Bán lẻ Việt Nam đang chuyển dịch sang mô hình vận hành dựa trên dữ liệu, đặt ra yêu cầu ngày càng cao về độ chính xác của hàng tồn kho và khả năng giám sát chuỗi cung ứng theo thời gian thực. Trong bối cảnh đó, Edge AI có thể giúp doanh nghiệp phát hiện bất thường, nhận diện hàng hóa và tối ưu vận hành ngay tại cửa hàng, kho hàng.
Trao đổi về vấn đề này, bà Trần Thị Bảo Trân, Giám đốc Quốc gia Zebra Technologies Việt Nam đã chia sẻ về tiềm năng của công nghệ này cùng những bước đi để đưa AI vào hoạt động bán lẻ thực tiễn.
Phóng viên: Khi ngành bán lẻ Việt Nam chuyển dịch từ mô hình quản lý cửa hàng truyền thống sang mô hình vận hành dựa trên dữ liệu, theo bà, đâu là nút thắt lớn nhất khiến doanh nghiệp chưa thể có được dữ liệu chính xác, theo thời gian thực về hàng tồn kho, sản phẩm và chuỗi cung ứng? Edge AI có thể bắt đầu giải quyết thách thức này từ đâu?
Bà Trần Thị Bảo Trân: Tại Việt Nam, ngành bán lẻ đang hiện đại hóa nhanh chóng, từ các kênh bán lẻ hiện đại, cửa hàng tiện lợi đến thương mại điện tử. Trong khi đó, chợ truyền thống và nhà bán lẻ quy mô nhỏ vẫn chiếm tỷ trọng đáng kể. Khi doanh nghiệp phải quản lý ngày càng nhiều SKU, địa điểm và kênh bán hàng, độ chính xác của dữ liệu tồn kho và khả năng giám sát tài sản trong chuỗi cung ứng trở nên đặc biệt quan trọng.
Đây cũng là thách thức phổ biến trên toàn cầu. Nghiên cứu Global Shopper Study mới nhất của Zebra cho thấy 84% nhà quản lý bán lẻ chịu áp lực đồng bộ dữ liệu tồn kho theo thời gian thực giữa các kênh để cải thiện dự báo và bổ sung hàng hóa. Hết hàng khiến doanh nghiệp bỏ lỡ doanh số, trong khi tồn kho dư thừa làm tăng vốn lưu động và nguy cơ phải giảm giá thanh lý.
Edge AI có thể đưa khả năng xử lý thông minh đến ngay tại hiện trường, trên thiết bị, tại kệ hàng, cửa hàng hoặc điểm tiếp nhận sản phẩm. Thay vì phụ thuộc hoàn toàn vào đám mây, các giải pháp Frontline AI của Zebra xử lý dữ liệu trực tiếp trên thiết bị dành cho nhân viên tuyến đầu, đưa ra cảnh báo tức thời, giúp nhân viên nhanh chóng phát hiện và khắc phục vấn đề ngay tại điểm bán.
Với những thách thức về dữ liệu nói trên, khả năng truy xuất nguồn gốc và chống hàng giả đang ngày càng trở nên quan trọng. Edge AI có thể hỗ trợ các nhà bán lẻ nhận diện, xác thực sản phẩm cũng như phát hiện các bất thường trong chuỗi cung ứng như thế nào? Theo bà, công nghệ này có thể thay đổi cách doanh nghiệp kiểm soát hàng hóa từ kho đến kệ hàng ra sao?
Theo Bộ Công Thương Việt Nam, các đối tượng kinh doanh hàng giả ngày càng sử dụng tem chống hàng giả, mã QR và mã truy xuất nguồn gốc giả để đánh lừa người tiêu dùng. Việt Nam cũng đã tăng cường khung pháp lý và hạ tầng truy xuất nguồn gốc, trong đó có hệ thống truy xuất nguồn gốc quốc gia được triển khai vào tháng 12/2025.
Edge AI có thể bổ sung lớp xử lý thông minh cho các quy trình nhận diện và truy xuất hiện có. Thiết bị tích hợp AI có thể thu thập mã vạch, văn bản và đặc điểm hình ảnh ngay tại điểm hoạt động, sau đó đối chiếu với thông tin sản phẩm đã xác định trước.
Chẳng hạn, AI Data Capture của Zebra có thể nhận diện sản phẩm qua hình ảnh bằng cách trích xuất đặc điểm trực quan và đối chiếu với cơ sở dữ liệu. Giải pháp theo dõi và truy xuất kết hợp giám sát hình ảnh, RFID và xử lý dữ liệu thời gian thực để phát hiện sai lệch như thiếu hàng hoặc nhãn sản phẩm không chính xác.
Về lâu dài, doanh nghiệp có thể chuyển từ cách kiểm soát chủ yếu dựa trên “quét, ghi nhận và điều tra” sang “nhận diện, xác minh và hành động”. Mã vạch, mã QR, RFID và nền tảng truy xuất nguồn gốc vẫn là nền tảng xác định danh tính, nguồn gốc sản phẩm. Edge AI giúp phân tích dữ liệu tức thời, phát hiện bất thường sớm và cung cấp thông tin để nhân viên xử lý trước khi vấn đề đến tay người tiêu dùng.
Bà Trần Thị Bảo Trân, Giám đốc Quốc gia Zebra Technologies Việt Nam. Nguồn ảnh: Zebra Technologies Việt Nam
Khi AI được triển khai trực tiếp tại các cửa hàng và kho hàng, chất lượng của dữ liệu đầu vào trở nên đặc biệt quan trọng. Zebra đang phát triển các thiết bị có khả năng quét đồng thời nhiều mã vạch, kiểm tra hạn sử dụng, phát hiện sản phẩm bị đặt sai vị trí và xác định vị trí của những sản phẩm cụ thể. Những vấn đề nào mà các khả năng này có thể giải quyết, trong khi phương thức quét và quản lý tồn kho truyền thống chưa thể xử lý hiệu quả?
Quét truyền thống chủ yếu trả lời câu hỏi “Đây là sản phẩm gì?”. Trong môi trường bán lẻ hiện đại, nhân viên cần biết thêm số lượng sản phẩm, vị trí, hạn sử dụng, mức độ chính xác của hàng hóa cũng như những sản phẩm bị thiếu hoặc đặt sai chỗ. Công nghệ thu thập dữ liệu tiên tiến và thị giác máy tính có thể giúp xử lý những yêu cầu này hiệu quả hơn.
Thông thường, nhân viên phải quét từng mã vạch khi kiểm tra pallet, thùng hàng hoặc kệ chứa nhiều sản phẩm. Tính năng Multi Barcode của Zebra cho phép thu thập nhiều mã vạch trong một lần quét. Trong khi đó, Multi-Code Data Formatting có thể thu thập nhiều mã vạch và chỉ truyền những thông tin ứng dụng yêu cầu, giúp giảm thao tác lặp lại, tăng tốc kiểm kê, tiếp nhận hàng hóa và xác minh tồn kho.
Danh mục giải pháp giám sát hình ảnh của Zebra hỗ trợ xác minh nhãn, theo dõi, truy xuất hàng hóa và kiểm tra trực quan. Các tính năng AI Data Capture cũng có thể phát hiện, nhận diện sản phẩm, kệ hàng và nhãn kệ.
Cách tiếp cận của Zebra là phát triển từ những công nghệ doanh nghiệp có thể sử dụng ngay hôm nay, như Zebra DNA, quét nhiều mã vạch, giám sát hình ảnh và nhận diện sản phẩm bằng AI. Mục tiêu là chuyển từ các lần quét riêng lẻ sang thu thập dữ liệu đa dạng, tự động hơn, giúp nhân viên có đủ thông tin để hành động đúng lúc.
Trong nhiều doanh nghiệp bán lẻ, nhân viên tuyến đầu vẫn sử dụng thiết bị cá nhân theo mô hình BYOD. Khi hoạt động vận hành ngày càng phụ thuộc vào dữ liệu và AI, mô hình này còn phù hợp không? Khi chuyển sang các thiết bị chuyên dụng cấp doanh nghiệp, doanh nghiệp nên cân nhắc những yếu tố nào, như chi phí đầu tư, bảo mật, độ bền của thiết bị và hiệu quả vận hành?
BYOD vẫn phù hợp với một số tác vụ có cường độ sử dụng thấp. Tuy nhiên, khi bán lẻ ngày càng phụ thuộc vào dữ liệu thời gian thực, doanh nghiệp cần nhìn xa hơn chi phí mua thiết bị ban đầu. Câu hỏi quan trọng là tổng chi phí để hoàn thành công việc đáng tin cậy, an toàn và hiệu quả trong suốt vòng đời thiết bị.
Thiết bị chuyên dụng cấp doanh nghiệp có lợi thế về hiệu suất quét. Smartphone tiêu dùng thường sử dụng camera để đọc mã vạch, trong khi máy tính di động doanh nghiệp có bộ quét chuyên dụng phục vụ việc quét nhanh, thường xuyên. Thời lượng pin cũng rất quan trọng. Pin có thể sử dụng suốt ca và thay nóng giúp hạn chế gián đoạn do hết pin giữa ca.
Độ bền là yếu tố khác trong bài toán Tổng chi phí sở hữu (TCO). Môi trường bán lẻ và kho hàng khiến thiết bị thường xuyên đối mặt với nguy cơ rơi, bụi bẩn, thao tác liên tục và thời gian vận hành kéo dài.
Bảo mật và quản lý vòng đời cũng quan trọng khi dữ liệu doanh nghiệp, khách hàng ngày càng được đưa lên thiết bị tuyến đầu. Ngay cả khi dữ liệu nhạy cảm không lưu trực tiếp trên điện thoại cá nhân, thiết bị bị xâm phạm vẫn có thể trở thành điểm xâm nhập hệ thống. Đội ngũ CNTT cũng khó kiểm soát việc cập nhật, cấu hình thiết bị thuộc sở hữu nhân viên.
Việc doanh nghiệp sở hữu và quản lý thiết bị giúp giảm những rủi ro này. Chẳng hạn, Zebra LifeGuard for Android cung cấp bản cập nhật bảo mật theo lịch trình rõ ràng, kéo dài vòng đời hỗ trợ qua nhiều phiên bản hệ điều hành. Nhờ đó, thiết bị có thể duy trì trạng thái an toàn, hoạt động ổn định trong nhiều năm mà không cần thay phần cứng quá sớm.
Doanh nghiệp nên quyết định dựa trên TCO, bao gồm tốc độ hoàn thành công việc, thời gian hoạt động trong mỗi ca, tần suất thay thế và khả năng bảo mật, hỗ trợ thiết bị dài hạn. Khi tính đủ các yếu tố này, thiết bị chuyên dụng có thể mang lại hiệu quả đầu tư dài hạn tốt hơn so với việc đưa smartphone tiêu dùng vào quy trình bán lẻ.
Nguồn ảnh: Zebra Technologies Việt Nam
Từ góc nhìn rộng hơn, nếu Edge AI không chỉ quét hàng hóa mà còn tạo ra dữ liệu về hành vi khách hàng, tình trạng kệ hàng, mức tồn kho và hiệu quả chuỗi cung ứng, bà hình dung mô hình bán lẻ tại Việt Nam sẽ phát triển như thế nào trong 3-5 năm tới? Những bước đầu tiên mà Zebra cho rằng các doanh nghiệp Việt Nam nên thực hiện là gì để biến AI từ một công nghệ thử nghiệm thành một công cụ thực tiễn, mang lại tác động rõ rệt đến hoạt động vận hành?
Bán lẻ Việt Nam sẽ ngày càng dựa vào dữ liệu trong những năm tới. Thay đổi lớn không chỉ nằm ở việc bổ sung AI vào quy trình hiện có, mà còn ở khả năng chuyển từ thu thập dữ liệu sang hành động tức thì dựa trên dữ liệu đó.
Để triển khai AI hiệu quả, doanh nghiệp Việt Nam có thể bắt đầu từ ba bước.
Thứ nhất, số hóa hàng tồn kho và xây dựng nền tảng dữ liệu đáng tin cậy. Nhà bán lẻ cần nhận diện sản phẩm chính xác, có dữ liệu tồn kho đáng tin cậy và khả năng giám sát tài sản theo thời gian thực trên toàn bộ cửa hàng, kho hàng và các kênh bán hàng. Đây là nền tảng để AI tạo ra thông tin hữu ích. Riêng thương mại điện tử Việt Nam được ước tính đạt 38,5 tỷ USD năm 2025, với tốc độ tăng trưởng 21% mỗi năm, khiến hoạt động quản lý ngày càng phức tạp.
Thứ hai, trang bị công cụ cấp doanh nghiệp, có kết nối cho lực lượng tuyến đầu. Nhân viên trực tiếp xử lý sản phẩm mỗi ngày cũng là nguồn dữ liệu vận hành quan trọng. Máy tính di động, thiết bị quét chuyên dụng và giải pháp thu thập dữ liệu thông minh giúp nhà bán lẻ ghi nhận thông tin chính xác ngay tại nơi công việc diễn ra, đồng thời cung cấp cho nhân viên quyền truy cập tức thời vào dữ liệu cần thiết.
Thứ ba, mở rộng AI từ các dự án thử nghiệm có trọng tâm, thay vì chuyển đổi toàn bộ doanh nghiệp ngay lập tức. Khi đạt được giá trị vận hành có thể đo lường, doanh nghiệp có thể mở rộng quy trình sang nhiều cửa hàng, nhóm sản phẩm và khâu khác trong chuỗi cung ứng.
Cuối cùng, Edge AI sẽ ngày càng ít được nhìn nhận như một sáng kiến công nghệ độc lập, mà trở thành lớp trí tuệ tích hợp vào hoạt động bán lẻ hằng ngày.
Xin cảm ơn bà đã chia sẻ./
