Deadline cứ bị lùi? Dùng AI để lập cảnh báo trễ hạn và checklist quyết định in gấp

Khi xử lý việc giao hàng in ấn bị trễ, điểm bắt đầu hiệu quả nhất không phải là đổi nhà cung cấp, mà là chuẩn hóa dữ liệu đơn hàng cũ của chính mình và lập checklist chấm điểm rủi ro. Nhờ vậy, mỗi đơn hàng mới có thể được đánh giá khả năng trễ ngay trước khi đặt, rồi mới quyết định có cần in gấp hay không. Khi đội ngũ cố vấn Học viện Tri thức Mai Strategy hỗ trợ khách hàng xử lý vấn đề này, bước đầu tiên luôn là biến dữ liệu đơn hàng trong 12 đến 24 tháng trước thành định dạng có thể phân tích, chứ không phải áp ngay một công cụ nào đó

Cùng một xưởng, cùng một hạng mục, tháng sáu giao đúng hạn, sang tháng bảy lại trễ ba ngày. Hỏi xưởng thì câu trả lời lúc nào cũng là “tháng này hơi bận”, “vật liệu vừa hay đang thiếu”. Nói vài năm rồi, vấn đề vẫn nằm đó

Các biến số ảnh hưởng đến tiến độ in vốn phức tạp hơn mua hàng thông thường. Vấn đề hiếm khi xuất hiện đơn lẻ. Một nhà cung cấp rủi ro đơn lẻ thường vẫn xoay xở được, nhưng ba rủi ro mức trung bình chồng lên nhau thì dù xưởng muốn phối hợp cũng rất khó giao đúng hạn

Từ quan sát lâu năm của tôi ở cả dây chuyền sản xuất lẫn phía khách hàng, bốn tổ hợp dễ gây trễ nhất là:

・Nhà cung cấp mới hợp tác lần đầu: riêng việc qua lại xác nhận file đã có thể mất hai ngày, lại chưa có cách trao đổi quen thuộc để bám theo

・Có gia công sau in phức tạp: khuôn bế, ép kim, phủ UV là những công đoạn khó ước tính thời gian canh máy, nhiều khi chính xưởng cũng không chắc

・Đụng mùa cao điểm: hai tháng trước Tết âm lịch, mùa triển lãm, mùa tốt nghiệp. Lịch xưởng đã kín, khoảng đệm gần như bằng không

・Số lượng SKU trong một đơn quá nhiều: một lần mười lăm SKU, cái nào cũng phải chốt file rồi chia đợt lên lịch. Chỉ cần một SKU kẹt là có thể kéo chậm cả lô

Bốn yếu tố này nếu xuất hiện riêng lẻ, xưởng thường còn hấp thụ được. Khi từ hai yếu tố trở lên cùng xảy ra, nếu người mua vẫn chờ xưởng chủ động báo tin thì thường đã quá muộn

Dữ liệu lịch sử là tiền đề của mọi thứ. Dữ liệu chưa được chuẩn hóa thì dự báo chỉ là nói suông

Bảng dữ liệu đơn hàng không cần phức tạp, vài cột này là quan trọng nhất:

・Ngày đặt hàng, tên nhà cung cấp, loại sản phẩm in như danh thiếp, catalogue, hộp bao bì, cờ phướn

・Thời hạn cam kết so với ngày nhận hàng thực tế, tính ra số ngày trễ. Nếu đúng hạn thì ghi 0

・Loại gia công sau in như ép kim, khuôn bế, UV, không có

・Số lượng SKU của đơn đó

・Có phải mùa cao điểm hay không, chỉ cần đánh dấu bằng tháng hoặc ngày triển lãm

・Có phải lần đầu hợp tác hay không

Bảng này làm rất thủ công, nhưng sau khi tích lũy 80 đến 100 đơn cùng loại, bạn sẽ bắt đầu thấy quy luật: một xưởng nào đó từ tháng 10 đến tháng 12 hằng năm có tỷ lệ trễ tăng rõ rệt; hạng mục có khuôn bế lần nào cũng chậm hơn cam kết hai ngày; nhà cung cấp lần đầu hợp tác có tỷ lệ trễ khoảng gấp ba lần xưởng quen

80 đơn là ngưỡng tối thiểu để thống kê có ý nghĩa. Dưới mức này, con số “tỷ lệ trễ 20%” có thể chỉ là 1 trong 5 đơn bị trễ, giá trị tham khảo không cao. Đây mới là lý do thật sự khiến nhiều người mua thử công cụ AI rồi thấy “có vẻ không chuẩn”, không phải lỗi công cụ, mà là dữ liệu đưa vào quá ít

Có dữ liệu nền này rồi, đưa vào ChatGPT hoặc Excel, yêu cầu thống kê độ trễ theo nhà cung cấp, mùa vụ và loại gia công sau in. Thường chỉ một hai giờ là có được một bản phác họa “đơn hàng rủi ro cao”, chính là thứ trước đây bạn vẫn phán đoán bằng cảm giác

Phí in gấp thường nằm trong khoảng 20% đến 50% so với báo giá bình thường, đôi khi còn cao hơn. Có nên trả hay không, trước hết hãy tính rõ con số này:

“Tổn thất trễ dự kiến = số ngày trễ × xác suất trễ × chi phí thực tế mỗi ngày”

Chi phí thực tế mỗi ngày phải được tính rõ, gồm tổn thất thuê địa điểm nếu sự kiện bị hủy, chi phí cơ hội do khoảng trống tồn kho, thời gian điều phối lại nhân sự. Nhiều người mua chưa từng tính khoản này, chỉ cảm thấy “trễ thì rất phiền”. Cảm giác mơ hồ đó rất khó chống đỡ cho một quyết định tốt

Cách làm nhanh hơn là đặt một checklist kích hoạt. Khớp hai điều kiện thì đưa vào quy trình đánh giá in gấp:

・Trong sáu tháng qua, nhà cung cấp có tỷ lệ trễ trên 30% với đơn cùng loại

・Đơn hàng có khuôn bế hoặc gia công sau in đặc biệt

・Còn dưới 15 ngày làm việc trước ngày cần dùng

・Tháng hiện tại thuộc giai đoạn tải cao trong lịch sử của nhà cung cấp

・Nhà cung cấp hợp tác lần đầu và không có nguồn thay thế

Sau khi lập checklist, trước mỗi lần đặt hàng hãy đối chiếu một lượt. Công cụ AI có thể giúp bạn so từng mục và xuất điểm, nhưng tiêu chuẩn phải do bạn đặt. Ngưỡng nào là quan trọng, công cụ không thể quyết định thay bạn

Khi trao đổi với xưởng về in gấp, nói càng sớm càng tốt. Báo trước ba đến năm ngày rằng “đơn này có thể cần làm gấp”, xưởng vẫn còn khoảng trống để điều chỉnh lịch. Đợi đến hai ngày trước mới mở lời thì chỉ còn tùy xưởng có chịu hỗ trợ hay không. Hãy đưa cho xưởng một mốc thời gian cụ thể, ví dụ “tôi phải có hàng tại khu triển lãm trước 10 giờ sáng ngày 5 tháng 11”. Câu này hữu ích hơn nhiều so với “mong càng nhanh càng tốt”, vì nó buộc xưởng cho bạn biết thời hạn nhanh nhất họ làm được, rồi bạn mới quyết định mốc đó có đủ dùng hay không

Công cụ AI đưa ra xác suất, không đưa ra bảo đảm. Trong vài tình huống, nên bỏ qua mô hình và để người phụ trách tự phán đoán:

Nhà cung cấp vừa có thay đổi cấu trúc: đổi một loạt máy, trưởng bộ phận sản xuất nghỉ việc, vừa nhận một khách hàng lớn. Những thông tin này không nằm trong dữ liệu lịch sử của bạn, mô hình dự báo hoàn toàn không nhìn thấy. Gọi điện xác nhận thực tế hơn là tin vào xác suất

Đơn hàng có mức ảnh hưởng đặc biệt cao: nếu vật tư trễ đồng nghĩa với việc phải hủy một triển lãm lớn, đừng ra quyết định bằng xác suất. Hãy xếp lịch theo kịch bản xấu nhất, đặt gấp từ sớm và đồng thời tìm nhà cung cấp thay thế

Nhà cung cấp xuất hiện tín hiệu mềm: xác nhận file cứ kéo dài, gọi điện không ai nghe, phản hồi của sales ngày càng mơ hồ. Mô hình dự báo không cảm nhận được những tín hiệu này, nhưng ai đã làm mua hàng vài năm sẽ thấy kiểu phản hồi đó là biết phải nâng mức cảnh giác

Giá trị thật sự của công cụ dự báo là “báo sớm cho bạn biết chỗ nào cần chú ý”, không phải ra quyết định thay bạn. Tôi đã thấy không ít người mua cầm con số “tỷ lệ trễ chỉ 12%” làm lý do yên tâm, cuối cùng đơn vẫn trễ. Sự kiện xác suất thấp xảy ra mỗi ngày. Điểm này phải luôn nhớ

・Trễ tiến độ in gần như luôn do nhiều yếu tố rủi ro cao chồng lên nhau. Một biến số đơn lẻ thì nhà cung cấp thường vẫn hấp thụ được

・Dữ liệu đơn hàng lịch sử phải tích lũy trên 80 đơn cùng loại thì thống kê tỷ lệ trễ mới có giá trị tham khảo thực tế

・Cốt lõi của quyết định in gấp là tính rõ “tổn thất trễ dự kiến” có cao hơn phí in gấp hay không. Cảm giác không thay thế được phép tính này

・Checklist điều kiện kích hoạt in gấp phải do bạn tự đặt tiêu chuẩn. Công cụ AI đối chiếu từng mục, còn bạn đặt ngưỡng

・Nhà cung cấp đổi máy, đổi quản lý, phản hồi mơ hồ là những tín hiệu mềm nằm ngoài vùng nhìn của mô hình dự báo, bắt buộc con người phải tiếp quản phán đoán

Nếu muốn bắt tay làm ngay, điểm vào nhanh nhất là lấy hồ sơ đơn hàng của một năm qua, thêm cột “số ngày trễ”, rồi nhóm theo nhà cung cấp để xem đơn vị nào hay trễ nhất và trễ nhiều ngày nhất. Việc này làm bằng Excel là đủ, không cần công cụ AI nào. Làm xong bạn sẽ thấy gần như mọi lần trễ đều tập trung vào một số ít nhà cung cấp, một số ít công đoạn, một số ít mùa vụ. Làm rõ ba chiều này là bạn đã có bản đồ rủi ro cơ bản nhất

Sau đó mang dữ liệu này đi trao đổi với nhà cung cấp, hoặc dùng nó để nói chuyện với sales của MINDS, chất lượng cuộc đối thoại sẽ khác hẳn. Không còn là than phiền với xưởng rằng hàng bị trễ, mà là bàn chuyện “tôi biết khâu nào dễ gặp vấn đề, chúng ta chốt nó sớm thế nào”. Chỉ một câu đó đã có thể biến quan hệ giữa người mua và xưởng từ bị động chờ thông báo sang chủ động phối hợp