Dùng AI-OCR để đọc đơn đặt hàng. Bản thân tính năng này đã không còn là chuyện mới mẻ. Tại Nhật Bản, các trường hợp áp dụng đã được công bố ở đủ mọi ngành nghề, và việc tự động chuyển đơn đặt hàng gửi qua FAX thành dữ liệu tiếp nhận đơn hàng đã bước vào giai đoạn vận hành thực tế, từ doanh nghiệp sản xuất cho tới doanh nghiệp phân phối. Nói cách khác, câu hỏi “phần mềm có đọc được đơn đặt hàng hay không” gần như không còn là yếu tố quyết định khi lựa chọn sản phẩm.
Vậy tại sao bộ phận mua hàng vẫn liên tục than phiền rằng “khối lượng nhập liệu chẳng giảm đi bao nhiêu” hay “cuối cùng đến lúc nghiệm thu vẫn phải lật lại xấp giấy”? Lý do rất đơn giản. Nếu chỉ tự động hóa khâu đọc đơn đặt hàng, thì các công đoạn tiếp theo là đối chiếu phiếu giao hàng khi nghiệm thu và đối chiếu với hóa đơn vẫn nằm nguyên ở dạng thủ công. Có ba loại chứng từ, nhưng doanh nghiệp mới chỉ tự động hóa được một loại. Hiệu quả đầu tư vì thế chạm trần rất nhanh.
Bài viết này đặt lại vấn đề, xem OCR đơn đặt hàng không phải là một tính năng đơn lẻ mà là một phần của việc thiết kế lại quy trình nghiệp vụ, bao gồm cả việc đối chiếu ba chứng từ gồm đơn đặt hàng, phiếu giao hàng và hóa đơn. Từ chuyển động của thị trường, những khó khăn riêng có của loại chứng từ mang tên đơn đặt hàng, hiệu quả thực tế qua các trường hợp đã công bố, cho tới bối cảnh đặc thù của các cơ sở tại Thái Lan và cách tính chi phí, chúng tôi sẽ lần lượt sắp xếp những góc nhìn mà một quản lý bộ phận mua hàng cần có để ra quyết định đầu tư.
OCR đơn đặt hàng là gì và vì sao chứng từ giấy vẫn còn
OCR đơn đặt hàng là cơ chế đọc quang học các đơn đặt hàng do đối tác gửi tới, trích xuất các trường thông tin như mặt hàng, số lượng, đơn giá, thời hạn giao hàng thành dữ liệu, rồi đưa vào hệ thống quản lý đơn hàng hoặc hệ thống quản lý mua hàng. Nếu OCR truyền thống cắt ký tự từ những vị trí cố định của một biểu mẫu định dạng sẵn, thì AI-OCR dùng mô hình đã được huấn luyện để hấp thụ sự khác biệt về bố cục, nhờ đó vẫn xác định được các trường thông tin trên những chứng từ không theo khuôn mẫu.
Xét về thị trường, lĩnh vực này đang tăng trưởng đều đặn. Theo báo cáo “Xu hướng thị trường giải pháp OCR bản năm tài chính 2025” do Viện nghiên cứu kinh tế MIC thuộc Deloitte Tohmatsu công bố ngày 26 tháng 8 năm 2025, thị trường giải pháp OCR tại Nhật Bản đã mở rộng từ mức hơn 54 tỷ yên trong năm tài chính 2022 lên hơn 57 tỷ yên trong năm tài chính 2023, tương đương 105.5% so với năm trước. Trong khi toàn thị trường chỉ tăng ở mức 5%, riêng phân khúc AI-OCR vẫn duy trì tốc độ tăng trưởng cao khoảng 20%. Có thể thấy rõ cấu trúc tăng trưởng của thị trường đang được kéo bởi AI-OCR.
Vì sao ở thời đại mà ai cũng nói về số hóa, thị trường OCR lại vẫn tiếp tục nở ra? Câu trả lời nằm ở chỗ chứng từ giao dịch giữa các doanh nghiệp phát sinh theo “sự thuận tiện của bên gửi”. Dù doanh nghiệp có xây dựng nền tảng mua hàng điện tử hoàn chỉnh đến đâu, chừng nào đối tác vẫn gửi đơn đặt hàng bằng FAX, bằng PDF hay bằng thư giấy, thì bên nhận vẫn phải tiếp tục xử lý thông tin có nguồn gốc từ giấy. Trong đa số trường hợp, chỉ một số ít đối tác có khối lượng giao dịch lớn mới chuyển được sang EDI hoặc đặt hàng qua web. Việc số hóa hoàn toàn tới tận nhóm đối tác nhỏ và vừa nằm ở phần đáy là không thực tế, và chính phần giấy cùng FAX còn sót lại đó đang nuôi nhu cầu OCR.
Trong số các loại chứng từ, đơn đặt hàng là loại đặc biệt dễ giữ lại dấu vết của giấy. Có ba lý do. Thứ nhất, đơn đặt hàng do người phụ trách mua hàng bên đối tác lập, nên doanh nghiệp nhận không có quyền chỉ định biểu mẫu. Thứ hai, những đơn bổ sung gấp hoặc thay đổi số lượng được viết thêm bằng tay là chuyện xảy ra hằng ngày. Thứ ba, đơn đặt hàng là điểm khởi đầu của việc tiếp nhận đơn hàng, lập kế hoạch sản xuất và phân bổ tồn kho, nên nếu chậm chuyển thành dữ liệu thì toàn bộ công đoạn phía sau đều dừng lại. Tóm lại, số lượng nhiều, hình thức không đồng nhất, lại còn gấp. Đây chính là một nút thắt cổ điển, nơi nhu cầu tự động hóa rất cao nhưng việc tự động hóa lại rất khó.
Ba rào cản riêng của việc xử lý đơn đặt hàng
So với việc chuyển hóa đơn hay phiếu giao hàng thành dữ liệu, đơn đặt hàng có những khó khăn đặc thù. Nhận diện được ba điểm này ngay từ giai đoạn đầu sẽ giúp trục so sánh sản phẩm không bị chệch hướng.
Rào cản thứ nhất là biểu mẫu khác nhau theo từng đối tác. Với chứng từ do chính doanh nghiệp phát hành, doanh nghiệp tự quyết định mẫu. Nhưng đơn đặt hàng thì luôn ở chiều nhận, có bao nhiêu đối tác là có bấy nhiêu kiểu mẫu. Hơn nữa, vì đặt hàng là điểm khởi đầu của giao dịch, quan hệ vị thế khiến bên nhận rất khó yêu cầu đối tác đổi mẫu. Cách gọi tên trường thông tin cũng dao động. “Mã hàng”, “mã mặt hàng”, “item No.” được dùng với cùng một nghĩa, còn “thời hạn giao hàng”, “ngày mong muốn nhận hàng” và “ngày chỉ định hàng tới” có thể cùng nằm trong một cột. Ngay cả khi độ chính xác nhận dạng ký tự đã cao, doanh nghiệp vẫn tắc ở khâu “chuyển đổi ý nghĩa”, tức là ánh xạ chuỗi ký tự trích ra vào đúng trường trong dữ liệu chuẩn của mình. Trên thực tế, trường hợp của công ty Kami Shoji cho thấy có tới hơn 500 kiểu biểu mẫu khác nhau và họ đã số hóa 100% số đó. Nhìn ngược lại, quy mô vài trăm kiểu biểu mẫu là hiện thực có thật của loại chứng từ này.
Rào cản thứ hai là sự pha trộn của chữ viết tay. Trên một đơn đặt hàng đã in sẵn, người phụ trách sửa số lượng bằng bút đỏ, hoặc viết thêm địa điểm giao hàng vào ô ghi chú. Chính phần viết tay đó mới là chỉ thị mới nhất, và bỏ qua nó sẽ dẫn tới giao hàng sai. Một hệ OCR chỉ đọc được chữ in sẽ đánh rơi đúng phần thông tin quan trọng nhất. Nhận dạng chữ viết tay khó hơn chữ in, độ chính xác dao động theo nét chữ và loại bút, nên bắt buộc phải thiết kế rõ ranh giới giữa phần giao cho máy và phần con người kiểm tra.
Rào cản thứ ba là kết nối với hệ thống hiện có. Dù đã đọc được đơn đặt hàng và xuất ra tệp CSV, nếu công đoạn nạp tệp đó vào hệ thống quản lý đơn hàng, hệ thống quản lý mua hàng hay ERP vẫn làm bằng tay, thì tổng khối lượng công việc không giảm, chỉ đơn giản là đổi chỗ. Chính những phần khô khan như xử lý lỗi khi nạp dữ liệu, cách ứng xử với mặt hàng chưa đăng ký trong dữ liệu chuẩn, phát hiện đơn hàng trùng lặp mới là thứ quyết định mức tiết giảm thực tế. Trước khi so sánh độ chính xác của OCR, hãy xác nhận hệ thống lõi của doanh nghiệp có thể nhận dữ liệu qua giao diện nào.
Cả ba rào cản này đều không thể vượt qua chỉ bằng “hiệu năng của bộ máy OCR”. Sự không đồng nhất của biểu mẫu cần thiết kế ánh xạ trường thông tin, chữ viết tay cần thiết kế luồng xử lý ngoại lệ, còn kết nối hệ thống cần thống nhất đặc tả giao diện. Việc số hóa chứng từ giấy bằng AI thường bị thu hẹp thành “chọn bộ máy nhận dạng” một phần cũng vì ba điểm trên rất khó xuất hiện trên bảng so sánh trong catalogue sản phẩm. Đúng vào lúc được nhà cung cấp trình diễn độ chính xác cao, hãy dùng chính mẫu đơn đặt hàng thật của doanh nghiệp để kiểm chứng xem ba điểm đó được xử lý ra sao.
Hiệu quả triển khai qua các trường hợp đã công bố
Vậy khi áp dụng OCR đơn đặt hàng, hiệu quả thực tế đạt tới mức nào? Phần này giới thiệu một số ví dụ thuộc các ngành khác nhau, lấy từ tuyển tập trường hợp áp dụng AI-OCR cho đơn đặt hàng do Infomart công bố. Cần lưu ý rằng đây là trang được cập nhật thường xuyên và từng trường hợp không ghi ngày công bố riêng. Các con số được trích nguyên vẹn theo thành quả mà mỗi doanh nghiệp đã công bố.
Công ty Hokubee là ví dụ trong ngành sản xuất. Họ đã tự động xử lý được 8 trên 10 đơn đặt hàng nhận qua FAX, và rút thời gian dành cho việc nhập liệu cùng việc phản hồi thời hạn giao hàng xuống còn 1/4. Điểm đáng chú ý là hiệu quả không chỉ dừng ở “nhập liệu” mà lan tới cả “phản hồi thời hạn giao hàng”. Khi dữ liệu đơn hàng lên hệ thống sớm hơn, công đoạn tra cứu tồn kho và kế hoạch sản xuất để trả lời đối tác cũng được đẩy lên trước. Đây là ví dụ điển hình cho việc hiệu quả tự động hóa lan tỏa sang các công đoạn phía sau.
Công ty sữa Moriyama đã rút thời gian nhập liệu cho mỗi tờ từ 3 phút xuống 30 giây, tức tiết kiệm 2 phút 30 giây mỗi tờ. Giả sử một cơ sở xử lý 100 tờ mỗi ngày, phép tính đơn giản cho ra khoảng 250 phút mỗi ngày, tương đương hơn 4 giờ.
Công ty Oisis đã giảm khối lượng công việc từng ngốn hơn 10 giờ mỗi ngày xuống dưới 3 giờ. Quy mô 10 giờ một ngày cho thấy một người phụ trách không thể kham nổi và phải chia việc cho nhiều người. Khi khối lượng đó gói gọn trong 3 giờ, doanh nghiệp có dư địa để xem lại chính cách bố trí nhân sự.
Công ty Kao Professional Services xử lý ở quy mô 6000 tờ mỗi tháng và đã rút thời gian xử lý mỗi tờ từ 5 phút xuống 1 phút. Con số 6000 tờ một tháng tương đương khoảng 300 tờ mỗi ngày làm việc. Khi mức tiết giảm 4 phút mỗi tờ được nhân lên cho 6000 tờ, có thể thấy hiệu quả đầu tư trong lĩnh vực này phụ thuộc rất mạnh vào số lượng chứng từ.
Công ty Kami Shoji, như đã nhắc ở phần trước, đã số hóa 100% hơn 500 kiểu biểu mẫu. Điều đặc biệt là họ nêu thành quả không phải bằng tỷ lệ giảm thời gian mà bằng “mức độ bao phủ các kiểu biểu mẫu xử lý được”. Trong môi trường nhiều chủng loại và nhiều đối tác, tỷ lệ ngoại lệ còn sót lại mới là thứ chi phối tải vận hành, chứ không phải thời gian xử lý trung bình.
Điều các trường hợp này cho thấy là ngay cả khi chỉ dùng OCR đơn đặt hàng đơn lẻ, riêng công đoạn nhập liệu cũng đã có hiệu quả đủ lớn. Mức rút ngắn thời gian xử lý xuống còn vài phần đã được tái lập ở nhiều doanh nghiệp khác nhau. Vì vậy, giai đoạn phân vân “có nên áp dụng hay không” đã qua, và trọng tâm bàn luận chuyển sang “đưa những gì vào phạm vi tự động hóa”.
Không dừng ở OCR đơn đặt hàng, hãy tính tới đối chiếu ba chứng từ
Doanh nghiệp chỉ tự động hóa công đoạn nhập liệu sẽ sớm va vào bức tường tiếp theo là đối chiếu. Dù đơn đặt hàng đã thành dữ liệu, việc nghiệm thu khi nhận hàng và việc đối chiếu với hóa đơn nhận vào cuối tháng vẫn do con người kiểm tra bằng mắt ở không ít nơi. Số lượng đặt có khớp với số lượng giao hay không, số tiền trên hóa đơn có trùng với đơn giá lúc đặt hàng hay không. Việc xác nhận đó chính là thao tác so khớp ba loại chứng từ gồm đơn đặt hàng, phiếu giao hàng và hóa đơn, thường được gọi là đối chiếu ba chứng từ.
Nếu khâu đối chiếu ba chứng từ vẫn thủ công, hiệu quả của OCR đơn đặt hàng sẽ bị giới hạn. Bởi vì thời gian nhập liệu có giảm, nhưng tải công việc đối chiếu dồn vào cuối tháng cùng việc điều tra chênh lệch thì vẫn nguyên vẹn. Thậm chí, khi dữ liệu đặt hàng đã lên hệ thống một cách chính xác, tình trạng “rõ ràng có thể đối chiếu tự động mà vẫn phải làm tay” trở nên lộ rõ và gây ra bất mãn cho người phụ trách.
Gần đây đã xuất hiện những thiết kế giao chính việc đối chiếu này cho AI agent. Theo thông cáo báo chí mà công ty homula công bố trên PR TIMES ngày 12 tháng 2 năm 2026, trong giải pháp xử lý hóa đơn tự động của họ, AI agent đảm nhiệm cả việc đối chiếu, kiểm tra phân bổ và phát hiện ngoại lệ. Hiệu quả được công bố gồm giảm tối đa 100% khối lượng công việc phê duyệt cấp một, và việc kiểm tra chi tiết phân bổ vốn trước đây mất hơn 30 phút nay hoàn tất trong vài giây. Chi phí xử lý được nêu là từ 50 yên cho mỗi lượt, thời gian triển khai ngắn nhất là 2 tuần, và trong trường hợp áp dụng thực tế thì số lượng xử lý đạt khoảng 9000 chứng từ mỗi tháng.
Điểm quan trọng ở đây là phần “kiểm tra phân bổ từ hơn 30 phút xuống còn vài giây”. Đối tượng không phải là việc thay thế thao tác gõ chữ đơn thuần, mà là việc phán đoán tính nhất quán giữa nhiều chứng từ, thứ vốn diễn ra trong đầu con người. Một công việc mất 30 phút cho mỗi trường hợp là loại việc gây áp lực tâm lý lớn nhất cho người phụ trách, lại dồn vào cuối tháng nên trở thành nguyên nhân của tăng ca. Có cắt được phần này hay không chính là ranh giới giữa một dự án OCR đơn lẻ và một dự án thiết kế lại quy trình nghiệp vụ.
Ngoài ra, cách diễn đạt “giảm tối đa 100% khối lượng phê duyệt cấp một” có thể hiểu là giả định một mô hình vận hành trong đó con người không đụng tới những hồ sơ không bị phát hiện ngoại lệ. Nói ngược lại, đó là thiết kế mà con người chỉ đối diện với các hồ sơ bị chặn lại như ngoại lệ. Cách tư duy này gắn trực tiếp với nguyên tắc “không quá tin vào độ chính xác” sẽ đề cập ở phần sau.
Nếu đưa đối chiếu ba chứng từ vào tầm ngắm tự động hóa, doanh nghiệp không thể thiết kế nếu chỉ nhìn vào mỗi đơn đặt hàng. Về cách tổ chức phía xử lý hóa đơn, bao gồm cả logic so khớp và việc đáp ứng chế độ hóa đơn, chúng tôi đã trình bày chi tiết trong bài viết về tự động hóa xử lý hóa đơn, mời bạn tham khảo thêm. Với phiếu giao hàng, một mắt xích của đối chiếu ba chứng từ, cách thiết kế việc chuyển thành dữ liệu ngay khi nhận hàng cũng làm thay đổi độ chính xác của đối chiếu. Những vấn đề thực tiễn về cách thu nhận phiếu giao hàng tại hiện trường nghiệm thu được chúng tôi tổng hợp trong bài viết về số hóa dữ liệu phiếu giao hàng.
Khi thiết kế bao gồm cả đối chiếu ba chứng từ, đối tượng đầu tư không còn là “sản phẩm OCR” mà là “toàn bộ chuỗi nghiệp vụ từ mua hàng tới thanh toán”. Cách viết tờ trình xin phê duyệt cũng thay đổi. Nếu chỉ có OCR, doanh nghiệp giải trình bằng số tiền tiết kiệm được từ công nhập liệu. Nhưng nếu bao gồm cả đối chiếu, phần hiệu quả sẽ liệt kê thêm công đối chiếu, công điều tra chênh lệch, thời gian tăng ca cuối tháng, và cả việc giảm rủi ro chậm thanh toán hay trả thừa tiền. Chính sự chuyển đổi góc nhìn này là điều mà một quản lý bộ phận mua hàng cần cân nhắc.
Bối cảnh riêng của các cơ sở tại Thái Lan và ASEAN
Tới đây là câu chuyện về chứng từ và quy trình nghiệp vụ, nhưng tại các cơ sở ở Thái Lan và ASEAN còn có thêm một động cơ nữa để cân nhắc khoản đầu tư này. Đó là vấn đề con người.
Theo báo cáo “Thực trạng thiếu hụt nhân lực và cách ứng phó” do Tổ chức Xúc tiến Thương mại Nhật Bản công bố ngày 16 tháng 5 năm 2024, có 40.4% doanh nghiệp Nhật Bản tại Thái Lan đang đối mặt với vấn đề thiếu hụt nhân lực. Khảo sát này dựa trên cuộc điều tra thực trạng doanh nghiệp Nhật Bản đầu tư ra nước ngoài khu vực châu Á và châu Đại Dương năm tài chính 2023, và bản thân cuộc khảo sát được thực hiện trong khoảng tháng 8 tới tháng 9 năm 2023. Cũng trong khảo sát đó, “chi phí nhân công tăng cao” là rủi ro về môi trường đầu tư được nhiều doanh nghiệp nêu nhất với tỷ lệ 72.8%. Bốn phần mười doanh nghiệp không tuyển đủ người, hơn bảy phần mười nhận thức chi phí nhân công tăng là rủi ro. Hai hiện tượng này diễn ra đồng thời và tạo nên điều kiện tiền đề cho các doanh nghiệp Nhật Bản tại Thái Lan.
Trong bối cảnh đó, chi phí của việc giữ người làm các nghiệp vụ nhập liệu đơn thuần ở khối văn phòng mang một ý nghĩa khác hẳn so với ở Nhật. Nếu nhân viên bản địa tuyển được một cách chật vật lại đang ngồi gõ các con số trên đơn đặt hàng vào hệ thống, thì đó khó gọi là cách phân bổ hợp lý một nguồn lực khan hiếm. Xét từ góc độ giữ chân nhân sự, công việc nhập liệu đơn điệu cũng dễ trở thành nguyên nhân nghỉ việc, và mỗi lần người phụ trách rời đi lại phát sinh chi phí đào tạo. Nếu định nghĩa lại mục tiêu tự động hóa không phải là “cắt giảm chi phí nhân công” mà là “chuyển nhân lực đã giữ được sang những công việc có giá trị gia tăng cao hơn”, việc giải trình khoản đầu tư cũng trở nên dễ dàng hơn. Tự động hóa nhập liệu tại cơ sở Thái Lan, hơn cả một biện pháp cắt giảm chi phí, mang tính chất một sự chuẩn bị trước cho tình trạng khó tuyển người.
Bản thân chứng từ cũng có cái khó riêng của cơ sở tại Thái Lan. Khi làm việc với công ty mẹ ở Nhật hoặc với các nhà cung cấp Nhật Bản, doanh nghiệp nhận đơn đặt hàng bằng tiếng Nhật, còn từ nhà cung cấp bản địa thì nhận đơn bằng tiếng Thái. Cùng một bộ phận mua hàng đang xử lý song song những chứng từ khác ngôn ngữ. Có trường hợp ghi kèm tiếng Anh, cũng có kiểu pha trộn khi chỉ tên mặt hàng là tiếng Thái còn số lượng và đơn giá là chữ số.
Về mặt kỹ thuật, khả năng xử lý đa ngôn ngữ đã ở giai đoạn thực dụng. Theo thông cáo báo chí mà AI inside công bố ngày 23 tháng 12 năm 2020, sản phẩm DX Suite của họ hỗ trợ đọc chữ in và chữ viết tay tiếng Thái, tiếng Việt, cũng như tiếng Anh và chữ Hán phồn thể, với độ chính xác ở mức dùng được trong thực tế. Bối cảnh rằng nhận dạng chữ viết tay đa ngôn ngữ đã được cung cấp dưới dạng sản phẩm từ thời điểm đó là điều đáng ghi nhận.
Tuy nhiên, việc một sản phẩm hỗ trợ nhiều ngôn ngữ và việc nó đạt được độ chính xác kỳ vọng trên chứng từ của chính doanh nghiệp là hai chuyện khác nhau. Đặc biệt khi có chữ viết tay pha trộn, cần kiểm chứng với giả định rằng độ chính xác thay đổi theo từng ngôn ngữ. Về cách đánh giá độ chính xác nhận dạng biểu mẫu viết tay và cách bố trí điểm kiểm tra của con người, chúng tôi đã trình bày chi tiết trong bài viết về độ chính xác của OCR chữ viết tay. Nếu đối tượng là đơn đặt hàng pha trộn tiếng Thái và tiếng Việt, chúng tôi khuyến nghị trước hết hãy kiểm tra kết quả đọc theo từng ngôn ngữ trên chính mẫu chứng từ thật của doanh nghiệp.
Một điểm nữa dễ bị bỏ sót tại các cơ sở ASEAN là việc chuẩn hóa nghiệp vụ giữa các cơ sở. Với doanh nghiệp có nhiều cơ sở ở Thái Lan, Việt Nam và Indonesia, cách làm mua hàng khác nhau theo từng nơi và mỗi nơi tự quản lý bằng Excel theo cách riêng. Việc áp dụng OCR đơn đặt hàng có thể trở thành cơ hội để thống nhất định nghĩa các trường thông tin giữa các cơ sở. Ngược lại, nếu mỗi cơ sở đưa vào một công cụ riêng, doanh nghiệp sẽ không hợp nhất được dữ liệu về sau và mãi không phân tích được hoạt động mua hàng ở cấp độ toàn tập đoàn.
Cách triển khai và cách chọn sản phẩm
Phần này sắp xếp lại các điểm cần cân nhắc khi thực sự bắt tay vào xem xét. Chúng tôi không đi sâu vào các trục so sánh sản phẩm chi tiết, mà nêu ba câu hỏi đóng vai trò điểm rẽ của lựa chọn.
Câu hỏi thứ nhất là nên triển khai OCR đơn lẻ hay chọn loại AI agent bao gồm cả đối chiếu. OCR đơn lẻ nhẹ về triển khai, phạm vi nghiệp vụ rõ ràng, và hiệu quả đo được bằng một chỉ số dễ hiểu là thời gian nhập liệu. Ngược lại, thiết kế bao gồm đối chiếu tuy nặng hơn khi triển khai nhưng vươn tới được cả phần tải đối chiếu và điều tra chênh lệch dồn vào cuối tháng. Tiêu chí phán đoán rất đơn giản, đó là xác định nút thắt của doanh nghiệp nằm ở khâu nhập liệu hay khâu đối chiếu. Người nhập liệu đang phải tăng ca, hay bộ phận kế toán và mua hàng đang vất vả với việc truy tìm chênh lệch vào cuối tháng? Chỉ cần nhìn xem tăng ca phát sinh ở đâu là có câu trả lời.
Câu hỏi thứ hai là kết nối với hệ thống quản lý mua hàng hoặc ERP hiện có như thế nào. Ở đây chỉ cần nắm rằng phương thức kết nối chia thành ba nhóm lớn, gồm kết nối qua tệp như CSV, kết nối trực tiếp qua API, và dùng RPA thao tác thay trên màn hình. Kết nối qua tệp dễ triển khai nhưng cần quản lý thời điểm nạp dữ liệu và thiết kế phương án khôi phục khi thất bại. Kết nối API vận hành ổn định nhưng với điều kiện hệ thống lõi phải có sẵn giao diện. RPA không đòi hỏi sửa hệ thống hiện có, đổi lại rất nhạy cảm với những thay đổi bố cục màn hình. Chọn phương án nào phụ thuộc vào khả năng sửa đổi hệ thống lõi và năng lực của bộ phận công nghệ thông tin.
Câu hỏi thứ ba là phương pháp đánh giá độ chính xác. Con số độ chính xác mà nhà cung cấp đưa ra thay đổi ý nghĩa tùy theo loại chứng từ đo, thời điểm đo và tập mẫu. Đó là tỷ lệ nhận dạng theo từng ký tự, tỷ lệ đúng theo từng trường thông tin, hay là “tỷ lệ số tờ không cần chỉnh sửa”? Chỉ số cuối cùng mới là thứ có tác dụng trong thực tế, nhưng các con số được công bố thường tính theo ký tự, nên nếu đem so trực tiếp sẽ lệch xa cảm nhận thực tế. Chắc chắn nhất là đưa mẫu đơn đặt hàng của chính doanh nghiệp cho nhà cung cấp và yêu cầu trả kết quả theo từng trường thông tin.
Về các trục so sánh như khác biệt tính năng giữa sản phẩm, phạm vi biểu mẫu hỗ trợ và cấu trúc giá, chúng tôi đã tổng hợp trong bài so sánh sản phẩm AI-OCR, mời bạn xem khi bước vào giai đoạn thu hẹp danh sách ứng viên cụ thể. Quan điểm của bài viết này là trước khi điền vào bảng so sánh, doanh nghiệp nên có câu trả lời của riêng mình cho ba câu hỏi nêu trên. Nếu lập bảng so sánh khi chưa có câu trả lời, những tính năng không cần thiết sẽ lọt vào danh sách yêu cầu và kéo dài quá trình ra quyết định.
Về cách tiến hành, thực tế nhất là bắt đầu từ việc kiểm chứng trên phạm vi hẹp. Thay vì đưa đơn đặt hàng của toàn bộ đối tác vào cùng lúc, hãy khởi động với nhóm đối tác có số lượng chứng từ lớn nhất hoặc nhóm có biểu mẫu ổn định, cố định luồng vận hành và cách xử lý ngoại lệ ở đó rồi mới mở rộng phạm vi. Bắt đầu từ nơi có số lượng lớn thì hiệu quả cũng dễ đo và dùng được để tạo đồng thuận trong nội bộ.
Cách tính chi phí và ước lượng hiệu quả đầu tư
Phần này sắp xếp cách tư duy về hiệu quả chi phí để phục vụ quyết định đầu tư.
Trước hết, doanh nghiệp cần nắm được chi phí hiện tại. Khảo sát của Ardent Partners là một tham chiếu hữu ích. Theo các số liệu được công bố thuộc báo cáo “State of ePayables 2024” của tổ chức này, chi phí xử lý một hóa đơn tại các doanh nghiệp chưa tự động hóa trung bình là 12.88 USD, và thời gian xử lý trung bình là 17.4 ngày. Cùng với đó, tỷ lệ sử dụng hóa đơn điện tử là 67% và tỷ lệ sử dụng thanh toán điện tử là 37%. Dù đây là số liệu về hóa đơn, cấu trúc công đoạn nhận chứng từ, chuyển thành dữ liệu, đối chiếu rồi phê duyệt là giống với xử lý đơn đặt hàng, nên đây là điểm xuất phát để đo lường doanh nghiệp mình theo hai trục là chi phí mỗi chứng từ và số ngày xử lý.
Mức 12.88 USD cho mỗi chứng từ cần được hiểu là tổng chi phí, bao gồm không chỉ nhân công mà cả phí sử dụng hệ thống, chi phí lưu trữ giấy và tổn thất cơ hội đi kèm thời gian chờ phê duyệt. Điều đáng chú ý ở đây có lẽ là con số 17.4 ngày xử lý hơn là số tiền. Việc mất hơn hai tuần kể từ khi nhận chứng từ tới khi hoàn tất xử lý có nghĩa là hồ sơ nằm đọng trong tay người phụ trách suốt thời gian đó, và doanh nghiệp đang vận hành theo kiểu dồn hết vào cuối tháng để giải quyết một lượt. Rút ngắn số ngày sẽ đồng thời hạ áp lực tâm lý cho người phụ trách và giảm tỷ lệ phát sinh sai sót.
Phần ước tính hiệu quả về cơ bản là phép nhân giữa số lượng chứng từ và thời gian tiết giảm cho mỗi chứng từ. Theo các trường hợp đã nêu, mức rút ngắn được công bố là từ 3 phút xuống 30 giây, hay từ 5 phút xuống 1 phút cho mỗi tờ. Nhân số tờ xử lý hằng tháng với phần thời gian tiết kiệm mỗi tờ, rồi nhân tiếp với đơn giá nhân công của doanh nghiệp, sẽ ra được mức tiết giảm ước tính theo tháng. Việc có cộng thêm phần tiết giảm ở công đoạn đối chiếu hay không sẽ làm thay đổi quy mô của ước tính. Nếu doanh nghiệp có thể áp mức “kiểm tra chi tiết phân bổ từ hơn 30 phút xuống vài giây” vào tình huống của mình, hiệu quả có thể lớn hơn cả công đoạn nhập liệu.
Về phía chi phí, hình thức tính phí theo số lượng xử lý hằng tháng ngày càng phổ biến. Trong giải pháp của homula đã nêu, chi phí xử lý được công bố là từ 50 yên mỗi lượt và thời gian triển khai ngắn nhất là 2 tuần. Ngoài ra, trang giới thiệu dịch vụ hóa đơn nhận vào của Ricoh nêu ví dụ tiết giảm tối đa 83% thời gian khi xử lý 300 hóa đơn mỗi tháng, cụ thể là từ 40 giờ xuống còn 7 giờ. Đây là số liệu do Ricoh khảo sát tại thời điểm tháng 7 năm 2026. Việc mức hiệu quả này được nêu ở quy mô 300 chứng từ mỗi tháng có nghĩa là ngay cả cơ sở quy mô trung bình cũng hoàn toàn nằm trong diện cân nhắc.
Cách tư duy rút ra từ đây rất đơn giản. Cơ sở có số lượng xử lý hằng tháng càng lớn thì thu hồi vốn càng nhanh. Ngược lại, nếu một cơ sở chỉ nhận vài chục đơn đặt hàng mỗi tháng mà triển khai giải pháp nhiều tính năng, việc thu hồi phần chi phí cố định sẽ kéo dài. Với doanh nghiệp có nhiều cơ sở, cách làm hợp lý là triển khai lần lượt từ cơ sở có số lượng lớn nhất, rồi cho các cơ sở nhỏ dùng ghép sau.
Một lưu ý nữa là khi ước tính hiệu quả đầu tư, tốt nhất nên tránh đặt số người có thể cắt giảm làm mẫu số. Như đã nói, tại cơ sở Thái Lan việc tuyển người vốn đã khó, nên phần công việc tiết giảm được hầu hết dẫn tới việc bố trí lại nhân sự chứ không phải cắt giảm biên chế. Lấy chỉ số là “với số nhân sự đang có, doanh nghiệp xử lý được bao nhiêu khối lượng giao dịch” thay vì “cắt được bao nhiêu người” sẽ cho một cách giải trình sát thực tế hơn.
Những điểm cần lưu ý để không thất bại
Dưới đây là ba điểm hiểm mà các dự án triển khai hay vấp phải.
Điểm thứ nhất là để việc thiết kế xử lý sai lệch cách gọi tên lại phía sau. Nhiều doanh nghiệp rất chăm chú kiểm chứng độ chính xác nhận dạng, nhưng lại đẩy việc thiết kế ánh xạ chuỗi ký tự trích ra vào các trường trong dữ liệu chuẩn xuống công đoạn sau. Thế nhưng phần lớn nguyên nhân phát sinh thao tác chỉnh sửa trong vận hành thực tế không phải do đọc sai ký tự mà do ánh xạ thiếu sót. Chính những việc khô khan như bảng đối chiếu mã mặt hàng theo từng đối tác, quy đổi đơn vị, khác biệt định dạng ngày tháng mới quyết định tải vận hành. Chúng tôi khuyến nghị trước khi triển khai hãy lập danh sách toàn bộ tên trường thông tin xuất hiện trên đơn đặt hàng của các đối tác chính và lập bảng đối chiếu với dữ liệu chuẩn của doanh nghiệp.
Điểm thứ hai là xem nhẹ sự ăn khớp với luồng công việc hiện có. Khi đưa OCR vào, những phán đoán ngầm mà người phụ trách vẫn thực hiện khi nhìn tờ giấy có thể bị rơi rụng. Ví dụ như quy tắc nội bộ kiểu “với đối tác này, nếu ô thời hạn giao hàng để trống thì theo thông lệ là thứ sáu tuần sau”. Những tri thức ngầm như vậy không được ghi thành văn bản nên không xuất hiện ở bàn họp định nghĩa yêu cầu. Hãy bắt buộc đưa vào lịch trình một công đoạn phỏng vấn người phụ trách về luồng hiện hành để bóc tách xem “họ nhìn tờ giấy để phán đoán điều gì”.
Điểm thứ ba là quá tin vào độ chính xác và lơ là thiết kế xử lý ngoại lệ. Dù AI-OCR có chính xác đến đâu, nếu vận hành với giả định kết quả đọc luôn đúng 100% thì sai sót sẽ trôi tới tận các công đoạn sau. Thứ cần thiết kế không chỉ là “nâng độ chính xác” mà còn là “chặn sai sót ở đâu”. Cụ thể, doanh nghiệp cần cơ chế tự động chuyển những trường có độ tin cậy thấp sang cho người kiểm tra, cơ chế phát cảnh báo khi số lượng hoặc số tiền giữa đơn đặt hàng và dữ liệu đơn hàng lệch quá một ngưỡng nhất định, cùng một màn hình thiết kế sao cho người kiểm tra phán đoán được trong thời gian ngắn. Việc “phát hiện ngoại lệ” được nêu rõ như một chức năng của AI agent trong trường hợp đối chiếu ba chứng từ ở trên chính là theo hướng tư duy này. Không tự động hóa tất cả, mà chỉ chuyển cho con người đúng những hồ sơ con người cần xem. Cách vạch ranh giới đó quyết định thành bại của vận hành thực tế.
Ngoài ra, doanh nghiệp nên định trước chu kỳ rà soát sau khi bắt đầu vận hành. Việc thay đổi đối tác và thay đổi biểu mẫu diễn ra liên tục. Hằng tháng, hãy kiểm tra tỷ lệ xử lý tự động và tỷ lệ phát sinh chỉnh sửa, rồi cho hệ thống học bổ sung biểu mẫu của những đối tác có nhiều lỗi. Nếu vòng vận hành này không quay, tỷ lệ tự động hóa vốn rất cao ngay sau khi triển khai sẽ giảm thấy rõ sau một năm. Hãy quyết định ngay từ lúc triển khai rằng ai sẽ theo dõi các con số này và ai chịu trách nhiệm cải tiến.
Danh sách kiểm tra để nhìn rõ vấn đề của doanh nghiệp
Trước khi ra quyết định đầu tư, việc xác định vấn đề của doanh nghiệp nằm trong phạm vi “chỉ đơn đặt hàng” hay trong phạm vi bao gồm cả đối chiếu ba chứng từ sẽ giúp định hướng quá trình xem xét. Hãy thử kiểm tra xem doanh nghiệp có rơi vào các mục sau hay không.
- Có bố trí nhân sự chuyên trách hoặc bán chuyên trách cho việc nhập liệu đơn đặt hàng
- Biểu mẫu đơn đặt hàng theo từng đối tác có từ vài chục loại trở lên
- Việc sửa chữa hoặc viết thêm bằng tay trên đơn đặt hàng xảy ra hằng ngày
- Nếu nhập liệu đơn đặt hàng chậm trễ thì kế hoạch sản xuất hoặc phân bổ tồn kho bị ảnh hưởng
- Cùng một bộ phận đang xử lý đơn đặt hàng bằng nhiều ngôn ngữ, chẳng hạn tiếng Nhật và tiếng Thái
Nếu doanh nghiệp rơi vào nhiều mục ở trên, chỉ riêng việc triển khai OCR đơn đặt hàng đã có thể mang lại hiệu quả đáng kể. Tiếp theo, hãy kiểm tra các mục dưới đây.
- Khi nghiệm thu, nhân viên vẫn đối chiếu phiếu giao hàng với đơn đặt hàng trên giấy
- Việc truy tìm chênh lệch giữa số tiền trên hóa đơn và đơn giá lúc đặt hàng đang chiếm mất thời gian cuối tháng
- Luồng phê duyệt hóa đơn bị đọng lại ở người phụ trách khiến việc thanh toán dồn vào cuối tháng
- Dữ liệu đặt hàng, nghiệm thu và hóa đơn được lưu tách rời ở các hệ thống hoặc tệp Excel khác nhau
- Việc kiểm tra trả thừa hoặc thanh toán trùng vẫn phụ thuộc vào mắt người
Nếu doanh nghiệp rơi vào nhiều mục ở nhóm sau, việc chỉ đưa OCR đơn đặt hàng vào sẽ cho hiệu quả hạn chế. Đưa thiết kế bao gồm cả đối chiếu ba chứng từ vào phạm vi xem xét ngay từ đầu sẽ cho hiệu quả đầu tư cao hơn về lâu dài.
Câu hỏi thường gặp
OCR đơn đặt hàng là gì?
Đó là cơ chế đọc các đơn đặt hàng do đối tác gửi tới, trích xuất các trường như mặt hàng, số lượng, đơn giá, thời hạn giao hàng thành dữ liệu và đưa vào hệ thống quản lý đơn hàng hoặc hệ thống quản lý mua hàng. Với AI-OCR, mô hình đã huấn luyện hấp thụ được khác biệt về bố cục nên vẫn xác định được các trường thông tin ngay cả trên những đơn đặt hàng không theo khuôn mẫu, mỗi đối tác một kiểu. Thị trường giải pháp OCR tại Nhật Bản đạt hơn 57 tỷ yên trong năm tài chính 2023, tăng 105.5% so với năm trước, trong đó phân khúc AI-OCR đang dẫn dắt tăng trưởng.
Chi phí cho OCR đơn đặt hàng khoảng bao nhiêu?
Cấu trúc giá khác nhau tùy sản phẩm, nhưng phổ biến là tính phí theo số lượng xử lý hằng tháng. Để tham khảo, có giải pháp xử lý hóa đơn tự động dạng AI agent bao gồm cả đối chiếu công bố mức chi phí xử lý từ 50 yên mỗi lượt. Khi ra quyết định, việc nắm được chi phí hiện tại còn quan trọng hơn đơn giá phía nhà cung cấp. Có kết quả khảo sát cho thấy chi phí xử lý một hóa đơn tại doanh nghiệp chưa tự động hóa trung bình là 12.88 USD và mất trung bình 17.4 ngày, đây là điểm xuất phát để đo lường mức của doanh nghiệp mình.
Có tự động hóa được cả nghiệp vụ nghiệm thu không?
Những thiết kế tự động hóa không chỉ việc chuyển đơn đặt hàng thành dữ liệu mà cả việc đối chiếu với phiếu giao hàng và hóa đơn đã thực sự được cung cấp trên thị trường. Trong trường hợp AI agent đảm nhiệm việc đối chiếu, kiểm tra phân bổ và phát hiện ngoại lệ, doanh nghiệp công bố đã giảm tối đa 100% khối lượng phê duyệt cấp một và việc kiểm tra chi tiết phân bổ vốn mất hơn 30 phút nay hoàn tất trong vài giây. Tuy nhiên, tiền đề không phải là bỏ hẳn con người mà là thiết kế vận hành trong đó con người kiểm tra các hồ sơ bị phát hiện là ngoại lệ.
Đơn đặt hàng viết tay có xử lý được không?
Có những sản phẩm hỗ trợ nhận dạng chữ viết tay. Tuy nhiên, so với chữ in thì độ chính xác chịu ảnh hưởng của nét chữ và loại bút, nên cần thiết kế kèm cơ chế chuyển các trường có độ tin cậy thấp sang cho người kiểm tra. Chúng tôi khuyến nghị kiểm chứng bằng mẫu thật trước rồi mới quyết định phạm vi áp dụng.
Đơn đặt hàng tiếng Thái có đọc được không?
Các sản phẩm hỗ trợ đọc chữ in và chữ viết tay đa ngôn ngữ, bao gồm tiếng Thái và tiếng Việt, đã công bố độ chính xác ở mức dùng được trong thực tế từ thời điểm năm 2020. Tuy nhiên, việc một ngôn ngữ được liệt kê là ngôn ngữ hỗ trợ và việc đạt độ chính xác kỳ vọng trên chứng từ của doanh nghiệp là hai chuyện khác nhau. Nếu xử lý đơn đặt hàng pha trộn tiếng Nhật và tiếng Thái, hãy kiểm tra kết quả theo từng ngôn ngữ bằng mẫu thật.
Thời gian triển khai mất bao lâu?
Điều này thay đổi rất nhiều theo phạm vi áp dụng và phương thức kết nối. Có giải pháp bao gồm cả đối chiếu công bố thời gian triển khai ngắn nhất là 2 tuần, nhưng đó là mức tham chiếu cho trường hợp nghiệp vụ đối tượng đã rõ ràng và yêu cầu kết nối với hệ thống hiện có đơn giản. Nếu có kết nối API với hệ thống lõi hoặc phải chuẩn hóa dữ liệu nền, doanh nghiệp cần dự trù thêm thời gian cho định nghĩa yêu cầu và kiểm chứng.
Cơ sở quy mô nhỏ có đạt hiệu quả không?
Tốc độ thu hồi vốn phụ thuộc rất nhiều vào số lượng chứng từ xử lý. Đã có trường hợp công bố mức tiết giảm tối đa 83% thời gian khi xử lý hóa đơn ở quy mô 300 chứng từ mỗi tháng, cụ thể là từ 40 giờ xuống 7 giờ, cho thấy quy mô trung bình vẫn có hiệu quả. Ngược lại, nếu chỉ vài chục tờ mỗi tháng thì một cơ chế gọn nhẹ với phạm vi thu hẹp đôi khi phù hợp hơn giải pháp nhiều tính năng. Với doanh nghiệp có nhiều cơ sở, cách làm thực tế là triển khai từ cơ sở có số lượng lớn trước.
Kết luận
Việc dùng AI-OCR cho đơn đặt hàng là lĩnh vực đã có nhiều doanh nghiệp thực hiện và công bố thành quả. Các mức như nhập liệu mỗi tờ từ 3 phút xuống 30 giây, hay công việc 10 giờ mỗi ngày gói lại trong dưới 3 giờ, đã được tái lập ở nhiều trường hợp khác nhau. Vì vậy, điểm cần bàn lúc này không phải là “có đọc được hay không” mà là “đưa những gì vào phạm vi tự động hóa”.
Tư tưởng trung tâm mà bài viết này đề xuất là hãy thiết kế quy trình nghiệp vụ với tầm nhìn bao gồm cả việc đối chiếu ba chứng từ gồm đơn đặt hàng, phiếu giao hàng và hóa đơn. Nếu chỉ tự động hóa công đoạn nhập liệu, tải công việc đối chiếu và điều tra chênh lệch dồn vào cuối tháng vẫn còn nguyên. Ngược lại, nếu thiết kế được tới cả phần đối chiếu, doanh nghiệp cắt được đúng phần việc gây áp lực lớn nhất cho người phụ trách. Bước đầu tiên là nhìn cho rõ nút thắt của mình nằm ở nhập liệu hay ở đối chiếu.
Với các cơ sở tại Thái Lan, quyết định này còn có thêm một trục nữa. Trong bối cảnh 40.4% doanh nghiệp Nhật Bản tại Thái Lan đối mặt với thiếu hụt nhân lực và 72.8% xem chi phí nhân công tăng cao là rủi ro về môi trường đầu tư, việc phân bổ nhân lực đã giữ được vào công việc nào chính là một quyết định quản trị. Giải phóng nhân viên bản địa khỏi các nghiệp vụ nhập liệu đơn thuần và chuyển họ sang những công việc có giá trị gia tăng cao hơn mới là mục đích thực sự của tự động hóa.
Trên nền đó, ở giai đoạn triển khai hãy làm kỹ ba việc, gồm thiết kế ánh xạ cho các cách gọi tên khác nhau, bóc tách tri thức ngầm trong luồng công việc hiện hành, và vạch ranh giới cho xử lý ngoại lệ. Thiết kế xem sai sót bị chặn ở đâu quyết định thành bại của vận hành thực tế nhiều hơn là bản thân con số độ chính xác.
Dù bạn mới bắt đầu cân nhắc áp dụng OCR đơn đặt hàng, hay đã dùng OCR và muốn xem lại thiết kế nghiệp vụ bao gồm cả nghiệm thu và hóa đơn, TOMAS TECH đều có thể trao đổi cùng bạn ngay từ bước sắp xếp lại luồng công việc hiện tại. Với môi trường vận hành pha trộn tiếng Nhật và ngôn ngữ bản địa tại Thái Lan cũng như các cơ sở khác trong ASEAN, bạn cũng có thể liên hệ để cùng bàn bạc. Mọi trao đổi xin gửi qua biểu mẫu liên hệ.
Tài liệu tham khảo
Nguồn: Infomart, Tuyển tập trường hợp áp dụng AI-OCR cho đơn đặt hàng
Nguồn: Thông cáo báo chí của công ty homula trên PR TIMES, ngày 12 tháng 2 năm 2026
Nguồn: Ricoh, Dịch vụ xử lý hóa đơn nhận vào
Nguồn: JETRO, Thực trạng thiếu hụt nhân lực và cách ứng phó, công bố ngày 16 tháng 5 năm 2024
