CHƯƠNG 1: TỔNG QUAN VỀ RPA VÀ PHÂN TÍCH QUAN ĐIỂM
1.8. Tình hình nghiên cứu trong nước
Tại Việt Nam, trong ba năm vừa qua, RPA đã trở thành một trong những chủ đề được nhiều doanh nghiệp lớn quan tâm. Các doanh nghiệp trong ngành y tế, ngân hàng, tài chính, ... đã và đang đã bắt kịp xu hướng sử dụng robot ảo để nâng cao tính cạnh tranh, năng suất lao động, giảm gánh nặng cho nhân viên, bằng cách tự động hóa một số thao tác lặp đi lặp lại như khai báo, nhập và xử lý dữ liệu. Điển hình, nhiều doanh nghiệp hàng đầu như TPBank, BIDV, HDBank, HSBC tại Việt Nam trong lĩnh vực ngân hàng, cùng Vinamilk, Central Retail Việt Nam trong lĩnh vực bán lẻ, đã đi đầu trong việc áp dụng công nghệ tự động hóa, đặc biệt là sử dụng nền tảng RPA – akaBot.
Cụ thể, TP Bank hiện là khách hàng quan trọng nhất của akaBot với gần 500 robot hoạt động tự động trong hệ thống, đảm bảo các quy trình nội bộ diễn ra một cách liên tục, 24/7. Khoảng 20% trong số này được trang bị công nghệ AI, OCR, IPD, giúp tối ưu hóa các quy trình và tăng cường hiệu suất làm việc. Điều này không chỉ giúp tiết kiệm nhân lực mà còn nâng cao trải nghiệm của khách hàng, đồng thời cải thiện thời gian xử lý các dịch vụ như giải ngân vay và giao dịch tại quầy. HDBank cũng là một trong những ngân hàng khác đã thành công trong việc triển khai trợ lý robot ảo, phục vụ cho việc xử lý các yêu cầu từ khách hàng và kiểm tra chấm công.
Theo báo cáo của Công ty Hệ thống thông tin FPT tính đến năm 2023, sau hơn một năm triển khai giải pháp RPA, HDBank đã ghi nhận một số thành tựu đáng chú ý.
Cụ thể, họ đã giảm hơn 80% khối lượng công việc của nhân sự vận hành, đồng thời tăng
tốc độ xử lý lên đến 30 lần, từ 3 phút xuống chỉ còn 5 giây mỗi giao dịch, với tỷ lệ sai sót gần như bằng 0.
Trên mặt khác, trong lĩnh vực bán lẻ, Central Retail tại Việt Nam (CRV) đã tiến hành tự động hóa toàn bộ quy trình xử lý hơn 1,8 triệu hóa đơn mỗi năm bằng robot ảo akaBot. Điều này cho thấy tiềm năng lớn của công nghệ tự động hóa trong việc tối ưu hóa quy trình và nâng cao hiệu suất trong doanh nghiệp bán lẻ.
Tại Việt Nam, việc sử dụng RPA trong giáo dục vẫn còn mới mẻ và chưa phổ biến. Tuy nhiên, có một số trường hợp ứng dụng RPA trong giáo dục đã được triển khai thành công. Ví dụ, trường đại học Bách Khoa TP. HCM đã áp dụng RPA để tự động hóa quá trình lưu trữ và truy xuất thông tin học tập của sinh viên. Nhờ đó, quá trình tra cứu thông tin đã trở nên nhanh chóng và tiện lợi hơn cho sinh viên. Ngoài ra, trường Đại học Quốc gia Hà Nội cũng đã sử dụng RPA để tự động hóa quá trình thu thập và xử lý dữ liệu đăng ký môn học, giúp giảm thiểu tình trạng đăng ký trùng lặp và đảm bảo tính chính xác của thông tin. Các nhóm nghiên cứu trong nước cũng đã đề xuất và tiến hành các thực nghiệm các quy trình RPA (công tác quản lý đào tạo, thu thập dữ liệu, trả lời email, đặt lịch, đăng bài,…) tại trường Học viện Ngân hàng, Kinh tế Quốc dân, Đại học Công nghệ Đông Á (Chu Van Huy, Pham Xuan Lam).
1.8.2. Phân tích cảm xúc người học
Ở Việt Nam, việc nghiên cứu về nhận diện cảm xúc thông qua đoạn hội thoại vẫn chưa được triển khai rộng rãi do sự đa dạng và phức tạp của Tiếng Việt, cũng như khả năng hiểu và viết khác nhau tùy thuộc vào ngữ cảnh. Tuy nhiên, Đại học Quốc gia Thành phố Hồ Chí Minh đã tiến hành xây dựng một kho ngữ liệu cảm xúc trên mạng xã hội dựa trên Tiếng Việt, cùng với việc tổ chức cuộc thi Emotion Recognition (ERC) với sự hỗ trợ từ VinTech City và VinGroup để tìm ra các giải pháp tiên tiến trong lĩnh vực này.
Cụ thể, bộ dữ liệu UIT-VSMEC được phát triển bởi nhóm tác giả tại Đại học Quốc gia Thành phố Hồ Chí Minh, bao gồm 6,927 lời thoại từ các bình luận trên Facebook. Mỗi bình luận chỉ được gán nhãn một cảm xúc. Dữ liệu trong UIT-VSMEC được biểu diễn dưới dạng các câu đơn, không mang tính hội thoại, và được gán nhãn với 7 nhãn cảm xúc, bao gồm 6 nhãn cảm xúc cơ bản của Ekman cùng một nhãn “khác” nếu không trùng khớp với bất kỳ cảm xúc nào trong 6 nhãn cơ bản. Bộ dữ liệu UIT-VSMEC đã được
công khai và sử dụng trong 15 bài nghiên cứu khác nhau, góp phần cải thiện mô hình học máy khi phân tích trên ngôn ngữ tiếng Việt.
Các nghiên cứu về phân tích quan điểm dựa trên chủ đề cũng đã được thực hiện tại Việt Nam, đóng góp vào sự phát triển của lĩnh vực khoa học này. Các công trình nổi bật bao gồm việc xây dựng bộ dữ liệu UIT-VFC và nghiên cứu “Spam Detection for Aspect-Based Sentiment Analysis in Vietnamese” (Nguyen et al., 2018). Bộ dữ liệu này bao gồm 16,000 lời thoại đơn lẻ tương quan với các phản hồi từ sinh viên Việt Nam.
Nghiên cứu này sử dụng các công nghệ xử lý ngôn ngữ như Pos taggers và parsers để thực hiện mô hình hóa. Sau khi thu thập dữ liệu, các tác giả đã tiền xử lý dữ liệu để tạo ra một bộ dữ liệu chuẩn hóa cao.
1.8.3. Tự động hoá thu thập, phân tích cảm xúc người học dựa trên RPA
Trong bối cạnh thời đại số hoá ngày nay,việc thu thập, hiểu, phân tích và đánh giá dữ liệu phản hồi từ sinh viên là điều rất quan trọng đối với các trường đại học nhằm xây dựng cơ sở cải thiện sự hài lòng của sinh viên, chất lượng giảng dạy và dịch vụ hỗ trợ. Tại Việt Nam, các nghiên cứu về việc sử dụng RPA để thu thập và phân tích cảm xúc của người học đang được quan tâm. Tuy nhiên việc triển khai và áp dụng công nghệ này cũng đặt ra nhiều thách thức, số lượng và quy mô triển khai còn nhỏ do số lượng sinh viên lớn và số lượng câu hỏi khảo sát nhiều, các cuộc khảo sát thường chỉ tập trung vào đánh giá mức độ hài lòng liên quan đến giảng viên và khóa học, mà chưa đề cập đến các cảm xúc quan trọng khác của sinh viên. Hơn nữa, việc thu thập dữ liệu thường gặp khó khăn do sinh viên không tham gia hoặc không quan tâm.
Trong bối cảnh này, nghiên cứu của Chu Văn Huy (2023) về triển khai ứng dụng RPA trong tự động hóa quá trình thu thập và phân tích cảm xúc của người học tại đại học Kinh tế Quốc dân đã đem lại những giá trị đáng kể. Nghiên cứu đã đề xuất quy trình làm đơn giản hóa quy trình thu thập dữ liệu, giải quyết được bài toán tạo ra những trải nghiệm thú vị hơn cho sinh viên trong quá trình phản hồi, và cho phép các nhà lãnh đạo trường đại học theo dõi sự hài lòng của sinh viên một cách thường xuyên và kịp thời, từ đó đưa ra các quyết định điều chỉnh phù hợp. Nghiên cứu này không chỉ mang lại một hướng đi mới cho lĩnh vực giáo dục mà còn góp phần vào việc nâng cao chất lượng giáo dục cho các trường đại học tại Việt Nam và phục vụ tốt hơn cho nhu cầu của sinh viên.