AI trong bán lẻ: WinCommerce tự động đặt hàng thế nào?
Case study AI trong bán lẻ: WinCommerce, đơn vị vận hành chuỗi WinMart/WinMart+ của Masan, dùng học máy để dự báo và đặt hàng cho 5.486 cửa hàng. Theo doanh nghiệp, khoảng 80% giá trị hàng đã đặt tự động vào 8/2026, song mục tiêu 90% chưa được xác nhận.

Mỗi cửa hàng tạp hoá phải trả lời một câu hỏi lặp lại hằng ngày: hôm nay đặt thêm bao nhiêu hàng. WinCommerce chuyển dần việc này từ nhân viên cửa hàng sang hệ thống học máy tập trung. Đây là trường hợp đáng xem vì chuỗi có quy mô hơn 5.400 cửa hàng, và mọi số liệu tự động hoá đều do doanh nghiệp tự công bố, chưa có kiểm chứng độc lập.
Bối cảnh: chuỗi bán lẻ mở rộng nhanh
WinCommerce thuộc Tập đoàn Masan, vận hành chuỗi WinMart và WinMart+. Theo SGGP, cuối quý 3/2026 hệ thống có 5.486 cửa hàng, tăng ròng 345 cửa hàng trong quý. Khi số điểm bán tăng nhanh, cách đặt hàng dựa vào kinh nghiệm của từng cửa hàng ngày càng khó giữ đồng đều.

Bài toán: thời gian nhân viên và tồn kho ảo
Theo VietnamFinance (11/2025), nhân viên cửa hàng từng dành khoảng 30% thời gian cho việc dự báo lượng hàng cần bổ sung. Đây là thời gian không dành cho khách hàng hay trưng bày.
Bài toán thứ hai là tồn kho ảo, thường dùng để chỉ tình trạng số trên hệ thống lệch với hàng thực có. Sai lệch này khiến cửa hàng đặt thiếu, đặt thừa hoặc tưởng còn hàng trong khi kệ đã trống. Với mạng lưới hàng nghìn điểm bán, sai số nhỏ ở từng cửa hàng có thể cộng lại thành khoản vốn lớn nằm trong kho.
Cách làm: AI trong bán lẻ bắt đầu từ dữ liệu
Masan cho biết đã dành hai năm làm sạch và chuẩn hoá dữ liệu trước khi đưa AI vào vận hành. Nền tảng dữ liệu tập trung phục vụ các bài toán về địa điểm, sản phẩm, giá và khuyến mãi.
Với đặt hàng, hệ thống dùng học máy để dự đoán doanh số tuần tới, rồi tính lượng cần đặt trong hôm nay. Với phần hàng đặt tự động, nhân viên không phải tự ước lượng từng mặt hàng. Ngoài ra, AI còn được Masan dùng để chấm điểm vị trí mở cửa hàng và hỗ trợ định giá, trưng bày tới từng sản phẩm.
Các nguồn không nêu tên nhà cung cấp phần mềm, kiến trúc mô hình hay mức đầu tư. Vì vậy, phần kỹ thuật chỉ dừng ở mức mô tả chung.

Kết quả công bố và phần chưa rõ
| Chỉ số | Theo công bố | Lưu ý |
| Tỉ lệ đặt hàng tự động | Khoảng 80% giá trị hàng hoá (8/2026) | Tính theo giá trị |
| Mục tiêu | 90% vào 9/2026 | Chưa có công bố xác nhận đã đạt |
| Khối lượng việc thủ công | Giảm 30% | Không nêu mốc so sánh |
| Chi phí vận hành | Tiết kiệm khoảng 300 tỉ đồng/năm | Chưa rõ cách tính |
| Vốn lưu động | Cải thiện khoảng 1.500 tỉ đồng trong hai năm | Tối ưu tồn kho nói chung, không riêng AI |
Theo LSVN, hệ thống cũng "giảm thiểu đáng kể tình trạng tồn kho ảo", nhưng không có con số đo lường đi kèm.
Người đọc nên lưu ý ba điểm khi dùng các số trên:
- Không so sánh 22% với 80%. Mức 22% (11/2025) tính theo khối lượng đặt hàng, còn 80% tính theo giá trị hàng hoá. Hai số dùng hai thước đo khác nhau.
- Con số 300 tỉ đồng cần đọc thận trọng. Số này đã xuất hiện từ 11/2025, khi tỉ lệ tự động mới là 22%, và được giữ nguyên đến 8/2026.
- Không có số về vai trò riêng của AI. Doanh thu quý 3 đạt 12.775 tỉ đồng, tăng 21,2%, và doanh thu trên cùng cửa hàng tăng 7,0%, nhưng không nguồn nào tách phần đóng góp của AI.
Bài học cho doanh nghiệp vừa và nhỏ
Các con số 300 tỉ đồng hay 30% không chuyển sang quy mô nhỏ được, nhưng cách làm thì có thể tham khảo. Những gợi ý sau là góc nhìn biên tập của LinhEdu, không phải phát biểu của Masan.
- Dọn dữ liệu trước: tên hàng, mã hàng và số tồn phải nhất quán thì mọi dự báo mới có ý nghĩa.
- Chọn việc lặp lại mỗi ngày: đặt hàng là việc có quy tắc, có dữ liệu và dễ đo, nên phù hợp để tự động hoá trước.
- Đặt một chỉ số dễ theo dõi: WinCommerce dùng tỉ lệ đặt hàng tự động. Doanh nghiệp nhỏ có thể theo dõi tỉ lệ đơn đặt không phải sửa tay.
- Bắt đầu đơn giản: một mô hình dự báo trên bảng tính đã đủ để kiểm tra tính khả thi trước khi mua phần mềm.
Muốn làm tương tự
Quy trình minh hoạ sau là tình huống giả định cho một cửa hàng nhỏ. Người dùng lập bảng doanh số theo tuần của từng mặt hàng trên Google Sheets, tính trung bình vài tuần gần nhất làm dự báo, rồi lấy dự báo cộng tồn an toàn, trừ tồn hiện có để ra lượng đặt. Sau một thời gian, cửa hàng so dự báo với bán thực tế để chỉnh tiếp.
Các bài trong chuyên mục AI Thực chiến và kỹ năng số có thêm hướng dẫn nền tảng. Khi cần nhờ trợ lý AI đọc bảng số liệu, cách viết prompt giúp đặt yêu cầu rõ hơn. Doanh nghiệp cần biểu mẫu có sẵn có thể tham khảo mẫu dùng ngay.
Hỏi nhanh
Tồn kho ảo là gì?
Tồn kho ảo thường dùng để chỉ tình trạng số tồn trên hệ thống lệch với hàng thực có trong kho hoặc trên kệ. Cách hiểu cụ thể có thể khác nhau giữa các doanh nghiệp.
WinCommerce đã đạt 90% đặt hàng tự động chưa?
Chưa có công bố xác nhận. Số gần nhất là khoảng 80% giá trị hàng hoá vào 8/2026; mục tiêu 90% được đặt cho 9/2026.
Lợi nhuận WinCommerce tăng có phải nhờ AI?
Không nguồn nào tách riêng phần đóng góp của AI, nên không thể kết luận như vậy.
AI trong bán lẻ có phù hợp với cửa hàng nhỏ không?
Có thể bắt đầu ở mức đơn giản như dự báo trên bảng tính, miễn là dữ liệu bán hàng và tồn kho được ghi đều. Hiệu quả cần tự đo, không suy ra từ số của chuỗi lớn.
Đọc thêm trên LinhEdu: AI Thực chiến · Google Sheets · Kỹ năng số
Cập nhật lần cuối: 03/11/2026
Nguồn tham khảo
- VietnamFinance – WinCommerce đang hiện đại hoá bán lẻ như thế nào? (19/08/2026)
- VietnamFinance – Công nghệ giúp WinCommerce tiết kiệm 300 tỷ chi phí (13/11/2025)
- LSVN – Giải mã lợi nhuận kỷ lục của Masan (12/08/2026)
- Masan Group – Decoding Masan's record profit
- SGGP – Lợi nhuận Masan tăng hơn gấp đôi (22/10/2026)
Bài liên quan

Đào tạo AI cho doanh nghiệp nhỏ: bài học từ Tuyên Quang
Mô hình "AI cầm tay chỉ việc" của Hiệp hội Doanh nghiệp tỉnh Tuyên Quang đã đào tạo AI cho doanh nghiệp nhỏ theo việc thật, hướng dẫn gần 600 doanh nghiệp và đư

AI agent bán hàng: NetViet dựng phòng kinh doanh 7 agent
Truyền hình NetViet giao 7 AI agent bán hàng phụ trách từ tìm khách, báo giá đến dự báo doanh thu, con người vẫn duyệt báo giá và hợp đồng. Mô hình được giới th

Case study MoMo: AI chống lừa đảo hoạt động thế nào
MoMo vừa được vinh danh tại AI Awards 2026 với hệ thống AI chống lừa đảo nhiều lớp. Theo doanh nghiệp, mỗi ngày hơn 10.000 người dùng được cảnh báo trước khi ch
