Hóa đơn, phiếu giao hàng, đơn đặt hàng, biên bản nghiệm thu, hóa đơn bán lẻ, và cả những phiếu viết tay ngay tại hiện trường. Mỗi ngày trong ngành sản xuất và logistics, có vô số chứng từ được luân chuyển qua lại. Thông tin ghi trên những tờ giấy hay tệp PDF đó được nhân viên đọc từng tờ bằng mắt, rồi nhập tay vào hệ thống kế toán hoặc hệ thống nghiệp vụ cốt lõi — đây vẫn là khung cảnh quen thuộc đang diễn ra hằng ngày tại nhiều doanh nghiệp Nhật Bản. Thế nhưng, công việc “đọc rồi nhập” tưởng chừng đơn giản này thực chất lại có tải trọng rất lớn, dễ phát sinh sai sót, và chắc chắn đang tiêu tốn nguồn nhân lực.

AI-OCR là công nghệ đang tạo ra một bước ngoặt lớn cho bài toán số hóa dữ liệu chứng từ vốn tồn tại từ lâu. Trong khi OCR truyền thống (nhận dạng ký tự quang học) chỉ dừng lại ở mức “đọc được chữ”, thì AI-OCR thế hệ mới kết hợp Generative AI và mô hình ngôn ngữ lớn (LLM) đảm nhiệm trọn vẹn một mạch: “đọc chữ, hiểu ý nghĩa, phân bổ đúng từng trường thông tin vào đúng ô, rồi chuyển sang hệ thống”. TOMAS TECH cung cấp giải pháp tự động hóa số hóa chứng từ — bắt đầu từ việc trích xuất nội dung hóa đơn — dành cho các khách hàng Nhật Bản trong ngành sản xuất và logistics đang hoạt động tại Thái Lan.

Trong bài viết này, chúng tôi sẽ giải thích cụ thể nhất có thể từ góc nhìn hiện trường: AI-OCR là gì, khác biệt bản chất so với OCR truyền thống, các loại chứng từ thuộc phạm vi xử lý, cơ chế từ khâu đọc dữ liệu đến kiểm tra và xuất dữ liệu, khả năng đáp ứng đa ngôn ngữ và đa định dạng, việc kết nối với hệ thống kế toán, ERP và RPA, cũng như quy trình triển khai và vấn đề bảo mật. Chúng tôi mong muốn bài viết trở thành một tài liệu tham khảo hữu ích cho những người phụ trách đang băn khoăn: “Liệu công việc xử lý chứng từ này có thể giải quyết bằng AI được không?”.

AI-OCR là gì — bước tiến hóa từ “đọc” sang “hiểu”

AI-OCR là tên gọi chung cho công nghệ kết hợp công nghệ OCR truyền thống với trí tuệ nhân tạo (AI), đặc biệt là học máy, Generative AI và mô hình ngôn ngữ lớn (LLM), nhằm đọc các ký tự ghi trên chứng từ hay tài liệu, sau đó cấu trúc hóa nội dung đó thành “dữ liệu có ý nghĩa”. Đặc điểm lớn nhất là công nghệ này không chỉ chuyển đổi chữ trên giấy thành văn bản, mà còn gán ý nghĩa cho từng trường thông tin như “đây là số tiền phải thanh toán”, “đây là hạn thanh toán”, “đây là tên đối tác giao dịch”, rồi sắp xếp lại thành định dạng có thể nạp thẳng vào hệ thống.

Giới hạn của OCR truyền thống

OCR truyền thống là công nghệ nhận dạng hình dạng ký tự trong ảnh hoặc dữ liệu quét, rồi chuyển thành văn bản. Bản thân công nghệ này rất hữu ích, và với các chứng từ định dạng cố định — ví dụ tài liệu nội bộ luôn đến với cùng một mẫu biểu — nó có thể xử lý với độ chính xác cao. Tuy nhiên, trong thực tế xử lý chứng từ, tồn tại nhiều rào cản mà chỉ riêng OCR truyền thống không thể vượt qua.

• Yếu khi bố cục không cố định: Mẫu hóa đơn của mỗi đối tác giao dịch đều khác nhau. Vị trí số tiền, cách gọi tên các mục, thứ tự sắp xếp các dòng chi tiết — tất cả đều khác biệt. OCR truyền thống thường được thiết kế theo tiền đề “đọc ô này tại tọa độ này”, nên mỗi khi mẫu biểu thay đổi lại phải thiết lập lại từ đầu.
• Đọc được chữ nhưng không hiểu ý nghĩa: Dù có đọc được con số “1,200,000”, OCR truyền thống vẫn không thể phán đoán đó là số tiền chưa thuế hay đã bao gồm thuế, là tổng phụ hay tổng cộng. Rốt cuộc, vẫn còn lại công đoạn con người phải kiểm tra và phân loại.
• Yếu với chữ viết tay hoặc chữ bị nhòe: Với những phiếu được viết vội tại hiện trường hay các tài liệu cũ có nét in mờ, độ chính xác nhận dạng có xu hướng giảm mạnh.
• Khó xử lý cách diễn đạt không thống nhất: “Số tiền yêu cầu thanh toán”, “Số tiền phải trả”, “Tổng số tiền” — cùng một ý nghĩa nhưng cách diễn đạt lại muôn hình vạn trạng. Với các quy tắc cứng nhắc, việc bỏ sót là điều khó tránh.

Trích xuất trường dữ liệu bằng Generative AI và LLM

Khi Generative AI và mô hình ngôn ngữ lớn được bổ sung vào đây, tình hình đã thay đổi đáng kể. LLM được huấn luyện trên khối lượng văn bản khổng lồ và rất giỏi trong việc “suy đoán ý nghĩa từ ngữ cảnh”. Giống như khi một người nhìn vào hóa đơn và tự nhiên phán đoán rằng “con số này nằm ở góc dưới bên phải nên hẳn là tổng cộng”, “vì ghi là ‘Grand Total’ nên đây là tổng số tiền”, AI cũng dựa vào bố cục tổng thể của chứng từ và các chuỗi ký tự xung quanh để suy đoán thông tin nào tương ứng với trường nào.

Nhờ vậy, ngay cả khi không chỉ định trước tọa độ kiểu “hãy đọc ở đây”, hệ thống vẫn có thể trích xuất các trường như “tên đối tác giao dịch”, “số hóa đơn”, “ngày phát hành”, “hạn thanh toán”, “tổng phụ”, “tiền thuế”, “tổng cộng”, “các dòng chi tiết” từ một mẫu hóa đơn lần đầu nhìn thấy, trên cơ sở đã hiểu được ý nghĩa. Đây chính là cốt lõi của AI-OCR và là yếu tố lớn nhất biến việc xử lý tự động chứng từ phi định dạng thành hiện thực. Hệ thống AI trích xuất nội dung hóa đơn mà TOMAS TECH cung cấp cũng được thiết kế xoay quanh dòng chảy “đọc dữ liệu → hiểu ý nghĩa → số hóa” này.

Những vấn đề thực tế trong xử lý chứng từ

Vì sao nhiều doanh nghiệp lại đau đầu với việc số hóa chứng từ? Để hiểu được giá trị của AI-OCR, trước hết việc sắp xếp lại xem thực tế điều gì đang diễn ra tại hiện trường sẽ rất hữu ích.

Khối lượng công sức khổng lồ bị chiếm dụng bởi nhập liệu và chuyển ghi

Nhân viên kế toán, thu mua và phụ trách đơn hàng phải mở từng tờ chứng từ nhận được, hằng tháng hoặc thậm chí hằng ngày, rồi gõ các thông tin như tên đối tác, ngày tháng, số tiền, mặt hàng, số lượng vào phần mềm kế toán hoặc hệ thống nghiệp vụ cốt lõi. Dù mỗi tờ chỉ mất vài phút, nhưng khi tích lũy đến hàng trăm, hàng nghìn tờ mỗi tháng, đó trở thành một khối lượng công việc không thể xem nhẹ. Đặc biệt vào thời điểm chốt sổ cuối tháng và đầu tháng, công việc nhập liệu này dồn dập cùng lúc, tạo áp lực rất lớn lên người phụ trách.

Sai sót khi chuyển ghi và gánh nặng kép của việc kiểm tra

Việc nhập liệu bằng tay con người luôn đi kèm với sai sót. Gõ nhầm số chữ số, lấy nhầm ngày tháng, sai mã đối tác giao dịch. Những sai sót liên quan đến số tiền có thể dẫn đến hậu quả nghiêm trọng như chậm thanh toán, trả thừa, hay sai lệch số liệu quyết toán. Vì vậy, nhiều nơi áp dụng cơ chế “kiểm tra hai lần”, tức là một người khác đối chiếu lại nội dung đã nhập. Cách làm này tuy giảm sai sót nhưng lại tiêu tốn thêm nhân lực. Cả thời gian của người nhập liệu lẫn người kiểm tra đều bị tiêu hao.

Sự phụ thuộc vào cá nhân do chứng từ phi định dạng

Số lượng đối tác giao dịch càng tăng thì mẫu chứng từ phải xử lý càng đa dạng. Người ghi nhớ được đặc thù của từng mẫu như “hóa đơn của công ty A ghi tổng cộng ở chỗ này”, “công ty B trình bày phần chi tiết thành hai cột” thường là những nhân viên kỳ cựu có nhiều kinh nghiệm. Khi người đó nghỉ phép hoặc chuyển bộ phận, công việc lập tức bị đình trệ — xử lý chứng từ là ví dụ điển hình của loại công việc dễ bị phụ thuộc vào cá nhân.

Sự phức tạp do yếu tố đa ngôn ngữ

Đối với các doanh nghiệp Nhật Bản hoạt động tại Thái Lan, bài toán này còn phức tạp thêm một bậc. Trao đổi với trụ sở chính tại Nhật bằng tiếng Nhật, với đối tác trong nước Thái Lan bằng tiếng Thái, với nhà cung cấp nước ngoài bằng tiếng Anh. Chứng từ nhận về pha trộn cả tiếng Nhật, tiếng Thái và tiếng Anh, đơn vị tiền tệ cũng lẫn lộn giữa baht và yên. Không hiếm trường hợp bản thân việc xử lý đa ngôn ngữ — phải phân chia người phụ trách theo từng ngôn ngữ, hoặc vừa dịch vừa xử lý — đã trở thành gánh nặng cho hiện trường.

Các loại chứng từ thuộc phạm vi xử lý của AI-OCR

Chứng từ mà AI-OCR có thể xử lý không chỉ dừng lại ở hóa đơn. Nhiều loại tài liệu giấy, PDF và hình ảnh phát sinh trong công việc hằng ngày đều nằm trong phạm vi xử lý. Dưới đây là một số loại tiêu biểu.

• Hóa đơn (invoice): Tên đối tác giao dịch, số hóa đơn, ngày phát hành, hạn thanh toán, các dòng chi tiết, tổng phụ, tiền thuế, tổng cộng… Đây là loại chứng từ có nhu cầu xử lý cao nhất.
• Phiếu giao hàng: Mặt hàng, số lượng, đơn giá, ngày giao hàng… Được sử dụng để đối chiếu với nội dung đặt hàng và biên bản nghiệm thu.
• Đơn đặt hàng, đơn mua hàng: Mặt hàng đặt mua, số lượng, thời hạn giao hàng mong muốn, số tiền… Có thể ứng dụng cho cả bên nhận đơn lẫn bên đặt hàng.
• Biên bản nghiệm thu, phiếu nhận hàng: Mặt hàng nghiệm thu, số lượng nghiệm thu, ngày nghiệm thu… Đảm nhận một phần trong đối chiếu ba chiều (đặt hàng – giao hàng – hóa đơn).
• Hóa đơn bán lẻ, biên lai: Tên cửa hàng, ngày tháng, số tiền, thuế tiêu thụ… Liên quan trực tiếp đến tự động hóa việc thanh toán chi phí.
• Phiếu viết tay, báo cáo công việc hằng ngày: Phiếu xuất hàng, hồ sơ nhập xuất kho, báo cáo tác nghiệp được ghi tại hiện trường… Đây là lĩnh vực từ trước đến nay khó số hóa nhất.
• Các loại đơn từ và sổ sách: Biểu mẫu nội bộ theo định dạng cố định, phiếu tồn kho, bảng kiểm tra và các tài liệu có định dạng xác định nói chung.

Việc lựa chọn loại chứng từ nào làm đối tượng xử lý phụ thuộc vào chỗ nào trong nghiệp vụ của khách hàng đang tập trung nhiều tải trọng nhất. TOMAS TECH khuyến nghị cách tiếp cận: bắt đầu số hóa từ “loại chứng từ gây vất vả nhất”, rồi vừa xác nhận hiệu quả vừa mở rộng dần phạm vi.

Cơ chế của AI-OCR — từ khâu đọc dữ liệu đến xuất dữ liệu

Chúng ta sẽ lần lượt xem xét từng giai đoạn trong luồng xử lý để hiểu AI-OCR biến chứng từ thành dữ liệu như thế nào. Nắm được bức tranh tổng thể sẽ giúp bạn dễ hiểu hơn phần nói về độ chính xác và luồng kiểm tra ở phía sau.

Bước 1: Nạp chứng từ và tiền xử lý

Trước hết, chứng từ được nạp vào hệ thống dưới dạng hình ảnh hoặc PDF. Cách nạp có thể lựa chọn theo đặc thù nghiệp vụ: quét bằng máy photocopy đa chức năng, chụp bằng điện thoại thông minh hoặc máy ảnh, tự động thu thập các tệp PDF đính kèm email… Dữ liệu sau khi nạp sẽ được tiền xử lý như hiệu chỉnh độ nghiêng, điều chỉnh độ sáng và độ tương phản, khử nhiễu, để đưa về trạng thái thuận lợi cho khâu nhận dạng phía sau. Nhờ tiền xử lý này, ngay cả chứng từ được chụp nghiêng hay ảnh hơi tối cũng dễ giữ được độ chính xác nhận dạng.

Bước 2: Nhận dạng ký tự (đọc dữ liệu)

Tiếp theo, hệ thống phát hiện vị trí các ký tự trên chứng từ, rồi đọc và chuyển chúng thành văn bản. Đến đây thì công đoạn vẫn giống với OCR truyền thống, nhưng đặc điểm của engine nhận dạng ứng dụng AI là dễ xử lý không chỉ chữ in mà cả chữ viết tay và các chuỗi ký tự pha trộn nhiều ngôn ngữ. Các ký tự đã đọc được lưu giữ kèm thông tin vị trí (nằm ở khu vực nào trên chứng từ) và trở thành manh mối cho bước trích xuất trường dữ liệu tiếp theo.

Bước 3: Trích xuất trường dữ liệu (gán ý nghĩa)

Đây chính là khác biệt mang tính quyết định so với OCR truyền thống, và là công đoạn Generative AI cùng LLM phát huy sức mạnh. Hệ thống quan sát toàn bộ chuỗi ký tự đã đọc được, rồi phán đoán dựa trên bố cục và ngữ cảnh để trích xuất “đâu là tên đối tác giao dịch”, “đâu là số tiền phải thanh toán”, “đâu là hạn thanh toán”. AI đảm nhận thay con người những phán đoán trước đây phải thực hiện trong đầu, chẳng hạn nhận biết các cách diễn đạt khác nhau như “合計”, “Total”, “รวม” (tổng cộng trong tiếng Thái) đều mang cùng một ý nghĩa, hay phân tách từng dòng chi tiết thành mặt hàng, số lượng, đơn giá và số tiền.

Bước 4: Gán độ tin cậy và kiểm tra

AI có thể gán cho mỗi trường dữ liệu đã trích xuất một độ tin cậy (điểm số tin cậy) thể hiện “mức độ chắc chắn đến đâu”. Ví dụ, tổng số tiền được in rõ ràng sẽ có độ tin cậy cao, còn con số viết tay bị nhòe sẽ có độ tin cậy thấp. Nhờ sử dụng độ tin cậy này, có thể xây dựng luồng kiểm tra hiệu quả theo hướng “trường có độ tin cậy cao thì áp dụng luôn, chỉ trường có độ tin cậy thấp mới cần người kiểm tra”. Song song đó, hệ thống cũng thực hiện kiểm tra tính nhất quán về mặt tính toán như “tổng phụ + tiền thuế có bằng tổng cộng hay không”, đối chiếu với dữ liệu chủ đối tác giao dịch hiện có, qua đó tự động phát hiện những bất thường rõ ràng.

Bước 5: Kiểm tra bởi con người (human-in-the-loop)

AI-OCR không phải là công cụ “thay thế hoàn toàn con người”, mà là công cụ “giảm đáng kể khối lượng công việc của con người”. Người phụ trách chỉ kiểm tra và chỉnh sửa trên màn hình đối với những trường có độ tin cậy thấp hoặc những chứng từ bị phát hiện qua kiểm tra tính nhất quán. Khi đó, do có thể hiển thị song song hình ảnh chứng từ gốc và kết quả trích xuất, nên bản thân công việc kiểm tra cũng nhanh hơn rất nhiều so với việc nhìn bằng mắt và nhập tay như trước. Kết quả sau khi con người kiểm tra và chỉnh sửa còn có thể tận dụng để cải thiện hệ thống. Chính sự phân vai “AI xử lý phần lớn, con người chỉ xem những trường hợp ngoại lệ” là chìa khóa để dung hòa cả độ chính xác lẫn hiệu quả.

Bước 6: Xuất dữ liệu và kết nối hệ thống

Cuối cùng, dữ liệu đã được xác nhận sẽ được chuyển sang hệ thống kế toán hoặc hệ thống nghiệp vụ cốt lõi thông qua CSV, Excel hoặc API. Nhờ đó, dòng chảy “chứng từ đến → AI đọc dữ liệu → con người chỉ kiểm tra ngoại lệ → tự động đăng ký vào hệ thống” được hoàn thiện, và công đoạn nhập liệu thủ công gần như biến mất khỏi nghiệp vụ.

Khả năng đáp ứng đa ngôn ngữ và đa định dạng

Đối với các doanh nghiệp Nhật Bản đang triển khai hoạt động tại Thái Lan, chính khả năng đáp ứng đa ngôn ngữ và đa định dạng này là nơi giá trị thực sự của AI-OCR được phát huy rõ nhất. Đây cũng là điểm mà TOMAS TECH, với tư cách nhà tích hợp CNTT am hiểu hiện trường tại Thái Lan, đặc biệt coi trọng.

Đáp ứng sự pha trộn giữa tiếng Nhật, tiếng Thái và tiếng Anh

Tại hiện trường ở Thái Lan, việc nhiều ngôn ngữ cùng xuất hiện trên một tờ chứng từ không phải là chuyện hiếm. Những tài liệu có tên công ty bằng tiếng Anh, mô tả mặt hàng bằng tiếng Thái, ghi chú bằng tiếng Nhật lưu hành hết sức phổ biến. AI-OCR dựa trên nền tảng Generative AI và LLM có thể trích xuất các trường dữ liệu ngay cả trong những tài liệu pha trộn đa ngôn ngữ như vậy, mà không cần bận tâm đến việc chuyển đổi ngôn ngữ. Hơn nữa, còn có thể ứng dụng theo hướng dịch các trường tiếng Thái hoặc tiếng Anh đã trích xuất sang tiếng Nhật và ghi song song, giúp việc lập tài liệu báo cáo về trụ sở chính diễn ra trôi chảy.

Hấp thụ khác biệt bố cục giữa các đối tác giao dịch

Như đã đề cập, mẫu hóa đơn và phiếu giao hàng khác nhau tùy từng đối tác giao dịch. Vị trí tên các mục, thứ tự các dòng chi tiết, có hay không có bảng biểu — với OCR truyền thống thì phải xây dựng thiết lập riêng cho từng mẫu, nhưng AI-OCR vốn trích xuất trên cơ sở hiểu ý nghĩa nên tự động hấp thụ được sự khác biệt về bố cục ở một mức độ nhất định. Ngay cả khi có thêm đối tác giao dịch mới, trong nhiều trường hợp vẫn có thể bắt đầu xử lý mà không cần thiết lập đặc biệt, nhờ đó công sức vận hành giảm đi đáng kể. Tất nhiên, với những mẫu biểu đặc thù hay chứng từ riêng, chúng tôi sẽ nhận trước mẫu để tối ưu hóa, qua đó đạt được độ chính xác ổn định hơn.

Lưu ý về khác biệt trong cách ghi tiền tệ, ngày tháng và số liệu

Trong giao dịch xuyên quốc gia, tồn tại rất nhiều khác biệt nhỏ về cách ghi như ký hiệu tiền tệ (฿, ¥, USD), cách viết ngày tháng (ngày/tháng/năm và năm/tháng/ngày), ký hiệu dấu thập phân và dấu phân cách hàng nghìn (dấu phẩy và dấu chấm). Nhầm lẫn những khác biệt này sẽ dẫn đến sai lệch về số tiền hoặc ngày tháng. AI-OCR có thể suy đoán các quy tắc ghi này từ ngữ cảnh của chứng từ và chuyển đổi về một định dạng thống nhất, nhờ đó việc quản lý tập trung dữ liệu xuyên khu vực và xuyên đối tác giao dịch trở nên dễ dàng hơn.

Kết nối hệ thống với kế toán, ERP và RPA

Để tối đa hóa hiệu quả của AI-OCR, việc kết nối chắc chắn dữ liệu đã đọc được sang các hệ thống nghiệp vụ phía sau là điều không thể thiếu. Bởi nếu chỉ dừng lại ở khâu số hóa, rốt cuộc con người vẫn phải nhập tay lại ở bước tiếp theo, dẫn đến tình trạng lợi bất cập hại. TOMAS TECH tận dụng kinh nghiệm triển khai các hệ thống nghiệp vụ cốt lõi cho nhà máy và logistics để đề xuất giải pháp bao gồm cả phần “kết nối” này.

Kết nối với hệ thống kế toán

Dữ liệu trích xuất từ hóa đơn và hóa đơn bán lẻ được kết nối vào phần mềm kế toán dưới dạng dữ liệu bút toán hoặc dữ liệu thanh toán. Bằng cách liên kết với dữ liệu chủ đối tác giao dịch và tài khoản kế toán, nhân viên kế toán có thể tập trung vào “kiểm tra và phê duyệt” thay vì nhập liệu. Điều này rút ngắn thời gian xử lý chốt sổ hằng tháng và góp phần đẩy nhanh tiến độ quyết toán.

Kết nối với ERP và hệ thống nghiệp vụ cốt lõi

Nếu kết nối dữ liệu đơn đặt hàng, phiếu giao hàng và biên bản nghiệm thu vào ERP hoặc hệ thống quản lý mua hàng, quản lý tồn kho, ta có thể nối liền bằng dữ liệu toàn bộ chuỗi từ đặt hàng, nhập hàng, nghiệm thu đến thanh toán. Đặc biệt, đối chiếu ba chiều “đặt hàng – giao hàng – hóa đơn” rất quan trọng để phát hiện sớm các chênh lệch về số tiền hay số lượng, và khi đã số hóa từng loại chứng từ bằng AI-OCR thì việc đối chiếu này có thể bán tự động hóa. Đây là hình thức kết nối mang lại hiệu quả lớn, gắn trực tiếp với nghiệp vụ cốt lõi của ngành sản xuất và logistics.

Kết hợp với RPA

Đối với các hệ thống hiện hữu khó kết nối bằng API, ta cũng có thể áp dụng phương pháp kết hợp với RPA (tự động hóa quy trình bằng robot) để tự động nhập dữ liệu do AI-OCR xuất ra thông qua thao tác trên màn hình. Có rất nhiều trường hợp việc phối hợp “AI-OCR đọc dữ liệu, RPA nhập dữ liệu” giúp hiện thực hóa tự động hóa mà vẫn hạn chế tối đa việc phải sửa đổi hệ thống.

CSV, API và các định dạng xuất dữ liệu đa dạng

Về phương thức kết nối cụ thể, có thể lựa chọn linh hoạt theo môi trường của khách hàng: xuất ra CSV hoặc Excel có tính phổ dụng cao, trao đổi qua API phù hợp với kết nối thời gian thực, hay đặt tệp vào thư mục dùng chung hiện có. Việc có thể triển khai mà không cần thay đổi lớn hệ thống hiện hữu là điểm quan trọng giúp hạ thấp rào cản triển khai AI-OCR trên thực tế.

Những lợi ích đạt được khi triển khai

Việc triển khai AI-OCR sẽ tạo ra những thay đổi gì tại hiện trường? Ở đây chúng tôi sắp xếp lại những lợi ích tiêu biểu. Lưu ý rằng mức độ hiệu quả khác nhau tùy theo loại chứng từ, khối lượng và cách vận hành hiện tại, nên con số cụ thể sẽ được chúng tôi ước tính theo từng tình huống riêng.

Giảm đáng kể khối lượng công việc nhập liệu

Lợi ích trực tiếp nhất là cắt giảm thời gian dành cho nhập liệu thủ công. Vì AI tự động đọc phần lớn các trường dữ liệu và con người chỉ kiểm tra các trường hợp ngoại lệ, nên thời gian xử lý mỗi chứng từ được rút ngắn đáng kể. Nhìn chung, khối lượng chứng từ càng nhiều và việc xử lý càng mang tính định dạng thì hiệu quả cắt giảm càng có xu hướng lớn. Điều này cũng góp phần giảm bớt tình trạng làm thêm giờ dồn dập vào thời điểm chốt sổ.

Ổn định chất lượng và giảm sai sót

Khi AI đảm nhận công việc nhập liệu vốn phụ thuộc vào sự tập trung của con người, sự dao động do mệt mỏi hay thiếu chú ý sẽ giảm đi, và chất lượng nghiệp vụ trở nên ổn định. Do đã tích hợp sẵn cơ chế kiểm tra tự động theo độ tin cậy và kiểm tra tính nhất quán về tính toán, những bất thường rõ ràng sẽ được phát hiện ở giai đoạn sớm. Độ tin cậy của các thông tin có ảnh hưởng lớn khi sai sót như số tiền và ngày tháng cũng được nâng cao.

Nâng cao tốc độ xử lý

Khi thời gian từ lúc chứng từ đến tay cho đến lúc được số hóa được rút ngắn, các công đoạn phía sau như xử lý thanh toán hay cập nhật tồn kho cũng được đẩy nhanh. Việc thông tin được phản ánh kịp thời vào hệ thống còn góp phần nâng cao tốc độ ra quyết định của ban lãnh đạo.

Thoát khỏi sự phụ thuộc vào cá nhân

Việc thoát khỏi tình trạng “chỉ người đó mới xử lý được” cũng là một lợi ích không thể bỏ qua. Vì AI hấp thụ được đặc thù của từng mẫu biểu, nên công việc xử lý chứng từ có thể được vận hành với chất lượng ổn định bởi bất kỳ ai, không còn phụ thuộc vào một nhân viên cụ thể. Doanh nghiệp có thể xây dựng được cơ chế nghiệp vụ ổn định, vững vàng trước cả những biến động về nhân sự hay kỳ nghỉ phép.

Chuyển nhân lực sang những công việc có giá trị cao hơn

Nhân viên được giải phóng khỏi công việc nhập liệu đơn thuần có thể dành thời gian cho những công việc mang lại giá trị gia tăng cao hơn như phân tích, cải tiến và giao tiếp với đối tác giao dịch. Trong bối cảnh thiếu hụt nhân lực đang là vấn đề nan giải, việc phát huy nguồn nhân lực hữu hạn vào “phán đoán” thay vì “nhập liệu” mang lại giá trị rất lớn cho doanh nghiệp.

Quy trình triển khai — từ thu thập mẫu đến vận hành chính thức và cải tiến

Chìa khóa thành công khi triển khai AI-OCR là tiến hành từng bước một cách chắc chắn, thay vì đột ngột mở rộng ra toàn công ty. TOMAS TECH sẽ lắng nghe kỹ lưỡng các vấn đề nghiệp vụ của khách hàng, rồi hỗ trợ triển khai theo trình tự sau đây.

Bước 1: Khảo sát và thu thập mẫu

Trước hết, chúng tôi tìm hiểu chi tiết về cách vận hành hiện tại: loại chứng từ nào đang tiêu tốn bao nhiêu công sức, có những mẫu biểu nào. Đồng thời, chúng tôi xin tiếp nhận các mẫu chứng từ thực tế đang được xử lý như hóa đơn, phiếu giao hàng. Việc nắm bắt mức độ dao động về mẫu biểu trong chứng từ thực tế chính là điểm xuất phát của một thiết kế có độ chính xác cao.

Bước 2: Thiết kế, huấn luyện và thiết lập

Dựa trên các mẫu đã tiếp nhận, chúng tôi thiết kế các trường dữ liệu cần trích xuất, ngưỡng độ tin cậy, quy tắc kiểm tra, định dạng xuất dữ liệu và hệ thống đích để kết nối. Với các mẫu biểu đặc thù hoặc chứng từ riêng, chúng tôi tiến hành điều chỉnh và tối ưu hóa để AI có thể đọc ổn định. Ở giai đoạn này, quy tắc vận hành “giao cho AI đến trường dữ liệu nào, và từ đâu thì con người kiểm tra” cũng sẽ được xác lập.

Bước 3: Kiểm chứng (PoC, chạy thử)

Trước khi triển khai chính thức, chúng tôi vận hành thử nghiệm bằng chứng từ thực tế để kiểm chứng độ chính xác, tốc độ xử lý và mức độ phù hợp của luồng vận hành với nghiệp vụ. Những vấn đề phát hiện tại đây — chẳng hạn mẫu biểu nào đó khó đọc, trường dữ liệu nào đó phải kiểm tra nhiều — sẽ được rà soát và điều chỉnh thiết lập. Vì có thể xác nhận hiệu quả bằng dữ liệu thực trước rồi mới tiến tới triển khai chính thức, khách hàng có thể yên tâm khi ra quyết định.

Bước 4: Triển khai chính thức và hướng dẫn sử dụng

Sau khi kiểm chứng cho kết quả khả quan, chúng tôi tiến hành triển khai vào môi trường chính thức và hướng dẫn thao tác cho người phụ trách. Chúng tôi có thể hướng dẫn bằng cả tiếng Nhật và tiếng Thái, nên nhân viên bản địa cũng có thể bắt đầu sử dụng một cách dễ dàng. Chúng tôi hỗ trợ tận tình để luồng nghiệp vụ mới bén rễ tại hiện trường.

Bước 5: Vận hành và cải tiến liên tục

Công việc không kết thúc ở khâu triển khai; chúng tôi vừa vận hành vừa nâng cao độ chính xác và hiệu quả. Bằng cách quan sát xu hướng dữ liệu mà con người đã kiểm tra và chỉnh sửa để rà soát lại thiết lập, hay bổ sung khả năng xử lý cho các loại chứng từ mới phát sinh, tức là liên tục xoay vòng cải tiến, AI-OCR sẽ càng dùng lâu càng phù hợp với hiện trường. Bạn cũng có thể mở rộng dần phạm vi chứng từ xử lý để nuôi lớn phạm vi tự động hóa.

Nhìn nhận độ chính xác thế nào — cách đặt kỳ vọng thực tế

Khi cân nhắc AI-OCR, điều mà nhiều người quan tâm chính là “độ chính xác”. Đây là điểm cần được truyền đạt một cách trung thực, nên chúng tôi xin giải thích kỹ hơn một chút.

Độ chính xác đọc dữ liệu của AI-OCR thay đổi rất nhiều tùy theo các điều kiện như tình trạng chứng từ, mẫu biểu, ngôn ngữ, viết tay hay in ấn. Với hóa đơn định dạng cố định được in rõ ràng, có thể kỳ vọng độ chính xác rất cao; nhưng với phiếu viết tay bị nhòe hay mẫu biểu quá xộc xệch, độ chính xác sẽ giảm tương ứng. Do đó, việc quảng cáo những con số kiểu “luôn đạt 100%” là không thực tế. Điều quan trọng không nằm ở bản thân độ chính xác đọc dữ liệu đơn thuần, mà ở chỗ có thể đảm bảo độ chính xác cuối cùng của dữ liệu thông qua cơ chế “AI trung thực chỉ ra bằng độ tin cậy những chỗ mình không chắc chắn, và con người kiểm tra đúng những chỗ đó”.

Nói cách khác, giá trị bản chất của AI-OCR nằm ở việc “giảm nhân lực trong khi vẫn giữ được độ chính xác cần thiết”. Không nhắm tới tự động hóa hoàn toàn, mà thiết kế tối ưu sự phân vai giữa AI và con người để dung hòa cả việc cắt giảm công sức lẫn đảm bảo chất lượng — đó là quan điểm của TOMAS TECH. Cách chắc chắn nhất để biết thực tế có thể kỳ vọng độ chính xác và hiệu quả đến đâu là xác nhận cụ thể thông qua việc kiểm chứng bằng chính chứng từ của quý khách hàng.

Bảo mật, lưu trữ dữ liệu và bảo vệ thông tin cá nhân

Hóa đơn và các loại chứng từ chứa những thông tin có tính bảo mật cao như tên đối tác giao dịch, số tiền, thông tin tài khoản ngân hàng, tên người phụ trách. Khi sử dụng AI-OCR trong nghiệp vụ, vấn đề bảo mật và cách xử lý dữ liệu tuyệt đối không thể xem nhẹ.

Xử lý và lưu trữ dữ liệu

Việc lưu trữ dữ liệu chứng từ và kết quả trích xuất ở đâu, theo cách nào sẽ được thiết kế theo đúng chính sách bảo mật của khách hàng. Chúng tôi xây dựng cấu hình trên tiền đề có các biện pháp ngăn rò rỉ thông tin ra bên ngoài như mã hóa đường truyền, quản lý quyền truy cập, lựa chọn nơi lưu trữ. Chúng tôi cũng cho rằng nên thống nhất trước về thời hạn lưu giữ và quy tắc xóa dữ liệu sau khi xử lý.

Bảo vệ thông tin cá nhân và thông tin mật

Đối với thông tin cá nhân và thông tin mật có trong chứng từ, chúng tôi giới hạn phạm vi xử lý ở mức tối thiểu cần thiết và kiểm soát quyền để những người không liên quan không thể truy cập. Việc thiết kế vận hành cần dựa trên các quy định pháp luật và hướng dẫn của khu vực kinh doanh, trong đó có Luật Bảo vệ Thông tin Cá nhân của Thái Lan (PDPA). TOMAS TECH sẽ cùng trao đổi với khách hàng về những điểm này để cùng nhau xây dựng một hình thức sử dụng an tâm.

Kiểm toán và khả năng truy vết

Khi nào, ai đã xử lý chứng từ nào và chỉnh sửa trường dữ liệu nào — bằng cách lưu lại nhật ký (log) các thao tác này, ta có thể truy ngược lại nội dung xử lý về sau. Trong các nghiệp vụ liên quan đến số tiền, khả năng truy vết này rất quan trọng cả từ góc độ kiểm soát nội bộ lẫn ứng phó với kiểm toán.

Câu hỏi thường gặp (FAQ)

Q1. Hóa đơn có mẫu biểu khác nhau tùy từng đối tác giao dịch thì có xử lý được không?

Có, hoàn toàn xử lý được. Khác với OCR truyền thống, AI-OCR ứng dụng Generative AI và LLM không ấn định bố cục bằng tọa độ mà trích xuất các trường dữ liệu trên cơ sở hiểu ý nghĩa. Vì vậy, đặc điểm nổi bật là có thể xử lý nhiều mẫu chứng từ phi định dạng đa dạng chỉ bằng một cơ chế duy nhất. Với các mẫu biểu đặc thù, chúng tôi sẽ nhận trước mẫu để tối ưu hóa, qua đó đạt được độ chính xác ổn định hơn.

Q2. Phiếu viết tay có đọc được không?

Chữ viết tay cũng có thể xử lý được. Tuy nhiên, so với chữ in, độ chính xác sẽ thay đổi tùy theo nét chữ riêng của người viết và mức độ chữ bị viết ẩu. Vì vậy, với chứng từ viết tay, chúng tôi khuyến nghị cách vận hành kết hợp luồng kiểm tra bởi con người dựa trên độ tin cậy để đảm bảo độ chính xác cuối cùng. Quý khách có thể xác nhận mức độ tự động hóa khả thi thông qua việc kiểm chứng bằng chính các phiếu thực tế.

Q3. Chứng từ có pha trộn tiếng Nhật, tiếng Thái và tiếng Anh thì có ổn không?

Không vấn đề gì. Ngay cả khi nhiều ngôn ngữ cùng xuất hiện trên một tờ chứng từ, AI-OCR vẫn có thể trích xuất các trường dữ liệu mà không cần bận tâm đến việc chuyển đổi ngôn ngữ. Chúng tôi cũng có thể đáp ứng nhu cầu dịch nội dung đã trích xuất sang tiếng Nhật và ghi song song, giúp sắp xếp dữ liệu thành dạng dễ dùng cho cả phía Thái Lan lẫn trụ sở chính tại Nhật Bản.

Q4. Có kết nối được với hệ thống kế toán hay hệ thống nghiệp vụ cốt lõi hiện tại không?

Trong phần lớn trường hợp là có thể kết nối. Quý khách có thể chọn phương thức phù hợp với hệ thống hiện hữu như xuất ra CSV hoặc Excel, kết nối qua API, hay đặt tệp vào thư mục dùng chung. Với những hệ thống khó kết nối bằng API, cũng có cách kết hợp với RPA để tự động hóa việc nhập liệu trên màn hình. Chúng tôi sẽ tìm hiểu môi trường hiện tại rồi đề xuất phương thức kết nối tối ưu.

Q5. Độ chính xác có đạt 100% không?

Xin thành thật chia sẻ rằng chúng tôi không thể cam kết luôn đạt 100% với mọi loại chứng từ. Độ chính xác dao động tùy theo tình trạng chứng từ và mẫu biểu. Giá trị của AI-OCR không nằm ở bản thân độ chính xác đọc dữ liệu đơn thuần, mà nằm ở chỗ nhờ cơ chế “AI chỉ ra những chỗ mình không chắc chắn và con người chỉ kiểm tra đúng những chỗ đó”, có thể giảm đáng kể công sức trong khi vẫn giữ được độ chính xác cuối cùng của dữ liệu. Xin quý khách hãy hình dung đây không phải là tự động hóa hoàn toàn, mà là tạo ra kết quả bằng sự phân vai tối ưu giữa AI và con người.

Q6. Cần bao nhiêu thời gian cho đến khi triển khai xong?

Điều này khác nhau tùy theo loại và khối lượng chứng từ cần xử lý cũng như tình trạng của hệ thống đích cần kết nối. Thông thường, nên bắt đầu ở quy mô nhỏ từ khâu kiểm chứng (chạy thử) với một phần chứng từ, rồi vừa xác nhận hiệu quả vừa tiến tới vận hành chính thức và mở rộng. Tiến hành theo từng giai đoạn sẽ giúp hạn chế rủi ro trong khi vẫn mở rộng phạm vi tự động hóa một cách chắc chắn. Lịch trình cụ thể sẽ được chúng tôi trình bày sau khi khảo sát.

Q7. Nên bắt đầu từ loại chứng từ nào?

Chúng tôi khuyến nghị bắt đầu từ loại chứng từ tiêu tốn nhiều công sức nhất, hoặc loại mà nếu xảy ra sai sót sẽ gây ảnh hưởng lớn. Trong nhiều trường hợp, hóa đơn và hóa đơn bán lẻ có số lượng nhiều sẽ là đối tượng đầu tiên. Bằng cách bắt đầu số hóa từ nghiệp vụ vất vả nhất, cảm nhận được hiệu quả rồi mới mở rộng phạm vi, doanh nghiệp có thể vừa tạo được sự đồng thuận trong nội bộ vừa thúc đẩy tự động hóa.

Q8. Chúng tôi lo lắng về mặt bảo mật. Thông tin mật có được bảo vệ không?

Vì chứng từ chứa những thông tin có tính bảo mật cao, chúng tôi coi trọng bảo mật như một tiền đề của thiết kế. Chúng tôi đề xuất cách vận hành dựa trên chính sách của khách hàng và các quy định pháp luật, trong đó có PDPA của Thái Lan, bao gồm mã hóa đường truyền, quản lý quyền truy cập, thống nhất về nơi lưu trữ và quy tắc lưu giữ dữ liệu, đảm bảo khả năng truy vết bằng nhật ký thao tác. Chúng tôi sẽ cùng quý khách xây dựng một hình thức sử dụng an tâm, nên xin đừng ngần ngại chia sẻ những băn khoăn của mình.

Tổng kết — để được giải phóng khỏi việc “đọc rồi nhập”

Số hóa dữ liệu chứng từ, bắt đầu từ hóa đơn và phiếu giao hàng, là công việc từ lâu vẫn phụ thuộc vào sức người tại nhiều hiện trường. Công sức nhập liệu thủ công, sai sót khi chuyển ghi, gánh nặng kiểm tra hai lần, sự phụ thuộc vào cá nhân do chứng từ phi định dạng, và sự phức tạp của việc xử lý đa ngôn ngữ — tất cả những vấn đề này đều bắt nguồn từ việc “con người đọc, con người nhập”.

AI-OCR kết hợp Generative AI và LLM thay đổi cấu trúc đó từ gốc rễ. Không chỉ đọc chữ mà còn hiểu ý nghĩa, trích xuất các trường dữ liệu cần thiết ngay cả từ chứng từ phi định dạng, chữ viết tay hay tài liệu đa ngôn ngữ, giảm thiểu tối đa việc kiểm tra của con người dựa trên độ tin cậy, rồi kết nối dữ liệu sang hệ thống kế toán, ERP và RPA. Nhờ vậy, việc loại bỏ hẳn công đoạn “đọc rồi nhập” khỏi nghiệp vụ đã trở thành một lựa chọn khả thi trên thực tế.

Điều quan trọng không phải là giương cao lý tưởng tự động hóa hoàn toàn, mà là tạo ra một cơ chế thực tế trong đó AI và con người phân vai tối ưu, dung hòa được cả việc cắt giảm công sức lẫn độ chính xác. Với tư cách nhà tích hợp CNTT am hiểu hiện trường ngành sản xuất và logistics tại Thái Lan, TOMAS TECH hỗ trợ trọn gói việc triển khai AI-OCR phù hợp với chứng từ và nghiệp vụ của quý khách hàng, từ khâu khảo sát, kiểm chứng, vận hành chính thức cho đến cải tiến liên tục.

“Liệu công việc xử lý chứng từ này có thể giải quyết bằng AI được không?” — nếu quý khách đang có cảm nhận như vậy, xin hãy thoải mái liên hệ với chúng tôi. Chúng tôi sẽ lắng nghe về chứng từ hiện tại và những khó khăn của quý khách, rồi đề xuất cách triển khai có thể mang lại hiệu quả cho quý công ty. Mọi thắc mắc xin gửi qua biểu mẫu liên hệ tại đây.