Case Study: Nhà phân phối dược phẩm tiết kiệm 480 triệu đồng/năm nhờ AI Agent quản lý tồn kho

1. Pain: Tồn kho dược phẩm không thể tiếp tục chạy bằng cơm

Anh Minh, quản lý một nhà phân phối dược phẩm quy mô vừa tại Bình Dương, đang theo dõi hơn 3.000 mã hàng ở nhiều kho khu vực. Mỗi ngày, đội ngũ phải gom dữ liệu từ phần mềm bán hàng, file Excel và báo cáo của trình dược viên để biết mặt hàng nào sắp hết, mặt hàng nào cận hạn và nên nhập bao nhiêu.

Quy trình này nghe có vẻ quen thuộc, nhưng thực tế là một hệ thống chạy bằng cơm: dữ liệu nằm rải rác, mỗi người hiểu một kiểu, còn quyết định nhập hàng phụ thuộc nhiều vào kinh nghiệm cá nhân. Hàng cận hạn thường chỉ được phát hiện khi đã quá muộn. Trong khi đó, một số thuốc thiết yếu lại thiếu tại kho khu vực, khiến nhà thuốc phải chuyển sang đối tác khác.

2. Agitate: Sai một báo cáo, mất tiền nhiều lần

Mỗi tuần, nhân sự kho mất 2–3 ngày để đối soát báo cáo thay vì xử lý đơn hàng và điều phối hàng hóa. Một lô dược phẩm bán chậm bị phát hiện muộn có thể phải giảm giá sâu hoặc hủy bỏ. Một lần nhập dư không chỉ làm vốn bị giam mà còn kéo theo chi phí lưu kho, kiểm kê và xử lý cận hạn.

Với anh Minh, đây là kiểu tối ưu nửa mùa: tiết kiệm tiền phần mềm nhưng lại mất tiền ngu vì hàng hủy, thiếu hàng và quyết định nhập sai. Nếu tiếp tục vá víu bằng Excel, doanh nghiệp sẽ tích lũy thêm nợ kỹ thuật, tạo nghẽn cổ chai cho kho và biến KPI ảo thành báo cáo đẹp nhưng không giúp kiếm thêm tiền. Đó cũng là lúc quản lý phải trả giá cho một quy trình ăn xổi.

3. Solve: Triển khai AI Agent quản lý tồn kho theo 3 bước

Bước 1 – Chuẩn hóa dữ liệu theo mã hàng và lô. HimiTek kết nối dữ liệu bán hàng, tồn kho, lịch sử nhập, hạn sử dụng và tốc độ bán. Với dữ liệu lô, doanh nghiệp có thể chuẩn hóa theo GS1 EPCIS 2.0 thông qua HimiTrace để theo dõi SKU, batch và thời điểm phát sinh. Không cần vẽ dự án lớn; chỉ bắt đầu từ các nhóm hàng có giá trị hủy cao.

Bước 2 – Cho AI Agent phân tích và cảnh báo. Agent phân loại hàng theo tốc độ bán, mức độ thiết yếu và nguy cơ tồn đọng. Hệ thống gửi cảnh báo khi hàng sắp hết, bán chậm hoặc cận hạn; đồng thời đề xuất lượng nhập theo từng kho. Quản lý nhận báo cáo ngắn gọn theo ngày thay vì chờ cuối tuần.

Bước 3 – Chặn rủi ro trước khi thực thi. AI chỉ đưa ra khuyến nghị. Nhân sự có thẩm quyền vẫn phê duyệt nhập, điều chuyển hoặc thanh lý. HimiTek dùng OpenClaw Gatekeeper với 9router v0.4.66 và LiteLLM dual-instance failover để kiểm soát luồng gọi AI, giới hạn tốc độ và ngân sách. Mỗi virtual key có thể đặt budget cap cứng 5 USD/tháng, ngăn runaway loop.

policy = {
    'budget_cap_usd': 5,
    'allowed_actions': ['alert', 'recommend_purchase'],
    'approval_required': ['transfer_stock', 'dispose_stock', 'place_order'],
    'shell_tools': 'deny_by_default'
}

if recommendation['confidence'] >= 0.85:
    send_alert(recommendation)
else:
    request_human_review(recommendation)

Reasoner chỉ phân tích; Actuator chỉ thực thi lệnh đã được whitelist. Nhân viên điều chỉnh đề xuất phải ghi rõ lý do, giúp kiểm soát trách nhiệm thay vì đổ lỗi khi số liệu sai.

Kết quả sau 3 tháng

Giảm khoảng 70% thời gian lập báo cáo tồn kho.
Giảm 35% lượng hàng cận hạn phải xử lý gấp.
Giảm 20% giá trị tồn kho dư thừa ở nhóm bán chậm.
Hạn chế thiếu hàng tại các kho khu vực.
Tiết kiệm ước tính 480 triệu đồng mỗi năm từ nhân sự báo cáo, hàng hủy và quyết định nhập sai.

4. CTA: Bắt đầu từ một con số đo được

Doanh nghiệp dược không cần bắt đầu bằng một dự án AI lớn. Hãy chọn một kho, một nhóm hàng và ba chỉ số: thời gian lập báo cáo, giá trị hàng cận hạn và tỷ lệ thiếu hàng. HimiTek có thể giúp anh Minh và các nhà phân phối tương tự triển khai AI Agent có phê duyệt con người, đo được thời gian hoàn vốn và biến dữ liệu tồn kho thành khoản tiết kiệm thực tế.

Cần tư vấn chuyên sâu?

HimiTek cung cấp dịch vụ tư vấn AI Compliance, Blockchain, và Security cho doanh nghiệp.

Đặt lịch tư vấn miễn phí →

1. Pain: Pharmaceutical inventory cannot keep running on manual work

Minh manages a mid-sized pharmaceutical distributor in Binh Duong, Vietnam, with more than 3,000 SKUs across several warehouses. Every day, his team combines data from sales software, Excel files, and medical representative reports to determine which products are running low, which batches are nearing expiry, and how much to reorder.

The process looks familiar, but it is effectively a manual operation: data is scattered, each employee interprets it differently, and purchasing decisions depend heavily on personal experience. Near-expiry products are often discovered too late. At the same time, essential medicines may be unavailable at regional warehouses, pushing pharmacies toward competitors.

2. Agitate: One inaccurate report can create several layers of loss

Warehouse staff spend two to three days every week reconciling reports instead of processing orders and balancing stock. A slow-moving pharmaceutical batch discovered too late may require heavy discounting or disposal. An excess purchase also locks up working capital and adds storage, counting, and expiry-handling costs.

For Minh, this was a half-finished optimization: saving on software while losing money through write-offs, stockouts, and inaccurate purchasing. Continuing to patch the process with Excel would create more technical debt, turn the warehouse into a bottleneck, and produce attractive but useless KPI figures. This is how an eat-first, fix-later operating model becomes expensive.

3. Solve: Deploy an AI inventory agent in 3 steps

Step 1 – Standardize product and batch data. HimiTek connects sales, inventory, purchase history, expiry dates, and sales velocity. Batch data can be structured under GS1 EPCIS 2.0 through HimiTrace, allowing the business to track each SKU, batch, and event. There is no need to draw up a massive project; start with product groups carrying the highest write-off risk.

Step 2 – Let the AI Agent analyze and alert. The agent classifies products by sales velocity, criticality, and stock-obsolescence risk. It alerts managers when a product is nearly out of stock, slow-moving, or approaching expiry, then recommends purchase quantities for each warehouse. Managers receive a short daily report instead of waiting for the weekend.

Step 3 – Control execution before it happens. The AI provides recommendations only. Authorized staff still approve purchases, transfers, and disposals. HimiTek uses OpenClaw Gatekeeper with 9router v0.4.66 and LiteLLM dual-instance failover to control AI calls, rate limits, and spending. Each virtual key can have a hard 5 USD monthly budget cap to prevent runaway loops.

policy = {
    'budget_cap_usd': 5,
    'allowed_actions': ['alert', 'recommend_purchase'],
    'approval_required': ['transfer_stock', 'dispose_stock', 'place_order'],
    'shell_tools': 'deny_by_default'
}

if recommendation['confidence'] >= 0.85:
    send_alert(recommendation)
else:
    request_human_review(recommendation)

The Reasoner analyzes data, while the Actuator executes only whitelisted actions. When an employee changes a recommendation, the reason is recorded, creating accountability instead of blame when a forecast is wrong.

Results after 3 months

Approximately 70% less time spent preparing inventory reports.
35% less near-expiry stock requiring urgent action.
20% lower excess inventory value in slow-moving categories.
Fewer stockouts across regional warehouses.
An estimated VND 480 million saved annually through lower reporting labor, write-offs, and inaccurate purchasing decisions.

4. CTA: Start with one measurable number

A pharmaceutical distributor does not need to begin with a massive AI project. Select one warehouse, one product group, and three metrics: reporting time, near-expiry inventory value, and stockout rate. HimiTek can help distributors deploy an AI Agent with human approval, calculate payback clearly, and turn inventory data into measurable savings.

Need expert consulting?

HimiTek provides AI Compliance, Blockchain, and Security consulting for enterprises.

Book a free consultation →