Công nghệ AI đã sẵn sàng nhưng logistics vẫn chưa thể ứng dụng rộng rãi
AI đang thay đổi nhiều ngành kinh tế.
Trong logistics, AI có thể hỗ trợ dự báo nhu cầu, tối ưu tuyến đường, điều phối phương tiện, quản lý kho và phát hiện nguy cơ giao hàng chậm.
Về mặt công nghệ, nhiều giải pháp đã có khả năng xử lý dữ liệu lớn và đưa ra dự báo nhanh.
Tuy nhiên, việc triển khai AI trong logistics Việt Nam vẫn gặp không ít khó khăn.
Vấn đề không hẳn nằm ở việc doanh nghiệp thiếu công nghệ.
Nhiều doanh nghiệp có thể tiếp cận các nền tảng AI.
Họ cũng có thể sử dụng phần mềm quản lý vận tải, quản lý kho hoặc quản lý cảng.
Nhưng giữa việc “có công nghệ” và “đưa AI vào vận hành thực tế” tồn tại một khoảng cách rất lớn.
Khoảng cách đó nằm ở dữ liệu, quy trình, hệ thống, con người và cách doanh nghiệp tổ chức hoạt động.
AI không thể hoạt động tốt nếu dữ liệu logistics còn rời rạc
Đây có lẽ là rào cản lớn nhất.
AI cần dữ liệu để học, phân tích và đưa ra dự báo.
Trong logistics, dữ liệu được tạo ra từ rất nhiều nguồn.
Hãng tàu có dữ liệu về container và hành trình.
Cảng có dữ liệu về tàu, cẩu và bãi.
Kho có dữ liệu nhập, xuất và tồn.
Đơn vị vận tải có dữ liệu về phương tiện và hành trình.
Doanh nghiệp giao nhận lại có hệ thống quản lý đơn hàng riêng.
Vấn đề là những dữ liệu này thường chưa được kết nối hoàn toàn.
Mỗi hệ thống có thể sử dụng cấu trúc khác nhau.
Tên trường dữ liệu có thể khác nhau.
Mã địa điểm có thể khác nhau.
Trạng thái đơn hàng cũng có thể được định nghĩa theo nhiều cách.
AI càng cần dữ liệu lớn thì vấn đề phân mảnh dữ liệu càng trở nên rõ ràng.
Dữ liệu nhiều nhưng chưa chắc là dữ liệu tốt
Một doanh nghiệp có thể sở hữu hàng triệu bản ghi.
Nhưng số lượng dữ liệu không đồng nghĩa với chất lượng dữ liệu.
Dữ liệu có thể bị trùng.
Thông tin có thể thiếu.
Một số trường có thể được nhập thủ công.
Địa chỉ có thể được viết theo nhiều cách.
Tên khách hàng có thể không thống nhất.
Thông tin phương tiện có thể không được cập nhật đầy đủ.
Những lỗi tưởng như nhỏ này có thể ảnh hưởng trực tiếp đến AI.
Nếu dữ liệu đầu vào không chính xác, mô hình có thể đưa ra kết quả sai.
Do đó, trước khi hỏi “AI có thể làm gì?”, doanh nghiệp logistics cần đặt câu hỏi khác:
Dữ liệu của doanh nghiệp đã đủ sạch để AI sử dụng hay chưa?
Nhiều doanh nghiệp vẫn vận hành trên các hệ thống khác nhau
Logistics là ngành có tính liên kết cao.
Một đơn hàng có thể đi qua nhiều doanh nghiệp.
Mỗi bên có thể sử dụng một phần mềm khác nhau.
Một doanh nghiệp có thể sử dụng phần mềm quản lý vận tải.
Kho lại sử dụng hệ thống quản lý kho.
Đối tác vận tải có nền tảng riêng.
Cảng có hệ thống khai thác riêng.
Nếu những hệ thống này không trao đổi dữ liệu hiệu quả, AI sẽ không có góc nhìn đầy đủ.
Hệ thống có thể biết xe đang ở đâu nhưng không biết container đã sẵn sàng.
Hoặc biết container đã đến nhưng không biết bãi còn khả năng tiếp nhận.
AI cần nhìn toàn bộ chuỗi.
Trong khi đó, dữ liệu lại thường bị chia thành nhiều phần.
Hệ thống cũ là rào cản lớn đối với AI
Không phải doanh nghiệp nào cũng có thể thay thế toàn bộ hệ thống công nghệ hiện tại.
Một phần mềm cũ có thể đã được sử dụng trong nhiều năm.
Nhân viên đã quen với cách vận hành.
Dữ liệu lịch sử cũng được lưu trữ trên hệ thống đó.
Việc thay thế toàn bộ có thể tạo ra nhiều rủi ro.
Vì vậy, doanh nghiệp thường phải tìm cách kết nối AI với hệ thống hiện có.
Nhưng không phải hệ thống cũ nào cũng được thiết kế để tích hợp dễ dàng.
Một số hệ thống thiếu API.
Một số hệ thống có cấu trúc dữ liệu phức tạp.
Một số dữ liệu vẫn phụ thuộc vào thao tác thủ công.
Điều này khiến quá trình triển khai AI trở nên khó khăn hơn.
AI không thể giải quyết một quy trình vốn đã thiếu chuẩn hóa
Một sai lầm phổ biến là đưa AI vào một quy trình chưa được chuẩn hóa.
Doanh nghiệp có thể kỳ vọng AI tự động xử lý mọi vấn đề.
Nhưng nếu quy trình vận hành không rõ ràng, AI sẽ khó xác định cần tối ưu điều gì.
Ví dụ, quy trình xử lý đơn hàng giữa các bộ phận không thống nhất.
Mỗi nhân viên có thể xử lý theo một cách.
Trạng thái đơn hàng cũng không được cập nhật đồng nhất.
Khi đó, AI không có một quy trình chuẩn để phân tích.
Vì vậy, chuyển đổi số cần bắt đầu từ việc chuẩn hóa quy trình.
AI nên được đưa vào những quy trình đã có dữ liệu và quy tắc tương đối rõ ràng.
Logistics Việt Nam có đặc thù vận hành rất phân tán
Một đặc điểm của logistics là có rất nhiều doanh nghiệp cùng tham gia.
Không phải tất cả đều có mức độ số hóa giống nhau.
Có doanh nghiệp đã sử dụng hệ thống quản lý hiện đại.
Nhưng cũng có đơn vị vẫn phụ thuộc nhiều vào bảng tính, email hoặc trao đổi thủ công.
Đặc biệt trong vận tải đường bộ, mạng lưới phương tiện có thể bao gồm nhiều đơn vị quy mô khác nhau.
Nếu một mắt xích chưa có dữ liệu số, toàn bộ chuỗi sẽ gặp khó khăn khi kết nối.
AI có thể rất mạnh ở cấp độ doanh nghiệp.
Nhưng nếu dữ liệu từ đối tác không được kết nối, khả năng tối ưu toàn chuỗi vẫn bị giới hạn.
Con người cũng là một phần của bài toán AI
AI không chỉ là vấn đề kỹ thuật.
Đây còn là vấn đề con người.
Nhân viên logistics có thể đã quen với phương pháp làm việc hiện tại.
Khi AI xuất hiện, quy trình có thể thay đổi.
Một số nhiệm vụ thủ công có thể được tự động hóa.
Nhân viên cần học cách đọc cảnh báo.
Họ cũng cần hiểu cách đánh giá kết quả do AI đưa ra.
Nếu nhân sự không tin tưởng hệ thống, AI có thể bị sử dụng rất hạn chế.
Ngược lại, nếu quá tin tưởng AI, doanh nghiệp cũng có thể gặp rủi ro khi hệ thống đưa ra dự báo không phù hợp.
Vì vậy, đào tạo con người là một phần quan trọng của quá trình triển khai.
Doanh nghiệp thường muốn thấy hiệu quả quá nhanh
Một hệ thống AI không phải lúc nào cũng tạo ra kết quả ngay lập tức.
Trước khi AI đưa ra dự báo tốt, doanh nghiệp cần chuẩn bị dữ liệu.
Sau đó cần thử nghiệm mô hình.
Mô hình cũng cần được đánh giá.
Các lỗi phải được phát hiện và điều chỉnh.
Quy trình vận hành cần được thay đổi theo kết quả thực tế.
Nếu doanh nghiệp kỳ vọng AI có thể tạo ra thay đổi ngay từ đầu, dự án rất dễ bị đánh giá thấp.
AI cần được xem là một quá trình cải thiện liên tục.
Không phải một phần mềm mua về rồi sử dụng ngay.
AI cần được triển khai từ bài toán cụ thể
Một trong những cách tiếp cận hiệu quả là không bắt đầu bằng câu hỏi:
“Doanh nghiệp có nên dùng AI không?”
Thay vào đó, nên hỏi:
“Vấn đề logistics nào đang tạo ra nhiều lãng phí nhất?”
Có thể đó là thời gian xe chờ.
Có thể là dự báo nhu cầu không chính xác.
Có thể là tỷ lệ giao hàng trễ.
Có thể là tình trạng bãi bị phân bổ không hợp lý.
Hoặc doanh nghiệp gặp khó khăn trong việc dự báo khối lượng hàng.
Khi xác định được bài toán cụ thể, AI sẽ có mục tiêu rõ ràng hơn.
Doanh nghiệp cũng dễ đánh giá kết quả hơn.
AI trong logistics cần kết nối nhiều nguồn dữ liệu
Một hệ thống AI muốn điều phối logistics hiệu quả cần nhìn thấy nhiều mắt xích.
Dữ liệu đơn hàng cần được kết nối.
Dữ liệu phương tiện cần được cập nhật.
Dữ liệu kho cũng cần được đưa vào hệ thống.
Thông tin về tuyến đường cần được phân tích.
Các điểm trung chuyển cũng cần có dữ liệu.
Nếu chỉ có một nguồn dữ liệu, AI sẽ có góc nhìn hạn chế.
Ví dụ, hệ thống có thể biết xe đang di chuyển.
Nhưng nếu không biết kho đang quá tải, AI khó dự đoán chính xác khả năng giao hàng.
Giá trị của AI tăng lên khi dữ liệu được kết nối theo chuỗi.
Vấn đề bảo mật cũng khiến doanh nghiệp thận trọng
Khi kết nối dữ liệu, doanh nghiệp phải đối mặt với yêu cầu bảo mật.
Dữ liệu logistics có thể chứa nhiều thông tin vận hành quan trọng.
Doanh nghiệp cần xác định dữ liệu nào được chia sẻ.
Dữ liệu nào chỉ được sử dụng nội bộ.
Ai được phép truy cập.
Ai có quyền thay đổi.
Hệ thống nào được phép kết nối.
Nếu không xây dựng cơ chế quản trị rõ ràng, doanh nghiệp sẽ khó mở rộng hệ thống AI.
Vì vậy, bảo mật phải được thiết kế ngay từ đầu.
Không nên xem đây là bước bổ sung sau khi hệ thống đã hoàn thiện.
Chi phí không phải là rào cản duy nhất
Khi nói đến việc triển khai AI, nhiều doanh nghiệp thường nghĩ ngay đến vấn đề đầu tư.
Tuy nhiên, đây không phải rào cản duy nhất.
Một doanh nghiệp có thể đầu tư vào công nghệ nhưng vẫn không đạt hiệu quả.
Nếu dữ liệu không tốt, AI không phát huy được khả năng.
Nếu quy trình chưa chuẩn hóa, AI khó tích hợp.
Nếu nhân sự chưa sẵn sàng, hệ thống có thể bị sử dụng sai.
Nếu các đối tác không kết nối dữ liệu, khả năng tối ưu toàn chuỗi cũng hạn chế.
Vì vậy, bài toán AI phải được nhìn ở góc độ tổng thể.
AI cần một chiến lược dữ liệu trước khi cần một chiến lược công nghệ
Doanh nghiệp logistics muốn triển khai AI nên bắt đầu bằng dữ liệu.
Trước tiên cần xác định dữ liệu đang nằm ở đâu.
Sau đó cần xác định dữ liệu nào quan trọng.
Dữ liệu nào đang thiếu?
Dữ liệu nào bị trùng?
Dữ liệu nào chưa được cập nhật?
Các hệ thống có thể trao đổi dữ liệu với nhau hay không?
Khi nền tảng dữ liệu được chuẩn hóa, doanh nghiệp mới có cơ sở xây dựng AI.
Đây là lý do chuyển đổi số logistics không thể chỉ tập trung vào việc mua phần mềm mới.
Nó phải bao gồm cả quá trình tổ chức lại dữ liệu.
AI có thể bắt đầu từ những nhiệm vụ nhỏ
Doanh nghiệp không nhất thiết phải xây dựng một hệ thống AI khổng lồ ngay từ đầu.
Có thể bắt đầu bằng một bài toán nhỏ.
Ví dụ, dự báo nguy cơ giao hàng trễ.
Hoặc dự báo nhu cầu phương tiện.
Hoặc phát hiện đơn hàng có dấu hiệu bất thường.
Hoặc hỗ trợ tối ưu vị trí container trong kho.
Sau khi mô hình hoạt động ổn định, doanh nghiệp có thể mở rộng.
AI có thể được kết nối với các hệ thống khác.
Dữ liệu cũng được mở rộng dần.
Cách tiếp cận từng bước giúp doanh nghiệp kiểm soát rủi ro tốt hơn.
AI sẽ không thay thế toàn bộ nhân sự logistics
Một trong những lo ngại phổ biến là AI sẽ thay thế con người.
Thực tế, AI phù hợp hơn với việc xử lý lượng dữ liệu lớn và các tác vụ có tính lặp lại.
Con người vẫn cần xử lý các tình huống bất thường.
Nhân sự cũng cần giao tiếp với khách hàng và đối tác.
Những quyết định phức tạp vẫn cần kinh nghiệm.
AI có thể giúp nhân viên nhìn thấy vấn đề sớm hơn.
Nó cũng có thể đưa ra các phương án để con người lựa chọn.
Do đó, tương lai có thể không phải là “AI thay thế con người”.
Mà là con người sử dụng AI để làm việc hiệu quả hơn.
Tương lai của AI trong logistics Việt Nam
Việc ứng dụng AI trong logistics sẽ phụ thuộc nhiều vào khả năng xây dựng hệ sinh thái dữ liệu.
Khi doanh nghiệp chuẩn hóa dữ liệu, khả năng kết nối sẽ tốt hơn.
Khi các hệ thống có thể trao đổi dữ liệu, AI có nhiều thông tin hơn để phân tích.
Khi nhân sự được đào tạo, kết quả AI có thể được sử dụng hiệu quả hơn.
Khi quy trình được chuẩn hóa, tự động hóa cũng dễ triển khai hơn.
Từ đó, AI có thể đi sâu hơn vào hoạt động logistics.
Không chỉ dự báo.
AI có thể hỗ trợ điều phối.
Không chỉ theo dõi.
AI có thể phát hiện rủi ro.
Không chỉ phân tích.
AI có thể đề xuất phương án vận hành.
Đây là hướng phát triển từ logistics số sang logistics có khả năng tự thích ứng.
Kết luận
Tại sao doanh nghiệp logistics Việt Nam khó triển khai AI dù công nghệ đã sẵn sàng?
Câu trả lời không nằm hoàn toàn ở công nghệ.
AI có thể đã đủ khả năng xử lý nhiều bài toán logistics.
Nhưng doanh nghiệp vẫn phải giải quyết những vấn đề nền tảng.
Dữ liệu còn phân tán.
Chất lượng dữ liệu chưa đồng đều.
Các hệ thống chưa được kết nối hoàn toàn.
Nhiều quy trình chưa được chuẩn hóa.
Hệ thống cũ khó tích hợp.
Nhân sự cần thời gian thích nghi.
Các đối tác trong chuỗi cũng có mức độ số hóa khác nhau.
Bên cạnh đó, doanh nghiệp cần xây dựng cơ chế quản trị dữ liệu và bảo mật phù hợp.
Vì vậy, triển khai AI không đơn giản là đưa một công cụ mới vào doanh nghiệp.
Đó là quá trình thay đổi cách tổ chức dữ liệu, quy trình và ra quyết định.
Doanh nghiệp logistics muốn đi nhanh với AI trước hết phải xây dựng được nền tảng dữ liệu đủ tốt.
Khi dữ liệu sạch, hệ thống được kết nối và quy trình được chuẩn hóa, AI mới có thể phát huy khả năng.
Trong tương lai, khoảng cách giữa doanh nghiệp logistics có AI và doanh nghiệp chưa ứng dụng AI có thể không nằm ở việc bên nào sở hữu công nghệ tốt hơn.
Khoảng cách có thể nằm ở bên nào có dữ liệu tốt hơn, hệ thống kết nối tốt hơn và khả năng biến dữ liệu thành quyết định nhanh hơn.
Xem thêm tại:
Tại sao xe tải phải xếp hàng trước cảng và AI có thể giải quyết không?
Gửi chuối sấy đi Slovakia: Hướng dẫn vận chuyển đúng quy cách cho đặc sản Việt Nam
