Chuyển đổi số nhà máy thực phẩm: lộ trình 12 tháng

Năm 2025, ở Liên minh châu Âu, 17% doanh nghiệp nhỏ có dùng AI. Doanh nghiệp lớn: 55%.

Trong số các doanh nghiệp EU đã cân nhắc dùng AI, rào cản được nêu nhiều nhất không phải chuyện pháp lý hay dữ liệu cá nhân. Là thiếu chuyên môn — 70,9%.

Châu Âu có điện ổn định, mạng tốt, trường kỹ thuật dày đặc. Vẫn thế.

Nên khi một nhà máy vừa và nhỏ ở Việt Nam cầm trên tay bản chào “giải pháp AI cho nhà máy thông minh”, câu đầu tiên tôi hỏi không phải giá.

Mà là: anh chị có dữ liệu gì để nó học?

Ở phần lớn nhà máy tôi đi khảo sát, câu trả lời là vài cuốn sổ ghi tay và mấy file Excel, mỗi bộ phận một mẫu. Đó không phải lỗi. Đó là điểm xuất phát. Và nó quyết định năm đầu tiên nên tiêu tiền vào đâu.

Nước phát triển đang làm gì: dữ liệu và con người trước thuật toán

Theo Eurostat, tỷ lệ doanh nghiệp EU (từ 10 lao động trở lên) dùng AI tăng từ 13,5% năm 2024 lên 20% năm 2025.

Đáng chú ý hơn: trong ngành chế tạo, AI được dùng nhiều nhất cho marketing, bán hàng (30,4%) và quản trị hành chính (27,1%). Văn phòng đi trước dây chuyền.

FAO, trong ấn phẩm tổng hợp về AI cho an toàn thực phẩm (công bố 30/10/2025, phối hợp với Wageningen), chỉ ra rào cản là thiếu dữ liệu và thiếu năng lực. Khuyến nghị của FAO: ưu tiên thu thập dữ liệu và nâng hiểu biết về AI. Viết cho cơ quan quản lý, nhưng áp nguyên được cho một nhà máy.

FSA Anh, trong báo cáo Science Council đăng 25/06/2026, khuyến nghị AI chỉ đóng vai trò hỗ trợ quyết định, con người chịu trách nhiệm. Báo cáo cảnh báo mô hình “trôi” hiệu năng theo thời gian, thẩm định một lần là không đủ, và người dùng dễ tin máy quá mức.

Nhật Bản cho một bức tranh hai mặt. Theo báo cáo của viện nghiên cứu Mitsui (02/2025), robot bày món đưa vào dây chuyền món ăn chế biến sẵn đã giảm từ 7 xuống 2 người mỗi dây chuyền. Nhưng cũng báo cáo đó ghi nhận: vốn đầu tư cao, hoàn vốn thấp, ngoài vài doanh nghiệp lớn thì tự động hoá ngành thực phẩm Nhật diễn ra chậm — và đã có dự án thất bại.

Bằng chứng nói gì — và ở Việt Nam còn mỏng đến đâu

Ca Việt Nam có số liệu định lượng rõ nhất tôi tìm được là nghiên cứu phân loại thanh long của ĐH Sư phạm Kỹ thuật TP.HCM (2021): dữ liệu lấy từ dây chuyền sơ chế thật, 1.287 quả, độ chính xác trên 96%, công suất gấp 6 lần làm tay.

Giới hạn cũng rõ: chỉ chấm theo ngoại quan, bộ dữ liệu nhỏ, chỉ gồm các giống hiện có.

Ngoài ca đó, phần lớn là mô tả chung. Một bài trên Tạp chí Quản lý nhà nước (30/01/2026) nhắc tới doanh nghiệp trái cây dùng camera AI và băng chuyền phân loại xoài, mít, sầu riêng — nhưng không nêu tên, không có tỷ lệ ứng dụng. Rào cản bài báo ghi nhận: “thiếu dữ liệu sạch và dữ liệu lịch sử dài hạn”; điện, mạng chập chờn; quyền sở hữu dữ liệu và trách nhiệm pháp lý chưa rõ.

Một ví dụ theo hướng khác: Nafoods đưa SAP S/4HANA vào vận hành sau 8 tháng triển khai, tích hợp 10 công ty thành viên. Đó là phần mềm quản trị doanh nghiệp, không phải AI. Nhưng đó đúng là loại nền dữ liệu phải có trước khi nói tới AI.

Hai kết quả nghiên cứu quốc tế giúp đặt kỳ vọng cho đúng:

Rào cản dữ liệu đang hạ, nhưng không biến mất. Một nghiên cứu trên Journal of Food Engineering (2022) cho thấy dùng mô hình thị giác đã huấn luyện sẵn, độ chính xác chỉ kém mạng CNN tốt nhất không quá 1 điểm phần trăm, nhưng cần ít mẫu huấn luyện hơn khoảng 3 lần để đạt 90%. Chính các tác giả nêu thẳng rào cản: chuỗi sau thu hoạch phân tán, doanh nghiệp quá nhỏ để có chuyên môn học máy, thiếu bộ dữ liệu lớn.
Số trong phòng thí nghiệm không phải số trên băng tải. Một nghiên cứu khác của ĐH Leeds (2022) phân loại bột bằng NIR và học máy: độ chính xác 99,52% khi mẫu đứng yên, tụt còn 91,68% khi mẫu chạy 0,068 m/s.

Và một khoảng trống cần nói thẳng: kho nguồn tôi rà chưa thấy nghiên cứu bình duyệt nào về AI cho puree chanh dây, dứa, dây chuyền cô đặc hay collagen da cá tra. Doanh nghiệp Việt làm các mặt hàng này, nếu dùng AI, sẽ là người đi đầu — tức là tự gánh phần thẩm định.

Việt Nam có nên dùng không: nên — với lộ trình 12 tháng, dữ liệu đi trước

Quan điểm của tôi: nên dùng AI. Nhưng mua dữ liệu trước, mua thuật toán sau.

Thứ tự: (1) số hoá ghi chép mẻ và cảm biến → (2) thị giác máy ở phân loại, kiểm tra → (3) bảo trì dự đoán cho cụm đắt nhất → (4) AI hỗ trợ quyết định an toàn thực phẩm.

Với doanh nghiệp vừa và nhỏ, năm đầu tiên gần như toàn bộ là bước (1), cộng một thử nghiệm có kiểm soát. Lộ trình tôi đề xuất:

Quý	Việc làm	Ai làm	Đo gì
Quý 1 — Kiểm kê	Liệt kê thông số nào đang được ghi, ghi bằng gì (sổ tay, Excel, PLC), ai ghi. Chọn một cụm đắt nhất và một khâu tổn thất lớn nhất. Chuyển sổ mẻ sang biểu mẫu điện tử có mã lô.	Giám đốc nhà máy chủ trì; trưởng QA, trưởng bảo trì	Tỷ lệ mẻ có hồ sơ đầy đủ. Tổn thất nền tính bằng tiền: hàng loại, hàng làm lại, giờ dừng máy
Quý 2 — Ghi tự động	Gắn cảm biến nhiệt độ, áp suất, lưu lượng ở cụm đã chọn; nối PLC sẵn có vào hệ ghi dữ liệu. Lập sổ sự cố thiết bị điện tử. Mã lô chạy xuyên từ tiếp nhận tới xuất hàng.	Trưởng bảo trì cùng nhà thầu tự động hoá; QA định nghĩa trường dữ liệu	Tỷ lệ thời gian vận hành có dữ liệu liên tục. Số phút để truy lại hồ sơ một lô
Quý 3 — Chạy một mùa vụ có dữ liệu	Chưa mua AI. Dùng dữ liệu làm báo cáo đơn giản: mẻ nào lệch, lệch vì sao. Nếu có khâu phân loại tốn nhiều người, thử thị giác máy trên nguyên liệu thật, chạy song song với người.	QA và trưởng ca	Tổn thất so với mức nền quý 1. Sai lệch giữa máy và người trong thử nghiệm song song
Quý 4 — Quyết định có căn cứ	Chọn một bài toán AI duy nhất có đủ dữ liệu. Viết yêu cầu kỹ thuật dựa trên dữ liệu thật. Buộc nhà cung cấp chạy thử trên dữ liệu và nguyên liệu của mình.	Giám đốc và người chủ quản có tên	Lợi ích ước tính bằng tiền so với tổng chi phí nhiều năm

Quý được tính từ ngày bắt đầu, không phải theo lịch. Nên xếp sao cho quý 3 trùng vụ chính — dữ liệu ngoài vụ không dạy được gì về vụ.

Tiền năm đầu đi vào đâu. Tôi không đưa con số — mỗi nhà máy một khác, và tôi không có nguồn đáng tin. Nhưng hạng mục thì rõ: cảm biến và đấu nối vào hệ điều khiển sẵn có; phần mềm ghi dữ liệu hoặc mô-đun quản lý sản xuất; giờ công của chính người trong nhà máy để nhập liệu và học cách dùng; nhà thầu tự động hoá hoặc tư vấn thuê theo đầu việc. Dòng “phần mềm AI”, nếu có, chỉ xuất hiện ở quý 4, và chỉ cho một bài toán.

Và nhìn nó theo tổng chi phí sở hữu nhiều năm, không chỉ giá mua.

Chưa nên: gói “nhà máy thông minh toàn diện” khi chưa có dữ liệu của cụm nào; AI tự quyết thả lô hay ký hồ sơ an toàn thực phẩm; mô hình được giới thiệu là “đã học từ hàng triệu mẫu” nhưng chưa từng chạy trên nguyên liệu của anh chị.

Luật Trí tuệ nhân tạo số 134/2025/QH15, hiệu lực từ 01/03/2026, yêu cầu hệ thống AI rủi ro cao bảo đảm khả năng giám sát của con người — thêm một lý do để người ký hồ sơ luôn đứng ở cuối mỗi quyết định.

Cơ chế quản lý: năm điểm cho nhà máy không có phòng IT

Nhà máy vừa và nhỏ thường không có phòng IT. Năm điểm dưới đây phải đơn giản đến mức một người làm được.

1. Một người chủ quản có tên. Thường là giám đốc nhà máy hoặc trưởng QA. Không phải nhà cung cấp phần mềm. Người này ký duyệt mọi thay đổi về cách ghi dữ liệu và chịu trách nhiệm kết quả của hệ thống.

2. Dữ liệu có chủ. Một bảng phân quyền một trang: trường dữ liệu nào ai ghi, ai được sửa (sửa phải để lại vết), lưu bao lâu, ai được xem. Hợp đồng phần mềm ghi rõ dữ liệu thuộc về doanh nghiệp và xuất ra được khi ngừng thuê.

3. Thẩm định trước khi tin. Mọi thử nghiệm chạy song song với cách cũ ít nhất một mùa vụ, so sai số. Đổi nguyên liệu hay sang mùa mới thì thẩm định lại — vì mô hình có thể trôi.

4. Con người giữ quyền dừng. Viết ra giấy: ngưỡng nào hệ thống chỉ cảnh báo, ngưỡng nào người phải quyết. Thả lô, dừng dây chuyền, ký hồ sơ HACCP luôn là việc của người.

5. Đo lợi ích bằng tiền. Mức tổn thất nền đo ở quý 1 là thước. Không có mức nền thì không bao giờ biết AI có trả tiền hay không.

Sáu câu phải hỏi nhà cung cấp giải pháp

Anh cần dữ liệu gì, bao nhiêu tháng, định dạng nào? Nếu tôi chưa có, thì năm đầu tôi trả tiền cho cái gì?
Cho tôi xem một khách hàng cùng quy mô, cùng mặt hàng, ở Việt Nam — và cho tôi gọi điện cho họ.
Con số độ chính xác anh đưa đo trên nguyên liệu của ai, đứng yên hay trên băng tải đang chạy?
Khi tôi ngừng hợp đồng, dữ liệu và mô hình thuộc về ai, xuất ra dưới dạng gì?
Người nào trong nhà máy tôi phải vận hành hệ thống, cần đào tạo gì, bao lâu?
Chi phí năm thứ hai, thứ ba là bao nhiêu — thuê bao, học lại mô hình theo mùa, cảm biến thay thế, hỗ trợ kỹ thuật?

Câu 6 là câu hay bị bỏ trống nhất trong bản chào — giống hệt những chỗ nhà cung cấp thiết bị hay để trống trong báo giá.

Nếu anh chị muốn biết nhà máy mình đang ở điểm xuất phát nào trước khi nghe bất kỳ bản chào AI nào, tôi có phiên chẩn đoán dự án 45–60 phút, không tính phí.

Hoặc bắt đầu từ bộ 37 câu hỏi phải hỏi nhà cung cấp thiết bị tại foodtech.paulnguyen.vn, Zalo 0938 613 408.

Đọc thêm: AI trong nhà máy thực phẩm: dùng ở đâu, chưa nên dùng ở đâu · Tổng chi phí sở hữu dây chuyền thực phẩm: giá máy chỉ là một nửa câu chuyện · Đọc báo giá thiết bị: sáu chỗ nhà cung cấp để trống