Một công ty logistics vừa và nhỏ thường không thiếu phần mềm. Họ có email, file Excel, portal hãng tàu, hệ thống TMS hoặc ERP, nhóm chat nội bộ, đôi khi có thêm dashboard tự làm trên Google Sheet. Vấn đề nằm ở chỗ các công cụ đó ít khi nối với nhau thành một luồng vận hành rõ ràng.
Mỗi ngày, nhân sự vận hành nhận email từ khách hàng, hãng tàu, đại lý, kho, trucking và bộ phận chứng từ. Một email booking có thể kèm invoice, packing list, shipping instruction, ảnh scan hoặc file Excel. Một email khác báo đổi ETD. Một file khác ghi số container, seal number, closing time. Nếu nhân sự đọc thiếu một dòng, copy nhầm một con số hoặc quên follow-up, lô hàng có thể bị trễ, chứng từ sai hoặc khách phải hỏi lại nhiều lần.
Bài viết này là một mô hình tham khảo cho doanh nghiệp logistics xuất nhập khẩu, không phải câu chuyện khách hàng đã công bố. Mục tiêu là chỉ ra AI Agent có thể tham gia vào quy trình như thế nào: đọc email, hiểu file đính kèm, trích xuất dữ liệu, tạo shipment nháp, theo dõi trạng thái, cập nhật dashboard và gọi con người vào khi có ngoại lệ.
Logistics xuất nhập khẩu đang bị kẹt ở đâu?
Trong một shipment xuất khẩu đường biển, thông tin cần theo dõi không hề ít: shipper, consignee, cảng đi, cảng đến, ETD, ETA, loại container, số seal, invoice, packing list, SI, draft B/L, local charge và closing time. Với hàng nhập, đội vận hành lại phải nhìn arrival notice, lịch tàu, phí phát sinh, lịch kéo hàng và trạng thái giao hàng cuối.
Những dữ liệu này hiếm khi xuất hiện trong một form chuẩn ngay từ đầu. Khách có thể viết email tự nhiên:
Em hỗ trợ book giúp anh 1 cont 40HC từ Cát Lái đi Shanghai. Hàng furniture, ready ngày 12/9. Shipper là ABC Furniture, consignee là XYZ Trading. Anh gửi kèm invoice và packing list.
Một nhân sự có kinh nghiệm đọc email này khá nhanh, nhưng sau đó vẫn phải mở file, kiểm tra field, nhập hệ thống, hỏi lại khách nếu thiếu HS code hoặc Incoterms, rồi nhớ quay lại khi có xác nhận từ carrier. Khi số lượng shipment tăng, công việc không khó hơn nhiều về mặt tư duy, nhưng nặng hơn về thao tác.
Điểm nghẽn lớn nhất là dữ liệu bị phân mảnh: email, PDF, Excel, portal hãng tàu và trí nhớ của nhân sự phụ trách. AI Agent phù hợp với bối cảnh này vì nó có thể đứng giữa các nguồn dữ liệu và biến tín hiệu rời rạc thành việc có trạng thái rõ hơn.
AI Agent là gì trong bối cảnh logistics?
Trong logistics, AI Agent không nên được hiểu là một chatbot để hỏi “shipment này đang ở đâu?”. Cách hiểu thực tế hơn: đó là một hệ thống có thể nhận nhiệm vụ, đọc dữ liệu, phân tích ngữ cảnh, gọi công cụ, cập nhật hệ thống và yêu cầu con người duyệt ở các điểm rủi ro.
Chatbot chủ yếu trả lời câu hỏi hoặc tóm tắt nội dung. RPA truyền thống click và nhập form theo luật cố định, chạy tốt khi dữ liệu rất chuẩn nhưng dễ lỗi nếu email tự nhiên hoặc portal đổi giao diện. AI Agent nằm ở giữa: đọc dữ liệu linh hoạt hơn, hiểu một phần nghiệp vụ, gọi API hoặc browser automation, rồi ghi kết quả về hệ thống.
Ví dụ, AI đọc email booking, nhận diện yêu cầu xuất khẩu, tách tuyến Cát Lái đi Shanghai, đọc invoice và packing list, kiểm tra thiếu Incoterms, tạo job nháp trên TMS, rồi draft email hỏi lại khách. Nhân sự không mất thời gian copy từng dòng, nhưng vẫn kiểm tra trước khi submit.
Quy trình mẫu: từ email booking đến dashboard shipment
Một luồng triển khai an toàn có thể đi theo các bước sau:
- AI đọc email mới và file đính kèm.
- AI phân loại email: booking, cập nhật trạng thái, chứng từ, báo giá, khiếu nại hoặc việc nội bộ.
- AI tách các field quan trọng: shipper, consignee, POL, POD, loại container, loại hàng, ETD, ETA, invoice number, số kiện, gross weight, CBM.
- Hệ thống kiểm tra field bắt buộc, format dữ liệu và điểm lệch giữa các chứng từ.
- AI tạo shipment hoặc job nháp trong TMS/ERP.
- AI draft email xác nhận đã nhận thông tin và hỏi bổ sung nếu còn thiếu.
- Nhân sự vận hành kiểm tra, sửa nếu cần và bấm duyệt.
- AI tiếp tục theo dõi trạng thái shipment từ email, portal, TMS hoặc file đối tác.
- Dashboard được cập nhật theo trạng thái mới.
- Khi có ngoại lệ, AI tạo cảnh báo và chuyển việc cho người phụ trách.
Điểm nên giữ ngay từ đầu là: AI tạo bản nháp, con người duyệt. Với logistics xuất nhập khẩu, sai một số container, sai tên consignee, sai draft B/L hoặc bỏ sót closing time đều có thể tạo chi phí thật. Vì vậy, tự động hóa tốt không có nghĩa là để AI tự làm mọi thứ ngay lập tức.
Ví dụ cụ thể: email booking xuất khẩu
Quay lại email booking ở trên. Một AI Agent được thiết kế đúng phải làm nhiều hơn việc tóm tắt nội dung. Nó cần chuyển email thành dữ liệu có cấu trúc và việc cần xử lý.
Từ email, AI có thể nhận diện loại yêu cầu là booking xuất khẩu, tuyến là Cát Lái đi Shanghai, container là 1 cont 40HC, loại hàng là furniture, ngày hàng sẵn sàng là 12/9, shipper là ABC Furniture, consignee là XYZ Trading. Sau đó, AI đọc invoice và packing list để lấy thêm số invoice, số kiện, trọng lượng, CBM, mô tả hàng và các thông tin cần đối chiếu.
Nếu packing list ghi số kiện khác invoice, AI không nên tự sửa. Nó cần đánh dấu lệch dữ liệu và yêu cầu nhân sự kiểm tra. Nếu email chưa có HS code hoặc Incoterms, AI có thể draft email hỏi bổ sung. Nếu dữ liệu đủ, AI tạo shipment nháp và đặt trạng thái là “Pending staff approval”.
Một email draft gửi cho khách có thể viết như sau:
Bên em đã nhận thông tin booking Cát Lái đi Shanghai cho 1 cont 40HC. Hiện hồ sơ còn thiếu HS code và điều kiện Incoterms. Anh/chị vui lòng bổ sung để bên em kiểm tra lịch tàu và xác nhận bước tiếp theo.
Nhìn từ góc độ vận hành, AI lấy đi phần lặp lại: đọc, copy, paste, kiểm tra thiếu trường, tạo job nháp và chuẩn bị email. Nhân sự vẫn xử lý phần cần kinh nghiệm: kiểm tra nghiệp vụ, làm việc với khách, chọn lịch tàu và duyệt dữ liệu trước khi đưa vào hệ thống chính.
Các nhóm nghiệp vụ có thể bắt đầu
Không nên triển khai một hệ thống AI Agent lớn ngay từ đầu. Với doanh nghiệp logistics vừa và nhỏ, tốt hơn là chọn một nhóm nghiệp vụ có dữ liệu rõ, lặp lại thường xuyên và có điểm duyệt cụ thể.
Email to Job thường là điểm bắt đầu tốt. AI đọc inbox, phân loại email và tạo job nháp. Dữ liệu cần trích xuất gồm shipper, consignee, POL, POD, loại container, số container, số seal, loại hàng, số kiện, gross weight, CBM, invoice number, booking number, Incoterms và ghi chú của khách.
Document Extraction là lớp tiếp theo. Logistics có nhiều loại file: commercial invoice, packing list, booking confirmation, shipping instruction, draft B/L, arrival notice, debit note và invoice local charge. AI có thể trích xuất dữ liệu, nhưng giá trị cao hơn nằm ở việc so sánh giữa các chứng từ.
Ví dụ: invoice ghi 120 cartons nhưng packing list ghi 122 cartons. Consignee trong SI khác draft B/L. Số container có nhưng thiếu seal number. Gross weight vượt ngưỡng khai báo nội bộ. Invoice local charge thiếu mã shipment để đối soát.
TMS, ERP và portal automation cần chọn cách tích hợp đúng. Nếu hệ thống có API, nên ưu tiên API vì ổn định và dễ kiểm soát quyền. Nếu không có API, có thể dùng browser automation như Playwright, Selenium hoặc RPA để nhập dữ liệu. Nhưng ở giai đoạn đầu, AI nên điền bản nháp hoặc chuẩn bị dữ liệu, sau đó nhân sự duyệt.
Shipment Tracking là nơi AI Agent có thể giảm nhiều việc nhỏ. Hệ thống đọc email carrier, file Excel từ đối tác, trạng thái trong TMS, portal hãng tàu hoặc thông tin từ kho và trucking. Các trạng thái nên được chuẩn hóa, ví dụ: New booking, Waiting SI, Waiting draft B/L, Pending customer confirmation, Loaded on vessel, Arrived, Delivered, Completed.
Giá trị lớn không nằm ở việc hiển thị một dòng trạng thái đẹp hơn. Giá trị nằm ở phát hiện việc bất thường trước khi nó thành vấn đề lớn: closing time sắp hết, ETA bị trễ, chưa có xác nhận từ khách, thiếu chứng từ, phát sinh phí hoặc dữ liệu giữa invoice và B/L bị lệch.
Lợi ích thực tế, nhưng không nên tô hồng
AI Agent có thể giúp doanh nghiệp logistics giảm thời gian nhập liệu, giảm lỗi copy-paste, giảm quên follow-up, phản hồi khách nhanh hơn và giúp quản lý nhìn trạng thái shipment gần thời gian thực.
Nhưng hiệu quả không đến từ việc “cài AI” rồi để nó chạy. Hiệu quả đến từ việc chọn đúng quy trình, chuẩn hóa dữ liệu và đặt điểm duyệt hợp lý. Nếu một nhân sự thường mất 10-15 phút để đọc email, mở file, copy dữ liệu và tạo một job nháp, thì với nhiều shipment mỗi ngày, phần nhập liệu có thể chiếm một lượng thời gian đáng kể. AI Agent có thể rút phần đó về thành việc kiểm tra và duyệt.
Rủi ro khi triển khai AI Agent trong xuất nhập khẩu
Phần này cần nói thẳng vì logistics là nghiệp vụ có hậu quả thật.
Dữ liệu đầu vào thường không chuẩn. Khách viết email theo thói quen riêng, dùng nhiều cách gọi cảng, viết tắt, thiếu field hoặc gửi file không cùng format. Chứng từ scan chất lượng thấp có thể làm OCR đọc sai số invoice, số container, seal number hoặc số tiền.
Nếu dùng browser automation, bot có thể lỗi khi portal đổi giao diện. Nếu phân quyền quá rộng, một lỗi cấu hình có thể cho AI thấy dữ liệu không cần thiết hoặc thực hiện hành động vượt phạm vi. Sai B/L, sai consignee, sai ETD/ETA hoặc sai khai báo có thể dẫn đến phí phát sinh, trễ hàng hoặc tranh chấp với khách. Vì vậy mô hình phù hợp là human-in-the-loop: AI làm phần lặp lại, con người duyệt ở điểm quan trọng.
Mô hình triển khai an toàn theo 4 mức
Có thể chia tự động hóa thành 4 mức. Level 1 là AI đọc và gợi ý: tóm tắt email, trích xuất field, chỉ ra thông tin còn thiếu. Level 2 là AI tạo bản nháp: shipment/job nháp, email nháp, task follow-up, nhân sự duyệt trước khi gửi hoặc submit. Level 3 là AI tự cập nhật việc ít rủi ro như ghi email vào timeline, đổi trạng thái “waiting”, nhắc chứng từ hoặc closing time. Level 4 là AI tự thực thi có kiểm soát, ví dụ submit form, gửi email hoặc cập nhật ERP khi dữ liệu đạt điều kiện rõ ràng.
Với đa số doanh nghiệp logistics vừa và nhỏ, giai đoạn đầu nên ở Level 1 và Level 2. Sau vài tuần theo dõi lỗi, mới quyết định phần nào đủ an toàn để đưa lên Level 3.
Lộ trình MVP cho doanh nghiệp logistics vừa và nhỏ
Một MVP hợp lý không cần bao phủ toàn bộ xuất nhập khẩu. Nên bắt đầu từ một luồng có tần suất cao, ví dụ email booking xuất khẩu hoặc yêu cầu cập nhật shipment.
Giai đoạn đầu là chuẩn hóa dữ liệu: loại email thường gặp, field bắt buộc, trạng thái chuẩn và danh sách ngoại lệ cần cảnh báo. Nếu bước này làm qua loa, AI sẽ chỉ làm cho sự rối rắm chạy nhanh hơn.
Sau đó triển khai Email to Job: kết nối inbox, phân loại email, trích xuất field, tạo job nháp và cho nhân sự duyệt. Khi luồng này ổn, mở sang Document Extraction để đọc invoice, packing list, SI, booking confirmation và draft B/L, rồi so sánh dữ liệu giữa các chứng từ.
Tiếp theo là dashboard và follow-up. Mỗi shipment có trạng thái, người phụ trách, deadline gần nhất và việc đang chờ. Tích hợp sâu với TMS/ERP, portal hãng tàu hoặc browser automation nên đặt ở giai đoạn sau, khi doanh nghiệp đã biết rõ việc nào AI được tự làm, việc nào chỉ tạo bản nháp, việc nào bắt buộc người duyệt.
Khi nào nên triển khai?
Doanh nghiệp nên cân nhắc AI Agent nếu mỗi ngày xử lý nhiều email booking hoặc chứng từ, nhân sự mất nhiều thời gian copy-paste dữ liệu, thường xuyên sót follow-up, dữ liệu shipment nằm rải rác và quản lý không có dashboard đủ tin cậy.
Chưa nên triển khai quá sâu nếu quy trình nội bộ chưa rõ, chưa có danh sách field bắt buộc, mỗi nhân sự xử lý một kiểu hoặc chưa có người chịu trách nhiệm kiểm tra nghiệp vụ. Nếu phải chọn một use case đầu tiên, tôi sẽ chọn email booking sang job nháp. Đây là luồng đủ gần doanh thu, đủ lặp lại, có dữ liệu rõ và vẫn giữ được điểm duyệt của nhân sự.
Kết luận
AI Agent trong logistics xuất nhập khẩu không nên được nhìn như công cụ thay thế toàn bộ nhân sự. Cách tiếp cận thực tế hơn là xem nó như một lớp tự động hóa vận hành: đọc email, trích xuất dữ liệu, kiểm tra chứng từ, tạo shipment nháp, theo dõi trạng thái, cập nhật dashboard và nhắc người phụ trách khi có ngoại lệ.
Nếu công ty của bạn đang xử lý nhiều email, chứng từ và shipment mỗi ngày, hãy bắt đầu bằng một use case nhỏ: tự động đọc email booking và tạo shipment nháp. Đây là bước đủ thực tế để đo hiệu quả, ít rủi ro hơn và có thể mở rộng sau khi đội vận hành đã quen với cách làm mới.
Auranium có thể hỗ trợ bạn chọn use case đầu tiên, thiết kế luồng human approval và dựng MVP vừa đủ để kiểm chứng.