OCR chữ viết tay 2026: khung biểu mẫu quyết định, không phải engine

Câu chuyện xóa bỏ biểu mẫu viết tay ở nhà máy Thái Lan thường bắt đầu bằng việc so sánh engine: OCR chữ viết tay nào đọc tốt nhất. Nhưng thứ quyết định sau khi triển khai vận hành có chạy được hay không lại không phải tỷ lệ nhận dạng ký tự của engine. Đó là cách dựng khung điền trên biểu mẫu và cách thiết kế phân luồng để chỉ những ô có độ tin cậy thấp mới chuyển cho con người. Bài viết này sắp xếp lại theo hướng bạn kiểm chứng được ngay tại chỗ: cách nhìn độ chính xác theo từng trường, lý do chữ viết tay tiếng Thái bị đổ vỡ, 7 hạng mục thiết kế ô điền, và cách tính số năm hoàn vốn.

Độ chính xác OCR chữ viết tay phải nhìn theo “trường”, không phải theo “ký tự”

Thứ quyết định công việc thực tế không phải là một ký tự có đọc đúng hay không, mà là cả một trường có đúng trọn vẹn hay không. Nếu chọn sản phẩm trong khi vẫn lẫn lộn hai khái niệm này, con số trên catalogue và khối lượng làm lại ở hiện trường sẽ không khớp nhau chút nào.

CER và tỷ lệ chính xác theo từng trường là hai chỉ số khác nhau

Chỉ số đầu tiên xuất hiện khi nói về độ chính xác OCR là tỷ lệ lỗi ký tự (CER: Character Error Rate). Theo các benchmark, CER của chữ in rõ nét là dưới 1%, còn chữ viết tay là 3–5%. Chỉ nhìn con số này thì có thể đọc thành “trên 95% là đúng”.

Trong khi đó, thứ nghiệp vụ cần lại là tỷ lệ chính xác theo từng trường. Ô số lô, ô ngày tháng, ô số lượng, mỗi ô có được lấy ra mà không sai một ký tự nào hay không. Chỉ cần sai một ký tự thì giá trị của ô đó không dùng được. Số lô “TH-240615-A” mà sai một chữ số thì xét trên truy xuất nguồn gốc, đó là một lô khác.

Cũng trong benchmark 2026 đó, tỷ lệ chính xác theo từng trường theo loại tài liệu được báo cáo như sau.

Chỉ riêng chữ viết tay là dao động vượt trội. Trong các loại tài liệu được đo, biên độ dao động lớn nhất thuộc về chữ viết tay. Cùng benchmark này cũng báo cáo rằng chữ viết tay làm giảm 15–35 điểm độ chính xác trích xuất trường so với tài liệu in. Hai con số này ăn khớp với nhau. Lấy 97–99.5% của PDF số trừ đi 15–35 điểm thì ra 62–84.5%, gần như trùng với giá trị được báo cáo là 62–85%.

Với những chứng từ vốn dĩ là chữ in như hóa đơn hay sao kê, chúng tôi đã sắp xếp riêng trong bài Tự động hóa xử lý hóa đơn 2026. Tiền đề khác khá xa so với câu chuyện chữ viết tay, nên tách ra để suy nghĩ sẽ đỡ ra quyết định sai.

Cơ chế biến “CER 4%” thành “tỷ lệ chính xác theo trường 72%”

Khoảng cách giữa CER và tỷ lệ chính xác theo từng trường giải thích được bằng phép nhân. CER là tỷ lệ lỗi trên mỗi ký tự, và một trường chỉ đúng khi toàn bộ ký tự trong trường đó đều đúng. Nếu trường có n ký tự thì tỷ lệ chính xác theo trường xấp xỉ (1 − CER) mũ n.

Tính với CER 3–5% và độ dài trường 4–12 ký tự thì được kết quả sau (đây là ước tính, với giả định độc lập vừa nêu).

Công thức rất đơn giản. CER 4% với 8 ký tự thì 0.96 mũ 8 = 0.721, tức 72.1%. Bạn có thể kiểm lại bằng máy tính bỏ túi. Khoảng từ cận dưới 54.0% đến cận trên 88.5% của bảng này về cơ bản chồng lên khoảng 62–85% được báo cáo từ đo đạc thực tế. Nghĩa là bản chất của hiện tượng “tỷ lệ chính xác theo trường của chữ viết tay phân tán trong 62–85%” nhiều khả năng không nằm ở chuyện engine trúng hay trượt, mà ở chỗ độ dài của trường khác nhau.

Từ đây rút ra một gợi ý cho thực tế. Cùng một engine, cùng một người viết, nhưng biểu mẫu xếp toàn trường 12 ký tự và biểu mẫu chia thành các trường 4 ký tự có thể chênh nhau hơn 20 điểm về tỷ lệ chính xác theo trường. Trước khi thay engine, vẫn còn dư địa để xem lại độ dài của các trường.

Xác suất một tờ biểu mẫu trót lọt trọn vẹn thấp hơn cảm giác rất nhiều

Đi lên thêm một tầng nữa, ta nói về một tờ biểu mẫu. Hãy hình dung một báo cáo sản xuất hằng ngày có 25 ô điền trên một tờ. Nếu giả sử tỷ lệ chính xác theo trường là 75% (quanh khoảng giữa của 62–85%) thì xác suất cả 25 ô cùng đúng là 0.75 mũ 25, tức khoảng 0.08%. Trong 1,000 tờ không nổi một tờ trót lọt.

Phép tính này hàm ý rằng ý tưởng “cứ đưa OCR chữ viết tay vào là giấy sẽ biến mất” ngay từ đầu đã không đứng vững. Triển khai OCR chữ viết tay không phải là đưa công sức con người về không, mà là giảm khối lượng mà con người phải nhìn. Nếu không đứng trên tiền đề này thì chọn engine nào cũng sẽ thất vọng.

Năm 2026 đã thay đổi điều gì: vì sao AI nhận dạng biểu mẫu bước vào vùng dùng được

Cái thay đổi trong năm 2026 là trần của engine, chứ không phải sàn của biểu mẫu. Mô hình quyết định trần độ chính xác, nhưng tờ giấy bạn đưa vào mới quyết định sàn.

Từ 46–70% của thế hệ cũ lên khoảng 95% của LLM đa phương thức

Cách đây vài năm, thành tích của OCR truyền thống với chữ viết tay chỉ khoảng 46–70%. Ở mức này thì phủ lên bao nhiêu thiết kế vận hành cũng không dùng được trong thực tế. Nếu phải dựng cơ chế kiểm tra trên tiền đề gần một nửa sẽ sai thì để người nhập từ đầu còn nhanh hơn.

Trong benchmark 2026, LLM đa phương thức (những mô hình đọc trực tiếp hình ảnh như GPT-5) được báo cáo là đã đạt khoảng 95% với chữ viết tay. Về phía các engine chuyên dụng, Amazon Textract có tỷ lệ lỗi theo từ là 10.5% trong benchmark chữ viết tay 2026, tức tỷ lệ đúng theo từ vào khoảng 89.5%. Giữa 46–70% và 95% có một khoảng đứt gãy mà thiết kế vận hành không lấp được. Đây chính là điểm thay đổi thực chất của năm 2026.

Về các trục so sánh riêng từng engine, chúng tôi đã sắp xếp trong bài So sánh AI-OCR 2026. Bài viết này nghiêng về “sau khi chọn xong thì thiết kế cái gì” hơn là “chọn cái nào”.

Dù vậy, 95% vẫn không đủ để một tờ biểu mẫu trót lọt

Tuy nhiên, khi dịch con số 95% này sang câu chuyện biểu mẫu thì ấn tượng thay đổi khá nhiều. Cho là 95% đó là giá trị theo từng trường đi nữa, thì xác suất một biểu mẫu 25 ô trót lọt trọn vẹn mà không phải sửa gì là 0.95 mũ 25 = khoảng 27.7%. Cứ 4 tờ thì 3 tờ còn sót lỗi ở đâu đó. Con số 89.5% của Textract là tỷ lệ đúng theo từ, khác loại với chỉ số theo trường, nhưng nếu cố tình đưa vào cùng phép lũy thừa 25 thì ra khoảng 6.2% (đây là ước lượng thô bắc cầu giữa hai chỉ số khác nhau, không phải con số thể hiện sản phẩm nào hơn kém).

Nói cách khác, việc engine tăng từ 46–70% lên 95% đã thay đổi không phải chuyện “người có phải nhìn hay không” mà là “người phải nhìn bao nhiêu”. Vận hành từ chỗ nhìn toàn bộ các ô chuyển sang chỉ nhìn một phần các ô. Đó mới là thực chất của thay đổi có được trong năm 2026.

Khoảng cách giữa 95% và 99.9% thì engine không lấp được

Còn một chuẩn nữa cần nắm. Với các trường thuộc lĩnh vực tài chính và giấy tờ định danh cá nhân, chuẩn năm 2026 để chấp nhận xử lý tự động hoàn toàn (STP: Straight Through Processing) được nêu là 99.9% theo từng trường. Muốn thỏa mãn điều kiện đẩy thẳng vào hệ thống lõi mà không ai xem thì cần tới mức đó.

Nhìn khoảng cách giữa 95% và 99.9% dưới góc độ tỷ lệ lỗi thì là từ 5% xuống 0.1%, tức phải giảm đi 50 lần. Lấp khoảng cách này bằng cách đổi engine là không thực tế. Chỉ có một cách lấp, đó là việc phân luồng theo độ tin cậy sẽ nói ở phần sau.

Với những ô mà sai một cái là mọi thứ dừng lại, như ô số tiền hay ô kết luận kiểm tra, an toàn hơn cả là đừng nghĩ theo kiểu “engine thông minh hơn rồi nên tự động hóa được”.

Bốn lý do khiến biểu mẫu viết tay ở nhà máy Thái Lan bị đổ vỡ

Thứ có tác dụng ở hiện trường Thái Lan không phải là “có hỗ trợ tiếng Thái hay không”, mà là trên một tờ biểu mẫu có bao nhiêu ngôn ngữ và bao nhiêu kiểu nét chữ trộn vào nhau. Khi một engine được chọn ở trụ sở chính lại gây thất vọng tại nhà máy vùng ven Bangkok, nguyên nhân thường rơi vào một trong bốn điều sau.

1. Chữ Thái xếp chồng dấu ở tầng trên và tầng dưới

Tiếng Thái có dấu thanh và dấu nguyên âm gắn phía trên và phía dưới phụ âm. Khi viết tay lên biểu mẫu có khoảng cách dòng chật, dấu tầng dưới của dòng trên sẽ chạm vào dấu tầng trên của dòng dưới. Sự tiếp xúc này làm engine rối ngay ở khâu tách ký tự (segmentation). Nếu quyết định khoảng cách dòng theo cảm giác thiết kế biểu mẫu tiếng Nhật hay tiếng Anh thì sẽ hỏng ở chỗ này.

Thêm nữa, phần lớn chữ Thái sẽ trở thành một chữ khác tùy theo có hay không và hướng của “หัว” (vòng tròn ở đầu nét chữ). Khi viết nhanh thì vòng tròn này bị bẹp, và sự phân biệt giữa những chữ có hình dạng gần nhau biến mất. Với người viết thì ngữ cảnh trước sau làm điều đó hiển nhiên, nhưng ảnh được cắt ra theo từng ô thì không có ngữ cảnh nào cả.

Biện pháp nằm ở phía biểu mẫu. Lấy khoảng cách dòng rộng hơn bình thường, thiết kế chiều cao ô điền theo chiều cao bao gồm cả tầng trên và tầng dưới chứ không chỉ bằng một phụ âm, và không kẻ đường viền sát mép trên dưới của ô.

2. Tiếng Nhật, tiếng Thái và tiếng Anh trộn trên cùng một tờ

Biểu mẫu tại các nhà máy Nhật ở Thái Lan thường có ba ngôn ngữ cùng tồn tại. Tên hàng và mã model là chữ cái và chữ số Latin, bình luận của công nhân là tiếng Thái, ô phê duyệt và ghi chú là tiếng Nhật hoặc tiếng Anh. Điều này gây phiền cho engine. Nhiều hệ OCR chữ viết tay suy đoán ngôn ngữ theo đơn vị tài liệu hoặc theo vùng, nên khi ngôn ngữ đổi ngay trong một tờ thì suy đoán sẽ trượt.

Nếu từ điển tiếng Nhật lại có tác dụng lên ô tiếng Thái thì kết quả nhả ra sẽ không còn giữ được hình dạng ban đầu. Ngược lại, khi mô hình tiếng Thái đập vào ô tiếng Nhật thì cả cụm chữ Hán sẽ biến thành ký hiệu.

Biện pháp là cố định và khai báo ngôn ngữ cho từng ô. Ở giai đoạn định nghĩa mẫu biểu, hãy chọn sản phẩm cho phép chỉ định “ô này chỉ tiếng Thái”, “ô này chỉ chữ cái và chữ số Latin”, và thực sự chỉ định như vậy. Chỉ một thao tác thêm này thôi là phần lớn hư hỏng do trộn ngôn ngữ sẽ biến mất.

3. Chữ số và lịch có thói quen viết đặc thù địa phương

Chữ số còn phiền hơn ngôn ngữ. Tại hiện trường Thái Lan, những điều sau xảy ra cùng lúc.

• Trộn chữ số Thái (๐๑๒๓๔๕๖๗๘๙) với chữ số Ả Rập. Nhân viên lớn tuổi hoặc việc chép lại từ giấy tờ hành chính sẽ làm chúng trộn vào nhau.
• Cách phân biệt 1 với 7, 0 với O, 2 với Z. Người gạch ngang chữ 7 theo kiểu châu Âu và người không gạch cùng tồn tại.
• Dao động giữa dấu thập phân và dấu phân cách hàng nghìn. Dấu phẩy và dấu chấm viết tay khi bị bẹp ở 150DPI thì rất khó phân biệt.
• Trộn Phật lịch với Công lịch. Năm 2569 Phật lịch là năm 2026 Công lịch. Trong cùng một ô ngày tháng của cùng một biểu mẫu sẽ có lẫn “2569”, “2026” và “26”.

Điều thứ ba và thứ tư vừa là vấn đề của OCR vừa là vấn đề của dữ liệu. Giả sử OCR đọc đúng “2569” đi nữa, nếu hệ thống lõi kỳ vọng Công lịch thì dữ liệu đó vẫn sai.

Biện pháp là in sẵn lịch và đơn vị lên biểu mẫu. Thay vì in “พ.ศ. ____” thì in “20__ (ค.ศ.)”. Với ô cần phần thập phân, hãy in sẵn vị trí dấu thập phân thành khung.

4. Ô ghi tự do thì engine nào cũng không đọc nổi

Các ô ghi tự do như “nội dung bất thường”, “nhận xét”, “ghi chú đặc biệt” có từ vựng, ngữ pháp và độ dài câu đều không dự đoán được. Hiệu chỉnh bằng từ điển hay danh sách ứng viên không phát huy tác dụng, và thói quen của từng người viết trở thành lỗi y nguyên. Nhớ lại bảng phía trên, trường 12 ký tự đã rơi xuống 54.0–69.4%, thì phần ghi tự do vài chục ký tự sẽ ra sao là điều có thể hình dung.

Biện pháp không phải là bỏ ô ghi tự do, mà là không phụ thuộc vào ô ghi tự do. Hãy thay các nội dung bất thường thường gặp bằng lựa chọn (ô tích hoặc kiểu tô số theo phiếu trắc nghiệm), còn ô ghi tự do giữ lại như phần bổ sung. Việc tổng hợp và tìm kiếm thực hiện ở phía lựa chọn, còn ô ghi tự do được xử lý theo tinh thần “đọc được thì lời”, và cũng có thể quyết định loại nó khỏi phạm vi con người kiểm tra bất kể độ tin cậy cao hay thấp.

Các mô hình dành cho tiếng Thái đã đi tới đâu

Những mô hình chuyên cho tiếng Thái cũng có chuyển động trong một năm qua.

Typhoon OCR 1.5 là mô hình mã nguồn mở công bố ngày 14 tháng 11 năm 2025, 2B tham số, dựa trên Qwen3-VL 2B. Theo đánh giá được báo cáo, với biểu mẫu viết tay thì BLEU cải thiện từ 0.321 lên 0.522 và ROUGE-L cải thiện từ 0.454 lên 0.645 (tương ứng khoảng 1.63 lần và khoảng 1.42 lần). Với biểu mẫu hành chính công bằng tiếng Thái thì đạt BLEU 0.870 và ROUGE-L 0.967, được báo cáo là vượt Gemini 2.5 Pro và GPT-5. Mô hình này được nêu là suy luận nhanh hơn 2–3 lần so với phiên bản trước, chi phí vận hành đám mây giảm 40–60%, và chạy được cả trên CPU lẫn thiết bị biên, nên khá hợp với cấu hình đặt máy chủ ngay trong nhà máy.

Thai-TrOCR là mô hình được tinh chỉnh từ TrOCR handwritten cho ảnh dòng chữ viết tay tiếng Thái và tiếng Anh, được báo cáo là vượt EasyOCR và Tesseract. Vì tiền đề là cắt theo từng dòng, nên cách dùng sẽ phải kết hợp với thiết kế khung điền.

Lưu ý rằng BLEU và ROUGE-L là điểm đo mức tương đồng văn bản, khác loại với tỷ lệ chính xác theo từng trường. Không thể đọc “BLEU 0.870 nghĩa là đúng 87%”. Chỗ này rất dễ nhầm nên xin lưu ý.

Trên nền đó, dãy số này có một gợi ý. Cùng một Typhoon OCR 1.5, với biểu mẫu hành chính công thì BLEU 0.870, còn với biểu mẫu viết tay thì 0.522. Chênh lệch là 0.348. Engine y hệt nhau, chỉ khác nhau ở tờ giấy. Với ROUGE-L cũng vậy, 0.967 so với 0.645, chênh 0.322. Đây có lẽ là căn cứ dễ hiểu nhất cho luận điểm rằng thiết kế biểu mẫu làm thay đổi kết quả nhiều hơn việc chọn engine.

Thứ quyết định độ chính xác OCR biểu mẫu là khung: 7 hạng mục thiết kế ô điền

Thứ quyết định độ chính xác không phải lượng dữ liệu huấn luyện của engine, mà là khung điền đã chỉ cho máy biết vị trí của ký tự đến mức nào. Đây vừa là công đoạn có hiệu quả trên chi phí cao nhất khi triển khai OCR chữ viết tay, vừa là công đoạn bị đẩy ra sau cùng nhiều nhất.

Bảy hạng mục thiết kế

1. Một ký tự một ô. Biến ô điền thành các ô vuông và cho viết mỗi ô một ký tự. Nhờ đó, công việc phỏng đoán mà engine hay sai nhất là tách ký tự sẽ biến mất hoàn toàn. Như đã thấy ở bảng phần trước, chỉ cần CER dao động từ 3% lên 5% thì tỷ lệ chính xác của trường 8 ký tự đã rơi từ 78.4% xuống 66.3%. Việc tách sai đẩy CER lên trực tiếp, nên dập được chỗ này thì hiệu quả rất lớn.

2. Với phán định và phân loại thì cho chọn, đừng cho viết. Những mục đã có sẵn danh sách lựa chọn như kết luận đạt hay không đạt, phân loại lỗi, ca làm việc, chuyền sản xuất thì đừng bắt viết chữ. Việc phát hiện ô tích hoặc ô tô đen ổn định hơn nhận dạng chữ ở mức không thể so sánh. Biểu mẫu nào đang bắt viết tay “đạt / không đạt” thì hãy sửa từ chỗ này trước.

3. Chia trường dài thành trường ngắn. Ngày tháng thì tách thành năm, tháng, ngày; số lô thì tách theo từng đoạn có ý nghĩa. Điều cần lưu ý ở đây là bản thân việc chia nhỏ không làm kết quả của phép nhân tốt lên. Chia trường 6 ký tự thành 3 trường 2 ký tự thì xác suất cả 6 ký tự cùng đúng vẫn không đổi. Cái có tác dụng là hai hiệu ứng phụ. Một là nhờ có vạch phân cách nên việc tách ký tự ổn định hơn và bản thân CER giảm xuống. Hai là lỗi bị khu trú lại, nên phạm vi phải sửa khi kiểm tra nhỏ đi. Cái trước tác động lên độ chính xác, cái sau tác động lên giờ công.

4. Đặt mẫu điền ngay bên cạnh khung. Phần lưu ý gom lại ở đầu biểu mẫu thì không ai đọc. Hãy in chữ mẫu bằng màu nhạt ngay dưới hoặc bên phải khung. Ghi song song tiếng Thái và tiếng Nhật, và thể hiện bằng mẫu cả cách viết chữ số (có gạch ngang chữ 7 hay không, có thêm nét trang trí vào chữ 1 hay không). Ưu điểm của cách này là chi phí đào tạo về thực chất bằng không.

5. Chỉ định màu dropout và loại bút. Hãy in đường kẻ của ô điền bằng màu biến mất khi quét, chẳng hạn màu lơ nhạt (màu dropout). Khi đường kẻ biến khỏi ảnh thì chỉ còn lại chữ, và nguyên nhân chính gây nhận dạng sai là sự tiếp xúc giữa đường kẻ với chữ cũng mất theo. Đồng thời thống nhất dụng cụ viết là bút bi màu đen. Bút chì và bút mực xanh nhạt sẽ bị bay nét ở khâu nhị phân hóa.

6. Quét từ 150DPI trở lên, trong thực tế nên dùng 300DPI thang xám. Các con số trong benchmark đã trích dẫn được đo trên tiền đề độ phân giải quét từ 150DPI trở lên. Nếu đưa vào ảnh không thỏa mãn tiền đề này thì ngay cả khoảng 62–85% cũng không được bảo đảm. Sai lầm hay gặp ở hiện trường là bước vào vận hành trong khi thiết lập mặc định của máy photocopy đa năng vẫn là 200DPI và đen trắng nhị phân. Nhị phân hóa sẽ xóa mất những nét viết nhẹ tay. Hãy đặt mặc định là 300DPI thang xám.

7. In số phiên bản và ID lên biểu mẫu. Ở hiện trường, bản sao của bản sao vẫn lưu hành, và lúc nào đó những biểu mẫu bị lệch vị trí ô sẽ lẫn vào. Vì mẫu biểu cắt các ô theo tọa độ nên lệch vị trí sẽ dẫn thẳng tới sai toàn bộ các ô. Hãy đưa ID biểu mẫu và số phiên bản vào mã QR ở góc tờ giấy, và dựng cơ chế chặn lại trước khi xử lý nếu bản cũ bị đưa vào. Đồng thời in cả các dấu căn chỉnh vị trí (dấu định vị ở bốn góc).

Nên dành bao nhiêu thời gian cho việc thiết kế khung

Trong 7 hạng mục, các mục 1, 2, 3, 7 là công việc làm lại bố cục biểu mẫu. Các mục 4, 5, 6 là thiết lập về in ấn và vận hành. Không mục nào là câu chuyện về AI, tất cả đều là câu chuyện về giấy và về nghiệp vụ.

Cách tiến hành thực tế là đừng làm lại toàn bộ biểu mẫu ngay lập tức. Trước hết chọn một biểu mẫu, làm một phiên bản áp dụng đủ 7 hạng mục và cho hiện trường viết trong 2 tuần. Đưa cả bản cũ lẫn bản mới qua cùng một engine, rồi so sánh tỷ lệ chính xác theo từng trường và tỷ lệ kiểm tra thủ công. Dữ liệu so sánh này chính là căn cứ để duyệt ngân sách làm lại những biểu mẫu còn lại.

Bỏ việc soi mắt toàn bộ: thiết kế định tuyến theo độ tin cậy

Thứ quyết định một ô có được chốt tự động hay không, không phải là điểm độ tin cậy cao hay thấp, mà là ô đó có nguồn để đối chiếu hay không. Nếu hiểu nhầm chỗ này thì tinh chỉnh ngưỡng bao nhiêu lần vận hành cũng không ổn định.

Chỉ cần chuyển 15–20% sang cho người là tổng thể đạt 99.2%

Trong benchmark đã dẫn, điều quan trọng nhất về mặt thực tế là báo cáo này. Khi chuyển sang cho người kiểm tra chỉ những trường có độ tin cậy thấp, thì dù đối tượng kiểm tra chỉ chiếm 15–20% tổng số, độ chính xác trích xuất của toàn bộ vẫn đạt 99.2%. Trong ví dụ được nêu, tỷ lệ kiểm tra thủ công được đặt rộng hơn một chút là 22%, và khoảng 78% đi qua mà không cần mắt người (STP). 78% cộng 22% bằng 100%. Xin đừng đếm cả hai như hai khoản riêng.

Bản thân engine chỉ ở khoảng 95%, còn tính cả vận hành thì vượt 99%. Thứ tạo ra chênh lệch này không phải hiệu năng của mô hình mà là thiết kế phân luồng. Lưu ý rằng hai con số này thuộc hai khảo sát khác nhau và hai chỉ số khác nhau (một bên là độ chính xác nhận dạng chữ viết tay, bên kia là độ chính xác trích xuất trường có bao gồm định tuyến theo độ tin cậy), nên không thể lấy trừ đơn thuần rồi đọc thành “cải thiện bao nhiêu điểm”. Hãy hiểu là hai bên đang có những đòn bẩy khác nhau.

Tuy nhiên, ở đây cũng có điểm cần lưu ý. Con số 22% này là câu chuyện theo từng trường, không phải theo từng tờ biểu mẫu. Với biểu mẫu 25 ô, nếu giả định mỗi ô độc lập bị gắn cờ với xác suất 22%, thì tờ biểu mẫu không có ô nào bị gắn cờ chỉ chiếm 0.78 mũ 25 = khoảng 0.2%. Trên thực tế lỗi lệch theo từng người viết và từng ô, nên con số 0.2% này sẽ cao hơn, nhưng cảm giác về bậc độ lớn thì không đổi. Gần như toàn bộ biểu mẫu đều sẽ xuất hiện trên màn hình kiểm tra.

Vì vậy, thiết kế màn hình kiểm tra trở thành yếu tố quyết định. Nếu làm màn hình bày cả tờ biểu mẫu ra cho người xem thì dù STP có 78% đi nữa, giờ công gần như không giảm. Hãy chỉ hiển thị những ô bị gắn cờ, xếp dọc cùng với ảnh đã cắt ra và các ứng viên OCR. Có màn hình này hay không sẽ làm thay đổi trọn vẹn tiền đề của bài toán ước tính nói ở phần sau.

Chia các trường thành 3 nhóm và đặt ngưỡng khác nhau

Áp cùng một ngưỡng cho mọi ô là thiết kế quá thô. Trong thực tế nên chia làm ba.

Nhóm A (pháp lý, tiền bạc, truy xuất nguồn gốc) — số lô, kết luận kiểm tra, số lượng, số tiền, ngày tháng, chữ ký. Đây là những ô mà sai sẽ dẫn tới dừng xuất hàng, bị chỉ ra trong kiểm toán hoặc trả tiền sai. Như đã nêu, chuẩn để đẩy đi mà không qua người là 99.9% theo từng trường. Chừng nào chưa thỏa mãn được mức đó thì hãy thiết kế cho qua người ngay cả khi độ tin cậy cao. Giả sử đạt được 99.9% đi nữa, với biểu mẫu có 5 ô thuộc nhóm A thì 0.999 mũ 5 = 99.5%, tức tính ra vẫn còn sót lỗi ở 1 trong 200 tờ.

Nhóm B (phân tích, nắm xu hướng) — nhiệt độ, áp suất, thời điểm, thời gian làm việc, số đếm vận hành. Từng giá trị có lệch chút ít thì với mục đích xem xu hướng vẫn chịu được. Hãy vận hành ở mức tương đương 99.2%, và bù lại bằng kiểm tra khoảng giá trị (giới hạn trên dưới, tính liên tục với giá trị trước và sau).

Nhóm C (thông tin tham khảo) — ghi chú, nhận xét, ghi tự do. Đây là những ô chỉ cần tìm kiếm toàn văn được là đủ. Dù độ tin cậy thấp cũng không chuyển sang kiểm tra mà lưu thẳng vào. Nếu nghiêm túc đưa nhóm này vào phạm vi kiểm tra thì chỉ có giờ công kiểm tra phình ra chứ độ chính xác không tăng.

Con số tổng thể 99.2% suy cho cùng chỉ là trung bình. Nếu đòi 99.9% cho nhóm A thì phải bỏ bớt nhóm C tương ứng, giờ công mới cân được. Đừng đặt một mục tiêu độ chính xác duy nhất cho toàn bộ, mà hãy đặt mục tiêu theo từng nhóm. Đây mới là thực chất của thiết kế.

Ngưỡng được quyết bằng cách soi toàn bộ 1,000 tờ đầu tiên

Cách tính điểm độ tin cậy khác nhau theo từng sản phẩm, và không có quy tắc chung kiểu “từ 0.85 trở lên là an toàn”. Cách quyết chỉ có một, đó là soi bằng mắt toàn bộ 1,000 tờ đầu tiên và tự lập bảng đối ứng giữa điểm độ tin cậy với lỗi thực tế trên chính biểu mẫu của mình.

Công việc này phiền phức nhưng không có cách thay thế. Bỏ qua chỗ này thì ngưỡng sẽ được quyết theo cảm tính, và sẽ đáp xuống một trong hai kết cục: hoặc mất niềm tin vì sự cố “ô đã chốt tự động mà vẫn ra lỗi”, hoặc “đẩy hết sang kiểm tra nên giờ công chẳng giảm”. 1,000 tờ tương đương một tuần với hiện trường 200 tờ mỗi ngày.

Khi đã có bảng đối ứng, hãy tìm dải điểm mà tỷ lệ lỗi của nhóm A xuống dưới 0.1% và đặt ngưỡng ở đó. Nếu không tìm thấy thì loại ô nhóm A đó khỏi phạm vi chốt tự động.

Mạnh hơn độ tin cậy là đối chiếu dữ liệu master

Cuối cùng, xin nói điều có tác dụng nhất về mặt triển khai. Có một căn cứ phán định đáng tin hơn điểm độ tin cậy, đó là có nguồn dữ liệu master để đối chiếu hay không.

Mã hàng, mã nhân viên, mã thiết bị, mã đối tác, ID chuyền. Những giá trị này chỉ có thể đúng khi tồn tại trong dữ liệu master của chính công ty. Hãy lấy đầu ra của OCR làm ứng viên đem dò vào master, và nếu thu hẹp được về đúng một bản ghi thì ô đó chốt tự động được. Dù độ tin cậy chỉ 0.6, nếu khớp đúng một bản ghi trong master và khoảng cách chỉnh sửa tới ứng viên thứ hai đủ xa, thì điều đó còn chắc chắn hơn độ tin cậy 0.99.

Ngược lại, ô ghi tự do không có master thì độ tin cậy 0.99 cũng không thành căn cứ để chốt tự động. Vì một khi không có nguồn đối chiếu, độ tin cậy chỉ là lời tự khai của mô hình.

Cùng logic đó, việc đối chiếu chéo ngay trong nội bộ biểu mẫu cũng có tác dụng. Chi tiết số lượng với tổng cộng, giờ bắt đầu với giờ kết thúc và thời gian làm việc, số hàng đạt với số hàng lỗi và tổng số. Những cái này kiểm tra chéo lẫn nhau được. Không khớp thì chuyển sang kiểm tra bất kể độ tin cậy. Khớp thì cho qua dù độ tin cậy thấp. Hãy dời trọng tâm thiết kế từ điểm số của mô hình sang các ràng buộc của nghiệp vụ. Đây là cốt lõi về mặt triển khai để bỏ được việc soi mắt toàn bộ.

Cách nhìn chi phí và hoàn vốn: ước tính trong khi vẫn giữ nguyên giờ công kiểm tra

Thứ quyết định số năm hoàn vốn không phải phí sử dụng engine, mà là tỷ lệ kiểm tra thủ công. Phần dưới đây là ước tính theo mô hình, không phải báo giá cho một dự án cụ thể. Thay tiền đề thì kết luận sẽ đổi.

Tiền đề (tất cả đều là giả định)

• Biểu mẫu đối tượng: báo cáo sản xuất hằng ngày và hồ sơ kiểm tra trong công đoạn
• Số tờ: 200 tờ mỗi ngày, 250 ngày làm việc mỗi năm → 50,000 tờ mỗi năm
• Số ô điền trên mỗi tờ: 25 ô → 1,250,000 trường mỗi năm
• Giờ công nhập liệu hiện tại: 4.0 phút mỗi tờ. Chi tiết gồm “nhập liệu 2.5 phút + xác nhận và chờ đối với chỗ không đọc được 0.5 phút + đối chiếu sau khi nhập 1.0 phút”
• Chi phí nhân sự: nhân viên nhập liệu, lương tháng gồm cả bảo hiểm bắt buộc là 30,000 THB, cả năm 360,000 THB. Số giờ làm việc thực tế trong năm là 2,000 giờ (250 ngày × 8 giờ) → đơn giá theo giờ 180 THB (tức 3 THB mỗi phút)
• Giờ công kiểm tra sau khi triển khai: 8 giây cho mỗi ô bị gắn cờ (xác nhận và sửa trên màn hình đã bày sẵn ảnh cắt và các ứng viên), cộng thêm thời gian cố định 20 giây mỗi tờ cho việc mở, đóng và đối chiếu

Đối tượng so sánh được cố định chỉ một phương án duy nhất là “trường hợp không triển khai, tức giữ nguyên vận hành trên giấy như hiện tại”. So sánh với “trường hợp chuyển toàn diện sang nhập trên máy tính bảng” là một dòng thời gian khác, nên không trộn vào phần giá trị hiệu quả.

Phép tính

Hiện trạng (đường cơ sở)

• 50,000 tờ × 4.0 phút = 200,000 phút = 3,333.3 giờ mỗi năm
• 3,333.3 giờ × 180 THB = 600,000 THB mỗi năm
• Quy ra người: 3,333.3 ÷ 2,000 = 1.67 người

Sau khi triển khai (tỷ lệ kiểm tra thủ công 22%, tức giá trị ví dụ của benchmark)

• Số ô bị gắn cờ trên mỗi tờ: 25 ô × 22% = 5.5 ô
• Giờ công mỗi tờ: 5.5 ô × 8 giây + 20 giây = 64 giây (tức 1.07 phút)
• 50,000 tờ × 64 giây = 3,200,000 giây = 53,333 phút = 888.9 giờ mỗi năm
• 888.9 giờ × 180 THB = 160,000 THB mỗi năm
• Quy ra người: 888.9 ÷ 2,000 = 0.44 người

Hiệu quả cắt giảm

• Thời gian: 3,333.3 − 888.9 = 2,444.4 giờ mỗi năm (tương đương 1.22 người)
• Số tiền: 600,000 − 160,000 = 440,000 THB mỗi năm (tỷ lệ cắt giảm 73.3%)

Chi phí (ước tính)

Chi phí ban đầu:

Chi phí hằng năm:

Kết quả

• Hiệu quả ròng hằng năm: 440,000 − 180,000 = 260,000 THB mỗi năm
• Số năm hoàn vốn giản đơn: 700,000 ÷ 260,000 = khoảng 2.7 năm
• Tổng chi 5 năm: 700,000 + 180,000 × 5 = 1,600,000 THB
• Hiệu quả 5 năm: 440,000 × 5 = 2,200,000 THB
• Ròng 5 năm: 2,200,000 − 1,600,000 = 600,000 THB

Nhìn cơ cấu tổng chi 5 năm 1,600,000 THB theo tỷ trọng thì có: phí sử dụng engine 600,000 THB (37.5%), thiết kế lại khung biểu mẫu 350,000 THB (21.9%), phát triển kết nối 250,000 THB (15.6%), bảo trì 300,000 THB (18.8%), máy quét 100,000 THB (6.2%). Số tiền trả cho engine chưa tới bốn phần mười tổng chi, hơn sáu phần mười còn lại là thiết kế biểu mẫu, kết nối, bảo trì và thiết bị. Từ cơ cấu này rút ra một điều: cách phân bổ thời gian trong các cuộc họp xem xét cũng nên tiệm cận tỷ lệ đó.

Tỷ lệ kiểm tra thủ công thay đổi thì số năm hoàn vốn thay đổi thế nào

Chỉ thay tỷ lệ kiểm tra thủ công thành 15%, 22% và 35%, còn các tiền đề khác giữ cố định, rồi tính lại. 15% là cận dưới của khoảng mà benchmark nêu ra, 22% là giá trị ví dụ của cùng benchmark đó, còn 35% là giá trị giả định do chúng tôi đặt ra cho tình huống thiết kế khung còn lỏng lẻo (35% không phải giá trị được báo cáo).

Giữa 15% và 35%, mức cắt giảm mỗi năm là 475,000 so với 375,000, chênh lệch 100,000 THB mỗi năm. Con số này tương đương 83% của khoản phí sử dụng engine 120,000 THB mỗi năm. Nói cách khác, thiết kế khung tốt hay dở tạo ra khoảng chênh gần bằng với việc trả hay không trả trọn khoản phí sử dụng engine. Về số năm hoàn vốn thì 2.4 năm so với 3.6 năm, chênh 1.2 năm.

Ở đây xin lưu ý rằng tỷ lệ kiểm tra thủ công tăng lên không có nghĩa là độ chính xác giảm xuống. Lượng chuyển sang cho người tăng thì độ chính xác cuối cùng thậm chí còn tăng. Thứ xấu đi chỉ là giờ công. Do đó, điều xảy ra với biểu mẫu có thiết kế khung lỏng lẻo không phải là “không ra được độ chính xác” mà là thất bại dạng “độ chính xác thì ra nhưng chi phí không cân”. Thất bại kiểu này chỉ lộ ra sau khoảng nửa năm vận hành khi số liệu ngân sách thực tế xuất hiện, nên bị phát hiện muộn.

Những khoản hiệu quả không được cộng thêm

Đây là phần dễ sai nhất. Khi giải thích hiệu quả triển khai, người ta hay muốn cộng thêm một khoản riêng là “không còn phải đi hỏi lại người viết những chữ không đọc được”, bên cạnh khoản “cắt giảm thời gian nhập liệu”. Đó là tính trùng hai lần.

Hãy xem lại cơ cấu của 4.0 phút ở đường cơ sở. Nhập liệu 2.5 phút + xác nhận và chờ đối với chỗ không đọc được 0.5 phút + đối chiếu 1.0 phút. Thời gian trả lại để hỏi đã nằm sẵn trong 4.0 phút rồi. Cộng thêm nó một lần nữa nghĩa là đếm hai lần khoản 0.5 phút × 50,000 tờ = 25,000 phút = 416.7 giờ = 75,000 THB mỗi năm.

Nếu tính trùng, mức cắt giảm mỗi năm phình từ 440,000 lên 515,000 THB (+17.0%), hiệu quả ròng hằng năm thành 335,000 THB, và số năm hoàn vốn nhìn thành 700,000 ÷ 335,000 = khoảng 2.1 năm. So với con số thực là 2.7 năm thì nhìn ngắn hơn 0.6 năm. Với những con số đưa vào tờ trình phê duyệt thì đó không phải chênh lệch nhỏ.

Hãy giữ kịch bản đối chứng ở đúng một dòng thời gian duy nhất. Đối tượng so sánh chỉ là “vận hành trên giấy như hiện tại (4.0 phút mỗi tờ)”, và mọi khoản trừ đi từ đó đều phải tương ứng với một phần nào đó trong cơ cấu của 4.0 phút này.

Mặt khác, cũng có những khoản hiệu quả không được đưa vào bài ước tính này: thời gian tìm kiếm khi kiểm toán và tra cứu truy xuất nguồn gốc, không gian và chi phí lưu trữ giấy, việc khai thác phân tích dữ liệu tích lũy, và sự thay đổi thời gian ghi chép của chính người điền (có khả năng ngắn lại nhờ chuyển sang dạng chọn). Những khoản này chưa được quy ra tiền, nên hãy đọc số năm hoàn vốn nêu trên như một mức thận trọng.

Cuối cùng, phần 1.22 người được cắt giảm chỉ thực sự thành tiền khi giờ công đó chuyển sang công việc tạo giá trị gia tăng khác, hoặc khi giờ làm thêm thực sự giảm. Nếu người vẫn ngồi nguyên chỗ cũ thì thời gian cắt giảm chỉ là con số trên sổ sách. Đây là điều nên thống nhất với cấp trên trước khi viết vào tờ trình.

Bắt đầu từ biểu mẫu nào: thứ tự triển khai tự động nhập liệu

Thứ quyết định biểu mẫu đầu tiên không phải số lượng tờ, mà là đã xác định được mục đích sử dụng ở phía hạ nguồn hay chưa. Nếu chỉ chọn theo số lượng thì rốt cuộc chỉ tăng thêm dữ liệu đã điện tử hóa mà không ai dùng.

Bốn tiêu chí lựa chọn

1. Số lượng tờ nhiều — phải có cỡ mẫu đủ để đo được hiệu quả
2. Các ô có định dạng cố định — phần ghi tự do không chiếm chủ đạo
3. Mục đích sử dụng ở hạ nguồn đã rõ — xác định được hệ thống và màn hình nào sẽ nhận dữ liệu đưa vào
4. Thiệt hại khi sai ở mức trung bình — biểu mẫu không ảnh hưởng gì thì không duy trì được động lực cải tiến, còn biểu mẫu ảnh hưởng chí mạng thì không được phép thất bại ngay lần đầu

Thứ tự bắt tay vào làm

Đợt 1: báo cáo sản xuất hằng ngày và hồ sơ sản lượng. Số tờ nhiều nhất, các ô có định dạng cố định, và hạ nguồn là hệ thống quản lý sản xuất. Nhóm này thường thỏa mãn cả 4 tiêu chí. Phần lý thuyết thiết kế cho chính bản thân báo cáo hằng ngày được bàn trong bài Tự động hóa báo cáo hằng ngày bằng AI 2026.

Đợt 2: hồ sơ kiểm tra đầu vào và hồ sơ kiểm tra trong công đoạn. Vì liên quan trực tiếp tới kiểm toán và truy xuất nguồn gốc, đây là lĩnh vực mà giá trị của điện tử hóa cao nhất. Tuy nhiên, do có nhiều ô thuộc nhóm A (kết luận, số lô) nên hãy bắt tay sau khi thiết kế định tuyến theo độ tin cậy đã ổn định.

Đợt 3: phiếu nhập xuất tồn kho, phiếu xác nhận giao hàng. Chủ yếu là các ô số lượng, và việc đối chiếu với master tồn kho phát huy tác dụng. Vì dùng được đối chiếu master nên đây là lĩnh vực có nhiều ô chốt tự động được ngay cả khi độ tin cậy thấp.

Tạm thời chưa làm: báo cáo sự cố viết tay, fax viết tay từ khách hàng, hồ sơ lương và chấm công viết tay. Hai loại đầu chủ yếu là ghi tự do nên không ra được hiệu quả trên chi phí. Loại thứ ba cần cân nhắc về PDPA (Luật bảo vệ dữ liệu cá nhân của Thái Lan) và về quan hệ lao động, tức có những điểm phải sắp xếp trước cả phần kỹ thuật.

Quy trình kiểm chứng để ra quyết định trong 4 tuần

• Tuần 1: Thu 100 tờ biểu mẫu hiện hành và đếm cách chúng được điền theo từng ô. Hãy rút ra tỷ lệ bỏ trống, tỷ lệ không đọc được, và tần suất những cách ghi ngoài dự kiến (viết thêm ra ngoài ô, ghi nhiều giá trị vào một ô). Ở thời điểm này chưa dùng tới OCR.
• Tuần 2: Làm bản mới áp dụng 7 hạng mục thiết kế nêu trên và cho hiện trường viết trong 2 tuần. Vận hành song song với bản cũ.
• Tuần 3 và 4: Đưa 500 tờ của mỗi bản qua engine và đo tỷ lệ chính xác theo từng trường cùng tỷ lệ kiểm tra thủ công. Vì phải soi toàn bộ bằng mắt người để tạo đáp án chuẩn nên công việc này tốn giờ công, nhưng bỏ qua chỗ này thì mọi phán đoán về sau đều thành phỏng đoán.

Thứ cần đo không phải “độ chính xác của engine” mà là “tỷ lệ kiểm tra thủ công trên biểu mẫu của chính công ty mình”. Bản demo của nhà cung cấp là thành tích trên mẫu do chính nhà cung cấp chọn. Căn cứ để quyết định chỉ có thể tạo ra từ biểu mẫu của công ty mình, do người viết của công ty mình điền, và quét bằng máy quét của công ty mình.

Những điểm cần bàn thêm khi triển khai tại Thái Lan

Ứng phó với kiểm toán. Báo cáo thực hiện ưu đãi BOI, hồ sơ theo ISO 9001 và IATF 16949, việc xuất trình chứng từ sổ sách khi thanh tra thuế. Dữ liệu đã điện tử hóa có được chấp nhận như bản gốc hay không, có cần lưu song song bản giấy gốc hay không, là những điểm phải xác nhận với công ty kiểm toán và cơ quan chức năng. Đây không phải câu chuyện kỹ thuật, nên hãy xác nhận trước khi chốt yêu cầu về phía hệ thống. Ít nhất, thiết kế cho phép truy vết qua lại giữa dữ liệu điện tử và bản giấy gốc (dùng mã QR ID của biểu mẫu làm khóa của bản ghi điện tử) thì ngả về hướng nào cũng không phí công.

Hiện trường đa ngôn ngữ. Ở những công đoạn mà ngoài nhân viên người Thái còn có công nhân đến từ Myanmar và Campuchia điền biểu mẫu, ngôn ngữ của biểu mẫu và tiếng mẹ đẻ của người viết có thể không trùng nhau. Trong trường hợp này, các ô dạng viết mô tả gần như không hoạt động. Việc thay bằng dạng chọn và bằng hình tượng trưng có tác dụng ngay từ trước khi bàn tới OCR.

PDPA. Một khi biểu mẫu có tên người ghi hoặc mã nhân viên thì đó là dữ liệu cá nhân. Hãy sắp xếp ngay khi triển khai các vấn đề về thời hạn lưu trữ dữ liệu trích xuất bằng OCR, quyền truy cập, và hợp đồng với bên xử lý trong trường hợp gửi lên đám mây. Chính vì có điểm này mà những mô hình chạy được trên CPU và thiết bị biên như Typhoon OCR 1.5 nêu trên mới trở thành một lựa chọn.

Câu hỏi thường gặp

OCR chữ viết tay là gì?

Đó là công nghệ đọc từ ảnh những ký tự do con người viết tay lên giấy và chuyển thành dữ liệu văn bản. Cả kỹ thuật cần thiết lẫn độ chính xác đạt được đều khác với OCR thông thường vốn đọc chữ in. Những năm gần đây, để chỉ mục đích lấy giá trị ra theo từng ô của biểu mẫu, người ta hay gọi là “OCR biểu mẫu” hay “AI-OCR”, và khái niệm này bao gồm cả việc gắn giá trị với đúng ô nào chứ không chỉ đơn thuần đọc chữ.

Độ chính xác của OCR chữ viết tay khoảng bao nhiêu?

Câu trả lời thay đổi tùy theo bạn nhìn chỉ số nào. Nếu nhìn theo tỷ lệ lỗi ký tự (CER) thì chữ viết tay là 3–5%, tức trên 95% ký tự được đọc đúng. Nhưng nếu nhìn theo tỷ lệ chính xác theo từng trường, tức cả ô có đúng trọn vẹn hay không, thì chỉ còn 62–85%, thấp hơn tài liệu in 15–35 điểm. Cái có ý nghĩa trong thực tế là chỉ số sau. Hơn nữa, nếu tổ chức vận hành chỉ chuyển sang cho người kiểm tra những ô có độ tin cậy thấp, thì dù đối tượng kiểm tra chỉ chiếm 15–20% tổng số, tổng thể vẫn được báo cáo là tăng lên tới 99.2%.

Chữ viết tay tiếng Thái có đọc được không?

Khó hơn tiếng Nhật và tiếng Anh, và đáng để dùng mô hình chuyên dụng. Vì chữ Thái có dấu thanh và dấu nguyên âm gắn phía trên và phía dưới phụ âm, nên trên biểu mẫu có khoảng cách dòng chật thì dòng trên và dòng dưới sẽ can nhiễu nhau. Dành cho tiếng Thái có mô hình mã nguồn mở Typhoon OCR 1.5 (công bố ngày 14 tháng 11 năm 2025, 2B tham số, dựa trên Qwen3-VL), được báo cáo là với biểu mẫu viết tay đã cải thiện BLEU từ 0.321 lên 0.522 và ROUGE-L từ 0.454 lên 0.645. Thai-TrOCR chuyên cho ảnh dòng chữ viết tay cũng được nêu là vượt EasyOCR và Tesseract. Tuy nhiên, như có thể thấy từ việc cùng một Typhoon OCR 1.5 đạt BLEU 0.870 với biểu mẫu hành chính công nhưng chỉ 0.522 với biểu mẫu viết tay, tình trạng của biểu mẫu chi phối kết quả nhiều hơn là mô hình.

Chi phí khoảng bao nhiêu?

Biên độ tùy theo cấu hình, nhưng trong bài ước tính theo mô hình của bài viết này, chúng tôi đặt ban đầu 700,000 THB, hằng năm 180,000 THB, tổng 5 năm 1,600,000 THB. Trong cơ cấu này, phí sử dụng engine chiếm 37.5% tổng chi, phần còn lại là thiết kế lại khung biểu mẫu (21.9%), phát triển kết nối (15.6%), bảo trì (18.8%) và thiết bị (6.2%). Nếu chỉ so sánh bằng “AI-OCR bao nhiêu tiền mỗi tháng” thì sẽ bỏ sót hơn sáu phần mười tổng chi. Số tiền thực tế thay đổi theo số loại biểu mẫu, phạm vi kết nối với hệ thống hiện có và số tờ đối tượng.

Có kết nối được với hệ thống quản lý sản xuất hiện có không?

Quan trọng hơn việc có kết nối được hay không là quyết định trước xem sau khi đưa dữ liệu vào thì ai sẽ xem trên màn hình nào. Bản thân phương thức kết nối có nhiều lựa chọn như trao đổi tệp CSV, API, cơ sở dữ liệu trung gian, và phần lớn trường hợp đều giải quyết được về mặt kỹ thuật. Cái khó là phía hệ thống lõi sẽ xử lý thế nào với trạng thái của giá trị mà OCR đưa ra: đang chờ kiểm tra hay đã được chốt. Sẽ thiết kế theo hướng không đưa dữ liệu chưa chốt vào hệ thống lõi, hay gắn cờ trạng thái rồi vẫn đưa vào? Đây là chỗ phải quyết trước. Nếu làm kết nối mà chưa quyết chỗ này thì về sau sẽ phải làm lại.

Bỏ viết tay và chuyển sang nhập trên máy tính bảng có nhanh hơn không?

Có những hiện trường mà phán đoán đó là đúng. Trên thị trường giải pháp không giấy tờ cho biểu mẫu hiện trường tại Nhật Bản, “i-Reporter” của Công ty Cimtops (Cimtops Corporation) được báo cáo là chiếm 46.5% thị phần nhà cung cấp theo số lượng của năm tài chính 2024, theo khảo sát tháng 2 năm 2026 của Fuji Chimera Research Institute. Nếu điện tử hóa ngay tại thời điểm nhập liệu thì luận điểm về độ chính xác OCR sẽ biến mất. (i-Reporter là sản phẩm của Cimtops, không phải sản phẩm do TOMAS TECH phát triển.)

Có ba điểm phân định. Thiết bị có dùng được trong môi trường phải đeo găng tay, có bụi hoặc yêu cầu phòng nổ hay không. Người viết có thể thành thạo thao tác thiết bị hay không. Và có biểu mẫu bằng giấy đi vào từ bên ngoài công ty hay không. Điểm thứ ba đặc biệt quan trọng, vì chừng nào báo cáo công việc của nhà thầu phụ và chỉ thị từ khách hàng còn đến bằng giấy thì OCR chữ viết tay vẫn còn tồn tại. Trong thực tế, điểm đáp thường là sự cùng tồn tại theo kiểu “biểu mẫu phát sinh mới thì nhập trên máy tính bảng, giấy đến từ bên ngoài và biểu mẫu quá khứ thì dùng OCR”.

Có nên số hóa ngược lại toàn bộ giấy tờ trong quá khứ không?

Về nguyên tắc, nên xem đây là việc có mức ưu tiên thấp thì an toàn hơn. Biểu mẫu quá khứ ở định dạng cũ, chưa được thiết kế khung, nên tỷ lệ kiểm tra thủ công sẽ vọt lên. Đây là cùng một cấu trúc với trường hợp tỷ lệ kiểm tra thủ công 35% có số năm hoàn vốn tới 3.6 năm trong bài ước tính phía trên, mà việc số hóa hồi tố biểu mẫu cũ còn ở điều kiện xấu hơn. Hãy chỉ lấy những niên độ cần tham chiếu khi kiểm toán hoặc tranh chấp làm đối tượng, còn với phần còn lại thì cân nhắc trước xem việc lưu bản gốc đã đủ hay chưa.

Tổng kết

Thứ quyết định OCR chữ viết tay có hoạt động được trong thực tế hay không, không phải tỷ lệ nhận dạng ký tự của engine, mà là thiết kế khung điền trên biểu mẫu và thiết kế phân luồng theo độ tin cậy.

Độ chính xác phải nhìn theo từng trường chứ không phải theo từng ký tự (CER). Tỷ lệ chính xác theo từng trường của chữ viết tay là 62–85%, thấp hơn tài liệu in 15–35 điểm. Với CER 4% và trường 8 ký tự thì 0.96 mũ 8 = 72.1%, và phép nhân này giải thích được khoảng dao động đó. Trường càng dài thì tỷ lệ càng rơi, nên trước khi thay engine vẫn còn dư địa để xem lại các trường.

Cái thay đổi trong năm 2026 là LLM đa phương thức đã đạt khoảng 95% với chữ viết tay. Đó là bước nhảy từ mức 46–70% của thế hệ cũ, nhưng ngay cả với 95% thì tỷ lệ một biểu mẫu 25 ô trót lọt trọn vẹn cũng chỉ khoảng 27.7%. Chuẩn STP cho các trường tài chính là 99.9% theo từng trường, và khoảng cách tới mức đó tương đương với việc phải giảm tỷ lệ lỗi đi 50 lần. Khoảng cách này engine không lấp được, mà lấp bằng định tuyến theo độ tin cậy. Dù đối tượng kiểm tra chỉ chiếm 15–20% tổng số, tổng thể vẫn tăng lên 99.2%, và trong ví dụ thì 78% là STP còn 22% đi kiểm tra.

Bốn lý do khiến biểu mẫu đổ vỡ ở hiện trường Thái Lan là dấu ở tầng trên và tầng dưới của chữ Thái, sự pha trộn tiếng Nhật với tiếng Thái và tiếng Anh, thói quen viết chữ số bao gồm chữ số Thái và Phật lịch, và các ô ghi tự do. Những mô hình cho tiếng Thái như Typhoon OCR 1.5 hay Thai-TrOCR là một lựa chọn, nhưng ngay cùng một Typhoon OCR 1.5 mà biểu mẫu hành chính công đạt BLEU 0.870 trong khi biểu mẫu viết tay chỉ 0.522. Chênh lệch 0.348 đến từ tờ giấy chứ không phải từ engine.

Phía tiền bạc cũng chỉ về cùng một kết luận. Trong ước tính theo mô hình, trong tổng chi 5 năm là 1,600,000 THB thì phí sử dụng engine chỉ dừng ở 37.5%, còn hơn sáu phần mười là thiết kế biểu mẫu, kết nối, bảo trì và thiết bị. Số năm hoàn vốn là khoảng 2.7 năm với tỷ lệ kiểm tra thủ công 22%, khoảng 2.4 năm nếu 15% và khoảng 3.6 năm nếu 35%. Khoản chênh 100,000 THB mỗi năm do biên độ dao động của tỷ lệ kiểm tra thủ công tạo ra tương đương 83% của phí sử dụng engine 120,000 THB mỗi năm. Và khi đếm hiệu quả, đừng cộng riêng thêm khoản 0.5 phút trả lại vốn đã nằm trong cơ cấu 4.0 phút của đường cơ sở. Cộng vào thì thời gian hoàn vốn sẽ nhìn thành 2.1 năm thay vì 2.7 năm.

Việc nên làm đầu tiên không phải là đi thu thập tài liệu sản phẩm, mà là gom 100 tờ biểu mẫu của chính công ty mình và đếm cách từng ô được điền. Công việc này xong trong một tuần, và kết quả của nó sẽ làm căn cứ cho một quyết định ở quy mô hàng triệu THB trong 5 năm.

Ngay cả khi bạn vẫn ở giai đoạn xem xét và chưa quyết triển khai thì cũng không sao. Nếu bạn mang tới vài tờ biểu mẫu đang dùng, chúng ta có thể bắt đầu từ việc cùng ước lượng xem tỷ lệ kiểm tra thủ công sẽ đáp xuống quanh mức nào, dựa trên độ dài các trường, tỷ trọng phần ghi tự do và cách các ngôn ngữ pha trộn. Chỉ cần thay số tờ, số ô và đơn giá nhân sự của công ty bạn vào bài ước tính trong bài viết này thôi thì mặt bằng thảo luận nội bộ cũng đã khác. Bạn có thể liên hệ qua biểu mẫu liên hệ.

Tài liệu tham khảo

• OCR Accuracy by Document Type (tỷ lệ chính xác theo từng trường theo loại tài liệu, benchmark 2026)
• OCR Accuracy Benchmark (giải thích CER và các chỉ số độ chính xác)
• Best Handwriting OCR Tools 2026 (benchmark 2026 cho OCR chữ viết tay)
• Typhoon OCR Release (ghi chú phát hành Typhoon OCR 1.5)
• OpenThaiGPT Thai-TrOCR (mô hình cho ảnh dòng chữ viết tay tiếng Thái)
• Thai OCR Evaluation Dataset (bộ dữ liệu đánh giá OCR tiếng Thái)
• Điện tử hóa báo cáo và biểu mẫu trong sản xuất (i-Reporter, sản phẩm của Công ty Cimtops)
• So sánh sản phẩm AI-OCR (ITmedia)

Toàn bộ số tiền trong bài viết này là ước tính theo mô hình dựa trên các tiền đề do chúng tôi tạm đặt, không phải báo giá cho một dự án cụ thể. Thay đổi các tiền đề (200 tờ mỗi ngày, 250 ngày làm việc mỗi năm, 25 ô mỗi tờ, hiện trạng 4.0 phút mỗi tờ, đơn giá giờ 180 THB, kiểm tra 8 giây mỗi ô, cố định 20 giây mỗi tờ, ban đầu 700,000 THB, hằng năm 180,000 THB) thì kết luận sẽ đổi. Các giá trị thống kê dựa trên nội dung công bố của từng nguồn, và những kết quả phép nhân suy ra từ đó đều được ghi rõ là “ước tính”. i-Reporter là sản phẩm của Công ty Cimtops, Typhoon OCR là thành quả của SCB 10X và OpenTyphoon, Thai-TrOCR là thành quả của OpenThaiGPT, không sản phẩm nào trong số đó do công ty chúng tôi phát triển.