- Zebra Technologies cho biết áp lực về lao động và chuỗi cung ứng đã đẩy AI lên tuyến đầu.
- Khả năng hiển thị và AI định hình lại các hoạt động tuyến đầu trong lĩnh vực bán lẻ, sản xuất và hậu cần.
Công việc ở tuyến đầu đang thay đổi, không phải vì các công ty muốn mà vì nhiều người không có lựa chọn nào khác. Khó tìm được lao động hơn, nhu cầu của khách hàng ngày càng tăng và chuỗi cung ứng vẫn khó dự đoán. Tại Lễ khởi động bán hàng Zebra Technologies APAC 2026 ở Inch, Hàn Quốc, công ty đã trình bày cách họ nhìn nhận những áp lực này đang định hình giai đoạn tiếp theo của các hoạt động tuyến đầu và nơi AI bắt đầu phù hợp với công việc hàng ngày.
Tom Bianculli, giám đốc công nghệ của Zebra Technologies, đã đưa cuộc thảo luận xoay quanh một ý tưởng đơn giản: năng suất đạt được ở nơi công việc thực sự diễn ra. Điều đó bao gồm các tầng cửa hàng, lối đi trong cửa hàng, nhà kho, bến cảng và tuyến đường giao hàng. Zebra đã dành nhiều thập kỷ để xây dựng các công cụ cho những môi trường đó, bắt đầu bằng việc quét mã vạch và in nhiệt theo yêu cầu, những công cụ này vẫn là nền tảng cho nhiều hệ thống theo dõi ngày nay. Theo thời gian, nền tảng đó đã mở rộng để bao gồm các máy tính di động chắc chắn, robot, RFID và thị giác máy.
Đặc biệt, RFID đang có tốc độ phát triển nhanh hơn khi các công ty tìm kiếm những cách liên tục hơn để theo dõi hàng hóa. Bianculli đã chia sẻ một điểm dữ liệu nêu bật tốc độ thay đổi: khoảng 20 tỷ thẻ RFID đã được xuất xưởng trên toàn cầu vào năm 2020. Đến năm 2028, con số đó dự kiến sẽ vượt qua 110 tỷ, với khoảng 80 tỷ đã được xuất xưởng trong năm nay. Khi nhiều sản phẩm và tài sản được gắn thẻ hơn, các công ty đang tiến xa hơn việc quét một lần để hướng tới khả năng hiển thị liên tục trong chuỗi cung ứng.
Bán lẻ vẫn là thị trường lớn nhất của Zebra, chiếm khoảng 30% doanh thu, tiếp theo là sản xuất, vận tải và hậu cần. Sản xuất đã tăng trưởng nhanh chóng trong năm qua, trong đó khu vực Châu Á – Thái Bình Dương – đặc biệt là Hàn Quốc và Ấn Độ – đóng vai trò then chốt.
Biến khả năng hiển thị thành hành động
Trên các lĩnh vực này, Bianculli cho biết mối quan tâm của khách hàng có xu hướng tập trung xung quanh bốn chủ đề: nguồn lao động và chi phí, sự thay đổi kỳ vọng của khách hàng, tính khó dự đoán của chuỗi cung ứng và nhu cầu bảo vệ lợi nhuận bằng cách cải thiện năng suất. Thay vì coi đây là những vấn đề riêng biệt, Zebra nhóm chúng lại theo cái mà nó gọi là hoạt động thông minh.
“Từ góc độ vận hành thông minh – và để làm rõ, chúng tôi không phát minh ra cụm từ này – ý nghĩa thực sự của nó là kết hợp AI, dữ liệu và kiến thức chuyên môn của con người để tối ưu hóa quy trình công việc,” Bianculli nói.
Trong sản xuất, cách tiếp cận đó thể hiện rõ nét trong việc kiểm tra chất lượng. Camera thị giác máy gắn dọc theo dây chuyền sản xuất sẽ ghi lại hình ảnh khi sản phẩm di chuyển với tốc độ nhanh. Các mô hình AI phân tích những hình ảnh đó để phát hiện khiếm khuyết hoặc điểm bất thường. Kiến thức chuyên môn của con người được sử dụng trước để xác định thế nào là “tốt” và thế nào được coi là khiếm khuyết. Kiến thức đó được đào tạo vào hệ thống và được áp dụng tự động, thay thế các bước kiểm tra có thể được thực hiện thủ công, không nhất quán hoặc bị bỏ qua hoàn toàn.
Ý tưởng tương tự cũng được áp dụng vào kho hàng và hậu cần. Thiết bị di động không chỉ là công cụ để quét mã vạch. Các mô hình mới hơn hoạt động như cảm biến, thu thập dữ liệu không gian và 3D có thể kết hợp với RFID. “Bản thân máy tính di động sẽ trở thành một cảm biến,” Bianculli nói và chỉ vào các thiết bị có thể thu thập thông tin 3D, phân tích thông tin đó và kích hoạt hành động tiếp theo. Trong thực tế, điều đó có thể có nghĩa là xác nhận nội dung trong pallet, kiểm tra vị trí tài sản hoặc giúp đảm bảo hàng hóa di chuyển qua các luồng xuất nhập theo kế hoạch.
Bán lẻ như một nơi thử nghiệm sớm
Bán lẻ đang nổi lên như một trong những lĩnh vực sớm nhất mà những ý tưởng này được áp dụng. Tỷ lệ luân chuyển nhân sự cao tạo áp lực giúp người lao động bắt nhịp nhanh và thực hiện công việc một cách nhất quán. Các cửa hàng đã dựa vào thiết bị di động để phân công nhiệm vụ và liên lạc, điều này giúp việc xếp lớp AI lên trên dễ dàng hơn.
Đây là lúc Zebra Companion phát huy tác dụng. Một phần của hệ thống, Trợ lý Kiến thức, được thiết kế để hiển thị các chính sách và quy trình của cửa hàng khi nhân viên cần. Nếu một cộng sự không chắc chắn về kịch bản trả lại hàng, trợ lý có thể cung cấp hướng dẫn cho trường hợp cụ thể đó. Một phần khác là Trợ lý bán hàng tập trung vào thông tin sản phẩm. Nó cho phép nhân viên cửa hàng nhận được câu trả lời chính xác khi đứng cùng khách hàng trên lối đi.
Bianculli cho biết: “Đây là những ý tưởng hay chỉ cách đây một năm, nhưng giờ đây chúng đang được tích cực thử nghiệm và bắt đầu mở rộng quy mô tại nhiều cửa hàng trong môi trường thực tế”. Zebra cũng đang nỗ lực đưa hình đại diện dựa trên AI vào các ki-ốt tự phục vụ, với mục đích mang lại trải nghiệm gần gũi hơn khi nói chuyện với chuyên gia con người.
Mở rộng quy mô AI tại Zebra Technologies từ thí điểm đến sử dụng hàng ngày
Nhiều trường hợp sử dụng trong số này thuộc phạm vi mà Bianculli gọi là AI vật lý. Mặc dù thuật ngữ này thường khiến người ta nghĩ đến robot, nhưng ông cho biết nó cũng bao gồm các hệ thống cố định như camera thị giác máy và đầu đọc RFID thu thập dữ liệu từ thế giới vật lý. Việc Zebra mua lại Photoneo đã bổ sung thêm hình ảnh 3D tốc độ cao được sử dụng trên cánh tay robot cho các nhiệm vụ như nhặt, đặt và đóng gói. Kết hợp với công việc xoay quanh các tiêu chuẩn dữ liệu không gian, dữ liệu này giúp hình thành các mô hình kỹ thuật số của môi trường thực có thể hỗ trợ mô phỏng và phối hợp.
Tuy nhiên, Bianculli vẫn rõ ràng rằng chỉ công nghệ thôi là chưa đủ. Một trong những rào cản phổ biến nhất đối với việc áp dụng AI là chuẩn bị dữ liệu. Lời khuyên của ông là hãy bắt đầu từ việc nhỏ. “Cách tiếp cận của chúng tôi bắt đầu bằng việc chọn các trường hợp sử dụng cụ thể,” ông nói, đồng thời chỉ ra một nghiên cứu của MIT cho thấy các nhóm có nhiều khả năng thành công hơn khi họ tập trung vào quy trình công việc đã xác định và làm việc với các đối tác không cố gắng tự xây dựng mọi thứ.
Bianculli nói: “Cố gắng làm sạch và hài hòa tất cả dữ liệu doanh nghiệp cùng một lúc là điều khó khăn. “Khi bạn tập trung vào một quy trình làm việc cụ thể, bạn có thể xác định chính xác dữ liệu cần thiết và chuẩn bị dữ liệu đó một cách thích hợp.”
Lợi tức đầu tư thường theo cùng một mô hình. Giá trị ban đầu có xu hướng đến từ thời gian tiết kiệm được cho mỗi nhiệm vụ. Ví dụ: trong các tuyến giao hàng, AI có thể giúp tài xế xác định gói hàng phù hợp nhanh hơn hoặc tự động hóa các bước chứng minh giao hàng. Theo thời gian, việc tránh chi phí trở nên quan trọng hơn. Việc xác minh lô hàng ở mỗi lần bàn giao có thể giúp phát hiện lỗi sớm, giảm tiền phạt hoặc phải làm lại sau này trong quy trình. Đối với nhiều khách hàng doanh nghiệp, Bianculli cho biết ROI từ 12 đến 15 tháng là kỳ vọng chung.
Khi AI ngày càng được tích hợp nhiều hơn vào công việc tuyến đầu, Zebra kỳ vọng sẽ có sự thay đổi hướng tới các hệ thống có thể dự đoán trước các vấn đề sẽ không được phản hồi sau thực tế. Các hệ thống dựa trên tác nhân, dự báo nhu cầu và học máy đang bắt đầu hướng dẫn các quyết định về những gì nên có ở đâu và khi nào. Bianculli mô tả đây là một bước đi từ tầm nhìn đơn thuần sang hành động phối hợp về con người, tài sản và hệ thống.
Sự thay đổi liên quan đến cái mà ông gọi là trí tuệ tập thể tăng cường (ACI). Thay vì hướng tới máy móc thay thế con người, trọng tâm là các hệ thống trong đó AI xử lý tự động hóa và phối hợp, trong khi con người đưa ra phán đoán và giám sát. Không có một mô hình nào biết tất cả. Thay vào đó, các đại lý theo miền cụ thể hỗ trợ các môi trường như cửa hàng, nhà kho và bến tàu, làm việc với những người hiểu rõ nhất về những không gian đó.
Ryan Goh, người hiện lãnh đạo cả hoạt động kinh doanh tại châu Á-Thái Bình Dương và đơn vị OEM toàn cầu của Zebra, cho biết những áp lực này đang trở nên khó bỏ qua hơn trong khu vực. Ông nói: “Tốc độ thay đổi ở APAC đang tăng tốc nhanh chóng. “Các doanh nghiệp, đặc biệt là các doanh nghiệp ở Ấn Độ và Nhật Bản, đang phải đối mặt với áp lực từ chuỗi cung ứng ngày càng bị gián đoạn và tình trạng thiếu hụt lao động ngày càng gia tăng”.
Goh nói thêm rằng những thách thức mà khách hàng gặp phải thường giống nhau, bất kể địa lý. Điều khác biệt là sự trưởng thành. Một số tổ chức phần lớn vẫn còn thực hiện thủ công, trong khi những tổ chức khác tiến xa hơn trong việc số hóa và tự động hóa công việc. Ông cho biết, mục tiêu là đưa ra các giải pháp phù hợp với vị trí hiện tại của khách hàng và giúp họ tiến bộ theo thời gian.
Ở cấp độ mạng, điều này quan trọng nhất đối với các doanh nghiệp lớn có hàng trăm hoặc hàng nghìn trang web. Việc sử dụng dữ liệu từ các vị trí riêng lẻ và áp dụng nó một cách nhất quán trong mạng cho phép các công ty vượt xa những cải tiến biệt lập. Chính khả năng mở rộng hiểu biết sâu sắc và hành động này chứ không phải bất kỳ công cụ đơn lẻ nào mà Zebra coi là trọng tâm trong giai đoạn tiếp theo của hoạt động tiền tuyến.
Như Bianculli đã tóm tắt, công việc phía trước không tập trung vào những lời hứa táo bạo mà thiên về tiến độ ổn định – sử dụng khả năng hiển thị, AI và kiến thức con người cùng nhau để cải thiện cách thực hiện công việc, từng quy trình một.
Bạn muốn tìm hiểu thêm về AI và dữ liệu lớn từ các nhà lãnh đạo ngành? Hãy xem AI & Big Data Expo diễn ra ở Amsterdam, California và London. Sự kiện toàn diện này là một phần của TechEx và được tổ chức cùng với các sự kiện công nghệ hàng đầu khác, hãy nhấp vào đây để biết thêm thông tin.
Tin tức AI được cung cấp bởi TechForge Media. Khám phá các sự kiện và hội thảo trực tuyến về công nghệ doanh nghiệp sắp tới khác tại đây.
