Case Study: Công Ty Phân Phối 30 Nhân Sự Tối Ưu 40% Chi Phí Giao Hàng Bằng AI

Bối cảnh: "Giao hàng đang ăn mòn lợi nhuận"

Chị Hương — Giám đốc một công ty phân phối thực phẩm sạch tại khu vực Đông Nam Bộ — tìm đến buổi tư vấn với một tập giấy in đầy các bảng Excel. "Anh Trung xem giúp em, doanh thu tăng 30% so với năm ngoái, nhưng lợi nhuận giảm. Em nghĩ vấn đề nằm ở giao hàng."

Hồ sơ công ty:

• 30 nhân sự, bao gồm 12 tài xế giao hàng
• 10 xe tải nhỏ (500kg-1 tấn)
• Phục vụ 350+ điểm bán (siêu thị mini, cửa hàng tiện lợi, nhà hàng) tại TP.HCM, Bình Dương, Đồng Nai
• Doanh thu: 3,5 tỷ/tháng
• Chi phí logistics: 18% doanh thu (~630 triệu/tháng)

Sau khi phân tích dữ liệu 3 tháng, bức tranh trở nên rõ ràng: vấn đề không phải ở tài xế hay xe — mà ở cách lập kế hoạch giao hàng.

Phân tích vấn đề: Dùng Value Stream Mapping

Áp dụng công cụ Value Stream Mapping từ Lean Six Sigma, chúng tôi vẽ lại toàn bộ quy trình từ khi nhận đơn đến khi giao xong:

Quy trình cũ (trước AI):

Đơn hàng đến (email/Zalo) → Kế toán nhập vào Excel → Quản lý kho in phiếu xuất
→ Tài xế tự chia hàng theo kinh nghiệm → Tự chọn tuyến đường → Giao hàng
→ Thu tiền COD → Về giao lại tiền → Kế toán đối chiếu (thường trễ 1-2 ngày)

Các lãng phí (muda) phát hiện:

Tổng lãng phí ước tính: 250-300 triệu VNĐ/tháng — gần bằng một nửa chi phí logistics.

Giải pháp: 3 tầng AI triển khai trong 16 tuần

Tầng 1 (Tuần 1-4): Tối ưu tuyến đường

Công cụ: Abivin vRoute kết hợp Google Maps API

Cách triển khai:

1. Nhập toàn bộ 350 điểm giao hàng vào hệ thống (địa chỉ, khung giờ nhận hàng, trọng lượng trung bình)
2. Mỗi tối, hệ thống nhận danh sách đơn hàng ngày mai
3. AI tự động phân bổ đơn cho từng xe và tạo tuyến đường tối ưu
4. Tài xế nhận lịch trình trên app vào 6h sáng — không cần "chia hàng" nữa

Kết quả sau 4 tuần:

• Quãng đường trung bình: 120km → 78km/ngày (-35%)
• Thời gian chia hàng: 45 phút → 5 phút (-89%)
• Số điểm giao/xe/ngày: 18 → 25 (+39%)

Tầng 2 (Tuần 5-10): Dự báo đơn hàng và quản lý kho

Công cụ: Google Sheets + ChatGPT API + MISA kho

Cách triển khai:

1. Export dữ liệu đơn hàng 12 tháng, phân tích pattern theo:
   • Ngày trong tuần (thứ 2 nhiều đơn nhất, thứ 7 ít nhất)
   • Mùa vụ (Tết, hè, tựu trường)
   • Từng khách hàng (siêu thị A order đều 3 lần/tuần, nhà hàng B chỉ khi cần)
2. Xây dựng mô hình dự báo → tự động đề xuất lượng nhập hàng
3. Cảnh báo hàng sắp hết hạn → ưu tiên giao hoặc khuyến mãi

Kết quả sau 6 tuần:

• Hàng hết hạn phải bỏ: 25 triệu → 8 triệu/tháng (-68%)
• Tỷ lệ "hết hàng" khi khách đặt: 12% → 3%
• Độ chính xác dự báo: 82%

Tầng 3 (Tuần 11-16): Tracking, COD, và dashboard

Công cụ: Zalo OA + Google Data Studio + Apps Script

Cách triển khai:

1. Tracking tự động: Mỗi khi tài xế bắt đầu giao, khách nhận tin Zalo "Hàng đang trên đường, dự kiến đến lúc 10:30"
2. COD tự động: Tài xế xác nhận thu tiền trên app → dữ liệu tự động về kế toán → đối chiếu realtime
3. Dashboard cho Giám đốc: Màn hình tổng hợp hiển thị vị trí tất cả xe, đơn hàng đã giao/chưa giao, chi phí realtime

Kết quả sau 6 tuần:

• Sai sót COD: 5-8% → dưới 1%
• Cuộc gọi "hàng tôi đâu": giảm 75%
• Thời gian đối chiếu cuối ngày: 2 giờ → 15 phút

Kết quả tổng hợp sau 6 tháng

Tính toán tài chính

Tổng chi phí triển khai:

• Abivin vRoute (6 tháng): 45 triệu
• Google API + ChatGPT API: 12 triệu
• Setup dashboard + automation: 18 triệu
• Đào tạo nhân viên: 10 triệu
• Tổng: 85 triệu VNĐ

Tiết kiệm hàng tháng:

• Giảm chi phí xăng: 65 triệu
• Giảm hàng hết hạn: 19 triệu
• Giảm nhân sự đối chiếu: 15 triệu (1 người)
• Tăng năng suất giao hàng (ít xe hơn cho cùng lượng đơn): 40 triệu
• Tổng tiết kiệm: ~139 triệu/tháng

Hoàn vốn: Dưới 1 tháng.

5 Bài học cho doanh nghiệp phân phối

1. Tối ưu tuyến đường là "low-hanging fruit"

Đây là việc dễ nhất, nhanh nhất, ROI cao nhất. Nếu bạn chỉ làm được MỘT thứ với AI cho logistics — hãy làm cái này.

2. Dữ liệu không cần "sạch" từ đầu

Chị Hương lo lắng vì dữ liệu Excel "lộn xộn". Chúng tôi dùng AI để clean data trước — mất 2 ngày thay vì 2 tuần nếu làm thủ công.

3. Tài xế là đồng minh, không phải trở ngại

Ban đầu, tài xế phản đối vì sợ bị "giám sát". Giải pháp: show cho họ thấy tuyến đường AI giúp họ về sớm hơn 1-2 giờ mỗi ngày mà vẫn giao đủ đơn. Sau 2 tuần, toàn đội ủng hộ.

4. COD tự động tiết kiệm nhiều hơn bạn nghĩ

Sai sót 5-8% COD nghe nhỏ, nhưng trên 3,5 tỷ doanh thu/tháng, đó là 175-280 triệu VNĐ tiềm ẩn rủi ro mỗi tháng.

5. Dashboard thay đổi văn hóa ra quyết định

Khi chị Hương có dashboard realtime, cuộc họp hàng tuần giảm từ 2 giờ xuống 30 phút. Mọi người đến họp đã có dữ liệu, chỉ cần bàn giải pháp.

Hiện tại: Chị Hương mở rộng ra miền Tây

Với hệ thống AI đã ổn định, chị Hương đang mở rộng vùng phục vụ ra Long An, Tiền Giang, Cần Thơ. Điều đáng chú ý: không cần thêm người quản lý — AI xử lý việc lập kế hoạch, con người chỉ cần thực thi và giám sát ngoại lệ.

"Trước đây em nghĩ mở rộng vùng phục vụ phải thuê thêm 2-3 quản lý tuyến. Giờ hệ thống lo hết, em chỉ cần thêm tài xế và xe." — Chị Hương

Kết luận

Logistics SMB tại Việt Nam đang "chảy máu" vì chi phí vận chuyển quá cao (16-18% GDP). Nhưng nghịch lý là: giải pháp đã có sẵn, chi phí rẻ, và hoàn vốn cực nhanh. Điều duy nhất cần là sự quyết tâm bắt đầu — từ chính CEO.

Như trong Lean, chúng tôi nói: "Muda (lãng phí) là vàng ẩn trong doanh nghiệp. AI giúp bạn tìm và khai thác nó."

---

Bạn muốn áp dụng mô hình tối ưu logistics bằng AI cho doanh nghiệp mình? Khóa học "AI Business Operator" tại Học viện FVN bao gồm module chuyên sâu về chuỗi cung ứng và logistics thông minh. Đăng ký ngay tại hocvien.fvn.vn để nhận ưu đãi Early Bird.