Từ kho hồ sơ giấy đến dữ liệu sạch: ba chặng mà nhiều đơn vị mới đi được một

Số hóa mới dừng ở bản mềm

Số liệu trên nằm trong báo cáo chuyển đổi số doanh nghiệp năm 2022, được TheLeader dẫn lại. Phần lớn doanh nghiệp mới đưa văn bản, giấy tờ từ bản cứng thành bản mềm để lưu trên hệ thống; số làm chủ được công nghệ để phân tích dữ liệu, tự động hóa việc ra quyết định chỉ chiếm 2,2%. Theo đội ngũ Aidox, khoảng cách giữa hai con số này là khoảng cách giữa “có file” và “có dữ liệu”, và để đi hết khoảng cách đó, số hóa tài liệu, quản lý tài liệu thông minh và chuẩn hóa dữ liệu cần được xem là ba chặng của một con đường thay vì ba dự án rời nhau.

Khu vực công đi nhanh hơn về tỷ lệ nhưng cùng chung tình trạng. Trả lời cử tri trên VnExpress năm 2025, Bộ Khoa học và Công nghệ cho biết tỷ lệ số hóa hồ sơ và kết quả giải quyết thủ tục hành chính ở khối bộ, ngành đạt trên 57%, khối tỉnh, thành phố đạt trên 71%, và Nghị quyết 71/NQ-CP đặt mục tiêu 100% vào năm 2030. Ngành y tế chậm hơn hẳn. Tính đến tháng 5/2025, chỉ 174 trên tổng số 1.700 bệnh viện công bố triển khai bệnh án điện tử, theo PGS.TS Trần Quý Tường, Chủ tịch Hội Tin học Y tế, dù Thông tư 46/2018/TT-BYT yêu cầu bệnh viện hạng một hoàn thành từ năm 2023. Bộ Y tế sau đó yêu cầu các bệnh viện “khai tử” bệnh án giấy trước ngày 30/9; đến cuối tháng 6, VnExpress ghi nhận mới hơn 200 cơ sở hoàn tất chuyển đổi, trong khi mỗi bệnh viện tuyến tỉnh cần đầu tư trên 10 tỷ đồng cho hệ thống bệnh án điện tử.

Ông Đào Xuân Cơ, Giám đốc Bệnh viện Bạch Mai, nói với Tuổi Trẻ rằng bệnh viện mỗi năm tiếp nhận khoảng 2 triệu lượt bệnh nhân ngoại trú và chi 50 tỉ đồng mua phim in cho người bệnh; nguồn dữ liệu rất lớn nhưng vì lưu trên giấy nên “đang nằm trên kho dữ liệu nhưng là dữ liệu chết”. Câu chuyện của Bạch Mai không riêng gì ngành y. Ở doanh nghiệp, hồ sơ giấy nằm trong tủ, file mềm nằm trong ổ đĩa chia sẻ, bản mới nhất nằm trong hộp thư của một người, và không ai chắc mình đang cầm đúng phiên bản.

Chặng một: bản scan phải trở thành chữ

Về mặt kỹ thuật, một bản scan chỉ là tấm ảnh; máy tính không nhìn thấy chữ trong đó. Muốn tìm tên một người trong hai mươi năm hồ sơ, hệ thống phải chạy OCR (nhận dạng ký tự quang học) trước. Với tiếng Việt, việc này khó hơn tiếng Anh vì dấu thanh và dấu mũ, và khó hơn nữa với kho tài liệu cũ được soạn bằng bảng mã VNI hay TCVN3, thứ mà phần mềm nước ngoài đọc ra thành ký tự lạ. Theo đội ngũ triển khai của Aidox, đây là vướng mắc gặp nhiều nhất khi số hóa hồ sơ tồn đọng ở cơ quan nhà nước, nơi văn bản từ thập niên 2000 trở về trước gần như đều gõ bằng các bảng mã này.

Tài liệu thực tế hiếm khi ở tình trạng tốt: bản scan mờ, trang bị nghiêng, ảnh chụp bằng điện thoại dưới ánh đèn vàng. Hệ thống cần một bước chuẩn hóa ảnh trước khi đọc chữ. Riêng chữ viết tay, các nhà cung cấp nghiêm túc đều thừa nhận chỉ đọc được ở mức hạn chế, tốt nhất với chữ in rời nét trên biểu mẫu có ô. Vì vậy, con số chính xác chỉ có ý nghĩa khi được đo trên chính mẫu tài liệu của đơn vị, chứ không phải trên bộ mẫu của nhà cung cấp.

Chặng hai: hệ thống hiểu tài liệu nói gì

Khi chữ đã đọc được, bài toán chuyển sang quản lý. Ổ đĩa chia sẻ chỉ lưu file; hệ thống quản lý tài liệu thông minh phải hiểu được nội dung bên trong file. Cụ thể, tài liệu đưa vào được nhận diện thuộc loại nào trong hơn 50 loại văn bản phổ biến như hợp đồng, biên bản, công văn, quyết định; một bộ hồ sơ nhiều trang được tách thành từng văn bản; ngày ban hành, đơn vị soạn thảo và người ký được đọc ra rồi ghi nhận cho từng file, xếp vào cây thư mục cấu hình theo nghiệp vụ.

Từ nền đó, người dùng tìm theo nội dung và theo nghĩa, hoặc đặt câu hỏi bằng tiếng Việt thông thường và nhận câu trả lời kèm trích dẫn tới đúng trang trong đúng tài liệu. Quyền xem đi theo cây tổ chức xuống từng thư mục; mọi lượt mở và in đều có nhật ký và dấu chìm, điều mà hồ sơ nhân sự, hợp đồng và dữ liệu khách hàng nằm chung một thư mục không bao giờ có được. Cách thử đơn giản nhất khi xem hệ thống: hỏi một câu tiếng Việt về kho mẫu của chính mình và xem nó có chỉ ra đúng trang hay không.

Chặng ba: dữ liệu đúng, đủ, sạch, sống

Tìm được tài liệu mới tiết kiệm thời gian tra cứu; giá trị kinh tế thực sự xuất hiện khi thông tin trong tài liệu chảy thẳng vào phần mềm nghiệp vụ mà không qua bàn tay nhập liệu. Đây cũng là điểm nghẽn được nêu tại diễn đàn Insurance Summit 2026: Gartner dự báo khoảng 60% dự án AI có thể bị hủy bỏ trong năm 2026 do dữ liệu chưa sẵn sàng, còn đại diện Bảo Việt cho biết dù đã dùng AI và OCR trong bồi thường nhiều năm, khoảng 57% hồ sơ vẫn cần con người xử lý vì biểu mẫu và chữ viết tay từ hàng chục nghìn cơ sở y tế quá đa dạng, theo VnExpress. Ngành quản lý đất đai đang dùng bốn chữ “đúng, đủ, sạch, sống” làm tiêu chí cho cơ sở dữ liệu, theo TheLeader; bốn chữ ấy cũng mô tả chính xác yêu cầu với dữ liệu trích xuất từ tài liệu: mỗi trường đúng định dạng và đúng danh mục, đủ các trường bắt buộc, sạch nhờ kiểm tra chéo, và sống vì được cập nhật, được dùng hằng ngày, kèm đường dẫn về trang gốc để mở lại khi có tranh cãi.

Mỗi ngành chuẩn hóa một kiểu. Ba ví dụ dưới đây lấy từ các dự án Aidox đã triển khai, số liệu đo trên mẫu tài liệu của từng khách hàng.

Tài liệu	Trường dữ liệu trích xuất	Kiểm tra chéo và đích đến
Hóa đơn đầu vào: điện tử, giấy quét, ảnh chụp	Số hóa đơn, ngày, mã số thuế, từng dòng hàng, thuế giá trị gia tăng, tổng tiền. Chính xác trên 98% với hóa đơn chuẩn.	Mã số thuế hợp lệ, tổng tiền bằng tổng dòng, mức thuế đúng quy định. Đạt thì vào SAP, Misa, Bravo hoặc Fast trong 30 giây; không đạt thì vào hàng đợi cho kế toán thẩm định.
Hợp đồng, kể cả song ngữ Việt, Anh, Nhật	Bên ký, người đại diện, ngày hiệu lực, ngày hết hạn, giá trị, điều khoản thanh toán, phạt vi phạm, chấm dứt. Hơn 50 trường.	So từng điều khoản với mẫu chuẩn của doanh nghiệp, đánh dấu điều khoản thiếu hoặc lệch cho pháp chế. Sau ký, tự lập mốc thời gian và nhắc trước hạn 30, 60, 90 ngày.
Bệnh án giấy viết tay	Sinh hiệu, thuốc, chẩn đoán tách riêng; mã bệnh ICD-10 gán tự động. Chính xác trên 96% trên các mẫu phổ biến.	Đưa vào hệ thống thông tin bệnh viện và bệnh án điện tử theo chuẩn HL7 hoặc FHIR. Dữ liệu bệnh nhân không rời khỏi mạng nội bộ.

Điểm chung của ba trường hợp là hệ thống không thay thế phần mềm kế toán, pháp chế hay bệnh án điện tử đang chạy. Nó đứng ở tầng tài liệu, nhận file từ mọi nguồn và trả dữ liệu đã trích xuất sang nơi cần dùng qua API. Ở Aidox, tầng này do Aidox Corpus đảm nhiệm.

Điều kiện riêng của thị trường Việt Nam

Có một yêu cầu mà khách hàng Việt Nam đặt ra rõ hơn nhiều thị trường khác: dữ liệu không được rời khỏi đơn vị. Ngân hàng, bệnh viện và cơ quan nhà nước không gửi tài liệu lên dịch vụ nước ngoài để xử lý, kể cả ở bước dùng AI. Toàn bộ OCR, mô hình, chỉ mục tìm kiếm và kho lưu trữ vì thế phải cài trên máy chủ của chính đơn vị, và phải chạy được cả khi mạng nội bộ tách hẳn khỏi bên ngoài, điều bắt buộc với hệ thống mật ở khu vực công. Theo kinh nghiệm của đội ngũ Aidox, nhà cung cấp chỉ có bản chạy trên cloud thường bị loại ngay từ vòng khảo sát.

Bốn câu hỏi trước khi ký hợp đồng số hóa

Từ kinh nghiệm khảo sát tại các đơn vị đã từng số hóa một lần mà chưa dùng được, đội ngũ Aidox gợi ý bốn câu hỏi nên đặt cho nhà cung cấp trước khi ký.

• Scan xong, đơn vị tìm được theo nội dung hay chỉ theo tên file? Nếu chỉ theo tên file, hợp đồng đó mới là dịch vụ chụp ảnh tài liệu.
• Dữ liệu trích xuất đi về đâu, có được kiểm tra chéo trước khi vào sổ không, và trường nào sai thì ai là người nhìn thấy?
• Tài liệu có rời khỏi máy chủ của đơn vị ở bất kỳ bước nào không, kể cả bước dùng AI?
• Con số chính xác được đo trên mẫu của ai? Phép đo chỉ có giá trị khi chạy thử trên chính kho tài liệu của đơn vị, trước khi nhận bất kỳ cam kết nào.

Bốn tuần cho dự án đầu tiên

Với Aidox Corpus, dự án đầu tiên thường chạy chính thức sau khoảng bốn tuần. Tuần đầu dành cho việc chốt danh mục loại tài liệu, cây phòng ban và ma trận quyền, đồng thời cài hệ thống lên máy chủ của đơn vị. Hai tuần tiếp theo nạp kho tài liệu hiện có, OCR theo lô, hiệu chỉnh bộ phân loại và bộ trích xuất trên chính mẫu của khách hàng. Tuần cuối là đào tạo, nối sang các hệ thống liên quan và nghiệm thu. Trong suốt thời gian đó, hệ thống cũ vẫn chạy song song và người dùng làm việc bình thường cho đến khi nghiệm thu xong, nên đơn vị không phải dừng việc để chuyển đổi.

Chi tiết cách ba chặng vận hành trên kho tài liệu của một đơn vị được mô tả ở trang giải pháp số hóa và quản lý văn bản.