Đã triển khai Copilot rồi mà khối lượng Excel ngoài hiện trường vẫn không giảm — đây là câu chuyện thường nghe ở các nhà máy Nhật Bản tại Thái Lan. Bước sang năm 2026, việc tự động hóa công việc Excel bằng AI đã tiến bộ rõ rệt, nhưng phần thực sự có hiệu quả là khâu “xử lý” như tổng hợp số liệu và công thức tính, còn công sức chép lại dữ liệu từ báo cáo sản xuất hàng ngày sang bảng tồn kho, rồi từ bảng tồn kho sang bảng quản lý thì hầu như không thay đổi. Bài viết này phân rã công việc Excel thành 3 tầng và 5 nhóm, sắp xếp lại ranh giới giữa phạm vi AI là đủ và phạm vi bắt buộc phải kết nối hệ thống, theo cách mà doanh nghiệp có thể tự đánh giá.
Tự động hóa công việc Excel bằng AI là nói đến điều gì — mô hình 3 tầng: nhập liệu, xử lý, chia sẻ
Yêu cầu “muốn tự động hóa công việc Excel” hầu như luôn lệch pha khi bắt đầu bàn bạc trong nội bộ. Trưởng phòng hành chính hình dung đến việc tổng hợp và làm tài liệu hàng tháng; giám đốc nhà máy hình dung đến việc nhân viên hiện trường mỗi sáng phải dành một khoảng thời gian đáng kể để gõ số liệu; còn người kiêm nhiệm IT lại hình dung đến tình trạng file nằm rải rác và lệch phiên bản. Cùng một cụm từ “công việc Excel” nhưng đang chỉ ba vấn đề hoàn toàn khác nhau.
Cách nhanh nhất để gỡ sự lệch pha này là chia công việc Excel theo tầng. Các công việc Excel đang được dùng trong nhà máy có thể sắp xếp thành 3 tầng sau.
Định nghĩa mô hình 3 tầng
| Tầng | Là công việc gì | Ví dụ cụ thể trong nhà máy | Người thực hiện chính |
|---|---|---|---|
| Tầng nhập liệu | Làm cho dữ liệu “tồn tại” bên trong Excel | Gõ báo cáo sản xuất hàng ngày, nhập kết quả kiểm tra hàng nhận, chép sang bảng tồn kho, chép lại chấm công, lập phiếu hàng lỗi | Tổ trưởng hiện trường, trưởng ca, nhân viên văn phòng |
| Tầng xử lý | Tổng hợp, tính toán, phân tích dữ liệu đã có | Tổng hợp sản lượng theo ngày, tính tỷ lệ thành phẩm, phân bổ giá thành, tính vòng quay tồn kho, phân tầng bằng PivotTable | Quản lý sản xuất, kế toán, quản lý chất lượng |
| Tầng chia sẻ | Đưa kết quả đã xử lý đến người khác để phục vụ ra quyết định | Lập báo cáo tuần, định dạng theo biểu mẫu nộp về công ty mẹ, dựng biểu đồ cho tài liệu họp, gửi qua email đính kèm | Trưởng phòng hành chính, giám đốc nhà máy, đầu mối làm việc với công ty mẹ tại Nhật |
Khi nhìn theo 3 tầng, có thể hiểu vì sao các cuộc thảo luận về công việc Excel hay rối. Tầng xử lý và tầng chia sẻ trông giống công việc văn phòng nên dễ lọt vào tầm mắt ban lãnh đạo. Ngược lại, tầng nhập liệu bị chôn vùi trong tác nghiệp hiện trường nên gần như không bao giờ được thống kê thành giờ công. Nhưng khi thực sự kiểm kê tổng giờ công Excel của nhà máy, tầng nhập liệu thường là tầng dày nhất. Lý do là dù thời gian mỗi người ngắn, số người và số lần lại lớn hơn hẳn.
Mỗi tầng nghẽn vì một lý do khác nhau
Ba tầng này tắc nghẽn vì những nguyên nhân khác nhau.
Tầng xử lý nghẽn chủ yếu vì “chỉ vài người làm được”. Số người biết viết VLOOKUP, dựng PivotTable và macro trong nhà máy rất ít, và khi người đó nghỉ thì báo cáo tháng dừng lại. Công thức hỏng cũng không ai sửa được. Đây là vấn đề phụ thuộc vào cá nhân, là vấn đề kỹ năng.
Tầng chia sẻ nghẽn vì “quá nhiều biểu mẫu”. Bảng xem trong nhà máy, bảng nộp công ty mẹ, bảng phục vụ kiểm toán, bảng gửi khách hàng đều khác nhau, nên cùng một con số phải chỉnh lại theo bốn hình thức. Đây là vấn đề yêu cầu, là vấn đề điều phối.
Tầng nhập liệu nghẽn vì “dữ liệu gốc không tồn tại ở dạng máy đọc được”. Kết quả tác nghiệp tại hiện trường nằm trên giấy, trên bảng trắng hoặc chỉ được truyền miệng, nên nhất định phải có công đoạn gõ lại bằng bàn phím. Đây không phải vấn đề kỹ năng hay điều phối, mà là vấn đề cấu trúc phát sinh dữ liệu.
Khác biệt này có ý nghĩa quyết định. Vấn đề kỹ năng và vấn đề điều phối nằm gần vùng sở trường của AI. Nhưng vấn đề cấu trúc phát sinh dữ liệu thì dù có đưa AI vào Excel, bản thân cấu trúc đó cũng không thay đổi.
Bóc tách “Excel khổ quá” theo tầng
Khi phân bổ các phàn nàn từ hiện trường vào từng tầng, giải pháp sẽ khác nhau. Bảng dưới đây đối chiếu những câu nói thường nghe với tầng tương ứng.
| Câu nói từ hiện trường | Tầng thực sự đang nghẽn | Hướng giải pháp hiệu quả |
|---|---|---|
| “Không có ai hiểu hàm cả” | Tầng xử lý | Trợ lý AI, chuẩn hóa công thức |
| “Tháng nào cũng làm cùng một bảng tổng hợp bằng tay” | Tầng xử lý | Đóng gói quy trình bằng AI |
| “Mất nhiều thời gian chỉ để chỉnh hình thức báo cáo” | Tầng chia sẻ | Định dạng bằng AI, thống nhất template |
| “Cùng một con số phải gõ đi gõ lại nhiều lần” | Tầng nhập liệu | Số hóa nguồn phát sinh dữ liệu, kết nối các hệ thống |
| “Gõ nhầm nên tồn kho không khớp” | Tầng nhập liệu | Loại bỏ chính việc nhập liệu, tự động thu thập số liệu thực tế |
| “File nặng quá, không mở được” | Tầng nhập liệu + tầng xử lý | Chuyển nơi chứa dữ liệu sang công cụ khác ngoài Excel |
| “Ai đó ghi đè làm mất số liệu” | Tầng chia sẻ + tầng nhập liệu | Chuyển sang cơ chế có một bản gốc duy nhất |
Nếu chỉ nghe câu chữ rồi quyết định “đưa AI tự động hóa Excel vào”, kết quả là mua công cụ cho tầng xử lý để trả lời cho nỗi bức xúc ở tầng nhập liệu. Đây chính là mô-típ phổ biến nhất của tình huống “đã dùng Copilot mà Excel ngoài hiện trường vẫn không giảm”.
Đến năm 2026 AI làm được gì trên Excel — vị trí hiện tại của Copilot in Excel và Claude for Excel
Trước tiên hãy xác nhận hiện trạng. Excel × AI của năm 2026 đã khác hẳn “chatbot dạy công thức” của vài năm trước.
Copilot in Excel: đã có thể lưu công việc lặp lại thành “khuôn”
Microsoft 365 Copilot đã bắt đầu cung cấp một loạt tính năng dành cho Copilot in Excel vào tháng 6 năm 2026. Ba điểm có tác dụng thực tiễn như sau.
Thứ nhất là “Skills”, cho phép đóng gói các workflow lặp đi lặp lại thành chỉ dẫn tái sử dụng được. Với nhà máy tháng nào cũng làm cùng một bảng tổng hợp theo cùng một trình tự, điều này có nghĩa là chính trình tự đó được đăng ký và gọi lại. Thứ hai là “personalization”, cho phép áp dụng nhất quán trên toàn workbook các hướng dẫn về định dạng, quy tắc đặt tên, công thức, PivotTable và phong cách báo cáo. Thứ ba là “workbook rules sheet”: khi ghi các quy tắc riêng của workbook đó về cấu trúc, định dạng, cách đặt tên và công thức vào một sheet chuyên dụng tên .Rules, mọi người cùng chỉnh sửa sẽ tuân theo cùng một hướng dẫn.
Điểm thứ ba nghe có vẻ không hào nhoáng nhưng lại rất hiệu quả ở những nhà máy có nhiều người cùng động vào một bảng quản lý. Trước đây, các quy tắc cục bộ của workbook (cột này bắt buộc dùng ký tự nửa chiều rộng (half-width), ngày tháng theo YYYY-MM-DD, mã hàng có số 0 đứng đầu, và những quy ước ngầm tương tự) chỉ nằm trong đầu người tiền nhiệm, nên cứ mỗi lần bàn giao là đổ vỡ. Nay những quy tắc đó có thể nhúng thẳng vào workbook.
Ngoài ra, khi chỉnh sửa, Copilot in Excel còn để Work IQ tự động lấy ngữ cảnh liên quan từ email, biên bản họp, chat và file. Cũng có hỗ trợ chế độ Plan và Python. Xét tổng thể Microsoft 365 Copilot, từ đầu năm 2026 trở đi, việc tích hợp với Claude của Anthropic cùng các agent chuyên biệt như Researcher / Analyst / Word, Excel, PowerPoint Agent đã đi vào thực dụng, và được đánh giá là đang chuyển từ giai đoạn “dùng như một chatbot” sang giai đoạn “cộng tác cùng AI”.
Claude for Excel: đọc được quan hệ phụ thuộc của cả workbook
Claude for Excel của Anthropic ra mắt bản beta vào tháng 10 năm 2025 và chính thức phát hành rộng rãi (GA) vào tháng 5 năm 2026. Công cụ này nằm thường trực ở thanh bên của Excel, hiểu toàn bộ workbook, nắm được quan hệ phụ thuộc của công thức trải dài trên nhiều tab cùng cấu trúc tham chiếu ô, rồi thực hiện phân tích, thao tác và đề xuất ở mức từng ô. Nó được định vị để hoàn tất việc xây dựng mô hình tài chính, phân tích dữ liệu và lập báo cáo ngay trong Excel, và theo công bố thì có thể sử dụng cả với gói Pro.
Điểm chạm đúng thực tế nhà máy là phần “nắm được quan hệ phụ thuộc của công thức trải dài trên nhiều tab”. Các file Excel quản lý sản xuất dùng lâu năm thường có rất nhiều sheet tham chiếu chéo lẫn nhau. Không hiếm gặp những workbook rơi vào trạng thái đóng băng: vì không biết sửa ô nào thì chỗ nào sẽ hỏng nên không ai dám động vào. Chỉ cần có một công cụ đọc được quan hệ phụ thuộc, tình trạng đóng băng này đã dễ tháo gỡ hơn nhiều.
Khác biệt về định vị của hai công cụ
| Góc nhìn | Copilot in Excel | Claude for Excel |
|---|---|---|
| Hình thức cung cấp | Một tính năng của Microsoft 365 Copilot | Add-in thường trực ở thanh bên Excel |
| Trọng tâm thế mạnh | Khuôn mẫu hóa workflow lặp lại, áp quy tắc cho toàn workbook, thu nạp ngữ cảnh nội bộ | Hiểu cấu trúc toàn workbook, nắm quan hệ phụ thuộc công thức qua nhiều tab |
| Kết nối với dữ liệu nội bộ | Tham chiếu email, cuộc họp, chat, file qua Work IQ | Hiểu chủ yếu dựa trên nội dung bên trong workbook |
| Kiểu sử dụng phù hợp | Chuẩn hóa việc tổng hợp và định dạng lặp lại hằng tháng | Đọc hiểu và làm lại các workbook cũ đã phức tạp hóa |
| Trục quyết định triển khai | Đã triển khai Microsoft 365 toàn công ty hay chưa | Tỷ trọng mô hình hóa và phân tích trên Excel có cao không |
So sánh xem cái nào hơn cái nào không có nhiều ý nghĩa. Quan trọng hơn là sự thật này: thế mạnh của cả hai đều tập trung ở tầng xử lý và tầng chia sẻ. Khuôn mẫu hóa workflow, áp quy tắc cho toàn workbook, hay nắm quan hệ phụ thuộc — đối tượng đều là “dữ liệu đã nằm sẵn trong Excel”.
Điểm chung “không làm được”
Giới hạn chung của Excel × AI tại thời điểm 2026 có thể gói gọn trong một điều. AI chỉ đọc được những gì có trong workbook. Những gì không có trong workbook thì AI không tạo ra được.
Chừng nào kết quả tác nghiệp hiện trường còn nằm trên phiếu kiểm tra bằng giấy và tờ giấy đó còn nằm trong tủ hồ sơ, thì dù đặt AI thông minh đến đâu thường trực trong Excel, dữ liệu đó cũng không hiện ra. Chừng nào số liệu vận hành thiết bị còn nằm trong PLC và chưa được đưa lên mạng, thì Excel không thể nhìn thấy nó. Bức tường này không phải vấn đề hiệu năng mà là vấn đề tuyến dữ liệu. Hiệu năng tăng lên cũng không tự tạo ra tuyến dữ liệu.
Phân rã công việc Excel trong nhà máy thành 5 nhóm (chép lại, tổng hợp, hỗ trợ ra quyết định, báo cáo, chia sẻ)
Mô hình 3 tầng hữu ích để sắp xếp tư duy, nhưng còn quá thô để đo giờ công. Khi thực sự kiểm kê giờ công Excel của doanh nghiệp mình, chia theo 5 nhóm sau sẽ dễ đếm hơn.
Định nghĩa 5 nhóm
| Nhóm | Định nghĩa | Ví dụ tiêu biểu trong nhà máy | Tần suất phát sinh | Người đảm nhiệm chính |
|---|---|---|---|---|
| ① Chép lại | Gõ thông tin ở nơi khác vào Excel / gõ lại từ Excel sang bảng khác | Nhập báo cáo sản xuất hàng ngày, chép sang bảng tồn kho, tổng hợp vào bảng quản lý, chép chấm công, nhập lại theo biểu mẫu khách hàng | Hằng ngày đến từng ca | Tổ trưởng hiện trường, nhân viên văn phòng |
| ② Tổng hợp | Tính toán, tóm lược dữ liệu đã có | Cộng sản lượng ngày, tính tỷ lệ lỗi, tính giá thành, tính vòng quay tồn kho | Hằng ngày đến hằng tháng | Quản lý sản xuất, kế toán |
| ③ Hỗ trợ ra quyết định | Tạo cơ sở để quyết định hành động tiếp theo từ kết quả tổng hợp | Rà soát rủi ro thiếu hàng, trích xuất công đoạn trễ, phát hiện giá trị bất thường, xem lại điểm đặt hàng | Hằng ngày đến hằng tuần | Quản lý sản xuất, mua hàng |
| ④ Báo cáo | Chỉnh theo biểu mẫu quy định thành văn bản và biểu đồ | Báo cáo tuần, tài liệu nộp công ty mẹ hằng tháng, hồ sơ phục vụ kiểm toán, báo cáo chất lượng gửi khách hàng | Hằng tuần đến hằng tháng | Trưởng phòng hành chính, đảm bảo chất lượng |
| ⑤ Chia sẻ | Đưa bảng đã làm đến người khác và duy trì bản mới nhất | Gửi qua email đính kèm, chia sẻ qua thư mục dùng chung, quản lý phiên bản, trao đổi yêu cầu cập nhật | Thường xuyên | Tất cả mọi người |
Năm nhóm này tương ứng với 3 tầng ở trên như sau: ① là tầng nhập liệu, ② và ③ là tầng xử lý, ④ và ⑤ là tầng chia sẻ.
Trình tự kiểm kê giờ công Excel của doanh nghiệp
Để cuộc thảo luận trở nên cụ thể, nên thực hiện một lần kiểm kê theo trình tự sau. Không cần công cụ đặc biệt và có thể bắt tay ngay trong thời gian ngắn.
- Liệt kê theo từng bộ phận các file Excel đang được dùng thường ngày trong nhà máy. Chỉ cần ghi ra tên file và nơi lưu trữ
- Với từng file, hỏi người phụ trách xem “ai”, “khi nào”, “mất bao nhiêu phút” để động vào nó
- Phân loại công việc đó vào một trong các nhóm ① đến ⑤. Nếu một file thuộc nhiều nhóm thì tách ra đếm riêng
- Cộng dồn “số người × số lần × số phút” theo từng nhóm
- Cuối cùng, với những công việc được xếp vào nhóm ① chép lại, ghi thêm một dòng “dữ liệu gốc đang nằm ở đâu”
Bước thứ 5 chính là cốt lõi của bài viết này. Những dòng ghi là “giấy”, “truyền miệng”, “bảng trắng”, “màn hình của hệ thống khác” chính là các công việc sẽ không biến mất dù có đưa AI vào Excel.
Khi kiểm kê, hầu hết nhà máy đều cho ra xu hướng tương tự. Xét theo số lượng đầu việc thì ② tổng hợp và ④ báo cáo nổi bật, nhưng xét theo tổng thời gian thì ① chép lại là lớn nhất. Lý do rất đơn giản: tổng hợp và báo cáo chỉ diễn ra vài lần mỗi tháng với số người phụ trách hạn chế, trong khi việc chép lại phát sinh hằng ngày, ở nhiều người và nhiều cơ sở.
Những kiểu “nhập liệu trùng lặp” hay gặp khi kiểm kê
Điều chắc chắn sẽ phát hiện trong quá trình kiểm kê là những chỗ cùng một con số bị gõ từ hai lần trở lên. Ở các nhà máy Nhật Bản tại Thái Lan, các vòng lặp sau rất hay xuất hiện.
| Kiểu nhập liệu trùng lặp | Lần nhập thứ nhất | Lần nhập thứ hai trở đi | Vì sao phát sinh |
|---|---|---|---|
| Sản lượng thực tế | Viết tay vào báo cáo ngày bằng giấy tại hiện trường | Gõ vào báo cáo ngày trên Excel ở văn phòng → rồi tổng hợp tiếp vào bảng quản lý tháng | Hiện trường không có thiết bị nhập liệu |
| Tồn kho | Ghi vào phiếu hiện vật, phiếu xuất nhập | Nhập vào bảng tồn kho Excel → nhập tiếp vào hệ thống kế toán | Hệ tồn kho và hệ kế toán tách rời |
| Hàng lỗi, chất lượng | Ghi vào phiếu hàng lỗi | Nhập vào bảng tổng hợp lỗi trên Excel → nhập lại theo biểu mẫu khách hàng | Biểu mẫu khách hàng khác biểu mẫu nội bộ |
| Chấm công, giờ công | Thẻ chấm công / nhật ký công việc | Nhập vào bảng giờ công Excel → nhập vào hệ thống lương | Quản lý giờ công và tính lương vận hành tách biệt |
| Xuất hàng | Ghi vào lệnh xuất hàng | Nhập vào sổ xuất hàng Excel → nhập vào hệ thống vận đơn | Hệ thống phía logistics độc lập |
Hệ thống hóa mang lại hiệu quả cao ở những mảng “dùng hằng ngày”, “sai sót dẫn thẳng đến thiệt hại”, “nhập liệu trùng lặp nhiều”, và trong ngành sản xuất thì tồn kho, công đoạn và mảng liên quan đến xuất hóa đơn thường được ưu tiên. Có thể thấy bảng trên trùng khớp đúng với những mảng đó.
Bốn nhóm AI xóa được và một nhóm không xóa được
Nếu áp Excel × AI của năm 2026 vào 5 nhóm vừa kiểm kê thì sẽ ra sao? Viết kết luận trước: ②③④⑤ còn nhiều dư địa để cắt giảm mạnh, còn ① thì hầu như không giảm.
② Tổng hợp, ③ hỗ trợ ra quyết định: tầng xử lý phát huy hiệu quả ngay
Tổng hợp là mảng AI phát huy tác dụng chắc chắn nhất, vì dữ liệu đã nằm sẵn trong workbook và việc cần làm là tính toán. Nếu đăng ký trình tự tổng hợp hằng tháng vào “Skills” của Copilot in Excel, tháng sau chỉ cần gọi lại đúng chỉ dẫn đó. Với Claude for Excel, có thể cho nó đọc quan hệ phụ thuộc công thức của workbook tổng hợp hiện có rồi rà ra các tham chiếu bị hỏng hay các phép tính bị trùng.
Hiệu quả sinh ra ở đây không chỉ là “rút ngắn thời gian”. Trên thực tiễn, việc gỡ bỏ sự phụ thuộc vào cá nhân có lẽ còn lớn hơn. Nếu trình tự tổng hợp được ghi lại thành quy tắc của workbook thì dù người phụ trách chuyển công tác, báo cáo tháng cũng khó bị dừng. Với các tổ chức có chu kỳ thay đổi nhân sự biệt phái như các cơ sở tại Thái Lan, hiệu quả này không thể xem nhẹ.
Phía hỗ trợ ra quyết định thì gần với sở trường của AI nhưng cần thận trọng. Trích xuất giá trị bất thường hay rà công đoạn trễ thì dễ giao cho AI, nhưng để phán đoán “giá trị bất thường đó có thực sự là vấn đề hay không” lại cần ngữ cảnh của hiện trường. Nếu phó mặc hoàn toàn phần này, cảnh báo do AI đưa ra sẽ dần bị hiện trường bỏ qua, và cuối cùng không ai còn nhìn tới nữa.
Thực tế, thiết kế ổn định hơn là để AI chỉ đưa ra danh sách các trường hợp cần xem xét, còn phán đoán vẫn thuộc về con người. Những cơ chế lấy được ngữ cảnh từ email và biên bản họp nội bộ như Work IQ được cho là có thể bù đắp một phần cho điểm yếu này.
④ Báo cáo, ⑤ chia sẻ: phía đầu ra cắt giảm được cả cụm
Báo cáo nằm giữa tầng xử lý và tầng chia sẻ. Đó là công việc lấy các con số đã tổng hợp, chỉnh theo biểu mẫu quy định rồi biến thành văn bản và biểu đồ. Chỗ này AI cắt giảm được nhiều. Đặc biệt ở những nhà máy phải chỉnh cùng một con số thành ba loại — cho nội bộ, cho công ty mẹ và cho khách hàng — thì số thao tác định dạng nhiều khả năng giảm được cả cụm.
Ở các cơ sở có yếu tố đa ngôn ngữ, hiệu quả còn lớn hơn. Chuyển ghi chép hiện trường viết bằng tiếng Thái thành báo cáo tiếng Nhật gửi công ty mẹ, rồi thành báo cáo tiếng Anh gửi khách hàng — đây đúng là mảng AI làm tốt.
Phía chia sẻ thì vấn đề nằm ở cơ chế nhiều hơn là ở bản thân AI. Những chuyện như không biết bản nào là mới nhất, hay bị ghi đè làm mất dữ liệu, AI không giải được. Tuy vậy, các việc xung quanh như soạn nháp văn bản báo cáo hay tóm tắt phần chênh lệch sau cập nhật thì vẫn cắt giảm được.
① Chép lại: hầu như không giảm
Và đến việc chép lại. Đây là chủ đề chính của bài viết, cũng là mảng ít thay đổi nhất dù có đưa AI vào Excel. Lý do sẽ được bàn kỹ ở chương sau.
Sơ đồ tổng quan theo nhóm
| Nhóm | Mức độ hiệu quả với Excel × AI năm 2026 | Điều kiện tiên quyết để phát huy | Nguyên nhân khi không hiệu quả |
|---|---|---|---|
| ① Chép lại | Thấp | Dữ liệu gốc tồn tại ở dạng số và máy đọc được | Dữ liệu gốc nằm trên giấy, truyền miệng hoặc trong hệ thống khác |
| ② Tổng hợp | Cao | Dữ liệu nằm trong workbook và cấu trúc cột nhất quán | Bảng bị vỡ, đầy ô gộp |
| ③ Hỗ trợ ra quyết định | Trung bình đến cao | Đã diễn đạt được tiêu chí phán đoán thành lời | Tiêu chí vẫn là tri thức ngầm |
| ④ Báo cáo | Cao | Biểu mẫu đầu ra đã cố định | Biểu mẫu thay đổi mỗi lần |
| ⑤ Chia sẻ | Trung bình | Bản gốc được xác định duy nhất | File lưu hành qua email đính kèm |
Cách đọc bảng này chỉ có một. “Điều kiện tiên quyết” của ② đến ⑤ đều có thể chuẩn bị ngay trong Excel, riêng điều kiện của ① thì nằm ngoài Excel.
Vì sao chỉ riêng việc chép lại dữ liệu không biến mất nhờ AI — vấn đề “không có dữ liệu gốc”
Lý do việc chép lại không biến mất, xét đến cùng, có thể viết trong một câu. Dữ liệu gốc của việc chép lại vốn dĩ không tồn tại ở dạng số, hoặc có tồn tại nhưng bị khóa trong một hệ thống khác.
AI không tạo ra được dữ liệu không tồn tại. Sự thật hiển nhiên này lại bị bỏ qua nhiều đến mức đáng ngạc nhiên trong các cuộc bàn luận về tự động hóa Excel.
Kiểu 1: Nguồn phát sinh nằm trên giấy, trong lời nói hoặc trong trí nhớ
Đây là kiểu phổ biến nhất. Kết quả tác nghiệp hiện trường, lý do dừng thiết bị, kết quả kiểm tra ngoại quan hàng nhận — phương tiện ghi chép đầu tiên của những thông tin này là phiếu kiểm tra bằng giấy, bảng trắng, hoặc trí nhớ của trưởng ca.
Ở trạng thái này, công việc đưa vào Excel — tức việc con người gõ bàn phím — nhất định phải phát sinh. Dù đặt AI ở phía Excel, tầm nhìn của AI cũng không có tờ giấy đó.
Giải pháp là AI-OCR: quét tờ giấy, nhận dạng và chuyển thành dữ liệu có cấu trúc. Trên thực tế, tổ hợp “AI tạo sinh / OCR đọc ảnh và PDF, rồi RPA đảm nhận việc đăng ký tiếp theo” đang lan rộng. Tuy nhiên AI-OCR cũng có điều kiện tiên quyết: biểu mẫu chứng từ phải ổn định, chất lượng chữ viết tay phải đạt mức nhất định, và phải có đường kiểm chứng các lỗi nhận dạng. Tiêu chí lựa chọn trong mảng này đã được sắp xếp trong bài so sánh các giải pháp AI-OCR, nên với những nhà máy mà nguyên nhân chính là giấy tờ, xem bài đó trước sẽ nhanh hơn.
Giải pháp căn cơ hơn là số hóa chính nguồn phát sinh dữ liệu. Đặt máy tính bảng hoặc thiết bị đầu cuối tại hiện trường để nhân viên nhập trực tiếp thay vì viết ra giấy. Hoặc lấy số liệu thực tế trực tiếp từ thiết bị. Nếu không đi qua giấy thì không cần nhận dạng, cũng không cần chép lại.
Kiểu 2: Đã ở dạng số nhưng bị khóa trong hệ thống khác
Đây là kiểu phổ biến thứ hai. Dữ liệu tồn tại ở dạng số: trong hệ thống kế toán, trong hệ thống quản lý sản xuất, trong hệ thống chấm công, hoặc trong bộ điều khiển của thiết bị. Nhưng chúng không kết nối với nhau, nên con người phải vừa nhìn màn hình vừa gõ lại vào Excel.
Trạng thái này nhìn từ bên ngoài có vẻ “đã số hóa xong”, nên ban lãnh đạo khó nhận ra vấn đề. Nhưng ở hiện trường, mỗi ngày vẫn tiếp diễn chuỗi thao tác: mở màn hình hệ thống A, đọc con số, gõ vào Excel, rồi gõ tiếp vào hệ thống B.
Giải pháp là kết nối. Có nhiều phương tiện: API, tự động liên kết qua CSV, cơ sở dữ liệu trung gian, hoặc tự động hóa thao tác màn hình bằng RPA. Tổng quy mô thị trường dịch vụ giải pháp RPA đạt 99,9 tỷ yên trong năm tài chính 2024, dự kiến 111,4 tỷ yên năm tài chính 2025 và được dự báo 124,2 tỷ yên năm tài chính 2026 — vẫn đang tăng trưởng. Cùng với việc kết hợp AI tạo sinh, mô hình phân vai đang lan rộng: AI tạo sinh đảm nhận các xử lý linh hoạt như tóm tắt, phân loại, soạn thảo văn bản, còn RPA đảm nhận các tác vụ định khuôn ở khâu trước và sau như lấy dữ liệu, đăng ký, thông báo và chép sang hệ thống. Nói cách khác, RPA không bị AI tạo sinh thay thế, mà vẫn tồn tại với vai trò đã thay đổi — trở thành tay chân của AI tạo sinh.
Kiểu 3: Đã ở dạng số nhưng không được cấu trúc hóa
Kiểu thứ ba dễ bị bỏ sót. Dữ liệu nằm trong Excel, nhưng cấu trúc bảng đã vỡ. Ô gộp bị dùng tràn lan, một dòng chứa nhiều ý nghĩa, tiêu đề xếp thành hai tầng, và cùng một mã hàng được viết lệch thành “A-100”, “A100”, “a-100”.
Ở trạng thái này, nhờ AI tổng hợp cũng không ra đáp án đúng. Vì nguyên nhân không nằm ở hiệu năng của AI mà ở cấu trúc dữ liệu đầu vào, nên đổi mô hình cũng không cải thiện. Và rồi ở hiện trường hình thành định kiến “AI dùng không được”.
Giải pháp là chuẩn hóa bảng: một dòng một bản ghi, một ô một giá trị, tiêu đề một tầng, thống nhất hệ mã. Việc này nghe có vẻ vụn vặt, nhưng nếu không sửa mà tiến tiếp thì mọi khoản đầu tư về sau đều mất tác dụng.
Cách nhận diện 3 kiểu và tiêu chí đánh giá “AI có đủ không”
| Kiểu | Cách nhận diện (câu hỏi tại hiện trường) | Giải pháp chính | Giới hạn của giải pháp |
|---|---|---|---|
| Nguồn phát sinh là giấy, lời nói | “Con số này ban đầu được ghi ở đâu?” → giấy / bảng trắng / nhớ trong đầu | AI-OCR, nhập trực tiếp trên thiết bị tại hiện trường, tự động lấy từ thiết bị | Biểu mẫu không ổn định thì độ chính xác OCR giảm / đưa thiết bị vào đòi hỏi thay đổi vận hành hiện trường |
| Bị khóa trong hệ thống khác | “Anh chị có vừa nhìn màn hình này vừa gõ không?” → có | Liên kết API, tự động liên kết CSV, RPA, DB trung gian | Nếu hệ thống đối tác không có giao diện liên kết thì phải dựa vào thao tác màn hình |
| Không được cấu trúc hóa | “Bảng này có ô gộp không?” “Cách viết mã hàng đã thống nhất chưa?” | Chuẩn hóa bảng, thống nhất hệ mã, thiết lập quy tắc nhập liệu | Sửa hồi tố dữ liệu quá khứ rất nặng / cần siết chặt việc tuân thủ quy tắc vận hành |
Để bạn đọc tự đánh giá cho doanh nghiệp mình, xin lập bảng ranh giới. Càng nhiều hạng mục rơi vào cột ở giữa thì khả năng chỉ cần Excel × AI là đủ càng cao.
| Hạng mục đánh giá | Phía chỉ cần AI là đủ | Phía cần kết nối hệ thống |
|---|---|---|
| Vị trí của dữ liệu gốc | Đã nằm trong workbook Excel | Nằm trên giấy, trong lời nói, trong hệ thống khác |
| Cơ cấu giờ công chính | Chủ yếu là tổng hợp, phân tích, làm tài liệu | Chủ yếu là gõ vào và gõ lại |
| Cấu trúc bảng | Gọn gàng theo một dòng một bản ghi | Nhiều ô gộp, tiêu đề nhiều tầng |
| Số lần gõ cùng một con số | 1 lần | Từ 2 lần trở lên |
| Yêu cầu về tính cập nhật của dữ liệu | Theo ngày hoặc theo tuần là đủ | Cần nắm tồn kho gần như thời gian thực |
| Số người liên quan | Một vài người phụ trách động vào | Nhiều cơ sở, nhiều bộ phận cùng lúc động vào |
| Dung lượng file | Mở bình thường được | Chỉ riêng việc mở đã mất vài phút |
Nếu có từ 3 hạng mục trở lên rơi vào cột bên phải, nhiều khả năng chỉ triển khai công cụ AI sẽ không tạo ra thay đổi cảm nhận được. Điều này trùng khớp với nhóm triệu chứng vốn từ lâu được chỉ ra là giới hạn điển hình của quản lý bằng Excel — sai sót do nhập tay, công thức bị hỏng, khó chỉnh sửa đồng thời nhiều người, không nắm được tồn kho theo thời gian thực, phụ thuộc vào cá nhân do file gắn với một máy tính cụ thể, mất thông tin và rối loạn quản lý phiên bản do ghi đè khi cùng chỉnh sửa, và file phình to theo số lượng bản ghi.
Điều quan trọng là đừng hiểu nội dung này thành “hãy bỏ Excel đi”. Ở tầng xử lý và tầng chia sẻ, Excel vẫn rất mạnh và hợp với AI. Vấn đề nằm ở chỗ tiếp tục dùng Excel làm vật chứa cho tầng nhập liệu.
Ba ràng buộc cộng thêm tại các cơ sở ở Thái Lan — đa ngôn ngữ, kiểm soát thông tin/PDPA, giữ chân nhân sự bản địa
Những điều nói đến đây cũng đúng với các nhà máy trong nước Nhật. Nhưng tại các cơ sở ở Thái Lan (và ASEAN nói chung), ba ràng buộc sau được cộng thêm. Phần này có thể tham khảo như một ví dụ về môi trường trong khu vực ASEAN.
Ràng buộc 1: Đa ngôn ngữ làm tăng việc chép lại
Ở các nhà máy tại Thái Lan, thường tồn tại cấu trúc ba lớp: ghi chép hiện trường bằng tiếng Thái, bảng quản lý nội bộ bằng tiếng Nhật hoặc tiếng Anh, hồ sơ nộp khách hàng bằng tiếng Anh hoặc tiếng Nhật. Chính cấu trúc này sinh ra việc chép lại. Đọc báo cáo ngày viết bằng tiếng Thái rồi nhập lại vào bảng quản lý tiếng Nhật là công việc mà dịch thuật và chép lại phát sinh cùng lúc.
Ở đây có cả mặt tốt và mặt xấu. Mặt tốt là phần dịch thuật vốn là sở trường rất mạnh của AI. Mặt xấu là khi có yếu tố dịch thuật xen vào, công đoạn “người đọc rồi gõ lại” dễ được biện minh, và cuộc thảo luận về hệ thống hóa dễ bị trì hoãn.
Về giải pháp, hướng đúng là làm cho giao diện nhập liệu hỗ trợ đa ngôn ngữ, để việc ghi chép chỉ diễn ra một lần còn hiển thị thì chuyển đổi theo từng ngôn ngữ. Nếu giữ cùng một dữ liệu ở các file riêng theo từng ngôn ngữ thì việc cập nhật sẽ nhân đôi nhân ba, và không còn biết bản nào là đúng.
| Điều xảy ra quanh vấn đề đa ngôn ngữ | AI giải được không | Ghi chú |
|---|---|---|
| Biến báo cáo ngày tiếng Thái thành báo cáo tiếng Nhật | Giải được | Dịch và tóm tắt là sở trường của AI |
| Số hóa ghi chú viết tay bằng tiếng Thái | Giải được có điều kiện | Độ chính xác OCR chữ viết tay tiếng Thái phụ thuộc biểu mẫu và chất lượng nét chữ |
| Giữ bảng quản lý ở các file riêng theo ngôn ngữ | Không giải được | Vấn đề thiết kế dữ liệu. Cần chuyển sang một dữ liệu hiển thị đa ngôn ngữ |
| Nhân viên bản địa nhập trực tiếp vào biểu mẫu tiếng Nhật | Không giải được | Vấn đề hỗ trợ ngôn ngữ của giao diện nhập liệu |
Ràng buộc 2: Kiểm soát thông tin và PDPA
Cho AI động vào Excel đồng nghĩa với việc nội dung workbook đó trở thành đối tượng xử lý của một dịch vụ AI. File Excel của nhà máy thường chứa giá thành, tên đối tác, đơn giá, tỷ lệ thành phẩm, và cả dữ liệu cá nhân như họ tên, chấm công của người lao động.
Thái Lan có Luật Bảo vệ dữ liệu cá nhân (PDPA), yêu cầu phải nêu rõ mục đích và có căn cứ hợp pháp khi xử lý dữ liệu cá nhân. Cộng thêm vào đó là quy chế quản lý thông tin của công ty mẹ tại Nhật, thỏa thuận bảo mật với khách hàng, và các quy định vận hành riêng của từng cơ sở. Nếu không quyết trước “dữ liệu nào được phép đưa cho dịch vụ AI nào”, hiện trường sẽ tự phán đoán riêng lẻ và bắt đầu dùng công cụ, để rồi sau đó không còn kiểm soát được.
Về mặt thực tiễn, tối thiểu nên quyết ba điều sau. Thứ nhất, phân loại dữ liệu được xử lý (công khai được / chỉ nội bộ / mật / dữ liệu cá nhân). Thứ hai, dịch vụ AI và gói dịch vụ được phép dùng cho từng phân loại. Thứ ba, cách xử lý khi vi phạm và đầu mối tư vấn. Nội dung sắp xếp này đã được bàn đến tận cấu trúc điều khoản cụ thể trong bài về quy chế sử dụng AI tạo sinh, nên cơ sở nào chưa có quy chế thì nên chuẩn bị phần đó trước cho an toàn.
Lưu ý thêm, siết kiểm soát quá chặt thì hiện trường không dùng, còn lỏng quá thì xảy ra sự cố. Ở những cơ sở vận hành trơn tru trên thực tế, nhiều nơi áp dụng cơ chế hai lớp kiểu “workbook chứa giá thành và dữ liệu cá nhân chỉ được xử lý trong môi trường chỉ định”, “ngoài ra thì tự do dùng trong công việc thường ngày”.
Ràng buộc 3: Giữ chân nhân sự bản địa và tuyển dụng
Tại Thái Lan, chi phí nhân công có xu hướng tăng và việc tuyển được nhân sự bản địa giỏi ngày càng khó. Tình hình này mang ý nghĩa kép đối với việc vận hành Excel.
Một là rủi ro phụ thuộc vào cá nhân tăng lên. Khi nhân viên đã dày công xây dựng bảng quản lý Excel nghỉ việc, workbook đó trở thành hộp đen không ai dám động vào. Hai là chi phí của mô hình vận hành dựa trên việc chép lại thủ công sẽ tiếp tục tăng. Tiền đề “tăng người để chạy việc” ngày càng khó đứng vững.
Mặt khác, về môi trường thì cũng có gió thuận. Giá trị đơn xin đầu tư vào ngành công nghiệp số của Thái Lan trong quý 1 năm 2026 gấp 2,4 lần cùng kỳ năm trước, và BOI đang thu hút đầu tư vào trung tâm dữ liệu, điện toán đám mây, phát triển AI với ưu đãi miễn thuế thu nhập doanh nghiệp lên đến 13 năm. Có thể nói bản thân môi trường đầu tư cho lĩnh vực số đang dần được hoàn thiện.
| Ràng buộc riêng của cơ sở tại Thái Lan | Ảnh hưởng đến Excel × AI | Việc cần làm trước |
|---|---|---|
| Đa ngôn ngữ (tiếng Thái, tiếng Nhật, tiếng Anh) | Phát sinh việc chép lại nhằm mục đích dịch, số file tăng theo ngôn ngữ | Thay đổi thiết kế sang một dữ liệu hiển thị đa ngôn ngữ |
| PDPA, quy chế thông tin của công ty mẹ, NDA với khách hàng | Cần vạch ranh giới dữ liệu nào được đưa cho AI | Xây dựng phân loại dữ liệu và quy chế sử dụng AI |
| Chi phí nhân công tăng, khó tuyển người | Mô hình dựa trên chép tay khó duy trì / rủi ro phụ thuộc cá nhân tăng | Khuôn mẫu hóa và tài liệu hóa quy trình, tự động hóa việc nhập liệu |
| Chu kỳ thay đổi nhân sự biệt phái | Vận hành bảng quản lý đổ vỡ sau mỗi lần bàn giao | Ghi rõ quy tắc của workbook, hợp nhất bản gốc về một nơi |
Chi phí và cách triển khai — 3 bước và thứ tự đầu tư
Từ những sắp xếp trên, có thể thấy rõ thứ tự triển khai. Điều quan trọng là không được nhầm thứ tự đầu tư.
Bước 1: Giao tầng xử lý cho AI (bắt tay được ngay)
Việc nên làm đầu tiên là giao ② tổng hợp, ③ hỗ trợ ra quyết định và ④ báo cáo cho AI. Ở đây dữ liệu gốc đã nằm sẵn trong workbook nên có thể bắt tay ngay mà không cần đầu tư hệ thống bổ sung.
Cụ thể, đó là các việc như đăng ký trình tự tổng hợp lặp lại hằng tháng vào “Skills” của Copilot in Excel, ghi quy tắc đặt tên và quy tắc định dạng của workbook vào sheet .Rules, hay để Claude for Excel đọc và sắp xếp lại quan hệ phụ thuộc công thức của những workbook cũ đã phức tạp hóa.
Giá trị của bước này nằm ở chỗ “tạo ra cảm nhận thực tế trong nội bộ về phạm vi có thể giao cho AI”, hơn là ở việc rút ngắn thời gian. Nếu ra quyết định đầu tư cho bước tiếp theo mà chưa có cảm nhận đó thì tờ trình khó được duyệt.
| Việc làm ở bước 1 | Điều có thể kỳ vọng | Điểm cần lưu ý |
|---|---|---|
| Đăng ký trình tự tổng hợp định kỳ cho AI | Báo cáo tháng vẫn chạy dù người phụ trách vắng mặt | Những bảng tổng hợp mà trình tự thay đổi mỗi lần thì phải chuẩn hóa trước |
| Ghi lại quy tắc định dạng và đặt tên của workbook | Giảm đổ vỡ khi nhiều người cùng chỉnh sửa | Giới hạn quy tắc ở số lượng ít |
| Rà soát quan hệ phụ thuộc của workbook hiện có | Gỡ được tình trạng đóng băng của workbook không ai dám động | Lưu kết quả rà soát thành tài liệu |
| Để AI soạn nháp tài liệu báo cáo | Giảm số thao tác khi triển khai đa ngôn ngữ | Việc kiểm tra lại con số vẫn do người thực hiện |
Bước 2: Số hóa nguồn phát sinh dữ liệu
Tiếp theo là làm cho dữ liệu gốc của ① chép lại trở nên máy đọc được. Đối tượng là những dòng đã ghi “giấy”, “truyền miệng” khi kiểm kê.
Cách làm tùy tình huống. Nếu biểu mẫu chứng từ ổn định thì nhận dạng bằng AI-OCR. Nếu có thể chuyển sang nhập liệu ngay tại hiện trường thì đặt thiết bị. Nếu lấy được số liệu từ thiết bị thì thu thập trực tiếp qua mạng. Chọn cách nào nên căn cứ vào tần suất của nghiệp vụ và việc sai sót có dẫn thẳng đến thiệt hại hay không. Nếu xếp thứ tự ưu tiên thì trong ngành sản xuất, tồn kho, công đoạn và mảng liên quan đến xuất hóa đơn thường đứng đầu.
Vì bước này kéo theo thay đổi vận hành hiện trường nên làm tất cả cùng lúc rất dễ thất bại. Cách triển khai thực tế là bắt đầu từ một nghiệp vụ, một chuyền, cho thấy nó chạy được rồi mới mở rộng. Chi tiết về cách triển khai này được bàn trong bài về triển khai hệ thống theo hướng small start.
Bước 3: Kết nối các hệ thống với nhau
Cuối cùng là kết nối những dữ liệu đang bị khóa trong các hệ thống riêng biệt: liên kết API, cơ sở dữ liệu trung gian, bắc cầu bằng RPA và các cách tương tự. Đến giai đoạn này, các tình huống phải gõ cùng một con số hai lần sẽ dần biến mất về mặt cấu trúc.
Khi cho AI xử lý trên phần đã kết nối, hiệu quả thu được ở bước 1 mới bắt đầu phát huy đúng quy mô vốn có. Nếu có ý định để hệ thống xử lý tự chủ đến mức này, bài về triển khai AI agent đã sắp xếp cách tư duy về thiết kế quyền hạn và phạm vi áp dụng.
Thứ tự đầu tư và cách nhìn về chi phí
| Thứ tự thường gặp | Điều sẽ xảy ra |
|---|---|
| ① Triển khai công cụ AI → ② số hóa nguồn phát sinh → ③ kết nối (khuyến nghị) | Sớm có cảm nhận về hiệu quả, dễ ra quyết định đầu tư tiếp theo |
| ① Thực hiện ngay một cuộc đại tu hệ thống quy mô lớn | Vận hành hiện trường không theo kịp, Excel cũ chạy song song thành quản lý trùng lặp |
| ① Chỉ dừng lại ở việc triển khai công cụ AI | Tầng xử lý nhẹ đi nhưng việc chép lại ở hiện trường vẫn còn, dẫn đến kết luận sai lầm “AI không có tác dụng” |
| ① Bắt đầu từ việc kết nối (trong khi dữ liệu gốc vẫn trên giấy) | Đầu bên kia không có dữ liệu, khoản đầu tư trở nên vô ích |
Trường hợp thứ ba chính là thất bại điển hình đã nêu ở đầu bài. Và trường hợp thứ tư lại nhiều hơn ta tưởng: doanh nghiệp nghe theo đề xuất “hãy kết nối các hệ thống lại với nhau”, nhưng dữ liệu thực tế quan trọng nhất vẫn nằm trên giấy, nên sau khi kết nối chẳng có gì chảy đến.
Cách nhìn về chi phí. Số tiền thay đổi rất nhiều tùy cấu hình công cụ và quy mô nên không thể nói chung một mức, nhưng nếu phân rã cơ cấu chi phí thành ba phần sau thì sẽ dễ hình dung.
| Loại chi phí | Nội dung | Yếu tố làm tăng giảm |
|---|---|---|
| Chi phí bản quyền | Phí sử dụng trợ lý AI | Tỷ lệ thuận với số người dùng. Claude for Excel theo công bố dùng được cả với gói Pro |
| Chi phí triển khai, thiết lập | Chuẩn hóa biểu mẫu chứng từ, huấn luyện OCR, hiện thực hóa liên kết, đào tạo | Số nghiệp vụ đối tượng và độ phức tạp của chứng từ |
| Chi phí vận hành | Bảo trì, bám theo thay đổi biểu mẫu, quản lý quyền hạn | Số hệ thống đã kết nối, số cơ sở |
Bước 1 chủ yếu là chi phí bản quyền, chi phí triển khai nhỏ. Bước 2 và 3 thì tỷ trọng chi phí triển khai tăng lên. Chính vì vậy, thứ tự thực tế là tạo cảm nhận về hiệu quả ở bước 1 rồi mới đi xin ngân sách cho bước 2 và 3.
Checklist đánh giá. Doanh nghiệp đang ở bước nào có thể xác định qua các câu hỏi sau.
| Câu hỏi | Nếu trả lời “có” |
|---|---|
| Trình tự tổng hợp hằng tháng có thể được người khác ngoài người phụ trách tái hiện không | Bước 1 về cơ bản đã xong |
| Số liệu thực tế của hiện trường có trở thành dữ liệu mà không đi qua giấy không | Bước 2 về cơ bản đã xong |
| Có tránh được việc nhập tay cùng một con số vào từ hai hệ thống trở lên không | Bước 3 về cơ bản đã xong |
| Có nắm được số lượng tồn kho ngay trong ngày không | Thiết kế tầng nhập liệu đang vận hành tốt |
| Mọi người có trả lời ngay được đâu là bản gốc của file không | Thiết kế tầng chia sẻ đang vận hành tốt |
Dòng đầu tiên xuất hiện câu trả lời “không” chính là nơi cần bắt tay tiếp theo.
Câu hỏi thường gặp (FAQ)
Tự động hóa công việc Excel bằng AI làm được đến đâu?
Việc tổng hợp, phân tích, lập công thức và định dạng báo cáo trên dữ liệu đã nằm sẵn trong workbook Excel là mảng có thể cắt giảm đáng kể tại thời điểm năm 2026. Ngược lại, công việc chép dữ liệu ở bên ngoài workbook — báo cáo ngày bằng giấy, thông tin truyền miệng, màn hình của hệ thống khác — vào Excel thì không thay đổi dù đặt AI ở phía Excel. Cách hiểu dễ nhất là ranh giới được vạch ở câu hỏi “dữ liệu gốc có nằm trong workbook hay không”.
Nên chọn Copilot in Excel hay Claude for Excel?
Vì mục đích sử dụng khác nhau nên so sánh cái nào hơn không có nhiều ý nghĩa. Nếu doanh nghiệp đã triển khai Microsoft 365 toàn công ty và muốn xử lý cả ngữ cảnh từ email, biên bản họp nội bộ thì Copilot in Excel là lựa chọn tự nhiên. Nếu mục đích là đọc hiểu cấu trúc của những workbook cũ đã phức tạp hóa, nắm quan hệ phụ thuộc của công thức trải dài trên nhiều tab thì Claude for Excel phù hợp hơn. Lưu ý thêm, bản thân Microsoft 365 Copilot cũng đang tiến hành tích hợp với Claude của Anthropic, nên thế đối lập “chọn một trong hai” nhiều khả năng sẽ càng nới lỏng trong thời gian tới. Nếu phân vân, hãy quyết định dựa trên việc trong giờ công Excel của doanh nghiệp mình, phần “thiên về phân tích” hay phần “thiên về định dạng và chia sẻ” chiếm nhiều hơn.
Để tự động hóa việc chép dữ liệu, hiện nay có còn cần RPA không?
Vẫn còn những trường hợp cần đến. Tổng quy mô thị trường dịch vụ giải pháp RPA được dự báo mở rộng từ 99,9 tỷ yên trong năm tài chính 2024 lên 111,4 tỷ yên năm tài chính 2025 và 124,2 tỷ yên năm tài chính 2026, tức là RPA không hề bị AI tạo sinh thay thế rồi biến mất. Cách nhìn chính xác là vai trò của nó đã thay đổi: AI tạo sinh đảm nhận các xử lý linh hoạt như tóm tắt, phân loại, soạn thảo văn bản, còn RPA đảm nhận các tác vụ định khuôn ở khâu trước và sau như lấy dữ liệu, đăng ký, thông báo, chép sang hệ thống — và mô hình phân vai này đang lan rộng. Với hình thức AI tạo sinh / OCR đọc ảnh và PDF rồi RPA chép sang hệ thống nghiệp vụ, phạm vi áp dụng đang mở rộng sang cả những nghiệp vụ trước đây khó tự động hóa. Tại các cơ sở còn tồn tại hệ thống nghiệp vụ cũ không có giao diện liên kết, RPA được cho là sẽ tiếp tục là lựa chọn thực tế trong thời gian tới.
Làm sao để đánh giá giới hạn của việc quản lý bằng Excel?
Có thể đánh giá qua triệu chứng. Sai sót do nhập tay xảy ra thường xuyên, công thức hỏng mà không ai sửa được, không thể chỉnh sửa đồng thời nhiều người, không nắm được tồn kho theo thời gian thực, file phụ thuộc vào một máy tính cụ thể dẫn đến phụ thuộc cá nhân, ghi đè khi cùng chỉnh sửa làm mất thông tin và rối loạn quản lý phiên bản, số lượng bản ghi tăng khiến file phình to đến mức chỉ mở đã mất vài phút — đây là những dấu hiệu vẫn được chỉ ra như biểu hiện điển hình của giới hạn.
Nếu nhiều triệu chứng trong số này xuất hiện cùng lúc, nhiều khả năng doanh nghiệp đã bước vào giai đoạn khó quay lại chỉ bằng cách khéo léo hơn trong cách dùng Excel. Đặc biệt khi đã xuất hiện “không nắm được tồn kho theo thời gian thực” và “mất thông tin khi cùng chỉnh sửa”, nên bắt đầu xem xét chuyển vật chứa của tầng nhập liệu sang công cụ khác ngoài Excel.
Khi cho AI động vào Excel tại cơ sở ở Thái Lan, rò rỉ thông tin có đáng lo không?
Trước khi bàn đến đặc tính của công cụ, nên quyết định quy tắc của chính doanh nghiệp mình. File Excel của nhà máy thường chứa giá thành, đối tác, đơn giá và cả dữ liệu cá nhân như họ tên, chấm công của người lao động, đồng thời chịu tác động cùng lúc của PDPA Thái Lan, quy chế quản lý thông tin của công ty mẹ tại Nhật và thỏa thuận bảo mật với khách hàng.
Về mặt thực tiễn, cách dễ vận hành là chia dữ liệu thành các phân loại (công khai được / chỉ nội bộ / mật / dữ liệu cá nhân), quy định dịch vụ và gói được phép dùng cho từng phân loại, rồi xác định đầu mối tư vấn. Nếu chưa có quy tắc mà hiện trường đã bắt đầu tự dùng riêng lẻ thì về sau rất khó siết lại. Cách xây dựng quy chế được bàn trong bài về quy chế sử dụng AI tạo sinh.
Chi phí khoảng bao nhiêu?
Vì thay đổi rất nhiều theo cấu hình và quy mô nên không thể đưa ra một con số chung, nhưng sẽ dễ so sánh hơn nếu ước tính chi phí theo ba phần: “chi phí bản quyền”, “chi phí triển khai và thiết lập”, “chi phí vận hành”. Giai đoạn giao tầng xử lý cho AI (bước 1) chủ yếu là chi phí bản quyền và hầu như không kèm theo đầu tư hệ thống bổ sung. Claude for Excel theo công bố dùng được cả với gói Pro, nên việc thử nghiệm ở quy mô nhỏ trước không hề khó.
Ngược lại, việc số hóa nguồn phát sinh dữ liệu (bước 2) và kết nối giữa các hệ thống (bước 3) sẽ có tỷ trọng chi phí triển khai tăng lên theo số nghiệp vụ đối tượng, độ phức tạp của chứng từ và số cơ sở. Thứ tự tạo cảm nhận về hiệu quả ở bước 1 rồi mới đi xin ngân sách cho bước 2 và 3 cũng là thứ tự thực tế xét về mức độ dễ được duyệt tờ trình.
Tổng kết
Khi cân nhắc tự động hóa công việc Excel bằng AI, trước hết nên phân rã công việc Excel thành 3 tầng — nhập liệu, xử lý, chia sẻ — và 5 nhóm — chép lại, tổng hợp, hỗ trợ ra quyết định, báo cáo, chia sẻ. Copilot in Excel và Claude for Excel của năm 2026 có thể kỳ vọng hiệu quả rõ ràng ở tầng xử lý và tầng chia sẻ, tức là tổng hợp, phân tích, công thức và định dạng báo cáo. Ở đây có thể bắt tay ngay mà không cần đầu tư hệ thống bổ sung, và hiệu quả phụ là gỡ bỏ sự phụ thuộc vào cá nhân cũng rất lớn.
Ngược lại, tầng nhập liệu — tức việc chép lại dữ liệu, phần dày nhất trong giờ công Excel của nhà máy — không biến mất dù đặt AI ở phía Excel. Bởi vì AI chỉ đọc được những gì có trong workbook và không tạo ra được dữ liệu không tồn tại. Nguyên nhân khiến việc chép lại không biến mất có thể sắp xếp thành ba: dữ liệu gốc nằm trên giấy hoặc trong lời nói, bị khóa trong hệ thống khác, hoặc tuy nằm trong Excel nhưng cấu trúc đã vỡ. Do đó thứ tự giải pháp là: ① giao tầng xử lý cho AI, ② số hóa nguồn phát sinh dữ liệu, ③ kết nối các hệ thống với nhau. Bỏ qua thứ tự này thì rất dễ đi đến kết luận “đã đưa AI vào mà Excel ở hiện trường vẫn không giảm”.
Tại các cơ sở ở Thái Lan còn có thêm ba ràng buộc: đa ngôn ngữ, kiểm soát thông tin bao gồm PDPA, và việc tuyển giữ nhân sự. Cả ba đều không hẳn quyết định việc có triển khai AI được hay không, mà là những hạng mục nên sắp xếp trước như tiền đề thiết kế. Phần này có thể tham khảo như một ví dụ về bối cảnh chung của khu vực ASEAN.
Trong công việc Excel của doanh nghiệp mình, đến đâu thì chỉ cần công cụ AI là đủ và từ đâu thì cần kết nối phía hệ thống — việc phân định này hoàn toàn có thể tự đánh giá trong nội bộ, miễn là làm được bước kiểm kê. Tuy vậy, nếu có ví dụ về cách các cơ sở khác đã phân định thì việc quyết định sẽ nhanh hơn. TOMAS TECH triển khai các hệ thống quản lý sản xuất và quản lý năng lượng cho doanh nghiệp sản xuất Nhật Bản tại Thái Lan và ASEAN, và sẵn sàng trao đổi ngay cả khi chỉ là tư vấn về ranh giới phân định. Dù mới ở giai đoạn muốn sắp xếp lại cách vận hành Excel hiện tại cũng không sao, nếu cần xin vui lòng liên hệ qua trang liên hệ.
Tài liệu tham khảo
- What’s new in Microsoft 365 Copilot: June 2026 (Windows Blog, tiếng Nhật)
- Vị trí hiện tại của Microsoft 365 Copilot (Business+IT)
- Claude for Excel là gì (notAI)
- Giải thích về Claude in Excel (INNOTEX)
- Giới hạn của quản lý bằng Excel và luồng nghiệp vụ liền mạch (Totec Sangyo)
- Giới hạn của quản lý công đoạn bằng Excel (SMART GO)
- Giới hạn của quản lý bằng Excel và thời điểm nên thoát ly (mactism)
- Khảo sát thị trường dịch vụ giải pháp RPA (MIC Research Institute)
- Kết hợp RPA và AI tạo sinh (Hitachi Solutions)
- Chế độ khuyến khích đầu tư của Thái Lan, BOI (JETRO)
- Xu hướng đầu tư vào ngành công nghiệp số của Thái Lan (Bangkok Shuho)
