Trong vài năm tới, AI khó thay hẳn nhân viên QC ở doanh nghiệp vừa và nhỏ, nhưng đã và đang thay một phần việc của họ: kiểm ngoại quan lặp lại, ghi chép, tổng hợp số liệu, soạn báo cáo. Phần còn lại, gồm phán đoán ở ca khó, tìm nguyên nhân, làm việc với người và chịu trách nhiệm ký kết luận, vẫn cần con người, và thậm chí quan trọng hơn trước.
Bài này không dự đoán con số việc làm, vì không ai có dữ liệu chắc chắn cho từng ngành ở Việt Nam. Thay vào đó, bài chia công việc QC thành từng phần, xem phần nào máy làm tốt, phần nào chưa, vì sao, và người làm QC nên học thêm gì để ở phía được lợi khi xưởng đưa AI vào.
Chia việc QC theo khả năng của máy
Thay vì hỏi chung chung "AI có thay QC không", hãy chia nghề thành các đầu việc. Bảng dưới là cách nhìn thực tế ở xưởng vừa và nhỏ, có thể khác ở nhà máy lớn đầu tư mạnh.
| Đầu việc | Máy làm được tới đâu | Phần vẫn cần người |
|---|---|---|
| Kiểm ngoại quan lỗi rõ, lặp lại | Camera và phần mềm nhận diện làm tốt khi sản phẩm ít mã, lỗi có đủ ảnh mẫu | Thiết lập, kiểm lại hàng máy nghi ngờ, theo dõi máy bỏ sót |
| Đo kích thước | Thiết bị đo tự động chính xác, nhanh với chi tiết cứng, hình dạng ổn định | Sản phẩm mềm như vải, da; mẫu đo đặc biệt |
| Ghi chép, nhập liệu | Biểu mẫu số, nhận dạng giọng nói, ảnh tự gắn thời gian | Xác nhận đúng, ghi chú bối cảnh |
| Tổng hợp báo cáo | Bảng tính và chatbot làm nhanh | Đọc ra ý nghĩa, quyết định ưu tiên |
| Đánh giá cảm quan | Hạn chế: mùi, độ mềm tay, âm thanh lạ | Gần như hoàn toàn |
| Xử lý tranh cãi, khiếu nại | Gợi ý câu chữ | Gần như hoàn toàn |
| Ký kết luận lô hàng | Không nên giao | Hoàn toàn |
Nhìn bảng sẽ thấy phần máy làm được tập trung ở việc lặp lại, có quy tắc rõ, dữ liệu nhiều. Phần còn lại là việc cần bối cảnh, cảm giác và trách nhiệm. Tỉ lệ giữa hai phần khác nhau theo từng xưởng, từng sản phẩm.
Vì sao camera AI chưa thay hết người kiểm ở xưởng nhỏ
Lỗi hiếm không đủ ảnh để học. Mô hình nhận diện cần nhiều ảnh của từng loại lỗi. Những lỗi nghiêm trọng thường hiếm, nên lại là loại máy học kém nhất. Người kiểm có kinh nghiệm nhận ra một thứ "trông lạ" dù chưa thấy bao giờ.
Nhiều mã, đơn nhỏ, đổi mẫu liên tục. Xưởng may gia công hay đồ gỗ theo đơn có thể đổi mã vài lần một tuần. Mỗi lần đổi, hệ thống cần thiết lập và kiểm lại. Với sản lượng nhỏ, công thiết lập có khi lớn hơn công kiểm bằng tay.
Điều kiện chụp khó ổn định. Camera cần ánh sáng đều, vị trí sản phẩm cố định. Xưởng có bụi, rung, ánh nắng thay đổi theo giờ hay sản phẩm đặt không đều làm độ chính xác giảm rõ.
Có những lỗi không nhìn thấy được. Mối ghép lỏng, mùi dung môi, độ đàn hồi của đệm, tiếng kêu của bản lề cần tay, mũi và tai. Một số có cảm biến thay thế, nhưng chi phí và độ phức tạp tăng lên.
Trách nhiệm cần một người cụ thể. Khi lô hàng có vấn đề, khách và ban giám đốc cần biết ai đã quyết định và dựa trên căn cứ nào. Một hệ thống không ký tên, không giải thích được bằng lời trong buổi họp với khách.
Công việc QC đổi hình dạng như thế nào
Ở những xưởng đã đưa camera kiểm lỗi vào một công đoạn, hình ảnh thường gặp là người QC không còn đứng nhìn từng sản phẩm, mà chuyển sang ba việc mới. Thứ nhất là kiểm lại những sản phẩm máy đánh dấu nghi ngờ: máy hay loại nhầm hàng tốt để an toàn, và người quyết định cái nào thật sự lỗi. Thứ hai là định kỳ cho đi qua máy những mẫu lỗi đã biết để kiểm xem máy còn bắt được không. Thứ ba là thu thập và gắn nhãn ảnh lỗi mới để cải thiện hệ thống.
Phần ghi chép cũng đổi. Thay vì điền phiếu giấy rồi cuối ca nhập lại, người QC chụp ảnh, chọn loại lỗi trên máy tính bảng, dữ liệu vào thẳng bảng tổng hợp. Thời gian tiết kiệm được dồn sang đọc số liệu, đi xuống chuyền hỏi nguyên nhân, và hướng dẫn công nhân.
Nói cách khác, công việc dịch chuyển từ "người kiểm" sang "người giám sát hệ thống kiểm và xử lý ngoại lệ". Đó là việc đòi hỏi hiểu sản phẩm sâu hơn, không nông hơn. Người hiểu vì sao một vết trên mặt gạch là lỗi còn vết kia là vân tự nhiên mới dạy được máy, và mới kiểm được máy.
Không phải xưởng nào cũng đi theo hướng này cùng lúc. Nhiều xưởng nhỏ trong vài năm tới vẫn chủ yếu kiểm bằng mắt, chỉ dùng AI ở khâu giấy tờ và báo cáo.
Ba tình huống giả định ở ba kiểu xưởng
Tình huống thứ nhất, ví dụ giả định: một nhà máy gạch ốp lát ở Phú Thọ chạy vài dòng sản phẩm ổn định, sản lượng lớn, lỗi bề mặt như nứt chân chim, lỗ kim, sai tông màu xảy ra đều đặn. Đây là môi trường thuận lợi nhất cho camera kiểm bề mặt. Người kiểm ở cuối lò có thể giảm dần, chuyển sang kiểm lại hàng máy nghi ngờ, so màu theo lô và xử lý khiếu nại của đại lý.
Tình huống thứ hai: một xưởng may gia công nhận đơn nhỏ, mỗi tuần vài mã mới, vải và màu thay liên tục. Camera kiểm ngoại quan khó theo kịp, nên phần kiểm vẫn chủ yếu bằng mắt và tay. AI ở đây giúp ở chỗ khác: dịch yêu cầu kiểm của khách, tổng hợp lỗi theo chuyền, soạn báo cáo cuối ngày. Người QC dành ít thời gian nhập liệu hơn, nhiều thời gian đứng chuyền hơn.
Tình huống thứ ba: một bếp trung tâm cung cấp suất ăn cho văn phòng. Phần kiểm soát chủ yếu là nhiệt độ, thời gian, vệ sinh, hạn dùng nguyên liệu. Cảm biến nhiệt ghi tự động và cảnh báo qua điện thoại thay cho việc ghi sổ tay, nhưng nếm, ngửi, nhìn màu món ăn và quyết định loại một mẻ vẫn là việc của người. Phần kiểm soát thực phẩm có danh mục riêng trên trang.
Ba tình huống cho thấy câu hỏi đúng không phải "AI có thay QC không" mà là "ở xưởng của mình, AI thay phần việc nào trước".
Kỹ năng nên học thêm để làm việc cùng AI
Những kỹ năng dưới đây không đòi hỏi học lập trình, và người QC tại chuyền có thể tự học dần trong vài tháng:
- Bảng tính ở mức khá: lọc, sắp xếp, bảng tổng hợp, biểu đồ cơ bản. Đây là nơi mọi dữ liệu kiểm cuối cùng đổ về.
- Thống kê chất lượng cơ bản: Pareto, biểu đồ kiểm soát, histogram. Trang có bài riêng cho từng công cụ.
- Chụp ảnh lỗi chuẩn: cùng góc, cùng khoảng cách, cùng ánh sáng, có thước tham chiếu. Ảnh tốt là nguyên liệu cho cả việc huấn luyện máy lẫn đào tạo người.
- Hiểu hai loại sai của máy: bỏ sót hàng lỗi và loại nhầm hàng tốt. Biết hỏi nhà cung cấp hệ thống về cả hai con số, và tự đo lại trên hàng của xưởng mình.
- Viết rõ ràng: mô tả lỗi, báo cáo sự cố, hướng dẫn kiểm. AI giúp soạn nháp, nhưng người viết phải biết bản nháp đúng hay sai.
- Dùng chatbot có kiểm soát: biết che dữ liệu khách, biết đối chiếu số liệu, biết khi nào không dùng.
Phần kiểm soát chính đầu ra của AI, như ai duyệt và duyệt bao nhiêu phần trăm, có danh mục riêng trên trang; người QC thường là người đầu tiên được giao việc này vì đã quen tư duy kiểm tra.
Doanh nghiệp đưa AI vào kiểm tra: làm sao cho công bằng
Nói rõ với người lao động từ đầu. Thông báo mục đích, phạm vi, lộ trình, và vai trò mới của người kiểm. Tin đồn "máy về là cắt người" làm người giỏi bỏ đi trước khi hệ thống kịp chạy ổn.
Chạy song song một thời gian. Giai đoạn đầu, người vẫn kiểm như cũ, máy chạy cùng để so kết quả. Chỉ giảm kiểm tay khi đã có số liệu cho thấy máy đạt yêu cầu trên hàng thật của xưởng.
Đào tạo lại trước khi đổi việc. Người kiểm lâu năm là nguồn hiểu biết về lỗi quý nhất. Đào tạo họ thành người gắn nhãn, người kiểm lại, người giám sát hệ thống thường hiệu quả hơn tuyển người mới chưa biết sản phẩm.
Camera kiểm sản phẩm, không theo dõi người. Camera đặt để nhìn sản phẩm không nên được dùng lén để đo năng suất hay hành vi của công nhân. Nếu có mục đích khác, phải thông báo rõ và tuân thủ quy định hiện hành về dữ liệu cá nhân và lao động.
Tự đánh giá công việc QC hiện tại của bạn
Một bài tập nhỏ giúp bạn nhìn rõ phần nào trong việc của mình dễ được tự động hoá, phần nào là giá trị riêng:
- Liệt kê mọi đầu việc trong một tuần làm việc, kèm số giờ ước tính cho từng việc.
- Đánh dấu việc nào lặp lại theo quy tắc rõ, dữ liệu nhiều, ít cần bối cảnh.
- Đánh dấu việc nào cần phán đoán, giao tiếp, cảm quan, hoặc chịu trách nhiệm ký.
- Với nhóm thứ nhất, nghĩ xem nếu được AI làm thay, bạn sẽ dùng thời gian dư ra vào việc gì có giá trị hơn.
- Với nhóm thứ hai, chọn một kỹ năng để làm sâu thêm trong ba tháng tới, ví dụ phân tích nguyên nhân hay đọc tiêu chuẩn.
- Trao đổi kết quả với quản lý trực tiếp: người chủ động đề xuất cách dùng AI cho bộ phận mình thường được giao vai trò dẫn dắt.
Bài tập này không dự đoán bạn có giữ được việc hay không, vì điều đó phụ thuộc nhiều yếu tố ngoài tầm tay. Nó giúp bạn biết nên đầu tư học gì, và nói chuyện với quản lý dựa trên việc cụ thể thay vì lo lắng chung chung.
Câu hỏi thường gặp
Có nên chọn học nghề QC lúc này không?
Nghề kiểm soát chất lượng vẫn cần ở mọi ngành sản xuất và dịch vụ, nhưng nội dung công việc đang dịch về phía phân tích, giám sát hệ thống và xử lý ngoại lệ. Nếu bạn thích sản phẩm, chịu được việc chi tiết và sẵn sàng học công cụ số, đây vẫn là hướng đáng cân nhắc. Trang không hứa mức lương hay cơ hội việc làm cụ thể.
Xưởng nhỏ có nên đầu tư camera AI kiểm lỗi không?
Tuỳ sản lượng, số mã hàng, loại lỗi và chi phí kiểm hiện tại. Thường nên bắt đầu bằng một trạm thử ở công đoạn có lỗi rõ, lặp lại nhiều. Danh mục camera kiểm lỗi sản phẩm trên trang đi sâu vào cách thử và tính toán.
AI loại nhầm hàng tốt thì ai chịu thiệt?
Hàng bị loại nhầm sẽ được người kiểm lại, nên thiệt hại chủ yếu là thời gian. Vấn đề lớn hơn là hàng lỗi bị máy bỏ sót. Vì vậy quy trình phải có bước kiểm định kỳ khả năng bắt lỗi của máy bằng mẫu lỗi đã biết, và người chịu trách nhiệm theo dõi.
Người lớn tuổi, ít dùng máy tính có theo kịp không?
Kinh nghiệm nhận biết lỗi là thứ khó học nhất và họ đã có. Phần công cụ như chụp ảnh, chọn loại lỗi trên máy tính bảng thường học được trong vài buổi nếu được hướng dẫn kiên nhẫn. Doanh nghiệp nên thiết kế giao diện đơn giản và đào tạo theo nhóm nhỏ.
Chatbot có thể làm thay QA viết quy trình không?
Chatbot soạn bản nháp quy trình nhanh, đúng khung. Nhưng một quy trình chỉ có giá trị khi khớp với cách làm thật dưới chuyền và được người làm chấp nhận. Việc đi hỏi, thử, sửa và thuyết phục mọi người làm theo vẫn là của người QA.