Trong nhiều năm, giá trị của camera cửa hàng thường được đo bằng một câu hỏi khá đơn giản: “Khi có mất hàng hoặc xảy ra sự cố, camera có xem lại được không?”. Camera vì thế chủ yếu phục vụ chống thất thoát, điều tra sự cố, quan sát từ xa và cung cấp bằng chứng. Nhưng lớp AI mới đang mở rộng vai trò của hệ thống CCTV theo một hướng rất khác: camera bắt đầu được dùng để nhận biết cửa hàng có đang vận hành đúng trạng thái hay không.
Ngày 30/09/2026, DTiQ công bố ACTIONiQ, một giải pháp AI video analytics dành cho chuỗi nhà hàng và quick-service restaurant. Theo DTiQ, ACTIONiQ biến hạ tầng camera hiện hữu thành nguồn operational intelligence theo thời gian thực, phân tích customer flow, queue condition, service speed, staffing coverage, dining-room condition và các chỉ số vận hành khác. Thay vì đợi tới khi có khách phàn nàn rồi mới mở camera xem lại, nền tảng hướng tới phát hiện vấn đề ngay khi nó đang hình thành và gửi thông báo cho đội vận hành.
OpenEye cũng đang đưa video AI theo hướng tương tự. Operational Analytics của hãng có các use case như queue length, wait time, customer count, heatmap, occupancy và Unattended Customer, tức phát hiện khi khách đang chờ ở khu vực phục vụ nhưng không có nhân viên tại vị trí cần thiết. AI Visual Check đi xa hơn khi cho phép doanh nghiệp tự động kiểm tra những điều kiện trực quan như kệ thiếu hàng, lối thoát bị chắn hoặc một khu vực không đáp ứng trạng thái vận hành mong muốn.
Đây là một bước chuyển rất đáng chú ý: camera không chỉ hỏi “có trộm không?” mà bắt đầu hỏi “cửa hàng có đang vận hành đúng không?”.
Chú thích ảnh: Camera cửa hàng đang dần chuyển từ thiết bị ghi hình an ninh sang nguồn dữ liệu hỗ trợ vận hành, dịch vụ khách hàng và quản lý nhiều địa điểm.
Camera an ninh truyền thống nhìn sự cố, Operational AI nhìn trạng thái vận hành
AI camera phổ biến vài năm gần đây thường xoay quanh Person Detection, Vehicle Detection, Intrusion, Line Crossing, Loitering và các sự kiện tương tự. Mục tiêu chính là giảm báo động giả và giúp người vận hành tìm nhanh những sự kiện có khả năng liên quan tới an ninh.
Operational AI đặt một nhóm câu hỏi khác. Hàng chờ hiện tại có vượt mức cửa hàng chấp nhận không? Khách đã đứng tại quầy quá lâu chưa? Có khách ở khu vực thanh toán nhưng chưa có nhân viên hỗ trợ không? Một lối đi cần luôn thông thoáng có đang bị vật thể che chắn không? Kệ sản phẩm quan trọng có xuất hiện khoảng trống đáng chú ý không?
OpenEye mô tả Operational Analytics theo đúng hướng này: hệ thống phân tích hành vi và pattern của khách, nhân viên, xe và vật thể để tạo thông tin phục vụ hoạt động kinh doanh, customer experience và efficiency. Trong đó Queue Length Detection có thể cảnh báo khi số người trong hàng vượt ngưỡng, Wait Time theo dõi thời gian khách ở một vùng, còn Unattended Customer nhận biết khu vực có khách nhưng không có nhân viên tại quầy trong khoảng thời gian được cấu hình.
Như vậy cùng một camera, nhưng câu hỏi kinh doanh đã thay đổi. Security AI hỏi “sự kiện nguy hiểm nào đang xảy ra?”, còn Operational AI hỏi “quy trình nào đang lệch khỏi trạng thái mong muốn?”
Chú thích ảnh: Cùng sử dụng video nhưng AI an ninh và Operational AI giải quyết hai nhóm bài toán khác nhau: bảo vệ tài sản và kiểm soát trạng thái vận hành.
Từ “xem lại camera” sang “camera chủ động báo vấn đề”
Camera truyền thống phần lớn mang tính phản ứng. Khách phàn nàn về thời gian chờ, quản lý mới mở video. Có tranh chấp tại quầy, nhân viên mới tìm timeline. Một lối đi bị chắn trong vài giờ có thể chỉ được phát hiện khi một người trực tiếp đi ngang qua.
ACTIONiQ được DTiQ xây dựng nhằm thay đổi luồng này thành Video → AI Detection → Exception → Notification → Manager Verification. Khi queue vượt threshold, nền tảng có thể gửi notification qua DTiQ 360iQ, email, SMS hoặc mobile app. Scheduled AI-assisted Reviews cũng được hãng mô tả cho các bài toán như dining-room cleanliness, staffing coverage và một số visual policy exception tại nhiều địa điểm.
OpenEye AI Visual Check hoạt động với triết lý tương tự nhưng theo dạng kiểm tra điều kiện hình ảnh. Doanh nghiệp xác định một trạng thái cần duy trì và lịch kiểm tra; hệ thống phân tích hình ảnh camera, sau đó chỉ gửi alert khi điều kiện nằm ngoài kỳ vọng. OpenEye đưa ra ví dụ như lobby cần sạch, shelf cần được bổ sung sản phẩm hoặc access point cần ở trạng thái phù hợp.
Điểm đáng chú ý nằm ở chữ exception. Người quản lý không cần xem tất cả những thời điểm cửa hàng hoạt động bình thường; AI cố gắng chỉ kéo sự chú ý về những khoảnh khắc có khả năng cần con người kiểm tra.
Camera bắt đầu giống một “cảm biến vận hành bằng hình ảnh”
Doanh nghiệp vốn đã sử dụng rất nhiều cảm biến: cảm biến nhiệt độ biết phòng lạnh quá nóng, POS biết tốc độ giao dịch, access control biết ai vừa sử dụng credential, phần mềm chấm công biết nhân viên vào ca lúc nào. Camera trước đây lại chủ yếu được coi là nguồn video.
AI đang thay đổi điều đó. Hình ảnh có thể được chuyển thành dữ liệu như số người trong queue, thời gian chờ, lượng khách vào cửa, occupancy hoặc trạng thái của một khu vực. Camera vì thế có thể được coi như một visual sensor: cảm biến sử dụng hình ảnh để hiểu một số điều kiện mà cảm biến thông thường khó đo được.
Điểm mạnh của visual sensor là tính linh hoạt. Một camera nhìn quầy có thể đồng thời cung cấp video cho loss prevention và dữ liệu về queue nếu góc phù hợp. Camera cửa chính có thể phục vụ an ninh đồng thời hỗ trợ customer counting. Đây là lý do Operational AI có thể tạo thêm ROI từ hệ thống camera doanh nghiệp vốn đã đầu tư.
Camera biết quầy đang thiếu người phục vụ bằng cách nào?
Cách diễn giải chính xác không nên là “AI biết nhân viên bỏ vị trí”, bởi camera không nhất thiết hiểu đầy đủ bối cảnh công việc của nhân viên. Một mô hình hợp lý hơn là xác định vùng phục vụ và điều kiện cần quan tâm.
OpenEye mô tả Unattended Customer theo cách này: analytics theo dõi một Region of Interest, phát hiện khi khu vực có khách nhưng không có nhân viên tại register trong một khoảng thời gian được cấu hình.
Ví dụ khách đứng tại quầy 10 giây chưa chắc cần cảnh báo. Nhưng nếu khách đã chờ 90 giây và không phát hiện nhân viên tại khu vực phục vụ, hệ thống có thể tạo event cho quản lý kiểm tra. AI không cần kết luận rằng nhân viên nào sai; nó chỉ thông báo rằng điều kiện phục vụ hiện tại có khả năng không đạt tiêu chuẩn cửa hàng đã đặt ra.
Cách triển khai này vừa hữu ích hơn vừa tránh biến camera thành công cụ đánh giá con người thiếu bối cảnh.
Hàng chờ dài: từ chuyện quản lý nhìn thấy sang dữ liệu có thể đo
Queue là một trong những use case Operational AI dễ tạo giá trị nhất. Một cửa hàng có thể đặt rule rằng nếu quá sáu khách đứng trong queue hơn 60 giây, quản lý cần kiểm tra và cân nhắc mở thêm quầy.
OpenEye Queue Length Detection cho phép theo dõi số người hoặc xe trong vùng queue và tạo ticket/alert khi số lượng vượt Maximum Queue Length trong thời gian cấu hình. Wait Time lại theo dõi khách hoặc xe ở trong một vùng bao lâu.
ACTIONiQ cũng đo customer flow, queue condition, wait time và service timing nhằm giúp operator nhận ra thời điểm dịch vụ chậm, sau đó so sánh giữa location hoặc daypart để tìm pattern.
Điểm quan trọng là doanh nghiệp không chỉ nhận một cảnh báo. Sau vài tuần, dữ liệu có thể giúp trả lời câu hỏi “khung giờ nào thường xuyên thiếu năng lực phục vụ?”. Đây là lúc camera bắt đầu đóng góp cho quyết định staffing thay vì chỉ ghi video.
Lối thoát bị chắn: camera bước sang bài toán safety và compliance
Một thùng hàng được đặt tạm bên cạnh cửa có thể không đáng chú ý. Nhưng sau vài lượt nhập hàng, thêm nhiều thùng khác xuất hiện và lối đi dần bị che. Nếu chỉ dựa vào walkthrough thủ công, tình trạng đó có thể tồn tại khá lâu trước khi được phát hiện.
OpenEye công khai dùng blocked exit, blocked walkway và forklift path obstruction làm ví dụ cho AI Visual Check. Hệ thống kiểm tra khu vực được chỉ định và cảnh báo khi visual condition nằm ngoài trạng thái mong muốn.
AI ở đây không thay thế kiểm tra an toàn bắt buộc, quy trình PCCC hoặc trách nhiệm của con người. Nó đóng vai trò lớp giám sát bổ sung giúp phát hiện sớm hơn giữa các lần kiểm tra trực tiếp.
Đây cũng là ví dụ rõ cho việc một camera vốn được lắp để chống trộm có thể tạo thêm giá trị cho Facilities, Operations và Safety.
Kệ trống: Camera từ chống thất thoát sang bảo vệ doanh thu
Một kệ thiếu hàng không phải security incident. Không có alarm và cũng chưa chắc có bất kỳ hành vi bất thường nào. Nhưng nếu một mặt hàng bán chạy bị hết trên kệ hai giờ trong khi kho phía sau vẫn còn sản phẩm, cửa hàng có thể mất doanh thu.
OpenEye AI Visual Check đưa việc phát hiện gaps hoặc missing items on shelves vào nhóm use case chính. Hệ thống có thể gửi thông báo khi kệ không còn đáp ứng trạng thái được định nghĩa, giúp đội cửa hàng bổ sung hàng sớm hơn.
Đây là thay đổi rất đáng chú ý về ROI. Camera ban đầu được ngân sách hóa cho loss prevention, nhưng AI bắt đầu khiến cùng hệ thống đóng góp vào revenue protection.
Chú thích ảnh: Operational AI tập trung vào trạng thái của khu vực và quy trình, chẳng hạn thời gian phục vụ, tình trạng lối đi hoặc mức độ sẵn sàng của kệ hàng.
Đây không chỉ là retail: QSR và nhà hàng đang đi trước rất nhanh
DTiQ ACTIONiQ được xây rõ ràng cho multi-location restaurant và quick-service restaurant, vì đây là môi trường mà vài phút chậm trễ có thể ảnh hưởng trực tiếp tới trải nghiệm khách. Hãng nhắm tới customer flow, queue, service speed, staffing coverage và dining-room condition.
Trong QSR, camera tại khu order có thể theo dõi queue; khu pickup có thể hỗ trợ đo wait time; camera dining area có thể phục vụ scheduled visual check; drive-thru có thể được đo vehicle journey time. OpenEye cũng có analytics dành cho vehicle journey time và QSR, theo dõi thời gian xe đi qua nhiều giai đoạn của drive-thru để nhận ra bottleneck.
Điểm chung là video đang được đưa vào process measurement. Camera không chỉ nói “xe này đã đi qua”, mà có thể hỗ trợ trả lời “xe mất bao lâu để hoàn tất hành trình phục vụ?”.
Operational AI mạnh nhất khi doanh nghiệp có nhiều cửa hàng
Một cửa hàng có quản lý trực tiếp tại chỗ cả ngày có thể xử lý nhiều vấn đề bằng mắt. Nhưng một chuỗi 20, 50 hoặc 200 địa điểm không thể yêu cầu quản lý vùng liên tục mở camera từng nơi để kiểm tra queue, quầy hoặc kệ.
Đây chính là môi trường Operational AI tạo giá trị cao. Thay vì manager phải xem 100 camera, hệ thống tạo danh sách những exception đáng chú ý. ACTIONiQ cũng được DTiQ thiết kế để so sánh performance giữa nhiều location và daypart, phát hiện recurring gap và hỗ trợ scheduled AI review trên diện rộng.
OpenEye AI Visual Check cũng nhấn mạnh việc giảm manual walkthrough trên nhiều địa điểm bằng cách tự động kiểm tra site conditions.
Vì vậy Operational AI không chỉ là một tính năng camera. Nó là một mô hình quản trị nhiều site bằng exception.
Dashboard camera tương lai có thể không còn bắt đầu bằng “Camera 1, Camera 2”
Phần mềm CCTV truyền thống thường mở ra grid 4, 9, 16 hoặc 32 camera. Người dùng chọn một camera rồi mở Live View hoặc Playback. Operational AI có thể đảo ngược logic này.
Dashboard có thể bắt đầu bằng 3 cửa hàng queue vượt ngưỡng, 2 service point cần kiểm tra, 1 lối thoát có khả năng bị che và 4 visual check chưa đạt. Người quản lý chỉ mở camera phía sau nếu cần xác minh.
Video lúc đó trở thành evidence linked to operational data, thay vì chính video là thứ người dùng phải xem đầu tiên.
Đây là một thay đổi UX rất lớn với hệ thống camera doanh nghiệp.
AI Visual Check còn mở ra một hướng mới: đặt câu hỏi về trạng thái hiện trường
Analytics truyền thống thường được nhà sản xuất lập trình sẵn: person, vehicle, line crossing, queue. AI Visual Check hướng tới linh hoạt hơn: người dùng định nghĩa điều kiện mình muốn hệ thống kiểm tra.
OpenEye mô tả quá trình theo kiểu chọn camera, nêu condition, đặt schedule và để AI kiểm tra. Ví dụ hãng minh họa những câu hỏi như floor mat có ở đúng vị trí không hoặc walkway có bị chắn không.
Điều này có thể mở rộng rất mạnh use case Operational AI vì doanh nghiệp không phải chờ vendor tạo riêng một detector cho mọi tình huống. Tuy nhiên hiện tại OpenEye ghi rõ AI Visual Check vẫn đang ở trạng thái beta và cần add-on license, vì vậy đây là xu hướng mới đang được triển khai chứ chưa nên mô tả như tính năng phổ cập trên mọi hệ thống camera.
Camera hiện hữu có thể tận dụng hay phải thay toàn bộ?
Đây là câu hỏi thương mại quan trọng nhất. ACTIONiQ được DTiQ quảng bá theo hướng đặt operational intelligence lên existing camera infrastructure, tức doanh nghiệp không mặc định phải thay toàn bộ camera mới bắt đầu được.
Nhưng “tận dụng camera cũ” không có nghĩa camera nào cũng phù hợp. AI vẫn cần hình ảnh đủ tốt và đúng góc. Camera nhìn cửa có thể phù hợp people count nhưng không nhất thiết nhìn được queue. Camera toàn cảnh rất tốt cho security nhưng có thể quá xa để kiểm tra một kệ nhỏ.
Vì vậy FPTC nên audit hệ thống theo ba nhóm: camera giữ nguyên, camera chỉnh góc/cấu hình, và camera cần nâng cấp. Đây là cách thuyết phục khách hàng hơn rất nhiều so với mặc định báo giá thay tất cả lên “camera AI”.
Một camera có thể vừa làm Security vừa làm Operations?
Có, và đây là nơi ROI hấp dẫn nhất. Camera cửa có thể dùng để điều tra sự cố và customer count. Camera quầy có thể vừa hỗ trợ loss prevention vừa đo queue hoặc unattended service point. Camera hành lang có thể giữ video sự kiện đồng thời hỗ trợ visual check nếu góc đủ tốt.
Tuy nhiên không nên ép một camera thực hiện mọi nhiệm vụ. Một camera nhìn rất rộng thường giảm mật độ chi tiết trên từng đối tượng. Một camera được đặt tối ưu cho cửa lại không nhìn được kệ. AI không thể tạo dữ liệu không có trong khung hình.
FPTC vì thế cần chuyển từ tư duy “camera phủ hết điểm mù chưa?” sang thêm một câu hỏi mới: “camera có nhìn đúng dữ liệu cho analytics chưa?”
Security Coverage và Analytics Coverage không hoàn toàn giống nhau
Đây có thể trở thành một khái niệm rất hữu ích khi FPTC khảo sát cửa hàng. Security Coverage nhằm đảm bảo cửa, quầy, kho và lối đi quan trọng đều có video để giám sát hoặc điều tra. Analytics Coverage lại nhằm đảm bảo camera thấy đúng ROI cần đo: queue, service point, shelf hoặc exit.
Một cửa hàng có thể có security coverage rất tốt nhưng analytics coverage thấp. Ví dụ camera toàn cảnh nhìn được toàn bộ quầy nhưng nhân viên và khách quá nhỏ trong khung hình để phân tích service condition ổn định.
Khi nâng AI, không nhất thiết phải thiết kế lại cả hệ thống; có thể chỉ cần bổ sung hoặc chỉnh một số góc analytics quan trọng.
Camera + POS sẽ tạo thêm ngữ cảnh
Video tự nó nhìn được hình ảnh, nhưng khi kết hợp dữ liệu khác, giá trị tăng lên. DTiQ vốn phát triển nền tảng kết hợp intelligent video và operational data cho restaurant/QSR. OpenEye cũng cung cấp POS integration phục vụ video search và transaction investigation.
Trong tương lai, cùng một event có thể được hiểu qua nhiều nguồn: camera cho biết queue dài, POS cho thấy transaction rate đang giảm, dữ liệu staffing cho biết ca hiện tại thiếu người. Quản lý từ đó hiểu được nhiều hơn so với việc chỉ xem một clip.
Đây cũng là xu hướng nối trực tiếp với các bài FPTC về camera + máy chấm công + kiểm soát cửa + IT. Video đang dần trở thành một nguồn dữ liệu trong hệ thống vận hành doanh nghiệp rộng hơn.
Chú thích ảnh: Khi video được kết hợp với dữ liệu POS, nhân sự hoặc kiểm soát cửa, doanh nghiệp có thêm bối cảnh để hiểu nguyên nhân phía sau các vấn đề vận hành.
AI phát hiện vấn đề nhưng manager vẫn phải hiểu nguyên nhân
Một trong những rủi ro lớn nhất của Operational AI là biến correlation thành kết luận. Camera thấy queue dài nhưng chưa chắc nguyên nhân là thiếu nhân viên; POS có thể đang lỗi. Camera thấy khách chờ quầy nhưng nhân viên có thể đang hỗ trợ một khách khác ngoài khung hình. Kệ trống chưa chắc cửa hàng hết hàng; sản phẩm có thể đang được mang ra bổ sung.
DTiQ nhấn mạnh ACTIONiQ được thiết kế để giữ manager in control of the response, tức AI hỗ trợ detection, notification, measurement và analysis nhưng quyết định cuối cùng vẫn thuộc con người.
Đây cũng nên là nguyên tắc của FPTC: AI phát hiện → con người xác minh → quy trình phản ứng. Không nên biến một event từ camera thành kết luận tự động về nhân viên hoặc chất lượng vận hành.
Đừng dùng Operational AI để “soi” nhân viên
Một hệ thống có thể nhận biết vùng quầy không có nhân viên, nhưng mục tiêu nên là đảm bảo khách được phục vụ, không phải xây dựng một công cụ giám sát từng giây làm việc của nhân viên. AI thiếu rất nhiều bối cảnh: nhân viên có thể đang lấy hàng, hỗ trợ khách, xử lý sự cố hoặc thực hiện nhiệm vụ khác.
Cách thiết kế phù hợp là kiểm tra process condition. Ví dụ: “Có khách chờ ở service point quá 60 giây nhưng chưa có người phục vụ” hữu ích hơn nhiều so với “nhân viên không đứng tại vị trí”. Event thứ nhất gắn trực tiếp với customer experience và có ngưỡng rõ ràng.
Điều này cũng giúp giảm false positive và tránh biến hệ thống camera thành công cụ đánh giá nhân sự thiếu kiểm chứng.
Quyền riêng tư càng quan trọng khi camera được dùng ngoài mục đích an ninh
Khi camera chỉ được lắp để bảo vệ cửa hàng, phạm vi sử dụng khá dễ hiểu. Khi video bắt đầu được đưa sang analytics, customer count, heatmap hoặc workflow monitoring, doanh nghiệp cần hiểu rõ dữ liệu đang được xử lý cho mục đích nào.
Nguyên tắc hợp lý là chỉ xử lý những gì cần cho bài toán. Đếm khách không nhất thiết phải nhận diện danh tính từng người. Queue analysis chỉ cần số lượng và thời gian. Shelf check cần trạng thái kệ chứ không cần phân tích khách đứng cạnh là ai.
Operational AI tốt nên giúp doanh nghiệp hiểu trạng thái hoạt động mà không thu thêm dữ liệu cá nhân không cần thiết.
False Positive có thể giết chết một dự án AI vận hành
Một AI tạo ra 100 alert mỗi ngày sẽ nhanh chóng bị nhân viên bỏ qua. Vì vậy thiết kế rule quan trọng không kém độ chính xác của model.
Một workflow tốt cần xác định đủ Condition – Zone – Schedule – Threshold – Recipient – Response. Ví dụ chỉ kiểm tra unattended customer trong giờ mở cửa; chỉ cảnh báo khi khách xuất hiện nhưng service point không có nhân viên quá 60 giây; chỉ gửi cho shift manager của cửa hàng đó.
Nếu không có người cụ thể chịu trách nhiệm sau alert, analytics chưa hoàn chỉnh. Công nghệ phát hiện tốt nhưng workflow phản ứng kém vẫn không tạo ROI.
Từ cửa hàng đơn lẻ tới chuỗi 10–50 điểm: ROI thay đổi rất mạnh
Ở một cửa hàng, manager có thể tự đi kiểm tra. Ở 50 cửa hàng, manual walkthrough và spot check trở thành khối lượng lao động lớn. Đây là lý do OpenEye nhấn mạnh AI Visual Check giúp giảm manual walkthrough trên nhiều location, còn DTiQ thiết kế ACTIONiQ đặc biệt cho multi-location operation.
Giả sử mỗi quản lý khu vực dành 20 phút mỗi ngày để kiểm tra video và điều kiện tại 10 điểm. Khi scale lên hàng chục location, số giờ lao động tăng rất nhanh. AI không nhất thiết thay việc kiểm tra của con người nhưng có thể giúp chuyển từ kiểm tra tất cả sang kiểm tra ngoại lệ.
Đây mới là business case mạnh nhất của Operational AI.
FPTC có thể bán gì từ xu hướng này?
Không nên bắt đầu bằng “bán camera AI”. Một gói B2B phù hợp hơn là Khảo sát và nâng cấp Operational AI cho hệ thống camera cửa hàng hiện hữu.
FPTC có thể khảo sát camera hiện có, xác định use case, kiểm tra góc và chất lượng video, lựa chọn 2–3 camera pilot, cấu hình analytics, xây threshold/alert, sau đó đo kết quả trước khi rollout. Những camera còn tốt được giữ lại; những vị trí chưa đạt thì chỉnh góc; chỉ một số điểm thật sự cần mới thay thiết bị.
Cách tiếp cận này giúp khách hàng nhìn thấy chi phí theo business outcome, không phải theo số lượng camera.
5 use case FPTC nên thử trước khi đi quá xa
1. Customer Count: đếm lượng khách vào cửa để hiểu peak hour và so sánh với staffing.
2. Queue Length / Wait Time: phát hiện hàng chờ vượt ngưỡng để quản lý phản ứng sớm.
3. Unattended Service Point: khách có mặt nhưng khu vực phục vụ chưa có nhân viên.
4. Visual Safety Check: lối đi hoặc lối thoát cần duy trì thông thoáng.
5. Shelf / Display Check: kiểm tra những kệ hoặc khu trưng bày đặc biệt quan trọng.
Đây là các use case dễ giải thích ROI hơn những lời quảng cáo chung chung như “AI thông minh hơn”.
Những use case nào chưa nên hứa quá sớm?
FPTC không nên hứa rằng camera sẽ tự đánh giá năng suất từng nhân viên, hiểu chính xác lý do khách bỏ đi, biết khách “hài lòng hay không” chỉ từ hình ảnh hoặc tự động quyết định phải tăng bao nhiêu nhân sự. Những kết luận này cần nhiều dữ liệu và dễ vượt quá khả năng thực tế của video analytics.
Ngay cả OpenEye cũng mô tả Operational Analytics và AI Visual Check dưới dạng tool hỗ trợ phát hiện/đánh giá điều kiện. Một số tính năng hiện còn ở trạng thái beta.
Cách tư vấn tốt nhất là nói đúng việc AI có thể đo và chỉ ra, không biến analytics thành “AI hiểu toàn bộ cửa hàng”.
FPTC nên khảo sát một cửa hàng theo cách mới như thế nào?
Thay vì chỉ hỏi vị trí cần camera, kỹ thuật viên nên hỏi thêm: khu vực nào thường xuyên phát sinh queue, nhân viên đang phải kiểm tra điều gì bằng mắt, khách thường phàn nàn ở bước nào, cửa/lối nào phải luôn thông thoáng, kệ nào quan trọng tới mức hết hàng cần biết sớm, và manager hiện nay phát hiện những vấn đề này bằng cách nào.
Sau đó mới map các câu hỏi đó lên camera. Một số camera hiện hữu có thể đã nhìn đúng vùng; một số cần chỉnh; một số nhiệm vụ chưa có camera phù hợp.
Đây là sự chuyển đổi từ Camera Survey sang Operational Video Survey.
Chú thích ảnh: Khảo sát Operational AI nên bắt đầu từ các vấn đề vận hành thực tế của cửa hàng rồi mới xác định camera, vùng phân tích và workflow cảnh báo cần triển khai.
Checklist 12 câu hỏi trước khi đưa Operational AI vào cửa hàng
Doanh nghiệp nên trả lời được: AI đang giải quyết vấn đề nào; camera nào nhìn đúng vùng đó; hình ảnh hiện tại có đủ không; analytics chạy ở camera, server hay cloud; event nào mới đáng cảnh báo; threshold bao nhiêu; alert gửi cho ai; người đó phải làm gì; hệ thống có giữ clip để xác minh không; false positive được xử lý thế nào; dữ liệu được lưu bao lâu; và kết quả sẽ được đo bằng KPI nào.
Nếu chưa trả lời được các câu này mà đã bắt đầu mua license, dự án rất dễ trở thành một bộ tính năng “có AI” nhưng không được sử dụng thực sự.
FAQ – Camera AI quản lý vận hành cửa hàng
Camera cửa hàng có thể phát hiện hàng chờ dài không?
Có. OpenEye cung cấp Queue Length Detection và Wait Time, trong khi DTiQ ACTIONiQ cũng phân tích queue condition, wait time và service timing.
Camera có thể cảnh báo khi quầy có khách nhưng không có nhân viên không?
OpenEye có tính năng Unattended Customer, theo dõi khu vực có khách nhưng không có nhân viên ở register/service point trong khoảng thời gian cấu hình.
AI có thể phát hiện kệ hàng thiếu sản phẩm không?
OpenEye AI Visual Check đưa shelf gap hoặc missing item vào nhóm use case vận hành mà hệ thống có thể kiểm tra bằng hình ảnh.
Camera có thể phát hiện lối thoát bị chắn không?
OpenEye liệt kê blocked exits, walkway obstruction và forklift-path obstruction như các use case safety/compliance của AI Visual Check.
Có cần thay toàn bộ camera để dùng AI vận hành không?
Không nhất thiết. ACTIONiQ được DTiQ công bố theo hướng sử dụng existing camera infrastructure. Tuy nhiên camera phải có chất lượng và góc nhìn phù hợp với từng use case.
AI có thay quản lý cửa hàng không?
Không nên. ACTIONiQ được DTiQ mô tả là hỗ trợ phát hiện và cung cấp thông tin trong khi manager vẫn giữ quyền quyết định phản ứng.
AI Visual Check của OpenEye đã chính thức phổ cập chưa?
OpenEye Knowledge Base hiện ghi AI Visual Check đang ở trạng thái beta và yêu cầu add-on license, nên đây vẫn là công nghệ mới đang được triển khai chứ chưa phải tính năng mặc định của mọi camera.
Camera cửa hàng đang bước sang một vai trò mới
Điểm đáng chú ý nhất của ACTIONiQ ngày 30/09 không nằm ở việc DTiQ thêm một danh sách AI feature mới. Nó nằm ở cách hãng định nghĩa lại giá trị của video: từ video evidence sang operational action. Camera đang được dùng để phát hiện vấn đề trong lúc cửa hàng còn có thể xử lý thay vì chỉ giải thích chuyện gì đã xảy ra sau đó.
OpenEye cũng cho thấy hướng đi tương tự khi Operational Analytics tập trung vào queue, wait time, occupancy, customer count và unattended service, còn AI Visual Check kiểm tra trực tiếp các site condition như shelf, exit hoặc walkway.
Đây có thể là một trong những thay đổi quan trọng nhất với camera B2B trong vài năm tới. Giá trị của hệ thống không còn chỉ là “ghi được video bao nhiêu ngày” mà còn là “từ video này doanh nghiệp biết được điều gì để vận hành tốt hơn?”
Với FPTC, hướng đi phù hợp không phải thay tên dịch vụ thành “lắp camera AI” rồi tiếp tục bán phần cứng như cũ. Cơ hội lớn hơn là xây một lớp dịch vụ mới: khảo sát camera hiện hữu → xác định bài toán vận hành → thử AI trên một vài khu vực → đo kết quả → mở rộng theo ROI.
Khi đó camera cửa hàng không chỉ giúp trả lời “ai đã lấy món hàng?”. Nó bắt đầu giúp trả lời “khách đang chờ quá lâu ở đâu?”, “quầy nào đang cần hỗ trợ?”, “khu vực nào cần xử lý?”, “kệ nào đang không đạt trạng thái mong muốn?”.
Đó chính là bước chuyển từ Video Surveillance sang Operational Intelligence.
FPTC – Future Protection Technology Company
Hotline: 08.1313.6565
