AI đo bóc khối lượng: làm được gì, sai ở đâu

Bài 1 trong chuỗi ba bài về AI và đo bóc khối lượng. Bài này trả lời câu hỏi nền: máy đang làm được gì thật, sai ở đâu, và những con số độ chính xác bạn đọc được trên mạng do ai đo.

Bốn thứ đang bị gọi chung là “AI bóc khối lượng”

Khi một nhà cung cấp nói phần mềm của họ “dùng AI để bóc khối lượng”, câu đó có thể mang bốn nghĩa hoàn toàn khác nhau. Mức độ tin cậy của mỗi nghĩa cũng khác nhau rất xa.

Nhóm	Máy làm gì	Có phải AI không
Trích khối lượng từ mô hình BIM	Đọc thuộc tính hình học và dữ liệu đã có sẵn trong mô hình, rồi tổng hợp lại	Không. Đây là truy vấn cơ sở dữ liệu. Mô hình vẽ sao thì ra vậy
Thị giác máy tính trên bản vẽ 2D	Nhận dạng tường, phòng, cửa, ký hiệu lặp trên file PDF hoặc CAD, rồi đo và đếm	Có. Và là nhóm duy nhất đang thực sự được bán rộng rãi cho công tác đo bóc
Mô hình ngôn ngữ đọc bản vẽ	Đưa ảnh bản vẽ cho ChatGPT, Gemini, Claude rồi hỏi bằng tiếng người	Có. Nhưng phần dưới sẽ cho thấy nhóm này chưa dùng được cho đo bóc
Ánh xạ công tác vào mã định mức	Đọc mô tả công tác dạng chữ rồi tự xếp vào nhóm mã tương ứng	Có. Đây là bài toán phân loại văn bản, không phải xử lý hình ảnh

Nhóm đầu tiên hay bị gọi nhầm nhất. Khi bạn bấm xuất bảng khối lượng từ một mô hình Revit, không có trí tuệ nhân tạo nào tham gia cả — phần mềm chỉ cộng lại những gì người mô hình đã vẽ. Nếu mô hình thiếu cấu kiện, bảng khối lượng thiếu đúng cấu kiện đó, và không có gì báo cho bạn biết.

Nhóm thứ tư ít được nói tới nhưng có lẽ là nhóm hứa hẹn nhất với Việt Nam. Một nghiên cứu năm 2022 đã dùng máy học phân loại 51.906 mô tả công tác từ 24 dự án hạ tầng tại Anh vào hệ phân loại chi phí quốc tế ICMS, đạt điểm F1 trên 90% ở phần lớn các nhóm.

Nhưng đích đến là ICMS, không phải hệ định mức Việt Nam. Và khoảng cách giữa hai thứ đó lớn hơn vẻ ngoài. Định mức Việt Nam không chỉ là một cách đặt tên công tác — mỗi mã hiệu đi kèm một đơn vị đo riêng, một thành phần hao phí riêng và một điều kiện áp dụng riêng. Cùng là công tác xây tường, chọn mã theo chiều dày tường, chiều cao xây, loại vữa và loại gạch sẽ ra bốn kết quả khác nhau. Máy không đọc được điều kiện áp dụng đó từ mô tả công tác, vì nó nằm trong thuyết minh định mức chứ không nằm trong tên công tác.

Chúng tôi không tìm thấy nghiên cứu hay sản phẩm nào công bố kết quả ánh xạ tự động vào hệ định mức Việt Nam — kể cả sau khi bộ định mức được thay mới từ 01/7/2026. Đây vừa là khoảng trống, vừa là lý do những công cụ nước ngoài dù giỏi đến đâu cũng dừng lại ở bảng khối lượng, không đi tiếp được vào dự toán Việt Nam.

AI đếm giỏi, đo diện tích thì hụt

Đây là kết quả đáng chú ý nhất trong toàn bộ tài liệu chúng tôi đọc được, vì nó đến từ một nghiên cứu độc lập đo trực tiếp một công cụ AI takeoff thương mại trên công trình thật, chứ không phải từ thông cáo của nhà cung cấp.

Nhóm nghiên cứu của Utica University (2026) lấy một công trình thương mại quy mô khoảng 1.500 m² sàn, chạy công cụ AI trên bộ bản vẽ kiến trúc, lấy ra 29 hạng mục khối lượng, rồi so từng hạng mục với khối lượng do nhà thầu lập. Kết quả tách làm hai nửa rất rõ:

Nhóm hạng mục	Kết quả kiểm định	Đọc ra điều gì
Đếm số lượng	Không có khác biệt có ý nghĩa thống kê (p = 0,655). 11 trên 13 hạng mục trùng khớp hoàn toàn	Máy đếm đáng tin
Đo diện tích	Thiếu hụt có ý nghĩa thống kê (p = 0,027). 12 trên 15 hạng mục thấp hơn khối lượng nhà thầu	Máy đo hụt, và hụt về một phía

Chỗ cần dừng lại là cụm “thấp hơn”. Nếu máy sai ngẫu nhiên, chỗ thừa chỗ thiếu sẽ bù nhau và tổng vẫn tạm ổn. Nhưng nếu máy luôn hụt, mọi sai số cộng dồn về cùng một hướng, và hướng đó đi thẳng vào phần lợi nhuận của người nhận thầu theo đơn giá.

Giới hạn của nghiên cứu này, nói cho sòng phẳng: đây là bài trong kỷ yếu hội nghị, đo trên một công trình duy nhất với 29 hạng mục. Không nên coi là kết luận phổ quát cho mọi công cụ. Nhưng nó là nghiên cứu độc lập duy nhất chúng tôi tìm được có kiểm định thống kê một công cụ AI takeoff cụ thể — và nó đủ để đặt dấu hỏi.

Đưa bản vẽ vào ChatGPT thì sao?

Câu hỏi này được hỏi rất nhiều, và năm 2026 đã có câu trả lời bằng số, từ hai bộ bài kiểm tra học thuật độc lập.

Bộ thứ nhất dùng 33 bản vẽ kết cấu đã phát hành thi công, với 92 cặp câu hỏi do kỹ sư soạn, chấm hàng loạt mô hình phổ biến. Mô hình tốt nhất đạt 71,7% trên toàn bộ các dạng câu hỏi. Nhưng riêng nhóm câu hỏi về đo bóc khối lượng, điểm cao nhất chỉ 41,7%. Để so sánh, chuyên gia có kinh nghiệm đạt 94,9% trên cùng bộ câu hỏi.

Bộ thứ hai dùng 120 mặt bằng kiến trúc, tập trung vào việc đếm cấu kiện theo ký hiệu. Kết quả: đếm cửa đi đạt 0,39, cửa sổ 0,34 — tức sai nhiều hơn đúng. Sai số tuyệt đối trung bình dao động từ 15% đến 69%.

Nhưng có một chi tiết trong bộ thứ hai đáng để mọi người làm nghề chú ý: với những phòng có nhãn chữ ghi rõ công năng, điểm số vọt lên 0,76 đến 0,91. Nghĩa là mô hình đang đọc chữ giỏi hơn đọc hình. Nó nhận ra chữ “phòng ngủ” chứ chưa thực sự hiểu nét vẽ.

Vì sao con số quốc tế không chuyển thẳng sang bản vẽ Việt Nam

Mọi nghiên cứu nêu trên đều chạy trên bản vẽ Âu Mỹ. Trước khi lấy kết quả đó áp vào công việc hằng ngày ở Việt Nam, có bốn khác biệt cần đặt lên bàn.

Thứ nhất, chất lượng file đầu vào. Một tỷ lệ đáng kể hồ sơ thiết kế lưu hành ở Việt Nam là bản scan hoặc bản in lại rồi chụp, nhất là hồ sơ cải tạo, hồ sơ cũ và hồ sơ nhà dân. Chính các nhà cung cấp phần mềm quốc tế liệt kê bản scan độ phân giải thấp và ghi chú viết tay là chế độ thất bại đầu tiên của công cụ họ. Với loại hồ sơ này, phần đo tự động gần như không tiết kiệm được gì.

Thứ hai, ký hiệu không thống nhất. Công cụ thị giác máy tính học từ những bộ ký hiệu lặp đi lặp lại. Ở Việt Nam, mỗi đơn vị thiết kế có bộ ký hiệu riêng, cách đặt tên lớp CAD riêng, và không hiếm hồ sơ trộn nhiều nguồn trong cùng một bộ. Máy nhận đúng một ký hiệu ở tờ này rồi bỏ sót đúng ký hiệu đó ở tờ khác là chuyện bình thường.

Thứ ba — và đây là điểm ít ai để ý. Bộ kiểm tra thứ hai nêu ở trên cho thấy máy đọc nhãn chữ giỏi hơn hẳn đọc nét vẽ: phòng có chữ ghi công năng đạt 0,76–0,91, còn cửa đi cửa sổ thuần ký hiệu chỉ 0,34–0,39. Nhưng nhãn chữ trên bản vẽ Việt Nam là tiếng Việt có dấu. Các mô hình được huấn luyện chủ yếu trên bản vẽ tiếng Anh, nên chính cái điểm mạnh nhất của chúng lại là chỗ bị suy giảm nhiều nhất khi mang sang đây. Đây là suy luận từ kết quả nghiên cứu, chưa có ai đo trực tiếp trên bản vẽ tiếng Việt — nhưng nó đủ để không kỳ vọng con số quốc tế lặp lại nguyên vẹn.

Thứ tư, đích đến khác nhau. Ở phần lớn thị trường quốc tế, bảng khối lượng là sản phẩm cuối. Ở Việt Nam, bảng khối lượng chỉ là nguyên liệu — nó còn phải ghép vào mã định mức, ra đơn giá, rồi qua thẩm tra và thẩm định. Mỗi bước tiếp theo đều có người đặt câu hỏi “con số này ở đâu ra”.

Những con số độ chính xác trên mạng do ai đo?

Khi đọc quảng cáo phần mềm, câu hỏi đáng giá nhất là: con số này ai đo, đo trên cái gì, so với cái gì.

Con số được công bố	Ai đo	So với cái gì
“Chính xác 98% hoặc hơn”	Nhà cung cấp tự công bố	Không nêu. Chưa từng được bên thứ ba kiểm chứng
“Nhanh hơn tới 95%”	Nhà cung cấp tự công bố	Chính nhà cung cấp nhấn mạnh đây là chỉ số tốc độ, không phải bảo đảm độ chính xác
“Giảm tới 60% thời gian lập dự toán”	Nhà cung cấp tự công bố	Thời gian thao tác, không phải độ chính xác
Không công bố con số nào	Một nhà cung cấp lớn	Tự nói thẳng không thể bảo đảm tỷ lệ chính xác trên bộ bản vẽ lộn xộn, và bước rà soát của con người không phải tuỳ chọn

Và đây là điều đáng nói nhất: hiện không tồn tại một bộ bài kiểm tra công khai, do bên thứ ba vận hành, để xếp hạng độ chính xác giữa các công cụ AI đo bóc. Không có cái gọi là bảng xếp hạng độc lập. Mỗi nhà cung cấp tự đo theo cách của mình, trên bộ bản vẽ của mình.

Xu hướng 12 tháng qua cũng cho thấy chính các nhà cung cấp đang lùi khỏi lời hứa “chính xác” để chuyển sang hứa “nhanh” và “có người rà soát”. Đó là một chỉ dấu đáng tin hơn mọi con số phần trăm.

Bốn chỗ AI không với tới, và sẽ không với tới

Phần này không phải “AI chưa đủ giỏi, chờ vài năm nữa”. Đây là những khối lượng không nằm trên bản vẽ, nên không có cách nào đọc ra từ bản vẽ.

Hướng đi thực dụng: máy lo thao tác, người giữ phép đo

Nếu gom tất cả bằng chứng ở trên lại, hướng đi hợp lý không phải là giao bản vẽ cho máy rồi chờ kết quả, mà là để máy gánh phần thao tác tay chân, còn người vẫn là người quyết định đo cái gì và đo thế nào. Hướng này đang thấy rõ ở cả sản phẩm quốc tế lẫn sản phẩm trong nước.

Phần mềm chúng tôi dùng hằng ngày cho công tác đo bóc là QS Crystal, và bản cập nhật mới nhất đi đúng theo hướng đó: cho phép nhúng mô hình trực tiếp vào phần mềm để hỗ trợ lập phép đo, và đo thẳng trên bản vẽ thay vì phải chuyển qua lại giữa các công cụ. Người lập vẫn là người dựng phép đo; máy lo phần bắt điểm, tính toán và lưu lại.

Nhưng thứ đáng giá nhất với hồ sơ Việt Nam lại không phải tốc độ, mà là đường truy vết. Trong QS Crystal, một con số trong bảng khối lượng có thể nhấp đúp để mở ra chi tiết từng phép đo cấu thành, rồi nhấp đúp tiếp vào một phép đo để phần mềm mở đúng bản vẽ, đúng vị trí, và tô sáng đúng nét đã đo.

Đó cũng là lý do trong ba việc AI làm được hôm nay — đếm cấu kiện lặp lại trên bản vẽ sạch, rút ngắn thao tác đo, và làm bản nháp lần một để người soát — thì việc thứ ba chỉ có giá trị khi bản nháp ấy soát được. Một bảng khối lượng đúng nhưng không giải thích được nguồn gốc vẫn là một bảng khối lượng khó dùng.

Nguồn tham khảo chính: Sadeh H., Geloso D., Todorov D. (Utica University, 2026), “Testing AI Accuracy in Quantity Takeoff: A Methodological Case Study in Commercial Construction” · Bộ bài kiểm tra DrawingVQA và AECV-Bench (2026) về năng lực đọc bản vẽ xây dựng của mô hình ngôn ngữ đa phương thức · Deza A., Ihshaish H., Mahdjoubi L. (2022) về phân loại tự động mô tả công tác vào hệ ICMS · RICS NRM2 — New Rules of Measurement 2, phần quy định về chi phí chung của nhà thầu chính · Tài liệu công bố của các nhà cung cấp phần mềm đo bóc.
Bài viết rà soát ngày 18/9/2026. Mọi con số do nhà cung cấp tự công bố đều được ghi rõ nguồn gốc trong bài; nội dung mang tính tham khảo chuyên môn.