Series Từ số hóa đến AI #17: Chọn nhà cung cấp số hóa và AI cho nhà máy

I. Bắt đầu bằng hồ sơ bài toán của nhà máy

Trước khi mời nhà cung cấp, chuẩn bị một brief ngắn:

• Ba vấn đề vận hành lớn nhất.
• Phạm vi ưu tiên: nhà máy, dây chuyền, thiết bị, quy trình.
• Hệ thống và dữ liệu hiện có.
• Người dùng và vai trò.
• KPI/baseline sơ bộ.
• Yêu cầu tích hợp, bảo mật và hạ tầng.
• Kỳ vọng 3-6 tháng đầu.
• Giới hạn ngân sách và nguồn lực nội bộ.

Nếu RFP chỉ ghi “cần hệ thống chuyển đổi số có AI”, nhà cung cấp khó đề xuất đúng và doanh nghiệp khó so sánh báo giá.

II. Mười hai tiêu chí đánh giá nhà cung cấp

1. Hiểu bài toán vận hành

Nhà cung cấp có hỏi về dừng máy, OEE, PM, tiến độ, lỗi, truy xuất và người dùng không? Hay chỉ trình bày danh sách chức năng?

Yêu cầu họ mô tả quy trình hiện tại, điểm nghẽn, dữ liệu và cách giải pháp thay đổi quyết định. Một câu trả lời tốt phải gắn với hiện trường, không chỉ thuật ngữ công nghệ.

2. Năng lực triển khai, không chỉ bán phần mềm

Kiểm tra:

• Phương pháp khảo sát và thiết kế.
• Vai trò của consultant, PM, kỹ thuật và hỗ trợ.
• Cách quản lý scope, issue và change request.
• Kế hoạch đào tạo, go-live và hypercare.
• Tài liệu bàn giao.

Hỏi ai sẽ trực tiếp triển khai, không chỉ hồ sơ đội ngũ bán hàng.

3. Mức phù hợp của sản phẩm

Phân biệt:

• Chức năng có sẵn.
• Chức năng cần cấu hình.
• Chức năng phải tùy chỉnh.
• Chức năng chưa có hoặc phụ thuộc roadmap.

Tùy chỉnh quá nhiều làm tăng chi phí và khó nâng cấp. Sản phẩm quá lớn có thể khiến người dùng bị quá tải và trả tiền cho phần không dùng.

4. Dữ liệu và master data

Nhà cung cấp cần giải thích:

• Dữ liệu nào cần chuẩn bị.
• Template và quy tắc migration.
• Cách xử lý mã trùng, thiếu và mapping.
• Ai chịu trách nhiệm làm sạch/xác nhận.
• Cách kiểm tra chất lượng sau go-live.
• Khả năng xuất dữ liệu và quyền sở hữu.

Nếu họ nói “chỉ cần import Excel” mà không hỏi chất lượng và định nghĩa, cần thận trọng.

5. Tích hợp và kiến trúc mở

Kiểm tra khả năng kết nối ERP, SCADA, PLC, WMS, QMS hoặc hệ thống khác qua API, database, file hoặc middleware.

Yêu cầu:

• Tài liệu API và cơ chế authentication.
• Danh sách integration đã thực hiện.
• Giới hạn tốc độ/dung lượng.
• Cơ chế retry, log và xử lý lỗi.
• Source of truth và đồng bộ hai chiều.
• Môi trường test/sandbox.

Không cần tích hợp mọi thứ ngay, nhưng phải biết giải pháp có đường mở rộng.

6. Trải nghiệm người dùng hiện trường

Demo phải bao gồm thao tác của công nhân, kỹ thuật viên và trưởng ca trên thiết bị thật hoặc điều kiện gần thật.

Kiểm tra:

• Số bước nhập dữ liệu.
• Khả năng dùng mobile/tablet.
• Tốc độ và tính ổn định.
• QR/barcode.
• Khả năng offline nếu thực sự cần.
• Giao diện theo vai trò/ngôn ngữ.
• Cách xử lý tình huống khẩn cấp và hoàn thiện thông tin sau.

Phần mềm mạnh nhưng khó dùng sẽ tạo dữ liệu đối phó.

7. Dashboard, KPI và khả năng đi sâu

Không chỉ xem màu sắc. Hỏi:

• KPI được tính từ nguồn nào?
• Có chỉnh định nghĩa không?
• Có drill-down đến giao dịch gốc không?
• Có thể lọc theo ca, máy, sản phẩm, thời gian không?
• Có theo dõi chất lượng dữ liệu không?
• Người dùng nội bộ tự tạo hoặc chỉnh báo cáo ở mức nào?

Dashboard phải hỗ trợ quyết định và truy xuất bằng chứng.

8. Năng lực AI và cách kiểm chứng

Nếu giải pháp có AI, yêu cầu nhà cung cấp trả lời:

• AI dùng dữ liệu nào?
• Mô hình chạy ở đâu?
• Dữ liệu của nhà máy có dùng huấn luyện chung không?
• Có trích nguồn và phân quyền không?
• Có bộ test, metric và log không?
• Khi AI sai, ai xử lý và hệ thống học từ phản hồi thế nào?
• Chi phí AI tính ra sao và có giới hạn không?

Tránh chấp nhận chatbot chung như bằng chứng AI nhà máy.

9. Bảo mật, phân quyền và audit

Kiểm tra:

• Mô hình triển khai và nơi lưu dữ liệu.
• Mã hóa, backup, phục hồi.
• Phân quyền theo vai trò/nhà máy/dây chuyền.
• Audit trail của đăng nhập, xem, sửa và duyệt.
• SSO/MFA nếu cần.
• Quản lý lỗ hổng và cập nhật.
• RTO/RPO và xử lý sự cố.
• Điều khoản bảo mật dữ liệu và nhà thầu phụ.

Yêu cầu bằng chứng phù hợp với mức rủi ro, không chỉ một tuyên bố “an toàn”.

10. Khả năng mở rộng và roadmap sản phẩm

Hỏi giải pháp sẽ vận hành thế nào khi:

• Tăng số người dùng, thiết bị và giao dịch.
• Thêm dây chuyền hoặc nhà máy.
• Thêm module và tích hợp.
• Thêm ngôn ngữ, quyền hoặc dashboard.
• Dữ liệu lịch sử tăng trong 3-5 năm.

Xem roadmap sản phẩm, chính sách nâng cấp và tương thích tùy chỉnh.

11. Hỗ trợ, SLA và năng lực dài hạn

• Giờ hỗ trợ và kênh tiếp nhận.
• Mức độ nghiêm trọng và thời gian phản hồi/khắc phục.
• Đội hỗ trợ ở đâu và ngôn ngữ nào.
• Cơ chế escalation.
• Backup nhân sự nếu consultant chính nghỉ.
• Chính sách phiên bản, bảo trì và end-of-life.

Tham khảo khách hàng có quy mô và bài toán tương tự, không chỉ logo nổi tiếng.

12. Tổng chi phí sở hữu và điều khoản thương mại

So sánh cùng phạm vi:

• License/subscription.
• Triển khai, migration, tích hợp.
• Tùy chỉnh.
• Hạ tầng và thiết bị.
• Đào tạo/hỗ trợ.
• Phí năm sau, nâng cấp và tăng người dùng.
• Chi phí AI theo usage.
• Chi phí chấm dứt, xuất dữ liệu hoặc chuyển đổi.

Giá thấp ban đầu có thể đi kèm chi phí thay đổi cao. Giá cao chưa chắc tốt nếu phạm vi chứa nhiều chức năng không cần.

III. Yêu cầu nhà cung cấp chứng minh gì trước khi ký?

Demo theo kịch bản của nhà máy

Cung cấp 5-10 kịch bản, ví dụ:

• Công nhân báo máy dừng và chọn nguyên nhân.
• Bảo trì nhận, xử lý, ghi phụ tùng và đóng phiếu.
• Trưởng ca xem tiến độ và sự kiện chưa xác nhận.
• Quản lý drill-down từ KPI đến giao dịch.
• Copilot trả lời từ SOP đúng phiên bản và đúng quyền.
• Mất kết nối hoặc tích hợp lỗi được xử lý thế nào.

Không để nhà cung cấp chỉ chạy “happy path”.

Dữ liệu mẫu thật

Dùng dữ liệu đã ẩn thông tin nhạy cảm để kiểm tra import, dashboard, mapping và hiệu năng. Với AI, dùng bộ câu hỏi thật và tài liệu thật trong phạm vi kiểm soát.

Kiến trúc và tài liệu

Yêu cầu sơ đồ kiến trúc, luồng dữ liệu, quyền, backup, integration và trách nhiệm hai bên.

Reference check

Hỏi khách hàng cũ về:

• Tiến độ thực tế so kế hoạch.
• Chất lượng đội triển khai.
• Vấn đề dữ liệu.
• Mức hỗ trợ sau go-live.
• Chi phí phát sinh.
• Mức sử dụng sau 6-12 tháng.

IV. Có nên yêu cầu pilot?

Nên khi:

• Use case mới hoặc rủi ro cao.
• Dữ liệu/tích hợp phức tạp.
• Nhiều nhà cung cấp có demo tương tự.
• AI cần kiểm chứng độ đúng.
• Người dùng hiện trường chưa chắc chấp nhận.

Pilot phải có phạm vi, dữ liệu, KPI, trách nhiệm, chi phí và tiêu chí mở rộng rõ. Không nên kéo pilot miễn phí vô thời hạn hoặc để nhà cung cấp dùng dữ liệu mà điều khoản chưa rõ.

V. KPI và điều khoản hợp đồng

Hợp đồng không nên cam kết những KPI vận hành mà nhà cung cấp không kiểm soát toàn bộ, chẳng hạn chắc chắn giảm downtime 20% bất kể adoption và quy trình. Có thể chia KPI:

Deliverable/KPI nhà cung cấp kiểm soát

• Milestone và chức năng được nghiệm thu.
• Tích hợp, migration và hiệu năng.
• Đào tạo và tài liệu.
• SLA hỗ trợ.
• Độ chính xác của một use case AI theo bộ test đã thống nhất.

KPI phối hợp

• Adoption.
• Chất lượng dữ liệu.
• Thời gian báo cáo.
• KPI vận hành trong phạm vi pilot.

Cần nêu rõ giả định, trách nhiệm của nhà máy và cơ chế xử lý thay đổi.

VI. Cách tránh mua hệ thống quá lớn

• Phân loại yêu cầu Must/Should/Could/Won't.
• Chọn module theo use case 12-18 tháng, không theo toàn bộ catalog.
• Yêu cầu báo giá theo giai đoạn.
• Đánh giá số chức năng thực sự được dùng trong pilot.
• Không tùy chỉnh để sao chép mọi biểu mẫu cũ.
• Giữ một backlog có ưu tiên thay vì đưa hết vào scope ban đầu.

VII. Cách giảm vendor lock-in

• Quyền sở hữu dữ liệu được ghi rõ.
• Có khả năng export dữ liệu ở định dạng sử dụng được.
• API và tài liệu tích hợp.
• Có data dictionary và cấu hình được bàn giao.
• Cơ chế backup/restore và bàn giao khi chấm dứt.
• Tách tùy chỉnh khỏi core khi có thể.
• Đội nội bộ được đào tạo.
• Điều khoản giá khi tăng quy mô minh bạch.

Không thể loại bỏ mọi phụ thuộc; mục tiêu là giữ khả năng kiểm soát dữ liệu và lựa chọn tương lai.

VIII. Mẫu scorecard có trọng số

Trọng số phải điều chỉnh theo dự án. Với AI hoặc dữ liệu nhạy cảm, bảo mật và kiểm chứng có thể cao hơn.

IX. Dấu hiệu cảnh báo

• Demo rất đẹp nhưng không hỏi dữ liệu và quy trình.
• Hứa AI dự báo chính xác mà chưa xem lịch sử.
• Không cho xuất dữ liệu hoặc không có API rõ.
• Mọi yêu cầu đều “làm được” nhưng không tách cấu hình/tùy chỉnh.
• Báo giá thấp nhưng phạm vi, giả định và phí năm sau mơ hồ.
• Không giới thiệu đội triển khai thật.
• Không có kế hoạch adoption và hỗ trợ hiện trường.
• Không làm rõ dữ liệu được lưu và dùng cho AI thế nào.
• Không chấp nhận kiểm thử bằng kịch bản của nhà máy.

X. Câu hỏi thường gặp

Nên chọn công ty lớn cho an toàn không?

Quy mô là một yếu tố về nguồn lực và ổn định, nhưng không thay thế mức phù hợp, đội triển khai và bằng chứng trong ngành/bài toán tương tự.

Công ty nhỏ hiểu sâu vận hành có đáng cân nhắc không?

Có, nếu họ chứng minh năng lực sản phẩm, bảo mật, hỗ trợ, tài chính và kế hoạch duy trì. Có thể giảm rủi ro bằng pilot, milestone và điều khoản bàn giao.

Có nên chọn nhà cung cấp rẻ nhất không?

Không nên chỉ so giá tổng. So TCO và phạm vi tương đương, đặc biệt dữ liệu, tích hợp, đào tạo, hỗ trợ và chi phí mở rộng.

Nhà cung cấp công nghệ hay nhà cung cấp hiểu sản xuất quan trọng hơn?

Cần cả hai. Một giải pháp kỹ thuật tốt nhưng không phù hợp hiện trường sẽ không được dùng; hiểu vận hành mà thiếu nền tảng kỹ thuật cũng khó mở rộng và bảo mật.