Từ những nguyên tắc quản lý nhà thầu ở Bài “Quản lý nhà thầu và thầu phụ: Khối lượng, tiến độ, chất lượng và thanh toán“, bài viết này đi sâu vào cơ chế cảnh báo rủi ro và kiến trúc triển khai iBOM cho Tổng thầu cùng các nhà thầu phụ.

1. Rủi ro nhà thầu không bắt đầu từ ngày chậm tiến độ

Trong một dự án xây dựng, sự chậm trễ của nhà thầu phụ thường được nhìn nhận khi mốc bàn giao bị vượt qua. Tuy nhiên, thời điểm phát sinh rủi ro có thể sớm hơn nhiều: tổ đội huy động thiếu người, năng suất theo ca giảm, hồ sơ vật tư bị trả lại, công việc hoàn thành nhưng chưa đủ điều kiện nghiệm thu hoặc yêu cầu thanh toán liên tục phải bổ sung. Những tín hiệu này không nhất thiết nghiêm trọng khi đứng riêng lẻ, nhưng có thể cùng phản ánh một vấn đề về năng lực tổ chức, khả năng cung ứng hoặc sức ép tài chính.

Tổng thầu chịu tác động không chỉ từ phần việc chậm của một nhà thầu phụ. Khi hệ thống cơ điện chưa hoàn thành, đội hoàn thiện có thể không nhận được mặt bằng; khi một hạng mục không đạt chất lượng, kế hoạch thử nghiệm và bàn giao cũng bị ảnh hưởng. Vì thế, rủi ro cần được đánh giá ở cấp quan hệ phụ thuộc giữa các gói thầu, chứ không chỉ bằng bảng xếp hạng từng đơn vị. AI có giá trị khi giúp kết nối các dấu hiệu phân tán và xác định nguy cơ nào đáng để nhà quản lý kiểm tra trước.

2. Phải xác định rõ rủi ro nào cần dự báo

Không tồn tại một chỉ số duy nhất phản ánh đầy đủ “rủi ro nhà thầu”. Nguy cơ không đạt mốc tiến độ, không hoàn thành khối lượng cam kết, tái diễn sai lỗi, thiếu nguồn lực, đứt gãy cung ứng và chậm hoàn thiện hồ sơ thanh toán có nguyên nhân cũng như hậu quả khác nhau. Nếu gộp tất cả thành một điểm số thiếu giải thích, người điều hành có thể không biết phải xử lý điều gì.

Một hệ thống dự báo hữu ích phải xác định kết quả cần cảnh báo và khoảng thời gian cần hành động. Chẳng hạn, “nguy cơ không bàn giao khu vực tầng 12 trong 21 ngày tới” cụ thể hơn nhiều so với “nhà thầu rủi ro cao”. Từng cảnh báo cần có phạm vi gói thầu, vị trí, mốc kế hoạch, mức ảnh hưởng và người chịu trách nhiệm. Khi mục tiêu được định nghĩa rõ, doanh nghiệp mới có thể đánh giá mô hình dự báo đúng hay sai, thay vì bị thuyết phục bởi một bảng điều khiển đẹp mắt.

Hình 1. Từ dấu hiệu đến rủi ro

3. Từ hồ sơ năng lực đến dữ liệu vận hành theo thời gian

Hồ sơ năng lực, kinh nghiệm dự án tương tự và tình hình tài chính có ý nghĩa khi lựa chọn nhà thầu, nhưng không thể thay thế việc theo dõi năng lực thực hiện trong từng tuần. Một đơn vị từng hoàn thành nhiều công trình vẫn có thể gặp khó khăn tại dự án hiện tại do điều kiện mặt bằng, đội ngũ mới, thay đổi thiết kế hoặc các cam kết đồng thời ở nhiều công trường.

Dữ liệu vận hành cần nối kế hoạch giao việc với khối lượng thực hiện, khối lượng được nghiệm thu, nhân lực thực có, năng suất, vật tư đã được chấp thuận, thiết bị, sai lỗi, sự cố an toàn và tình trạng hồ sơ hợp đồng. Quan trọng hơn, dữ liệu phải có thời điểm ghi nhận và phiên bản kế hoạch. Nếu số liệu cuối tháng được dùng để dự báo một sự kiện giữa tháng, kết quả thử nghiệm sẽ sai lệch vì mô hình đã nhìn thấy thông tin của tương lai. Đây là nguyên tắc bắt buộc khi xây dựng hệ thống cảnh báo có thể kiểm chứng.

4. Phân biệt khối lượng báo cáo, khối lượng được chấp thuận và giá trị thanh toán

Một nhà thầu phụ có thể báo cáo hoàn thành 65% khối lượng, nhưng mới có 52% được xác nhận nghiệm thu. Khoảng cách này chưa tự động chứng minh nhà thầu yếu kém; có thể công việc đang chờ thí nghiệm, thiếu hồ sơ hoặc đơn vị giám sát chưa bố trí lịch kiểm tra. Dù vậy, nếu khoảng cách tăng liên tục và tập trung ở các công việc quyết định đường găng, đó là tín hiệu cần làm rõ ngay.

Tương tự, giá trị đề nghị thanh toán không đồng nghĩa với giá trị đủ điều kiện thanh toán và càng không đồng nghĩa với số tiền đã được giải ngân. AI chỉ có thể nhận diện các quan hệ có ý nghĩa khi những trạng thái này được lưu riêng và liên kết với điều khoản hợp đồng, nghiệm thu và phát sinh. Nếu hệ thống gộp chúng vào một cột “hoàn thành”, mô hình sẽ học từ dữ liệu sai về bản chất nghiệp vụ. Chính chất lượng định nghĩa dữ liệu, chứ không phải thuật toán phức tạp, quyết định nền tảng của phân tích rủi ro.

Hình 2. Dữ liệu phải có trạng thái

5. AI kết nối các tín hiệu để cảnh báo sớm như thế nào?

Có thể bắt đầu bằng những quy tắc quản trị rõ ràng: tỷ lệ huy động nhân lực thấp hơn cam kết nhiều kỳ, năng suất giảm liên tiếp, hồ sơ nghiệm thu tồn đọng vượt ngưỡng hoặc công việc kế tiếp bị chặn do chưa bàn giao mặt bằng. Các quy tắc này minh bạch và dễ triển khai, nhưng khó nhận diện những tương tác phức tạp giữa các biến.

Khi có đủ dữ liệu lịch sử đáng tin cậy, mô hình học máy có thể ước lượng xác suất trễ mốc hoặc không đạt khối lượng trong một khoảng thời gian xác định, dựa trên xu hướng gần đây và bối cảnh gói thầu. Dự báo phải đi kèm lý do dễ hiểu: ví dụ mức huy động giảm, tỷ lệ nghiệm thu lần đầu thấp và thời gian xử lý yêu cầu kỹ thuật kéo dài. Mối tương quan không tự chứng minh quan hệ nhân quả; người quản lý cần kiểm tra liệu vấn đề đến từ nhà thầu phụ, sự chậm bàn giao của tổng thầu hay thay đổi từ chủ đầu tư trước khi đưa ra kết luận.

6. Rủi ro lan truyền qua quan hệ phụ thuộc giữa các nhà thầu

Một công việc chậm ba ngày có thể ít ảnh hưởng nếu còn dự phòng tiến độ, nhưng cũng có thể làm trễ nhiều tuần nếu nó chặn hoạt động của các đội khác. Vì vậy, đánh giá rủi ro cần đọc dữ liệu theo mạng lưới phụ thuộc công việc và điều kiện bàn giao. Cảnh báo của một nhà thầu phụ phải được đặt cạnh tiến độ tổng thể, các điểm giao diện kỹ thuật, khả năng chuyển mặt bằng và mức dự phòng thực tế.

Ví dụ, nhà thầu cơ điện không hoàn thành thử áp đường ống khiến đội đóng trần không thể triển khai. Nếu chỉ xem tỷ lệ hoàn thành tổng thể, hệ thống có thể đánh giá rủi ro thấp; nhưng khi nối quan hệ phụ thuộc, mức ảnh hưởng đối với mốc bàn giao tăng rõ rệt. AI có thể hỗ trợ ưu tiên kiểm tra những điểm nghẽn có tác động dây chuyền, song quyết định thay đổi trình tự thi công vẫn cần kỹ sư và chỉ huy trưởng đánh giá điều kiện kỹ thuật, an toàn và hợp đồng.

Hình 3. AI cảnh báo để hành động

7. Đánh giá mô hình bằng thời gian cảnh báo và khả năng hành động

Một hệ thống cảnh báo không nên được đánh giá chỉ bằng tỷ lệ dự báo đúng. Khi sự kiện nghiêm trọng hiếm gặp, mô hình luôn dự đoán “không có rủi ro” vẫn có thể đạt tỷ lệ đúng cao nhưng vô dụng. Cần xem mô hình bỏ sót bao nhiêu trường hợp đáng chú ý, đưa ra bao nhiêu cảnh báo sai, dự báo có phản ánh đúng xác suất thực tế và cảnh báo xuất hiện trước sự cố bao lâu.

Chẳng hạn, cảnh báo trễ tiến độ trước hai ngày có thể chính xác nhưng quá muộn để bổ sung nguồn lực hoặc thay đổi phương án cung ứng. Cảnh báo trước ba tuần có thể ít chắc chắn hơn nhưng tạo ra thời gian can thiệp. Doanh nghiệp cần cân bằng giữa chi phí kiểm tra cảnh báo sai và thiệt hại khi bỏ sót. Kết quả cũng phải được phân tích theo loại gói thầu, quy mô, giai đoạn và điều kiện dự án để tránh áp dụng một ngưỡng chung thiếu phù hợp.

8. Tình huống minh họa: rủi ro của thầu phụ cơ điện

Giả sử một dự án cao tầng có thầu phụ cơ điện cam kết bàn giao khu vực tầng 10–14 sau sáu tuần. Đến cuối tuần thứ ba, báo cáo khối lượng vẫn tăng và chưa vượt mốc chính. Tuy nhiên, nhân lực thực tế thấp hơn kế hoạch khoảng 18%, năng suất lắp đặt giảm hai kỳ liên tiếp, số yêu cầu kiểm tra chờ xử lý tăng và một số thiết bị giao đến nhưng chưa đủ hồ sơ chấp thuận. Các con số trong tình huống này hoàn toàn giả định để minh họa phương pháp, không phải kết quả của một mô hình đã được kiểm chứng.

Hệ thống phân tích có thể đánh dấu nguy cơ không bàn giao tầng 12 đúng hạn, đồng thời chỉ ra các yếu tố góp phần vào cảnh báo. Tổng thầu không nên lập tức kết luận nhà thầu phụ thiếu năng lực. Sau khi đối chiếu, có thể phát hiện một phần năng suất giảm do mặt bằng bàn giao chậm và bản vẽ thay đổi; phần còn lại do nhà thầu thiếu tổ đội chuyên môn. Biện pháp hợp lý khi đó là thống nhất lại thứ tự bàn giao mặt bằng, bổ sung tổ đội tại vị trí trọng yếu, chốt lịch nghiệm thu và theo dõi chỉ số hàng tuần. Giá trị của AI nằm ở việc đưa cuộc họp điều hành đến đúng vấn đề trước khi trễ mốc trở thành sự thật.

9. Từ dự báo sang quyết định điều hành có trách nhiệm

Cảnh báo rủi ro chỉ có ý nghĩa khi chuyển thành một công việc xử lý với người phụ trách, hạn hoàn thành và tiêu chí xác nhận. Đối với rủi ro năng suất, cần kiểm tra điều kiện mặt bằng, nhân lực, thiết bị và phương án thi công; đối với rủi ro chất lượng, cần xem loại lỗi, mức độ tái diễn và điểm kiểm tra còn thiếu; đối với rủi ro thanh toán, cần phân biệt hồ sơ thiếu với tranh chấp giá trị hoặc chậm giải ngân.

Không nên dùng điểm rủi ro tự động để giữ thanh toán, áp dụng chế tài hay loại nhà thầu. Những quyết định đó phải dựa trên hợp đồng, bằng chứng được xác nhận và quy trình phê duyệt phù hợp. Nhà thầu phụ cần có khả năng xem dữ liệu liên quan, phản hồi các ghi nhận sai và giải trình nguyên nhân khách quan. Nếu thiếu cơ chế này, AI có thể khuếch đại sự bất cân xứng thông tin giữa tổng thầu và thầu phụ thay vì giúp phối hợp tốt hơn.

Hình 4. Rủi ro lan truyền qua gói thầu

10. Đề xuất mô hình triển khai iBOM cho Tổng thầu và nhà thầu phụ

Ở góc độ thiết kế giải pháp, iBOM có thể được định hướng như một môi trường dữ liệu vận hành chung cho tổng thầu và các nhà thầu phụ. Mỗi gói thầu cần liên kết mã hợp đồng, phạm vi công việc, cấu trúc công việc, khu vực thi công, mốc bàn giao và trách nhiệm. Nhà thầu phụ cập nhật nhân lực, khối lượng, vướng mắc và hồ sơ đề nghị; bộ phận hiện trường của tổng thầu xác nhận kết quả thực tế, điều kiện nghiệm thu và các điểm chặn. Phân quyền phải cho phép mỗi đơn vị làm việc trên phạm vi được giao, trong khi tổng thầu có góc nhìn liên thông toàn dự án.

Đây là kiến trúc triển khai đề xuất, không phải khẳng định mọi chức năng đã có sẵn trong phiên bản iBOM hiện tại. Trước khi triển khai cần kiểm kê các phân hệ và khả năng tích hợp đang vận hành. Giai đoạn đầu nên ưu tiên dữ liệu chuẩn và cảnh báo dựa trên quy tắc, vì các biện pháp này đã có thể cải thiện kỷ luật cập nhật và xử lý vướng mắc. Chỉ khi dữ liệu có lịch sử đủ dài và kết quả được đối chiếu đáng tin cậy mới nên huấn luyện mô hình AI dự báo. Cách tiếp cận này giúp doanh nghiệp nhận giá trị quản trị sớm mà không phải chờ một mô hình phức tạp.

11. Lộ trình triển khai thực tế: từ một gói thầu đến hệ thống cảnh báo

Bước khởi đầu là chọn một dự án và vài gói thầu có mối liên hệ rõ ràng, chẳng hạn cơ điện và hoàn thiện. Tổng thầu cùng các nhà thầu phụ thống nhất từ điển dữ liệu: thế nào là khối lượng đã thi công, đã nghiệm thu, vướng mắc chưa giải quyết, nguồn lực đã huy động và mốc được phép bàn giao. Khi định nghĩa được chốt, tổ đội ghi nhận dữ liệu ngay tại hiện trường, bộ phận có thẩm quyền xác nhận và hệ thống lưu thời điểm cũng như lịch sử chỉnh sửa.

Sau một số chu kỳ vận hành, doanh nghiệp thiết lập bảng điều hành cho từng gói thầu và các quy tắc cảnh báo minh bạch, đo thời gian từ phát hiện đến xử lý. Tiếp theo mới đánh giá tính đầy đủ của dữ liệu lịch sử, định nghĩa nhãn kết quả, chia tập huấn luyện theo thời gian và thử nghiệm mô hình trên các dự án chưa dùng để huấn luyện. AI được đưa vào dưới dạng đề xuất có giải thích, không tự động quyết định. Việc mở rộng sang toàn bộ nhà thầu phụ nên dựa trên hiệu quả thực tế: giảm chậm bàn giao, giảm thời gian xử lý vướng mắc và giảm khối lượng làm lại, thay vì dựa vào số lượng cảnh báo phát ra.

Hình 5. Lộ trình iBOM đề xuất

12. Quản trị dữ liệu, công bằng và trách nhiệm khi sử dụng AI

Dữ liệu về nhà thầu có thể chứa thông tin thương mại nhạy cảm, điều khoản thanh toán, nhân sự và các tranh chấp chưa kết luận. Hệ thống phải giới hạn mục đích sử dụng, phân quyền theo hợp đồng và lưu vết việc xem, sửa, xác nhận dữ liệu. Khi nhiều doanh nghiệp cùng tham gia, cần thống nhất quyền sở hữu, quyền khai thác và thời hạn lưu giữ thông tin. Dữ liệu từ một dự án không nên tự động trở thành cơ sở đánh giá một doanh nghiệp trong mọi bối cảnh.

Mô hình cũng cần được giám sát vì điều kiện thi công, loại dự án và cách ghi nhận dữ liệu thay đổi theo thời gian. Những nhà thầu bị kiểm tra nhiều hơn có thể phát sinh nhiều phiếu sai lỗi hơn dù chất lượng thực tế không thấp hơn; nhà thầu nhận mặt bằng khó có thể bị chấm điểm bất lợi nếu thiếu biến bối cảnh. Vì vậy, hệ thống phải có cơ chế giải thích, phản hồi, hiệu chỉnh và tạm dừng sử dụng kết quả khi dữ liệu không đủ tin cậy. AI hỗ trợ quản trị rủi ro tốt nhất khi đi cùng trách nhiệm giải trình rõ ràng.

Kết luận

AI không biến một nhà thầu phụ thành đối tượng bị chấm điểm đơn thuần. Khi được thiết kế đúng, AI giúp Tổng thầu nhìn thấy nguy cơ ở điểm giao giữa tiến độ, chất lượng, nguồn lực và hợp đồng, đồng thời tạo thời gian để các bên phối hợp khắc phục. Đối với iBOM, cơ hội quan trọng nhất là xây dựng dòng dữ liệu vận hành có thể kiểm chứng trước khi phát triển mô hình dự báo. Giá trị cuối cùng phải được đo bằng khả năng bàn giao đúng hạn, giảm việc làm lại và tăng tính minh bạch trong quan hệ Tổng thầu – thầu phụ.

Tài liệu tham khảo và nền tảng chuyên môn

• ISO 31000:2018 – Risk management — Guidelines.
• ISO 9001:2015 – Quality management systems — Requirements.
• NIST AI Risk Management Framework (AI RMF 1.0), 2023.
• Project Management Institute – project risk management and schedule management principles.