Checklist: AI Office và Hanna tự động báo cáo Excel

19/10/2026

Khoảng một nửa thời gian, và cái bẫy của con số đó

Khi nói chuyện với các trưởng phòng tại Việt Nam, tôi thường nghe họ ước lượng: "Khoảng một nửa thời gian tuần làm việc của chúng tôi bị tốn vào việc gom số liệu Excel." Nghe có vẻ hợp lý, nhưng con số này rất dễ gây hiểu nhầm. Nó khiến người quản lý nghĩ rằng nếu mua một công cụ AI, họ sẽ tự động có lại 50% năng suất đó. Thực tế, AI không tạo ra dữ liệu. Nó chỉ xử lý nhanh những gì bạn đã có. Nếu dữ liệu đầu vào là rác, Hanna (trợ lý AI trong AIV Office) sẽ trả về báo cáo rác với tốc độ cao hơn. Vấn đề không nằm ở việc phần mềm có đủ nhanh không, mà nằm ở việc bạn có đủ chuẩn bị dữ liệu để AI hiểu hay không. Đây là lúc AIVISION, với kinh nghiệm triển khai thực tế, thường ngồi lại với khách hàng để rà soát quy trình trước khi bật tính năng tự động hóa lên.

Bốn ngã rẽ quyết định chất lượng báo cáo

Trước khi bắt đầu dùng trợ lý AI văn phòng để gộp báo cáo, bạn phải chọn đúng ở bốn điểm sau. Mỗi điểm là một đánh đổi về thời gian ngắn hạn và độ chính xác dài hạn.

• Chuẩn hóa định dạng cột. Đây là bước quan trọng nhất. Excel của phòng Kinh doanh dùng "Doanh thu", phòng Kế toán dùng "Revenue", phòng Bán lẻ dùng "Sales". Hanna cần một bản đồ ánh xạ rõ ràng. Nếu bạn không chuẩn hóa, AI sẽ phải đoán, và việc đoán này tiêu tốn thời gian xử lý cũng như rủi ro sai lệch cao. Hãy dành 1 giờ đầu tiên để thống nhất tên cột duy nhất cho toàn bộ hệ thống.
• Xác định nguồn dữ liệu "đáng tin". Bạn có dữ liệu từ 3 nhà cung cấp khác nhau cho cùng một chỉ số. Bạn chọn nguồn nào làm gốc? Nếu không có quy tắc ưu tiên (ví dụ: lấy số từ hệ thống ERP làm chuẩn, số từ Excel nhân viên nhập là tham chiếu), báo cáo cuối cùng sẽ mâu thuẫn. Hãy viết rõ quy tắc này thành văn bản để Hanna tham chiếu khi gặp dữ liệu trùng lặp.
• Định nghĩa "dữ liệu sạch". Trống là lỗi hay là số 0? Ngày 31/2 là lỗi hay là dữ liệu nhập sai? AI cần biết cách xử lý ngoại lệ. Nếu bạn không định nghĩa, Hanna có thể bỏ qua hàng dữ liệu đó, khiến báo cáo thiếu sót mà không ai nhận ra. Hãy liệt kê 5 trường hợp lỗi thường gặp và quyết định cách xử lý cho từng trường hợp.
• Phân quyền truy cập file. Báo cáo tổng hợp thường chứa dữ liệu nhạy cảm của nhiều phòng ban. Ai được quyền xem file Excel gốc? Ai chỉ được xem báo cáo cuối cùng? Việc này liên quan đến bảo mật trong AIV Office. Nếu không phân quyền ngay từ đầu, bạn sẽ phải xử lý khủng hoảng dữ liệu sau khi báo cáo đã lan truyền trong nhóm chat nội bộ.

Vài câu hỏi hay gặp

Hanna có tự sửa được lỗi chính tả trong tên sản phẩm không?

Có thể, nhưng không nên phụ thuộc hoàn toàn. AI có thể nhận diện các biến thể chính tả phổ biến, nhưng với các tên sản phẩm đặc thù của ngành, một lần sai là một lần báo cáo sai. Hãy dùng tính năng này để cảnh báo, không phải để tự động thay thế nếu chưa kiểm tra thủ công.

Có cần biết công thức Excel phức tạp để dùng không?

Không nhất thiết. Bạn chỉ cần mô tả kết quả mong muốn bằng ngôn ngữ tự nhiên. Ví dụ: "Lấy tổng doanh thu theo tháng và chia cho số lượng đơn hàng để ra giá trị đơn hàng trung bình." Hanna sẽ xử lý phần logic. Tuy nhiên, nếu công thức quá phức tạp, việc kiểm tra lại kết quả bằng mắt vẫn là bắt buộc.

Mất bao lâu để thiết lập quy trình này?

Với dữ liệu chuẩn, khoảng 2-3 ngày làm việc. Với dữ liệu rời rạc và nhiều nguồn, có thể lên đến 1-2 tuần. Thời gian này chủ yếu dành cho việc làm sạch dữ liệu và thiết lập quy tắc, không phải cho việc lập trình.

Áp dụng checklist trong cuộc họp thứ Hai

Quay lại con số "một nửa thời gian" ở đầu bài. Nếu bạn bắt đầu tuần mới với một bộ dữ liệu đã được chuẩn hóa và các quy tắc đã được định nghĩa rõ ràng, thời gian dành cho việc "gom số" sẽ giảm đi đáng kể, có thể chỉ còn một phần ba so với trước. Thay vì ngồi chờ file từ các đồng nghiệp và kiểm tra lại từng ô, bạn mở AIV Office, ra lệnh cho Hanna tổng hợp, và dành thời gian tiết kiệm được đó để phân tích xu hướng. Đó mới là giá trị thực sự của trợ lý AI văn phòng: không phải là làm thay bạn mọi việc, mà là dọn sạch những việc vặt để bạn có thể tập trung vào việc ra quyết định. Hãy mang danh sách kiểm tra này vào cuộc họp thứ Hai tới, và thử nghiệm với một báo cáo nhỏ trước khi áp dụng cho toàn bộ phòng ban.

Bài toán của mỗi doanh nghiệp một khác, và phần khó thường nằm ở dữ liệu chứ không phải mô hình. Nếu muốn kiểm chứng nhanh, hãy liên hệ AIVISION; hoặc xem trước cách chúng tôi triển khai và các bài viết liên quan.