Kỹ Năng cho tương lai/Thiết lập chiến lược AI/AI trong bán lẻ
AI Trong ngành Bán lẻ : Khi bán lẻ chuyển từ số hóa sang tái thiết mô hình vận hành
Khoảng cách giữa nhóm dẫn đầu và nhóm chậm, ba nền tảng của chuyển đổi số bán lẻ và cách AI đang đi vào từng mắt xích của chuỗi giá trị

Nội dung bài viết · Xem mục lục
Ngành bán lẻ đang bước sang một giai đoạn khác của cuộc chơi. Câu chuyện không còn nằm ở việc doanh nghiệp có bán hàng online hay chưa, có một ứng dụng riêng hay đã triển khai chatbot hay chưa. Điều quyết định khả năng cạnh tranh ngày càng nằm ở một tầng sâu hơn: doanh nghiệp có kết nối được dữ liệu, vận hành đủ linh hoạt và biến công nghệ thành hành động hay không.
Một nghiên cứu của FPT Digital công bố tháng 5/2025 ghi nhận 58% người tiêu dùng toàn cầu tăng mua sắm trực tuyến sau đại dịch, 65% kỳ vọng trải nghiệm liền mạch giữa các kênh và 70% sẵn sàng thay đổi thương hiệu để tìm kiếm giá trị tốt hơn. Đây là những tín hiệu quan trọng, bởi trong bán lẻ, khách hàng không còn nghĩ theo cách doanh nghiệp tổ chức các kênh bán hàng. Họ chỉ quan tâm việc mua có thuận tiện hay không, thông tin có nhất quán hay không và thương hiệu có hiểu mình hay không.
Vì thế, AI chỉ là phần nổi của một cuộc chuyển đổi lớn hơn. Phía sau một hệ thống gợi ý sản phẩm, một trợ lý mua sắm hay một mô hình dự báo tồn kho là cả một kiến trúc dữ liệu, quy trình và tổ chức được thiết kế lại.
Khách hàng thay đổi trước khi doanh nghiệp kịp thay đổi
Hành vi tiêu dùng hậu đại dịch tạo ra một áp lực mới cho nhà bán lẻ. Người mua muốn nhiều hơn sự tiện lợi, khả năng chuyển đổi giữa online và offline và những trải nghiệm có tính cá nhân hóa.
Với Gen Z, tiêu chuẩn còn cao hơn: 65% không muốn gặp tình trạng hết hàng khi mua trực tuyến; 66% chú ý đến chất lượng sản phẩm; 65% đánh giá cao loyalty hoặc coupon; 82% chịu ảnh hưởng từ gợi ý của cha mẹ và bạn bè; 52% tìm lời khuyên từ người có ảnh hưởng; 60% muốn duy trì liên lạc với thương hiệu qua tin nhắn và 43% thường xuyên viết đánh giá sản phẩm.
Điểm đáng chú ý không nằm ở từng tỷ lệ riêng lẻ mà ở sự thay đổi trong kỳ vọng. Người tiêu dùng đang quen với việc thương hiệu biết họ đã mua gì, thích gì, đang tìm gì và muốn tương tác ở đâu. Trong khi đó, phía doanh nghiệp lại thường vẫn được tổ chức theo từng bộ phận và từng kênh.
Đó là lý do các khoản đầu tư vào thương mại điện tử, marketplace hay social commerce có thể tăng rất nhanh nhưng chưa chắc tạo ra trải nghiệm tốt hơn. Một khách hàng có thể đặt hàng trên website, kiểm tra sản phẩm trên ứng dụng, nhận tư vấn qua mạng xã hội rồi đến cửa hàng để nhận hoặc đổi hàng. Nếu mỗi điểm chạm lại nhìn họ như một khách hàng khác, toàn bộ khoản đầu tư trước đó gần như mất đi một phần giá trị.
Khoảng cách thật sự không nằm ở việc ai có nhiều công nghệ hơn
Nhìn vào hai nhóm doanh nghiệp bán lẻ, khác biệt lớn nhất thường không phải là số lượng phần mềm sở hữu.
Nhóm dẫn đầu có xu hướng xây chiến lược công nghệ dài hạn dựa trên dữ liệu, kết nối POS, CRM, thương mại điện tử và các hệ thống vận hành, đồng thời xem dữ liệu như nền tảng để ra quyết định. Ở chiều ngược lại, nhóm chậm thường có nhiều hệ thống nhưng thiếu kết nối; dữ liệu bị phân mảnh; các bộ phận vẫn xử lý bằng Excel, email hoặc những quy trình thủ công vốn hình thành từ nhiều năm trước.
Có một nghịch lý khá phổ biến: doanh nghiệp đầu tư rất nhiều vào công nghệ nhưng nhân viên vẫn phải gọi điện kiểm tra tồn kho, marketing vẫn gửi cùng một chương trình tới hàng nghìn khách hàng, hoặc báo cáo bán hàng chỉ được biết sau khi ngày kinh doanh đã kết thúc.
Một hệ thống CRM không tạo ra trải nghiệm cá nhân hóa nếu dữ liệu mua hàng không được kết nối. Một CDP không tạo ra giá trị nếu doanh nghiệp chưa thống nhất định danh khách hàng. Một mô hình AI dự báo nhu cầu cũng không giải quyết được bài toán tồn kho nếu bộ phận mua hàng vẫn xử lý hoàn toàn thủ công.
Vì vậy, tám dấu hiệu để doanh nghiệp tự kiểm tra có giá trị hơn nhiều khẩu hiệu “chuyển đổi số”. CRM nhưng vẫn gửi cùng một tin nhắn cho tất cả khách hàng; mỗi kênh bán sử dụng một hệ thống riêng; điểm thưởng offline không dùng được online; không biết chính xác tồn kho từng cửa hàng; không đo được chiến dịch marketing nào tạo ra doanh thu; báo cáo vẫn tổng hợp bằng Excel cuối ngày; và quyết định quan trọng vẫn dựa nhiều vào kinh nghiệm hơn dữ liệu.
Nếu những tình trạng này còn tồn tại, vấn đề chưa phải là doanh nghiệp thiếu AI. Vấn đề là nền tảng vận hành chưa sẵn sàng.
Hãy phân tích tình huống của Sears và Costco:
Sears không thất bại chỉ vì chậm chuyển sang online
Sears thường được nhắc đến như một biểu tượng của thất bại trong kỷ nguyên thương mại điện tử. Nhưng nói Sears sụp đổ đơn giản vì “không theo kịp công nghệ” là chưa đủ.
Sears nộp đơn xin bảo hộ phá sản theo Chapter 11 vào tháng 10/2018 sau nhiều năm doanh thu suy giảm, đóng cửa hàng loạt và chịu áp lực cạnh tranh rất lớn từ các nhà bán lẻ online cũng như các mô hình bán lẻ mới. Hồ sơ tòa án cho thấy doanh thu của công ty đã giảm 53,8% trong năm năm trước khi phá sản, từ đó kéo theo những vấn đề nghiêm trọng về thanh khoản và khả năng duy trì hoạt động.
Điều đáng nói là Sears không hẳn đứng ngoài thương mại điện tử. Công ty từng đầu tư vào Sears.com, mobile commerce, marketplace và omnichannel. Nhưng việc có công nghệ không đồng nghĩa với việc có một mô hình cạnh tranh tốt. Doanh nghiệp vẫn có thể mất khách nếu giá trị cung cấp thấp hơn, trải nghiệm kém hơn, chi phí vận hành cao hơn và tốc độ đổi mới chậm hơn đối thủ.
Bài học của Sears vì thế không phải “hãy mua thêm công nghệ”, mà là: công nghệ chỉ có ý nghĩa khi nó làm thay đổi cách doanh nghiệp tạo giá trị.
Costco cho thấy dữ liệu và vận hành có thể đi cùng nhau
Costco là một trường hợp đáng nhìn ở chiều ngược lại, nhưng cũng cần tránh gán mọi kết quả kinh doanh cho AI.
Trong năm tài chính 2025, Costco ghi nhận doanh thu thuần 269,9 tỷ USD, tăng 8,1%; doanh thu thương mại điện tử tăng 15,6%. Operating income đạt 10,383 tỷ USD.
Những con số này cho thấy năng lực vận hành và mô hình kinh doanh của Costco vẫn đang tạo ra tăng trưởng đáng kể. Tuy nhiên, không có đủ cơ sở để kết luận rằng mức tăng trưởng này là “kết quả trực tiếp của AI”. Đó là điểm cần thận trọng hơn so với cách diễn đạt trong bản thảo cũ.
Điều có thể rút ra là Costco đã xây dựng được một mô hình trong đó dữ liệu, chuỗi cung ứng, trải nghiệm thành viên và hệ thống bán hàng hỗ trợ lẫn nhau. Khi nền tảng đó đủ mạnh, AI mới có đất để phát huy hiệu quả.
Ba nền tảng trước khi nói đến AI
Nếu rút toàn bộ câu chuyện chuyển đổi số bán lẻ về ba việc cần làm, đó không phải là chọn mô hình AI nào mà là xây ba nền tảng cơ bản.
Một là nền tảng số phải được kết nối
POS, CRM, eCommerce, ERP, loyalty và các hệ thống vận hành không thể tiếp tục tồn tại như những “ốc đảo” riêng biệt. Điều quan trọng không phải doanh nghiệp mua phần mềm tốt nhất thị trường, mà là các hệ thống đó có thể trao đổi dữ liệu với nhau và hỗ trợ cùng một hành trình kinh doanh hay không.
Hai là dữ liệu phải liên kết
Dữ liệu từ POS, website, ứng dụng, call center, CRM và ERP phải được hợp nhất đủ để doanh nghiệp hiểu một khách hàng là một khách hàng, thay vì nhiều bản ghi nằm ở nhiều hệ thống khác nhau.
Đây là nền móng để xây dashboard quản trị, cá nhân hóa marketing, dự báo nhu cầu và triển khai AI. Nhưng “gần thời gian thực” cũng không nên được biến thành mục tiêu cho mọi dữ liệu. Điều quan trọng hơn là dữ liệu phải đúng, có nguồn gốc rõ ràng, đúng thời điểm và đủ dùng cho quyết định cần đưa ra.
Ba là trải nghiệm phải liền mạch
Khái niệm omnichannel đang tiến gần hơn tới “channel-less”: khách hàng không quan tâm giao dịch diễn ra trên website, ứng dụng hay tại cửa hàng. Họ chỉ muốn thương hiệu nhớ được lịch sử của mình và xử lý mọi giao dịch nhất quán.
Một chương trình loyalty chỉ hiệu quả khi điểm được ghi nhận và sử dụng được ở nhiều điểm chạm. Một đơn hàng online cần có khả năng đổi trả thuận tiện. Nhân viên chăm sóc khách hàng phải nhìn thấy đủ thông tin để không bắt khách kể lại câu chuyện từ đầu.
Chuyển đổi số, ở tầng này, không còn là câu chuyện của bộ phận IT. Nó là bài toán thiết kế lại trải nghiệm và dòng chảy vận hành.
AI đang đi qua toàn bộ chuỗi giá trị
Khi ba nền tảng trên đủ chắc, AI bắt đầu tạo ra một lớp giá trị mới.
Ở phía trước, AI có thể hỗ trợ tư vấn, tìm kiếm, gợi ý sản phẩm, phân tích phản hồi và cá nhân hóa tương tác. Ở phía sau, AI tham gia dự báo nhu cầu, tối ưu tồn kho, lập kế hoạch vận hành, phát hiện bất thường, tự động xử lý quy trình và hỗ trợ ra quyết định.
Nhưng cách phân loại công nghệ trong bản thảo cũ cần được hiểu linh hoạt hơn. Không thể mặc định “Edge AI = tự động hóa”, “Emotion AI = tối ưu chi phí” hay “Computer Vision = quản trị rủi ro”. Một công nghệ có thể phục vụ nhiều mục tiêu khác nhau tùy bài toán.
Điều quan trọng là bắt đầu từ use case kinh doanh, sau đó mới chọn công nghệ.
Chẳng hạn, nếu bài toán là giảm tỷ lệ hết hàng, mô hình dự báo nhu cầu và tối ưu bổ sung hàng có thể phù hợp. Nếu mục tiêu là tăng tỷ lệ chuyển đổi, recommendation engine và conversational AI có thể quan trọng hơn. Nếu mục tiêu là giảm thời gian xử lý chăm sóc khách hàng, AI agent có thể tạo tác động rõ ràng hơn chatbot truyền thống.
Amazon đang dịch chuyển từ AI hỗ trợ sang AI tham gia hành trình mua
Amazon là một ví dụ rõ hơn về hướng đi này.
Rufus được xây dựng như một trợ lý mua sắm có khả năng trả lời câu hỏi, so sánh sản phẩm, đưa ra khuyến nghị và hỗ trợ khám phá sản phẩm trong chính trải nghiệm mua sắm. Amazon cho biết đến cuối năm 2025, hơn 250 triệu khách hàng đã sử dụng Rufus trong năm và người dùng tương tác với Rufus trong hành trình mua hàng có xác suất hoàn tất giao dịch cao hơn 60%. Đây là số liệu do Amazon công bố, vì vậy nên hiểu là chỉ dấu về hiệu quả theo cách đo của chính doanh nghiệp, không phải một benchmark độc lập của toàn ngành.
Alexa+ lại cho thấy một hướng khác: trợ lý AI không còn chỉ trả lời câu hỏi mà có thể thực hiện nhiệm vụ và kết nối với các dịch vụ bên ngoài.
Điểm đáng học ở đây không phải đơn thuần là “Amazon dùng GenAI”, mà là AI được cài thẳng vào hành trình khách hàng và hệ sinh thái dịch vụ. Khi AI nằm bên ngoài quy trình, nó là một công cụ. Khi AI nằm trong quy trình, nó bắt đầu trở thành một phần của mô hình vận hành.
Điều kiện để AI thực sự tạo ra giá trị
Có ba câu hỏi doanh nghiệp bán lẻ nên trả lời trước khi bắt đầu một dự án AI.
Dữ liệu đã đủ tốt chưa?
Không nhất thiết phải hoàn hảo, nhưng phải biết dữ liệu đến từ đâu, ai sở hữu, chất lượng đến mức nào và có thể dùng cho quyết định nào. Một mô hình tốt nhưng dữ liệu sai sẽ tạo ra một kết quả sai với tốc độ nhanh hơn.
Quy trình đã đủ rõ chưa?
AI không thể cứu một quy trình vốn đã không có logic. Nếu mô hình dự báo cho biết cửa hàng sắp thiếu hàng nhưng không có cơ chế tự động tạo đề nghị đặt hàng, insight vẫn nằm trên màn hình.
Có đo được giá trị hay không?
Mỗi ứng dụng AI cần gắn với một chỉ tiêu kinh doanh cụ thể: doanh thu tăng bao nhiêu, tỷ lệ chuyển đổi cải thiện thế nào, chi phí xử lý giảm bao nhiêu, thời gian phục vụ rút ngắn bao lâu hay tỷ lệ khách quay lại thay đổi ra sao.
Đây là điểm mà nhiều doanh nghiệp bỏ qua. Họ đo số lượng chatbot, số người dùng AI hoặc số pilot, trong khi điều cần đo cuối cùng là tác động đến P&L và trải nghiệm khách hàng.
Bài toán nhân sự cũng đang thay đổi
AI trong bán lẻ không chỉ là bài toán của data scientist.
Dữ liệu Microsoft và LinkedIn cho thấy retail nằm trong nhóm ngành có tỷ lệ thành viên bổ sung kỹ năng AI đáng kể trên LinkedIn, ở mức 11% trong năm 2023, chỉ sau một số ngành như administrative and support services và real estate.
Điều đáng chú ý là các vị trí học AI không chỉ thuộc khối công nghệ mà trải rộng sang quản lý dự án, quản lý sản phẩm, vận hành, marketing, bán hàng, tài chính và thiết kế trải nghiệm.
Đây là một thay đổi quan trọng về tư duy tổ chức.
Trong mô hình cũ, AI thường được xem là việc của IT hoặc một nhóm chuyên gia. Trong mô hình mới, người hiểu nghiệp vụ phải biết sử dụng AI, còn đội công nghệ phải hiểu đủ sâu bài toán kinh doanh. Khoảng cách giữa hai nhóm càng nhỏ, thời gian từ ý tưởng đến giá trị càng ngắn.
Doanh nghiệp nên tự xây hay đi cùng đối tác?
Không có một mô hình duy nhất cho mọi nhà bán lẻ.
Doanh nghiệp có nền tảng dữ liệu tốt, đội ngũ kỹ thuật mạnh và nhu cầu kiểm soát cao có thể chọn in-house. Mô hình này giúp chủ động hơn về dữ liệu và kiến trúc dài hạn nhưng đòi hỏi năng lực nội bộ đủ mạnh.
Những doanh nghiệp đang thiếu kinh nghiệm chiến lược có thể đi cùng tư vấn để rút ngắn đường cong học hỏi, với điều kiện đội nội bộ phải tham gia đủ sâu. Nguy hiểm nhất là biến tư vấn thành bên “làm thay” toàn bộ.
Với doanh nghiệp vừa và nhỏ, thuê ngoài một phần thường thực tế hơn: bắt đầu bằng một use case có tác động rõ ràng, triển khai nhanh, đo kết quả rồi mới quyết định có nội hóa hay mở rộng. Ba mô hình này cũng là khung lựa chọn chính được tài liệu gốc đề xuất.
Điểm quan trọng nhất là không được nhầm “triển khai nhanh” với “triển khai tùy tiện”.
Một thử nghiệm tốt phải có phạm vi rõ, dữ liệu xác định được, người sở hữu nghiệp vụ, chỉ tiêu đo lường và quyết định tiếp theo sau thử nghiệm. Pilot chỉ có giá trị khi nó dẫn đến một quyết định: dừng, điều chỉnh hoặc mở rộng.
Từ chuyển đổi số sang một mô hình vận hành mới
Giai đoạn đầu của chuyển đổi số thường tập trung vào việc thay giấy bằng phần mềm. Giai đoạn sau là kết nối các hệ thống. Bước tiếp theo sẽ khó hơn nhiều: thiết kế lại cách doanh nghiệp vận hành xung quanh dữ liệu, AI và khả năng ra quyết định nhanh.
Đó cũng là lý do “AI transformation” trong bán lẻ không nên bắt đầu bằng câu hỏi: “Chúng ta có thể dùng AI ở đâu?”
Một câu hỏi có giá trị hơn là: “Ở đâu doanh nghiệp đang mất nhiều giá trị nhất vì thiếu thông tin, thiếu tốc độ hoặc quá nhiều thao tác thủ công?”
Câu hỏi thứ hai sẽ giúp tìm ra use case.
Trước khi đầu tư thêm một nền tảng mới, lãnh đạo nên nhìn vào năm điều: khách hàng đang rời bỏ mình vì trải nghiệm nào; dữ liệu đang bị phân mảnh ở đâu; quyết định quan trọng nhất hiện nay đang dựa trên dữ liệu hay cảm tính; quy trình nào đang tiêu tốn nhiều nhân lực nhất; và công nghệ mới sẽ cải thiện chỉ số kinh doanh nào.
Khi trả lời được năm câu hỏi đó, doanh nghiệp thường sẽ biết mình cần AI ở đâu.
Và có lẽ đó mới là ý nghĩa thực sự của việc “làm bạn với AI”: không chạy theo AI vì sợ bị bỏ lại, mà biết sử dụng nó đúng nơi để doanh nghiệp chạy nhanh hơn, hiểu khách hàng hơn và vận hành tốt hơn.
FPT Digital — DxReports MONTHLY tháng 05.2025, “Ứng dụng AI và Chuyển đổi số trong ngành bán lẻ”. Số liệu thị trường, case study Sears/Costco/Amazon và khung chuyển đổi trong bài được trích dẫn theo báo cáo.


