Tác giả: Naimisha Pinna, Adeogo Olajide, Folarin Alamu, và Tsega Tefera
Ngày phát hành: 23 JAN 2026
Chuyên mục: *Post Types, Amazon Bedrock, Artificial Intelligence, Customer Solutions, Generative AI, Industries, Manufacturing

Trong ngành sản xuất hiện đại, khả năng truy cập nhanh chóng thông tin quan trọng và tận dụng chuyên môn của các kỹ thuật viên vận hành giàu kinh nghiệm là yếu tố thiết yếu để duy trì năng suất và chất lượng cao, cũng như giảm thiểu thời gian ngừng máy tốn kém. Tuy nhiên, khi các công nhân lành nghề nghỉ hưu hoặc chuyển công tác và bối cảnh lực lượng lao động thay đổi, các nhà sản xuất thường đối mặt với thách thức trong việc bảo tồn kiến thức tổ chức và đảm bảo chuyển giao kiến thức suôn sẻ cho nhân viên mới và cấp dưới. Điều này rất quan trọng cần được giải quyết bởi theo một nghiên cứu của Deloitte, 2,69 triệu vị trí sản xuất dự kiến sẽ trống do nghỉ hưu, trong khi 1,96 triệu vị trí mới sẽ được tạo ra thông qua tăng trưởng tự nhiên. Đáng lo ngại hơn, họ cho biết 53% các vị trí tuyển dụng có thể vẫn không được lấp đầy do thiếu hụt kỹ năng trong ngành sản xuất, nhấn mạnh nhu cầu cấp thiết về các chiến lược chuyển giao và bảo tồn kiến thức hiệu quả.

Ban lãnh đạo tại Georgia-Pacific, một nhà sản xuất hàng đầu về khăn giấy, bột giấy, giấy, bao bì và vật liệu xây dựng, nhận ra rằng họ cũng đối mặt với thách thức tương tự mà các nhà sản xuất khác đang gặp phải: công nhân mất hàng giờ để tìm kiếm thông tin khắc phục sự cố khi có vấn đề phát sinh. Họ cần chuyển đổi phương pháp quản lý kiến thức để thông tin quan trọng có thể truy cập được trong vài giây thay vì hàng giờ. Sử dụng các khả năng AI tạo sinh của Amazon Web Services, họ đã xây dựng một trung tâm kiến thức tập trung, cung cấp cho các kỹ thuật viên vận hành quyền truy cập tức thì vào hướng dẫn mà họ cần. Giải pháp này đã giúp các nhóm của họ nhanh chóng giải quyết các vấn đề sản xuất, giảm lỗi vật liệu và giảm thiểu lãng phí.

Bài viết này sẽ khám phá cách triển khai một giải pháp AI tạo sinh sử dụng Amazon Bedrock, một nền tảng toàn diện, an toàn và linh hoạt để xây dựng các ứng dụng và tác nhân AI tạo sinh. Giải pháp này giúp các công ty sản xuất đẩy nhanh quá trình chuyển đổi và đào tạo kỹ thuật viên vận hành, nắm bắt chuyên môn của các nhân viên kỳ cựu và giảm thiểu thời gian ngừng máy trên toàn bộ hoạt động sản xuất rộng lớn của họ.

Những khoảng trống chúng ta cần lấp đầy

Nhiều công nhân sản xuất gặp khó khăn với việc nghiên cứu và tìm kiếm thông tin tốn thời gian trên các hệ thống kiến thức rời rạc khi tìm kiếm thông tin. Điều này đặc biệt thách thức trong các ngành công nghiệp có hệ thống phức tạp và yêu cầu bảo trì cao, nơi sự ra đi của một kỹ thuật viên giàu kinh nghiệm có thể gây ra những trở ngại vận hành ngay lập tức.

Khi tiến bộ công nghệ tăng tốc và nhân khẩu học lực lượng lao động thay đổi, các tổ chức phải ưu tiên các chương trình chuyển giao kiến thức có hệ thống nhằm thu hẹp khoảng cách để tối đa hóa tác động vận hành và duy trì năng suất kinh doanh.

Một số thách thức chính mà các công ty sản xuất phải đối mặt bao gồm:

• Thiếu kiến thức tập trung, dễ tiếp cận: Việc thiếu một cơ sở kiến thức tập trung, sẵn có khiến công nhân khó tìm thấy thông tin chính xác một cách nhanh chóng khi có vấn đề phát sinh. Công nhân phải tìm kiếm qua nhiều hệ thống, liên hệ với chuyên gia hoặc xem xét tài liệu vật lý, và tất cả những điều này đều làm chậm quá trình giải quyết vấn đề. Điều này dẫn đến giảm năng suất máy móc, thời gian ngừng hoạt động kéo dài và chi phí khắc phục sự cố và sửa chữa cao hơn trên khắp các cơ sở sản xuất.
• Nguy cơ mất kiến thức tổ chức: Khi các kỹ thuật viên vận hành giàu kinh nghiệm đã dành hàng thập kỷ điều hành dây chuyền sản xuất nghỉ hưu hoặc chuyển công tác, các nhà sản xuất đối mặt với nguy cơ mất đi kiến thức tổ chức quý giá.
• Sự không đầy đủ của các phương pháp quản lý kiến thức truyền thống: Việc dựa vào các cuộc gọi điện thoại cho chuyên gia hoặc tìm kiếm qua tài liệu vật lý là không đủ trong môi trường sản xuất nhanh chóng, dựa trên dữ liệu, thường làm tăng thời gian giải quyết vấn đề và nguy cơ ngừng hoạt động.

Các nhà sản xuất cần một giải pháp có khả năng mở rộng, hiệu quả để hợp nhất thông tin rời rạc, giúp các kỹ thuật viên vận hành dễ dàng tiếp cận và giúp bảo tồn chuyên môn của những nhân viên có kiến thức nhất để bảo vệ kiến thức tổ chức và cải thiện hiệu quả hoạt động.

Tổng quan giải pháp

Georgia-Pacific đã giải quyết những thách thức sản xuất này bằng cách tạo ra một trợ lý hỗ trợ AI có tên ChatGP trên Amazon Bedrock. Họ đã hợp tác với AWS để xây dựng một hệ thống kết hợp chatbot, được xây dựng bằng mô hình nền tảng Claude thông qua Amazon Bedrock, với dữ liệu máy theo thời gian thực để giúp các kỹ thuật viên vận hành giải quyết vấn đề và cải thiện sản xuất.

Nhóm của Georgia-Pacific đã ghi lại các cuộc trò chuyện với các công nhân giàu kinh nghiệm và chuyên gia về các thiết bị cũ thiếu tài liệu phù hợp. Nhóm đã sử dụng Amazon Bedrock để chuyển đổi những cuộc thảo luận này thành tài liệu kỹ thuật có cấu trúc. Điều này đã giúp bảo tồn hàng thập kỷ kiến thức truyền miệng mà trước đây chỉ tồn tại trong đầu các nhân viên kỳ cựu của họ.

Hệ thống giúp các kỹ thuật viên vận hành theo thời gian thực bằng cách cung cấp hướng dẫn từng bước để điều chỉnh và khắc phục sự cố máy móc. Vì hệ thống kết nối với các cảm biến máy, nó kết hợp kiến thức lịch sử với các điều kiện vận hành hiện tại để đưa ra lời khuyên chính xác hơn. Các kỹ thuật viên vận hành truy cập điều này thông qua một giao diện web đơn giản từ bất kỳ máy tính hoặc máy tính bảng nào trên mạng của họ.

Thành công của Georgia-Pacific với ChatGP chứng minh tiềm năng của quản lý kiến thức hỗ trợ AI trong môi trường sản xuất. Giải pháp được phác thảo dưới đây giúp các nhà sản xuất xây dựng một hệ thống quản lý kiến thức tương tự, sử dụng chatbot để nắm bắt kiến thức tổ chức từ các kỹ thuật viên vận hành giàu kinh nghiệm, cung cấp quyền truy cập tức thì vào hướng dẫn khắc phục sự cố và đẩy nhanh quá trình đào tạo nhân viên mới. Cách tiếp cận này cho phép các tổ chức bảo tồn hàng thập kỷ kiến thức truyền miệng đồng thời trao quyền cho lực lượng lao động của họ với các câu trả lời tức thì, theo ngữ cảnh cho các thách thức vận hành phức tạp—biến việc chuyển giao kiến thức từ một quy trình thủ công tốn thời gian thành một giải pháp kỹ thuật số hiệu quả, có khả năng mở rộng.

Kiến trúc giải pháp

Hình 1: Kiến trúc giải pháp cấp cao cho Trợ lý Chatbot Quản lý Kiến thức

Giải pháp này phác thảo cách bạn có thể triển khai trợ lý chatbot quản lý kiến thức bằng Amazon Bedrock. Giải pháp được chia thành bốn bước chính:

1. Thu thập kiến thức: Các kỹ thuật viên máy móc cấp cao ghi lại thông tin liên quan đến máy thông qua giao diện web, sau đó được tải lên Amazon Simple Storage Service (Amazon S3), một dịch vụ lưu trữ đối tượng đóng vai trò là kho lưu trữ chính cho tất cả các tài sản thông tin.
2. Chuyển đổi giọng nói thành văn bản tự động: Amazon Transcribe chuyển đổi các bản ghi đã tải lên từ giọng nói thành văn bản, giúp chuyên môn của các kỹ thuật viên máy móc cấp cao có thể tìm kiếm và truy cập được ở định dạng văn bản.
3. Tạo cơ sở kiến thức: Văn bản đã được chuyển đổi giọng nói thành văn bản đóng vai trò là nguồn dữ liệu cho cơ sở kiến thức trong Amazon Bedrock, hình thành nền tảng của trung tâm kiến thức hỗ trợ AI tạo sinh.
4. Tạo phản hồi thông minh: Các kỹ thuật viên máy móc cấp dưới truy cập giao diện chatbot hỏi đáp nơi họ có thể đặt câu hỏi bằng ngôn ngữ tự nhiên đơn giản về vận hành máy, khắc phục sự cố và bảo trì. Khi một kỹ thuật viên máy móc cấp dưới gửi một truy vấn, nó sử dụng mô hình ngôn ngữ tạo văn bản của Amazon Bedrock kết hợp với cơ sở kiến thức để tạo điều kiện cho Retrieval-Augmented Generation (RAG), cung cấp các phản hồi phù hợp và theo ngữ cảnh.

Trong Hình 2 và 3, chúng tôi chia sẻ các video minh họa hai quy trình làm việc chính của giải pháp này đang hoạt động. Quy trình làm việc đầu tiên, như được hiển thị trong Hình 2, trình bày cách một kỹ thuật viên máy móc có thể tạo và tải lên một bản ghi. Sau khi tải lên, như được hiển thị trong Hình 3, hệ thống tự động chuyển đổi bản ghi thành văn bản và lưu trữ nó dưới dạng cơ sở kiến thức trong Amazon Bedrock. Quy trình làm việc thứ hai minh họa cách các kỹ thuật viên máy móc có thể dễ dàng khắc phục sự cố bằng cách đặt câu hỏi sử dụng các lời nhắc ngôn ngữ tự nhiên đơn giản.

Hình 2: Quy trình làm việc 1 của Trợ lý Kỹ thuật viên Vận hành Máy

Hình 3: Quy trình làm việc 2 của Trợ lý Kỹ thuật viên Vận hành Máy

Kết luận

Bằng cách triển khai một trung tâm kiến thức hỗ trợ AI với Amazon Bedrock, các nhà sản xuất giảm thời gian khắc phục sự cố từ hàng giờ xuống còn vài giây, bảo tồn kiến thức tổ chức từ các công nhân sắp nghỉ hưu và đẩy nhanh quá trình đào tạo kỹ thuật viên vận hành.

Thành công của Georgia-Pacific với AI tạo sinh trên AWS chứng minh cách các nhà sản xuất có thể giải quyết các thách thức vận hành lâu dài. Bằng cách hợp nhất thông tin rời rạc vào một cơ sở kiến thức tập trung, các công ty giảm thời gian ngừng máy, giảm chi phí sửa chữa và bảo tồn chuyên môn quan trọng cho các thế hệ tương lai, đóng vai trò là một bản thiết kế cho sự xuất sắc trong vận hành.

Khám phá các giải pháp sản xuất và công nghiệp toàn diện của chúng tôi trong Thư viện Giải pháp AWS và kết nối với nhóm tài khoản AWS của bạn để tìm hiểu cách AWS thúc đẩy đổi mới sản xuất. Để có cái nhìn sâu sắc hơn về tác động biến đổi của AI tạo sinh trên kỹ thuật sản phẩm, tối ưu hóa sản xuất và chuỗi cung ứng trong sản xuất, chúng tôi mời bạn khám phá bài viết blog của chúng tôi AI tạo sinh sẽ thay đổi ngành sản xuất như thế nào.

Về tác giả

Naimisha Pinna
Naimisha Pinna là Kiến trúc sư Giải pháp tại AWS, chịu trách nhiệm hỗ trợ khách hàng Dịch vụ Tài chính Doanh nghiệp trong hành trình chuyển đổi lên đám mây của họ. Cô đam mê tạo ra các giải pháp sáng tạo cho các vấn đề kinh doanh, với chuyên môn về AI và ML. Ngoài công việc, cô thích vẽ tranh và làm vườn.

Adeogo Olajide
Adeogo là Kiến trúc sư Giải pháp tại AWS, nơi anh hỗ trợ khách hàng GovTech và các khách hàng khu vực công khác trong hành trình chuyển đổi lên đám mây của họ. Anh chuyên thiết kế các kiến trúc an toàn, có khả năng mở rộng và tuân thủ giúp các tổ chức khu vực công hiện đại hóa các dịch vụ kỹ thuật số của họ. Ngoài công việc, anh thích chơi và xem bóng đá.

Folarin Alamu
Folarin Alamu là Kiến trúc sư Giải pháp Hiện trường tại Amazon Web Services (AWS), chuyên về các giải pháp AI tạo sinh và Bảo mật cho khách hàng Doanh nghiệp nhỏ và vừa. Anh giúp các tổ chức thiết kế kiến trúc đám mây sáng tạo, triển khai công nghệ AI một cách an toàn đồng thời duy trì bảo mật mạnh mẽ. Đam mê dân chủ hóa các khả năng AI, Folarin giúp các doanh nghiệp đổi mới an toàn ở quy mô lớn bằng cách làm cho các dịch vụ AWS tiên tiến trở nên dễ tiếp cận và thực tế cho các công ty đang phát triển. Khi không thiết kế giải pháp trên đám mây, bạn có thể thấy anh ấy đang đắm mình trong một cuốn sách hay.

Tsega Tefera
Tsega Tefera là Kiến trúc sư Giải pháp II tại Amazon Web Services (AWS), chuyên về các giải pháp AI/ML cho khách hàng dịch vụ tài chính. Cô giúp các tổ chức thiết kế kiến trúc đám mây sáng tạo tận dụng trí tuệ nhân tạo và học máy đồng thời tối ưu hóa cơ sở hạ tầng và quy trình của họ. Ngoài công việc, Tsega thích nghiên cứu môn hộ giáo như một hoạt động trí tuệ.