơn (lợi nhuận biên) là hai loại hiệu quả khác nhau nên được cộng lại; vì số yêu cầu báo giá 1,800 yêu cầu không đổi, đơn hàng tăng lên không có nghĩa là công việc báo giá tăng lên. Thứ ba, phép ước tính này giả định năng lực sản xuất đủ đáp ứng phần đơn hàng tăng thêm.

Kết luận rất rõ ràng. Điều quyết định việc đầu tư không phải là cắt giảm công sức, mà là tỷ lệ nhận đơn. Tuy nhiên, tỷ lệ nhận đơn còn chịu ảnh hưởng của giá, chất lượng, thời gian giao hàng, tình hình kinh tế và hoàn cảnh phía khách hàng, nên không dễ chứng minh đó là hiệu quả của báo giá AI. Chính vì vậy, ngay từ đầu cần quyết định cách thiết kế: trong 30 ngày trước khi triển khai, ghi lại tỷ lệ nhận đơn, thời gian trả lời báo giá và lý do mất đơn hiện tại, rồi sau khi triển khai so sánh bằng cùng các chỉ số đó. Nói ngược lại, có thể nghi ngờ những đề xuất hứa hẹn cải thiện tỷ lệ nhận đơn.

Điểm mấu chốt 2: chi phí của một lần đọc sai

Đặt thêm một thước đo khác. Giả sử do đọc sót dung sai hoặc các ghi chú như nhiệt luyện, mạ, mỗi năm phát sinh 4 đơn hàng nhận dưới giá thành, mỗi đơn lỗ 150,000 THB. Khoản lỗ là 4 đơn × 150,000 THB = 600,000 THB/năm.

Con số này tương đương khoảng 83% hiệu quả cắt giảm công sức 720,000 THB ở điểm mấu chốt 1 (600,000 ÷ 720,000 = 0.833). Lưu ý rằng khoản lỗ này được nêu ra như một thước đo để so sánh với hiệu quả cắt giảm công sức, không phải để tạo ra một phép ước tính khác bằng cách trừ vào lợi ích ròng của điểm mấu chốt 1.

Điều có thể rút ra từ đây là: báo giá AI, ngay khoảnh khắc bỏ cổng phê duyệt, có thể mất gần hết phần chi phí nhân công đã cắt giảm được. Đây chính là căn cứ để đưa vào tiêu chí nghiệm thu các điều kiện chặn lại tại cổng phê duyệt và màn hình để con người kiểm tra kết quả đọc (phần làm nổi bật ghi chú quan trọng).

Về ưu đãi thuế dành cho doanh nghiệp vừa và nhỏ tại Thái Lan

Tại Thái Lan, theo giới thiệu trong bài giải thích của một công ty kế toán, Sắc lệnh số 802 cho phép khấu trừ 200% chi phí đầu tư số của doanh nghiệp vừa và nhỏ đã có hiệu lực vào tháng 2/2026. Đối tượng là pháp nhân có vốn góp không quá 5 triệu baht và doanh thu hằng năm không quá 30 triệu baht, áp dụng cho các khoản chi từ ngày 1/6/2025 đến ngày 31/12/2027, mức trần là 300,000 baht, và điều kiện là phần mềm, phần cứng phải là sản phẩm đã đăng ký với Cơ quan Xúc tiến Kinh tế số (DEPA). Cần xác nhận cách diễn giải, bao gồm việc mức trần là phần khấu trừ bổ sung hay là tổng số, và các công ty có quy mô như nhà máy mẫu Q có khả năng không đáp ứng điều kiện đối tượng. Về việc có được áp dụng hay không, hãy xác nhận riêng với chuyên gia thuế hoặc Cục Thuế (Revenue Department).

12 hạng mục cần ghi trong RFP hệ thống báo giá gia công

Phần lớn tranh chấp khi đặt hàng báo giá AI bắt nguồn từ việc tài liệu đặc tả không ghi rõ “thế nào thì được coi là hoàn thành”. Chúng tôi khuyến nghị ghi trong tài liệu đặc tả đặt hàng (RFP) ít nhất 12 hạng mục sau.

Đặc biệt, hạng mục số 5 “quyền sở hữu và quyền chỉnh sửa mô hình giá thành” thường bị bỏ qua. Nếu mô hình giá thành trở thành hộp đen của nhà cung cấp, mỗi lần đơn giá vật liệu hay đơn giá giờ máy thay đổi lại phải nhờ nhà cung cấp, và doanh nghiệp không còn tự giải thích được căn cứ của báo giá. Về cách đánh giá đơn vị phát triển, hãy tham khảo thêm bài viết về cách chọn công ty phát triển AI, và về những điểm cần nắm trong hợp đồng, xem bài viết về hợp đồng phát triển hệ thống.

Những gì cần xác nhận trong FAT/SAT

Trong kiểm thử nghiệm thu tại nhà máy nhà cung cấp (FAT) và kiểm thử nghiệm thu tại hiện trường (SAT), hãy xác nhận những phần không nhìn thấy được qua bản demo.

• Kiểm thử hồi cứu trên dự án cũ: với các dự án đã nhận đơn trong quá khứ không dùng để huấn luyện, so sánh giá thành ước tính với giá thành thực tế, xem phân bố sai số có đáp ứng tiêu chí nghiệm thu không
• Không bỏ sót ghi chú quan trọng nào: doanh nghiệp tự tạo bộ bản vẽ thử nghiệm cố ý chứa nhiệt luyện, mạ, dung sai hình học khắt khe, chỉ định kiểm tra đặc biệt…, xem hệ thống có bắt được tất cả không
• Cổng phê duyệt chặn lại một cách chắc chắn: cho chạy các bản vẽ thuộc điều kiện chặn, xem có chuyển tới người phê duyệt đầy đủ, không sót bản nào không
• Không còn lưu tên cá nhân: hệ thống có được thiết kế để tên người thiết kế, tên người phê duyệt trong khung tên không còn lại trong kết quả đọc hay dữ liệu huấn luyện không
• Cách xử lý bản vẽ khác phiên bản: khi cho chạy các bản vẽ cùng số bản vẽ nhưng khác phiên bản, hệ thống có coi là hai thứ khác nhau và không dùng nhầm giá thành thực tế của phiên bản cũ không
• Bản vẽ bị xoay, bản vẽ scan: hệ thống xử lý thế nào với bản vẽ scan bị nghiêng hay bản vẽ độ phân giải thấp. Khi không đọc được, có hiển thị “không đọc được” không

Điều quan trọng là bộ bản vẽ thử nghiệm phải được tạo từ bản vẽ thực tế của doanh nghiệp, không phải để nhà cung cấp chuẩn bị. Mẫu do nhà cung cấp chuẩn bị sẽ không phản ánh thói quen trong bản vẽ của doanh nghiệp, hay cách viết ghi chú phổ biến ở khách hàng của doanh nghiệp.

Các vấn đề đặc thù của Thái Lan: bảo mật bản vẽ, PDPA, kiểm soát xuất khẩu, đa ngôn ngữ

Bảo mật bản vẽ của khách hàng và AI đám mây

Bản vẽ của khách hàng trong nhiều trường hợp là đối tượng của thỏa thuận bảo mật (NDA). Trước hết, hãy xác nhận NDA với khách hàng có hạn chế việc cung cấp bản vẽ cho bên thứ ba hay lưu trữ trên đám mây hay không.

Khi sử dụng API của AI tạo sinh trên đám mây, các nhà cung cấp chính đều ghi rõ trong điều khoản hoặc tài liệu chính thức rằng không dùng dữ liệu khách hàng của API thương mại để huấn luyện. Điều khoản sử dụng thương mại của Anthropic (có hiệu lực từ ngày 17/6/2025) quy định không huấn luyện mô hình bằng nội dung khách hàng của dịch vụ thương mại. Tài liệu chính thức của OpenAI nêu rằng dữ liệu gửi tới API sẽ không được dùng để huấn luyện trừ khi khách hàng chủ động chọn tham gia (opt-in), đồng thời ghi rằng nhật ký giám sát lạm dụng được lưu tối đa 30 ngày, và có thể sử dụng chế độ không lưu dữ liệu (Zero Data Retention) theo cơ chế phê duyệt. Có thể chọn khu vực lưu trữ dữ liệu như Nhật Bản hay Singapore, nhưng Thái Lan không có trong danh sách.

Điều cần lưu ý ở đây là “không dùng để huấn luyện” và “không lưu trữ” là hai chuyện khác nhau. Dù không bị dùng để huấn luyện, nhật ký vẫn có thể được lưu trong một khoảng thời gian nhất định. Ngoài ra, gói dành cho cá nhân có điều kiện khác với hợp đồng thương mại. Bản vẽ của khách hàng nhất định phải được xử lý qua kênh hợp đồng thương mại do công ty ký kết, và nên cấm cách vận hành mà nhân viên dùng tài khoản cá nhân để cho AI đọc bản vẽ.

PDPA (Luật Bảo vệ Dữ liệu Cá nhân)

Luật Bảo vệ Dữ liệu Cá nhân của Thái Lan (PDPA) định nghĩa dữ liệu cá nhân là “thông tin liên quan đến một cá nhân, cho phép nhận dạng cá nhân đó một cách trực tiếp hoặc gián tiếp”. Bản thân hình dạng hay dung sai của bản vẽ thông thường được cho là không thuộc định nghĩa này. Tuy nhiên, tên người thiết kế, tên người phê duyệt trong khung tên bản vẽ, hay tên và thông tin liên lạc của người phụ trách phía khách hàng trong email yêu cầu báo giá được cho là có thể trở thành dữ liệu cá nhân. Thiết kế để loại bỏ tên cá nhân khỏi kết quả đọc và dữ liệu huấn luyện là cách an toàn. Về cách xử lý cụ thể, hãy xác nhận riêng với bộ phận pháp chế hoặc chuyên gia.

Kiểm soát xuất khẩu

Tại Thái Lan, theo thông tin báo chí, căn cứ thông báo của Bộ Thương mại dựa trên luật quản lý thương mại liên quan đến vũ khí hủy diệt hàng loạt, từ ngày 30/7/2026, việc xuất khẩu và tái xuất khẩu hàng hóa lưỡng dụng thuộc Nhóm 0 (liên quan đến hạt nhân) phải được cấp phép qua hệ thống của Cục Ngoại thương (DFT). Ảnh hưởng trực tiếp đến báo giá chi tiết gia công cơ khí thông thường được cho là hạn chế, nhưng tùy nội dung bản vẽ, có thể có trường hợp cần lưu ý đến cách xử lý dữ liệu kỹ thuật. Thông tin trong bài viết này dựa trên nguồn thứ cấp như báo chí; việc có thuộc đối tượng hay không, hãy xác nhận riêng với Cục Ngoại thương (DFT) thuộc Bộ Thương mại hoặc chuyên gia.

Đa ngôn ngữ

Tại các nhà máy vốn Nhật ở Thái Lan, người báo giá người Thái, nhân viên kinh doanh người Nhật, trụ sở chính tại Nhật Bản và khách hàng Nhật cùng tham gia vào một báo giá. Ghi chú trên bản vẽ cũng có thể lẫn tiếng Nhật, tiếng Anh và tiếng Thái. Tên các hạng mục trong kết quả đọc, đặc biệt là ký hiệu vật liệu và tên xử lý bề mặt, nếu không được thống nhất bằng từ điển thuật ngữ thì cùng một vật liệu sẽ bị đăng ký dưới nhiều tên khác nhau, khiến cả tìm kiếm tương tự lẫn tính giá thành đều đổ vỡ. Quyết định người quản lý từ điển thuật ngữ cũng là một phần chuẩn bị trước khi triển khai.

Kế hoạch 90 ngày triển khai báo giá gia công bằng AI

Cuối cùng, xin trình bày cách tiến hành triển khai trong 90 ngày.

Điều quan trọng nhất trong 30 ngày đầu không phải là dùng thử AI, mà là ghi lại hiện trạng. Nếu không biết tỷ lệ nhận đơn hay thời gian trả lời báo giá trước khi triển khai, sẽ không ai giải thích được sau khi triển khai cái gì đã tốt lên. Như đã thấy ở điểm mấu chốt 1, điều quyết định việc đầu tư là tỷ lệ nhận đơn. Và nền tảng để so sánh tỷ lệ nhận đơn đó chỉ có thể tạo ra trước khi triển khai.

Trong giai đoạn vận hành song song từ ngày 31 đến 60, không gửi báo giá của AI cho khách hàng, mà đặt cạnh báo giá của con người để so sánh. Tại đây sẽ thấy được AI dễ lệch ở loại bản vẽ nào, và nên chặn tại cổng phê duyệt trong những điều kiện nào.

Câu hỏi thường gặp (FAQ)

Q1. Báo giá AI là gì? Khác gì so với hệ thống báo giá truyền thống?

Hệ thống báo giá truyền thống là công cụ mà con người nhập vật liệu, thời gian gia công, rồi hệ thống đưa ra số tiền theo công thức định sẵn. Báo giá AI khác ở chỗ AI đảm nhận các phần ở khâu trước đó: “đọc bản vẽ”, “tìm dự án tương tự trong quá khứ” và “ước tính thời gian gia công”. Tuy nhiên, ranh giới rằng giá cuối cùng và thời hạn giao hàng trả lời khách do con người phê duyệt vẫn không thay đổi.

Q2. Tự động báo giá từ bản vẽ thì độ chính xác đạt khoảng bao nhiêu?

Không có con số độ chính xác chung. Chưa thấy có benchmark độ chính xác công khai hay độc lập nào, và con số trong nghiên cứu học thuật cũng là kết quả chưa qua bình duyệt, thu được trên bộ dữ liệu của một nhóm chi tiết cụ thể. Cách duy nhất là đưa các dự án đã nhận đơn trong quá khứ của doanh nghiệp qua AI, rồi đo phân bố sai số và độ phủ khi đọc bằng kiểm thử hồi cứu, so sánh với giá thành thực tế. Giá trị đạt do doanh nghiệp tự quyết định.

Q3. Độ khó của báo giá AI có khác nhau giữa gia công cắt gọt và kim loại tấm không?

Có khác. Nói chung, với cắt gọt, trọng tâm là phần ước tính thời gian gia công từ đặc trưng hình học và dung sai; với kim loại tấm, hình khai triển, số lần chấn và hiệu quả sắp xếp phôi (nesting) chi phối giá thành. Với ép nhựa, cấu trúc báo giá thay đổi tùy việc có khuôn hay không. Cách thực tế là ban đầu thu hẹp vào phương pháp gia công và vật liệu có số lượng yêu cầu nhiều nhất.

Q4. Gửi bản vẽ của khách hàng lên AI đám mây có ổn không?

Trước hết, hãy xác nhận NDA với khách hàng có hạn chế việc cung cấp cho bên thứ ba hay lưu trữ trên đám mây hay không. Các nhà cung cấp chính ghi rõ rằng không dùng dữ liệu của API thương mại để huấn luyện, nhưng “không dùng để huấn luyện” và “không lưu trữ” là hai chuyện khác nhau, nhật ký có thể được lưu trong một khoảng thời gian nhất định. Tên người trong khung tên bản vẽ và các thông tin tương tự có thể trở thành dữ liệu cá nhân, vì vậy hãy xác nhận riêng với bộ phận pháp chế hoặc chuyên gia, bao gồm cả cách xử lý theo PDPA. Việc nội dung bản vẽ có thể liên quan đến kiểm soát xuất khẩu hay không, cách an toàn cũng là xác nhận riêng với Cục Ngoại thương (DFT) có thẩm quyền hoặc chuyên gia.

Q5. Công ty gia công theo hợp đồng vừa và nhỏ có triển khai được báo giá AI không? Chi phí bao nhiêu?

Trong phép ước tính cho nhà máy mẫu Q của bài viết (320 nhân viên, 1,800 yêu cầu báo giá mỗi năm), chúng tôi đặt đầu tư ban đầu là 1,200,000 THB và chi phí vận hành hằng năm là 600,000 THB. Đây là giá trị giả định và thay đổi lớn tùy cấu hình và phạm vi. Hãy dùng số liệu của doanh nghiệp mình để kiểm chứng cấu trúc sau: chỉ cắt giảm công sức thì mất 10.0 năm để hoàn vốn, trong khi nếu tỷ lệ nhận đơn tăng 1 điểm phần trăm thì có thể hoàn vốn trong khoảng 10 tháng. Ưu đãi khấu trừ 200% cho đầu tư số của doanh nghiệp vừa và nhỏ tại Thái Lan có điều kiện về vốn và doanh thu, đồng thời cần xác nhận cách diễn giải, vì vậy hãy xác nhận riêng với chuyên gia thuế hoặc Cục Thuế (Revenue Department).

Q6. Mất bao lâu để triển khai?

Bài viết đã trình bày kế hoạch 90 ngày: 30 ngày đầu ghi lại hiện trạng và chuẩn bị dữ liệu, 30 ngày tiếp theo vận hành song song trong phạm vi giới hạn, 30 ngày cuối thực hiện FAT/SAT và đánh giá việc mở rộng phạm vi. Mức độ đầy đủ của dữ liệu giá thành thực tế trong quá khứ sẽ làm khối lượng công việc của 30 ngày đầu thay đổi rất nhiều.

Tổng kết

• Triển khai báo giá gia công bằng AI không phải là để AI tự quyết định giá, mà là chia báo giá thành 4 công đoạn đọc bản vẽ, tìm kiếm tương tự, tính giá thành và phê duyệt, rồi vạch rõ ranh giới giữa AI và con người.
• Mục đích của việc đọc bản vẽ, trước cả việc tính giá, là không bỏ sót các yêu cầu nguy hiểm như dung sai, nhiệt luyện, mạ.
• Độ chính xác của tìm kiếm tương tự được quyết định bởi việc có liên kết với giá thành thực tế hay không, chứ không phải số tiền báo giá trước đây.
• Văn bản hóa các điều kiện chặn lại tại cổng phê duyệt, và giúp người phê duyệt kiểm tra được căn cứ và các ghi chú quan trọng ngay trên màn hình phê duyệt.
• Đo độ chính xác trên nhóm chi tiết của chính doanh nghiệp, bằng kiểm thử hồi cứu trên các dự án đã nhận đơn và phân bố sai số.
• Trong phép ước tính mẫu, chỉ cắt giảm công sức thì mất 10.0 năm để hoàn vốn, và điều quyết định việc đầu tư là tỷ lệ nhận đơn. Mặt khác, khoản lỗ do đọc sai có thể lên tới khoảng 83% hiệu quả cắt giảm công sức, nên không thể bỏ cổng phê duyệt.
• Ghi lại hiện trạng trong 30 ngày trước khi triển khai là nền tảng cho mọi phép so sánh.

Chúng tôi có thể hỗ trợ ngay từ giai đoạn tìm cách ghi lại hiện trạng công sức báo giá và tỷ lệ nhận đơn, hay giai đoạn cân nhắc vạch ranh giới bản vẽ nào được đưa qua báo giá của AI. Kể cả khi bạn muốn tính lại phép ước tính bằng số liệu của doanh nghiệp mình, xin đừng ngần ngại liên hệ qua trang Liên hệ.

Thông tin tham khảo

• The Next Web (CloudNC huy động vốn và Quote Agent): https://thenextweb.com/news/cloudnc-20m-cam-assist-quote-agent
• Robotics 24/7 (IMTS 2026, CloudNC): https://www.robotics247.com/article/imts-2026-cloudnc-raises-20m-to-expand-ai-tools-for-precision-machining
• Paperless Parts (được cấp bằng sáng chế thứ 5): https://www.paperlessparts.com/press/paperless-parts-awarded-fifth-patent-advancing-its-position-as-the-leading-intelligence-platform-for-the-industrial-supply-chain/
• Paperless Parts (công bố Requirements Review): https://www.paperlessparts.com/press/paperless-parts-new-ai-features-surface-critical-requirements-helping-shops-quote-faster-with-confidence/
• CADDi (công bố nền tảng thế hệ mới): https://caddi.com/ja-jp/news/press/20260806
• CADDi (huy động vốn Series D): https://caddi.com/ja-jp/news/press/series-d-funding
• CADDi (khảo sát 484 lãnh đạo doanh nghiệp sản xuất): https://caddi.com/ja-jp/news/press/20260910_aiimpact
• Mynavi News (CADDi Quote chính thức cung cấp): https://news.mynavi.jp/techplus/article/20240918-3027513
• CIMdata (mở rộng Xometry Instant Quoting Engine): https://www.cimdata.com/en/industry-summary-articles/item/29596-xometry-deepens-ai-native-marketplace-advantage-with-new-enterprise-lead-time-intelligence-and-personalized-pricing-models
• Netshop Tantousha Forum / PR TIMES (liên kết dung sai giữa meviy và iCAD SX): https://netshop.impress.co.jp/index%2Ephp/r/prtimes/items/000000332.000012100
• Digital Commerce 360 (Protolabs ProDesk): https://www.digitalcommerce360.com/2026/02/17/protolabs-launches-prodesk-ai-quoting-production-management/
• ISO 1101:2017: https://committee.iso.org/standard/66777.html
• ISO 10303-242:2025 (STEP AP242): https://committee.iso.org/standard/84300.html
• ASME Y14.5-2018: https://www.asme.org/codes-standards/find-codes-standards/y14-5-dimensioning-tolerancing/2018
• arXiv 2508.12440 (dự báo chi phí sản xuất từ bản vẽ 2D, chưa qua bình duyệt): https://arxiv.org/abs/2508.12440
• Anthropic (Vision): https://platform.claude.com/docs/en/build-with-claude/vision
• Anthropic (PDF support): https://platform.claude.com/docs/en/build-with-claude/pdf-support
• Anthropic (Commercial Terms of Service): https://www.anthropic.com/legal/commercial-terms
• OpenAI (Your data): https://developers.openai.com/api/docs/guides/your-data
• OpenAI (PDF files): https://developers.openai.com/api/docs/guides/pdf-files
• Google Gemini API (Document processing): https://ai.google.dev/gemini-api/docs/document-processing
• Luật Bảo vệ Dữ liệu Cá nhân Thái Lan (PDPA), bản dịch tiếng Anh: https://pdpa.msu.ac.th/wp-content/uploads/2022/05/EN-PDPA-2019.pdf
• Nation Thailand (cơ chế cấp phép xuất khẩu hàng hóa lưỡng dụng): https://www.nationthailand.com/news/policy/40068484
• Lex Bangkok (kiểm soát xuất khẩu hàng hóa lưỡng dụng tại Thái Lan): https://lexbangkok.com/thailand-dual-use-export-controls/
• Ủy ban Đầu tư Thái Lan (BOI), công bố nửa đầu năm 2026: https://www.boi.go.th/upload/content/PR117_2569EN.pdf
• Trading Economics (sản lượng ô tô Thái Lan, công bố của FTI): https://tradingeconomics.com/thailand/total-vehicle-sales/news/587114
• Forvis Mazars (khấu trừ 200% cho đầu tư số của doanh nghiệp vừa và nhỏ Thái Lan): https://www.forvismazars.com/th/en/insights/doing-business-in-thailand/tax/how-smes-benefit-from-the-200-tax-deduction