AI trong nhà máy may không phải robot thay thợ may. Bài viết liệt kê cụ thể những việc AI làm được với tài liệu, ngôn ngữ và dữ liệu, và những việc nhà máy phải cố tình không giao cho AI.
Một nhà máy may nghiêm túc với AI không phải là nhà máy dùng AI nhiều nhất, mà là nhà máy biết rõ chỗ nào được dùng và chỗ nào tuyệt đối không.
Trong hai năm gần đây, câu hỏi “nhà máy có ứng dụng AI không” bắt đầu xuất hiện trong các buổi làm việc với khách hàng quốc tế, trong bảng đánh giá nhà cung cấp, và trong các cuộc trao đổi nội bộ của chính các nhà máy may xuất khẩu.
Nhưng phần lớn câu trả lời đang bị lệch về hai phía.
Một phía nói “chúng tôi đang chuyển đổi số toàn diện với AI” nhưng không chỉ ra được một công đoạn cụ thể nào đã thay đổi. Phía còn lại nói “ngành may là ngành thủ công, AI không làm được gì” và bỏ qua những chỗ AI thật sự giúp được.
Bài viết này trả lời câu hỏi theo cách khác: liệt kê cụ thể những việc AI làm được trong một nhà máy may kỹ thuật, và quan trọng hơn, những việc nhà máy phải cố tình không giao cho AI.
Phần thứ hai mới là phần cho thấy nhà máy có hiểu nghề hay không.
1. Hiểu đúng AI trong nhà máy may là gì
Trước hết cần gỡ một hiểu lầm phổ biến.
AI trong nhà máy may hiện nay không phải là robot thay thế công nhân may. Công nghệ robot may vải mềm vẫn còn rất hạn chế, chi phí cao, và không phù hợp với sản phẩm kỹ thuật nhiều chi tiết như áo khoác chống thấm hay đồ bảo hộ.
AI mà một nhà máy may có thể dùng ngay hôm nay chủ yếu là AI xử lý ngôn ngữ, tài liệu, hình ảnh và dữ liệu. Nghĩa là nó làm việc với giấy tờ, với thông tin, với hồ sơ, không phải với vải.
Điều này quan trọng, vì nó định vị lại câu hỏi. Câu hỏi đúng không phải “AI may được chưa”, mà là:
Trong một đơn hàng xuất khẩu, có bao nhiêu phần trăm công sức nằm ở giấy tờ, trao đổi, kiểm tra chéo và báo cáo, thay vì nằm ở đường kim?
Với sản phẩm kỹ thuật cho thị trường châu Âu, Mỹ và Nhật, phần đó không hề nhỏ.
2. Việc thứ nhất: đọc và đối chiếu tài liệu kỹ thuật
Một đơn hàng áo khoác kỹ thuật thường đi kèm: tech pack, bảng thông số, bảng màu, bảng định mức nguyên phụ liệu, tiêu chuẩn kiểm tra, yêu cầu đóng gói, yêu cầu nhãn mác theo thị trường, và các bản cập nhật rải rác trong email.
Vấn đề thực tế của nhà máy không phải là thiếu tài liệu. Vấn đề là các tài liệu này mâu thuẫn nhau mà không ai phát hiện kịp.
Ví dụ thường gặp:
- Bảng thông số ghi một con số, hình minh họa trong tech pack ghi con số khác.
- Bảng định mức liệt kê một mã dây kéo, bản cập nhật qua email đổi sang mã khác nhưng tech pack không sửa.
- Yêu cầu nhãn chăm sóc cho thị trường Đức khác với bản dùng cho thị trường Mỹ, nhưng cùng nằm trong một bộ hồ sơ.
- Tiêu chuẩn kiểm tra nhắc đến một chi tiết không có trong bản vẽ.
Đây là loại việc AI làm tốt: đọc toàn bộ hồ sơ, tìm những chỗ không khớp, và liệt kê ra để người kỹ thuật xem.
Giá trị không nằm ở chỗ AI “hiểu” sản phẩm. Giá trị nằm ở chỗ nó đọc không mỏi và không bỏ sót vì quen tay.
Nhưng phải nói rõ: kết quả AI đưa ra là danh sách nghi vấn, không phải kết luận. Người kỹ thuật vẫn là người xác nhận chỗ nào thật sự sai và hỏi lại khách hàng.
3. Việc thứ hai: ngôn ngữ giữa khách hàng và chuyền may
Một nhà máy may xuất khẩu vận hành trên nhiều lớp ngôn ngữ cùng lúc:
- Tiếng Anh kỹ thuật trong tech pack của khách.
- Tiếng Anh thương mại trong email đàm phán.
- Tiếng Việt kỹ thuật trong hướng dẫn chuyền.
- Tiếng Việt đời thường mà công nhân thực sự dùng.
- Và đôi khi là tiếng Đức, tiếng Nhật trong yêu cầu nhãn mác hoặc quy định thị trường.
Lỗi sản xuất nhiều khi không đến từ tay nghề, mà đến từ chỗ một yêu cầu bị dịch sai hoặc dịch thiếu sắc thái ở một trong các lớp này.
AI giúp được ở đây theo cách rất cụ thể:
- Dịch nhanh một đoạn yêu cầu kỹ thuật để tổ trưởng hiểu ngay, thay vì chờ người biết tiếng Anh rảnh.
- Diễn đạt lại một yêu cầu phức tạp bằng câu đơn giản để dán tại chuyền.
- Soạn thư hỏi lại khách hàng rõ ràng, lịch sự, đúng trọng tâm, việc mà nhiều kỹ thuật viên giỏi nghề nhưng ngại viết tiếng Anh thường trì hoãn.
Cái lợi lớn nhất không phải là tiết kiệm thời gian dịch. Cái lợi lớn nhất là giảm độ trễ khi có thắc mắc. Một câu hỏi được gửi đi trong ngày thay vì để ba ngày có thể cứu cả một lô hàng.
4. Việc thứ ba: tìm quy luật trong hồ sơ lỗi
Mọi nhà máy đều ghi nhận lỗi. Rất ít nhà máy đọc lại dữ liệu lỗi của chính mình.
Lý do rất thực tế: hồ sơ lỗi nằm rải rác trong biên bản kiểm hàng, báo cáo chuyền, sổ QC và email phản hồi của khách. Để tìm ra quy luật, phải đọc hàng trăm trang. Không ai có thời gian.
Đây là chỗ AI tạo ra giá trị thật, nếu dữ liệu được ghi đủ.
Những câu hỏi AI có thể giúp trả lời:
- Lỗi này tập trung ở công đoạn nào, chuyền nào, ca nào?
- Lỗi có tăng lên khi chuyển sang một lô vải khác không?
- Những mã hàng có chung một chi tiết thiết kế có cùng một kiểu lỗi không?
- Lỗi xuất hiện nhiều hơn vào tuần đầu của mã hàng mới hay rải đều?
- Khiếu nại của khách tập trung vào nhóm chi tiết nào trong mười hai tháng qua?
Con người thường nhớ những lỗi gây ồn ào nhất. Dữ liệu cho thấy những lỗi lặp lại âm thầm nhưng tốn kém hơn.
Điều kiện bắt buộc: AI không tạo ra dữ liệu. Nếu biên bản kiểm hàng chỉ ghi “lỗi may” mà không ghi công đoạn, chuyền, mã hàng và lô vải, thì không có công cụ nào tìm ra quy luật. Phần khó không phải là AI. Phần khó là thói quen ghi chép.
5. Việc thứ tư: soạn báo cáo và hồ sơ truy xuất
Khách hàng quốc tế ngày càng yêu cầu nhiều hồ sơ: báo cáo tiến độ, hồ sơ kiểm tra chất lượng, chứng từ nguyên phụ liệu, dữ liệu truy xuất nguồn gốc, hồ sơ chuẩn bị cho đánh giá nhà máy.
Phần lớn thông tin trong các hồ sơ này đã tồn tại trong nhà máy. Việc tốn thời gian là tập hợp lại và trình bày đúng định dạng khách yêu cầu.
AI rút ngắn đáng kể phần này: tổng hợp, sắp xếp, chuyển định dạng, viết lại phần diễn giải bằng tiếng Anh.
Một nhân sự có kinh nghiệm vẫn phải đọc lại và chịu trách nhiệm về con số. Nhưng thời gian từ “có dữ liệu” đến “có báo cáo gửi được” rút ngắn rõ rệt.
6. Việc thứ năm: giữ lại tri thức khi người giỏi nghỉ việc
Đây là vấn đề ít được nói đến nhưng rất lớn trong ngành may.
Một tổ trưởng hai mươi năm kinh nghiệm biết: mã hàng nào hay bị nhăn ở đâu, loại vải nào cần đổi kim, chi tiết nào phải chạy thử trước, khách nào khó ở điểm gì. Toàn bộ tri thức đó nằm trong đầu người đó.
Khi người đó nghỉ, nhà máy mất trắng.
AI không giữ được tri thức đó thay nhà máy. Nhưng AI làm cho việc ghi lại tri thức đó dễ hơn nhiều: phỏng vấn, ghi âm, chuyển thành văn bản, sắp xếp thành tài liệu tra cứu được theo mã hàng và theo công đoạn.
Trước đây việc này tốn quá nhiều công nên không ai làm. Giờ chi phí đã giảm xuống mức làm được.
7. Và bây giờ là phần quan trọng hơn: những việc nhà máy phải cố tình không giao cho AI
Phần này mới là phần phân biệt một nhà máy hiểu nghề với một nhà máy chạy theo xu hướng.
7.1. Không để AI duyệt mẫu và quyết định chất lượng
Duyệt mẫu là quyết định kỹ thuật có hậu quả. Nó liên quan đến cảm nhận về độ đứng của vải, độ êm của đường may, cảm giác khi mặc lên người, và kinh nghiệm về việc chi tiết này sẽ hành xử thế nào sau năm mươi lần giặt.
Không có mô tả bằng chữ nào thay được việc cầm sản phẩm trên tay.
AI có thể giúp so sánh thông số đo được với bảng thông số. Nhưng quyết định đạt hay không đạt phải là người, và người đó phải ký tên vào quyết định của mình.
7.2. Không để AI viết thông số kỹ thuật và yêu cầu an toàn
Với đồ bảo hộ và sản phẩm chức năng, thông số kỹ thuật liên quan trực tiếp đến an toàn của người mặc.
AI có thể viết ra một câu nghe rất hợp lý nhưng sai. Trong văn bản thương mại, một câu sai gây hiểu lầm. Trong tài liệu kỹ thuật về sản phẩm bảo hộ, một câu sai có thể dẫn đến một sản phẩm không bảo vệ được người mặc.
Nguyên tắc tại Viking Vietnam: mọi thông số kỹ thuật phải có nguồn gốc từ tài liệu khách hàng, từ tiêu chuẩn, hoặc từ kết quả kiểm nghiệm, không bao giờ từ một đoạn văn do công cụ sinh ra.
7.3. Không để AI trả lời thay nhà máy với khách hàng
AI soạn nháp thư thì được. Nhưng mọi cam kết với khách hàng về ngày giao, về khả năng sản xuất, về việc nhận hay không nhận một yêu cầu đều phải là cam kết của con người có thẩm quyền.
Một câu trả lời trôi chảy nhưng không ai kiểm tra lại tình hình chuyền thực tế sẽ tạo ra một lời hứa không giữ được. Và trong ngành này, uy tín mất vì lời hứa không giữ được chứ không mất vì email viết chưa hay.
7.4. Không đưa dữ liệu khách hàng vào công cụ chưa được kiểm soát
Đây là ranh giới phải vẽ trước, không phải vẽ sau khi có sự cố.
Tech pack, bản vẽ, bảng giá, danh sách nhà cung cấp, kế hoạch mùa mới, tất cả đều là tài sản của khách hàng, không phải của nhà máy. Nhiều hợp đồng gia công có điều khoản bảo mật rất rõ về việc này.
Nguyên tắc tối thiểu mà bất kỳ nhà máy nào cũng nên áp dụng:
- Không tải tài liệu khách hàng lên công cụ công cộng miễn phí.
- Không dán nguyên bản vẽ hoặc thông số có mã hàng của khách vào ô chat.
- Nếu cần dùng công cụ để xử lý, phải ẩn tên khách, mã hàng và mã nhà cung cấp trước.
- Chỉ dùng công cụ trong môi trường doanh nghiệp có cam kết không dùng dữ liệu để huấn luyện.
- Có một quy định viết thành văn bản, và nhân viên được hướng dẫn, chứ không để mỗi người tự xử lý.
Một nhà máy không có quy định này mà nói mình “ứng dụng AI” là đang tạo ra rủi ro cho chính khách hàng của mình.
7.5. Không để AI đứng giữa người quản lý và hiện trường
Báo cáo do AI tổng hợp đọc rất gọn. Và đó chính là rủi ro.
Một bảng số liệu sạch sẽ dễ tạo cảm giác đã nắm được tình hình, trong khi vấn đề thật đang nằm ở chỗ không có trong báo cáo: một tổ trưởng mệt mỏi, một máy chạy không ổn định, một thái độ nản trong chuyền.
Dữ liệu cho biết cái gì đang xảy ra. Chỉ có đi xuống chuyền mới biết vì sao.
AI nên làm cho người quản lý có thêm thời gian xuống chuyền, chứ không nên trở thành lý do để không xuống nữa.
8. Nguyên tắc chung: AI xử lý thông tin, con người chịu trách nhiệm
Có một cách phân định đơn giản và dùng được ngay.
Giao cho AI những việc có thể kiểm tra lại được: tổng hợp, đối chiếu, dịch, sắp xếp, tìm kiếm, soạn nháp. Nếu kết quả sai, người kiểm tra sẽ thấy và sửa được trước khi nó gây hậu quả.
Giữ lại cho con người những việc mang theo trách nhiệm: quyết định chất lượng, cam kết với khách hàng, thông số ảnh hưởng đến an toàn, và đánh giá con người.
Ranh giới đó không phải là sự dè dặt với công nghệ. Đó là cách làm việc đúng trong một ngành mà sản phẩm cuối cùng được một người thật mặc lên người để đi làm.
9. Những câu khách hàng nên hỏi nhà máy về AI
Nếu bạn là người mua hàng và muốn biết nhà máy của mình thực sự đang làm gì với AI, năm câu hỏi sau cho biết nhiều hơn mọi bài giới thiệu:
- Nhà máy có quy định bằng văn bản về việc dữ liệu khách hàng được phép đưa vào công cụ nào không?
- Công đoạn nào trong nhà máy đã thay đổi cụ thể nhờ công cụ, và thay đổi như thế nào?
- Ai là người ký duyệt cuối cùng cho quyết định chất lượng?
- Dữ liệu lỗi được ghi ở mức chi tiết nào, đủ để truy ra công đoạn và lô vải không?
- Nếu công cụ đưa ra một kết luận sai, quy trình nào phát hiện ra điều đó?
Câu trả lời cho câu hỏi cuối cùng thường cho thấy rõ nhất nhà máy đang ở mức nào.
10. Cách tiếp cận của Viking Vietnam
Viking Vietnam sản xuất hàng may mặc chức năng cao, đồ bảo hộ lao động, áo mưa, hàng chống thấm và trang phục ngoài trời cho khách hàng tại châu Âu, Mỹ và Nhật Bản.
Trên nhóm sản phẩm này, Viking tiếp cận AI theo hướng rất cụ thể:
- Dùng cho tài liệu, ngôn ngữ, dữ liệu và báo cáo, không dùng để quyết định chất lượng.
- Ưu tiên cải thiện thói quen ghi chép trước, vì không có dữ liệu thì không có công cụ nào hữu ích.
- Vẽ rõ ranh giới dữ liệu khách hàng trước khi mở rộng sử dụng.
- Giữ nguyên tắc con người ký tên vào mọi quyết định có hậu quả.
- Ghi lại tri thức của những người làm nghề lâu năm, để nó không mất đi theo người.
Viking không tuyên bố mình là một “nhà máy AI”. Điều Viking làm là dùng công cụ đúng chỗ, và nói rõ những chỗ cố tình không dùng.
Tóm lược giá trị vận hành
AI trong nhà máy may không phải là robot thay thợ may. Đó là công cụ xử lý tài liệu, ngôn ngữ và dữ liệu.
Những điểm cần nhớ:
- AI giúp được ở: đối chiếu tài liệu kỹ thuật, dịch và truyền đạt yêu cầu, tìm quy luật trong hồ sơ lỗi, soạn báo cáo và hồ sơ truy xuất, ghi lại tri thức của người làm nghề lâu năm.
- AI không được giao: duyệt mẫu và quyết định chất lượng, viết thông số kỹ thuật và yêu cầu an toàn, cam kết với khách hàng.
- Dữ liệu khách hàng cần một quy định bằng văn bản trước khi mở rộng sử dụng công cụ.
- Không có dữ liệu được ghi đủ chi tiết thì không có ứng dụng AI nào có giá trị.
- Báo cáo gọn gàng không thay được việc người quản lý đi xuống chuyền.
- Nguyên tắc phân định: AI xử lý thông tin, con người chịu trách nhiệm.
Kết nối với Viking Vietnam
Viking Vietnam đồng hành cùng các thương hiệu và đối tác quốc tế trong sản xuất hàng may mặc chức năng cao, đồ bảo hộ lao động, áo mưa, hàng chống thấm và trang phục ngoài trời. Với hệ thống dữ liệu sản xuất, nguyên tắc bảo mật rõ ràng và cách làm việc minh bạch, Viking Vietnam sẵn sàng trao đổi về cách tổ chức dữ liệu và công cụ trong chuỗi cung ứng.
Liên hệ Viking Vietnam để trao đổi về yêu cầu dữ liệu, truy xuất và bảo mật thông tin cho dòng sản phẩm của bạn.