1. 21:05 11/10/2026
Khi còn là sinh viên, chúng tôi thường xuyên chứng kiến việc tái chế trong khuôn viên trường trở nên lộn xộn và kém hiệu quả. Các xe thu gom rác thường chứa lẫn các vật liệu có thể tái chế, điều này không chỉ làm tăng chi phí xử lý mà còn gây ra những thiệt hại về môi trường. Vấn đề này đã truyền cảm hứng cho nhóm của chúng tôi để xây dựng một nền tảng đơn giản, hỗ trợ AI, có thể giúp sinh viên dễ dàng phân loại và trao đổi đồ tái chế hơn.
**1. Xác định vấn đề và xác định giá trị cốt lõi**
- Quan sát các điểm thu gom rác và ghi lại những điểm không hiệu quả.
- Phỏng vấn các bạn cùng lớp, nhân viên bảo vệ khuôn viên và nhân viên hành chính để thu thập nhu cầu thực tế.
- Xác định giá trị cốt lõi: một ứng dụng giúp mọi người kiếm được điểm thưởng khi tái chế chính xác, đồng thời cung cấp cho các nhà quản lý một công cụ để theo dõi việc thu gom.
**2. Xây dựng giả thuyết MVP**
- Giả thuyết: Một ứng dụng di động đơn giản, kết hợp công nghệ nhận diện hình ảnh bằng AI, có thể giúp người dùng quét các vật dụng hàng ngày và nhận điểm nếu chúng thuộc danh mục tái chế được chấp nhận.
- Đối tượng mục tiêu: sinh viên đại học, nhân viên hành chính cơ sở và các tình nguyện viên.
- Đo lường thành công: tỷ lệ sử dụng chính xác, sự tăng trưởng của số lượng người dùng và sự hài lòng của người dùng.
**3. Lập kế hoạch phát triển với ngân sách tiết kiệm**
- Sử dụng các mô hình nhận diện hình ảnh mã nguồn mở (ví dụ: MobileNet) để giảm chi phí tính toán.
- Tận dụng các gói dịch vụ đám mây dành cho sinh viên để tiết kiệm chi phí lưu trữ và xử lý dữ liệu.
- Xây dựng giao diện người dùng tối giản trước để thu thập phản hồi nhanh chóng.
**4. Thu thập dữ liệu và đào tạo mô hình**
- Tổ chức các buổi thu thập dữ liệu trong lớp học, nơi các tình nguyện viên chụp ảnh các vật dụng tái chế phổ biến (chai nhựa, lon nhôm, giấy).
- Gắn thẻ các hình ảnh này và tải lên một kho lưu trữ đám mây, sau đó sử dụng kho lưu trữ này để tinh chỉnh mô hình thông qua một notebooks Python đơn giản.
**5. Phát triển và thử nghiệm MVP**
- Tích hợp API nhận diện hình ảnh vào ứng dụng Android và iOS beta.
- Thực hiện thử nghiệm người dùng với 20 người bạn cùng lớp, thu thập dữ liệu phân loại và phản hồi về giao diện.
- Tinh chỉnh các kết quả không chính xác, thêm các danh mục vật liệu phổ biến và điều chỉnh quy tắc tính điểm.
**6. Ra mắt và đo lường tác động**
- Triển khai ứng dụng dưới dạng mã nguồn mở trên GitHub và thông báo trên các nhóm sinh viên.
- Theo dõi số lượng người dùng tích cực, tỷ lệ phân loại chính xác và số điểm được trao.
- Tổ chức một cuộc thi tái chế trong khuôn viên trường, sử dụng ứng dụng như một công cụ để theo dõi điểm số.
**7. Lặp lại và mở rộng**
- Yêu cầu người dùng cung cấp thêm dữ liệu về các vật liệu tái chế ít phổ biến hơn.
- Lên kế hoạch mở rộng sang các tính năng như lập lịch thu gom, hợp tác với các doanh nghiệp địa phương để thu mua phế liệu và bảng điều khiển phân tích cho ban quản lý khuôn viên.
**Lời khuyên cho các startup sinh viên**
- Bắt đầu với một vấn đề cụ thể có thể quan sát được; các vấn đề mơ hồ sẽ dẫn đến các giải pháp phức tạp.
- Tận dụng các nguồn lực dành cho sinh viên (mã nguồn mở, ưu đãi dành cho nhà phát triển, hội thảo của trường).
- Xây dựng MVP “khả thi về mặt kỹ thuật” thay vì chỉ là “khả thi về mặt khái niệm”.
- Luôn ghi chép lại hành trình học hỏi của bạn; các bài học thực tế sẽ là tài sản quý giá khi bạn mở rộng quy mô.
Bằng cách bắt đầu với một thách thức tái chế trong khuôn viên trường, chúng tôi đã phát triển một nền tảng hỗ trợ AI có thể mở rộng, giúp cộng đồng trở nên xanh hơn đồng thời cung cấp một sản phẩm thực tế cho thị trường. Phương pháp tiếp cận này cho thấy cách các startup sinh viên có thể biến các ý tưởng đơn giản thành các sản phẩm có tác động lớn với nguồn lực hạn chế.
