Trợ lý AI chăm sóc khách hàng xây trên dữ liệu của chính bạn

Thử nhắn cùng một câu "bên em có giao hàng ở Cần Thơ không, mấy ngày tới nơi?" vào hai fanpage cùng bán một mặt hàng.

Trang thứ nhất trả lời: "Dạ bên em giao hàng toàn quốc ạ, thời gian tuỳ khu vực, anh chị để lại số điện thoại để được hỗ trợ nhé."

Trang thứ hai trả lời: "Dạ có ạ. Cần Thơ thuộc tuyến miền Tây, giao 2 đến 3 ngày, đơn từ 500 nghìn được miễn phí ship. Anh chị đặt trước 3 giờ chiều thì hàng đi ngay trong ngày."

Cùng là AI trả lời tự động cả. Khác biệt không nằm ở con AI nào thông minh hơn, mà ở chỗ: con thứ nhất không biết gì về công ty nó đang đại diện, con thứ hai được nuôi bằng chính sách giao hàng thật của công ty. Bài này nói về cách đi từ con thứ nhất sang con thứ hai.

Vì sao trợ lý AI của bạn trả lời như người ngoài

Các mô hình AI lớn được huấn luyện trên kiến thức chung. Chúng biết chăm sóc khách hàng là gì, biết văn phong lễ phép, biết cấu trúc một câu trả lời chuẩn mực. Nhưng chúng không biết bảng giá của bạn, chính sách đổi trả của bạn, hay tuyến giao hàng của bạn, vì những thứ đó chưa bao giờ nằm trong dữ liệu huấn luyện.

Nên khi bạn cắm thẳng một AI vào kênh chat mà không nạp gì thêm, mọi câu trả lời của nó chỉ có thể là phỏng đoán lịch sự. Nghe êm tai, đúng ngữ pháp, và vô dụng, vì khách hỏi về công ty bạn chứ không hỏi kiến thức phổ thông. Tệ hơn: gặp câu hỏi cụ thể quá, AI có xu hướng đoán liều một câu trả lời nghe hợp lý, và thế là nó vừa hứa với khách một chính sách không tồn tại.

Kết luận rút ra rất gọn: chất lượng của trợ lý AI chăm sóc khách hàng không do AI quyết định, mà do dữ liệu bạn đưa cho nó quyết định.

Bốn nhóm dữ liệu nuôi một trợ lý ra hồn

Thông tin sản phẩm và bảng giá. Danh mục hàng, mô tả, giá hiện hành, tình trạng còn hết. Lưu ý chữ "hiện hành": nạp bảng giá một lần rồi bỏ đó là công thức tạo ra một trợ lý báo giá cũ cho khách mới.

Chính sách bán hàng. Giao hàng theo khu vực, phí ship, đổi trả, bảo hành, thanh toán. Nhóm này trả lời được phần lớn câu hỏi lặp lại, và thường đã có sẵn văn bản, chỉ cần gom về một chỗ và rà lại cho khớp thực tế.

Câu hỏi thường gặp lấy từ hội thoại thật. Nhóm giá trị nhất và hay bị bỏ qua nhất. Xuất tin nhắn sáu tháng gần đây, nhặt những câu lặp lại nhiều nhất cùng cách đội của bạn đã trả lời chúng. Đây là thứ dạy AI đúng "giọng" của công ty: cách xưng hô, cách xử lý khách phàn nàn, những cam kết được phép và không được phép đưa ra.

Giới hạn và luật chơi. Văn bản ghi rõ những gì trợ lý không được làm: không giảm giá ngoài chính sách, không hứa ngày giao chính xác cho đơn đặt trước, không tranh luận khi khách nổi nóng. Thiếu văn bản này, bạn đang thả một nhân viên mới ra trực chat mà chưa hề dặn dò gì.

Để dễ hình dung toàn cảnh: dữ liệu bốn nhóm này chảy vào agent, agent trả lời khách kèm căn cứ, và những gì vượt ranh giới thì đẩy sang người. Sơ đồ dưới đây là cả hệ thống nhìn từ trên xuống.

Kẻ ranh giới: ba mức xử lý một tin nhắn

Sai lầm phổ biến nhất khi triển khai là nghĩ nhị phân: hoặc AI trả lời hết, hoặc không dùng AI. Các hệ thống chạy tốt mà bên mình thấy đều chia ba mức.

Mức một, tự trả lời: câu hỏi có đáp án nằm rõ ràng trong dữ liệu đã nạp. Giá niêm yết, phí ship, chính sách đổi trả, còn hàng hay hết. Nhóm này chiếm phần lớn lượng tin và là nơi trợ lý tạo giá trị nhiều nhất.

Mức hai, trả lời kèm báo người: câu hỏi trả lời được nhưng có hơi hướng thương lượng hoặc tình huống riêng. Trợ lý đưa thông tin chung, đồng thời báo cho nhân viên vào tiếp quản. Khách không phải chờ, mà công ty không bị AI cam kết thay.

Mức ba, im và chuyển ngay: khiếu nại, khách đang bực, yêu cầu giảm giá đặc biệt, đơn giá trị lớn. Trợ lý chỉ ghi nhận, hẹn người phụ trách phản hồi, và chuyển kèm toàn bộ ngữ cảnh để khách không phải kể lại từ đầu. Với khách B2B, ngưỡng chuyển này còn phải đặt thấp hơn nữa, như mình đã phân tích trong bài chatbot AI cho doanh nghiệp B2B.

Ranh giới giữa ba mức chính là phần thiết kế quan trọng nhất của cả hệ thống, quan trọng hơn việc chọn mô hình AI nào. Và nó phải do người hiểu khách hàng của bạn ngồi vạch, không phải do kỹ thuật viên tự quyết.

Ví dụ: cùng một câu hỏi đi qua ba mức

Hình dung một shop mỹ phẩm cỡ vừa đã nạp đủ bốn nhóm dữ liệu. Ba tin nhắn đến trong một buổi tối:

Tin thứ nhất: "Serum A còn hàng không em, dùng cho da dầu được không?" Câu này rơi vào mức một: tồn kho có trong dữ liệu, mô tả sản phẩm ghi rõ hợp da dầu. Trợ lý trả lời trọn vẹn, kèm link sản phẩm, xong việc trong mười giây.

Tin thứ hai: "Chị mua 30 set làm quà cho công ty thì giá sao em?" Rơi vào mức hai: chính sách có ghi mức chiết khấu cho đơn số lượng, trợ lý báo khung chung "đơn từ 20 set được chiết khấu, bên em sẽ báo giá chính xác trong sáng mai", đồng thời gắn cờ cho nhân viên vào tiếp quản. Khách có thông tin để chờ, không ai hứa con số cuối.

Tin thứ ba: "Đơn của chị giao thiếu một món, lần trước cũng vậy, bực thật sự." Mức ba, không bàn cãi: trợ lý xin lỗi ngắn gọn, xác nhận đã chuyển ngay cho người phụ trách kèm mã đơn và lịch sử hai lần gặp lỗi, và không nói thêm bất kỳ câu giải thích nào. Khách đang bực mà gặp máy giải thích vòng vo là đổ thêm dầu; việc của máy lúc này chỉ là bảo đảm người thật nhận đủ ngữ cảnh và phản hồi sớm.

Cùng một hệ thống, ba cách xử lý. Toàn bộ "trí thông minh" đáng giá ở đây là biết mình đang ở tình huống nào, và điều đó đến từ ranh giới bạn vạch chứ không tự nhiên mà có.

Giữ dữ liệu tươi, phần việc quyết định sống chết

Trợ lý AI không hỏng theo kiểu sập nguồn. Nó hỏng theo kiểu âm thầm: công ty đổi giá mà không ai cập nhật kho dữ liệu, và trợ lý cứ thế báo giá cũ cho hàng trăm khách trong ba tuần trước khi ai đó phát hiện.

Kinh nghiệm sau các dự án bên MediaX triển khai: đại đa số các ca "AI trả lời sai" khi bọn mình vào xem lại đều không phải AI sai, mà là tài liệu nguồn đã hết hạn. Thuốc trị chỉ có một: giao kho dữ liệu cho một người làm chủ, và ghi việc "cập nhật kho cho trợ lý" thành một bước bắt buộc trong quy trình đổi giá, đổi chính sách. Một dòng trong checklist, nghe tầm thường, nhưng nó là khác biệt giữa hệ thống chạy nhiều năm và hệ thống bị tắt sau ba tháng vì "con bot toàn nói sai".

Đo chất lượng bằng bộ đề thật, trước và sau khi chạy

Đừng nghiệm thu trợ lý bằng cách chat thử vài câu thấy êm là cho chạy. Cách đo tử tế:

Lấy 50 câu hỏi thật từ chính inbox của bạn, cả dễ lẫn khó, cả câu của khách vui lẫn khách bực. Cho trợ lý trả lời từng câu, rồi để trưởng nhóm chăm sóc khách hàng chấm từng câu theo ba mức: dùng được ngay, dùng được sau khi sửa nhẹ, và sai hoặc nguy hiểm. Hệ thống đáng cho chạy thật khi nhóm cuối cùng bằng không, kể cả khi nhóm đầu chưa cao, vì trả lời "để em chuyển anh chị cho bạn phụ trách" là chấp nhận được, còn trả lời sai chính sách thì không.

Chạy thật rồi thì mỗi tháng lặp lại phép đo với những câu mới nhặt từ inbox tháng đó. Con số này còn cho bạn thấy trợ lý khá lên hay tụt đi mỗi khi kho dữ liệu thay đổi.

Bắt đầu ở quy mô nào là vừa

Không cần đợi đủ nguồn lực làm hệ thống lớn mới bắt đầu. Một công ty nhỏ có thể đi từng nấc: trước hết dùng AI như trợ lý soạn nháp cho nhân viên trực chat, nhân viên vẫn là người bấm gửi. Nấc này gần như không rủi ro và đã giảm hẳn thời gian gõ phím, cách làm cụ thể mình có viết trong bài AI Agent cho doanh nghiệp nhỏ.

Khi dữ liệu bốn nhóm đã gom xong và bộ đề 50 câu đã có, lúc đó mới cho trợ lý tự trả lời mức một, rồi nới dần. Còn câu hỏi nên tự dựng bằng công cụ có sẵn, mua giải pháp đóng gói, hay thuê làm riêng theo đúng nghiệp vụ của mình, nó phụ thuộc vào độ đặc thù của dữ liệu và quy trình từng công ty, mình đã so sánh đủ bốn dòng chi phí trong bài thuê agency AI hay tự làm. Xây trợ lý chăm sóc khách hàng trên dữ liệu doanh nghiệp cũng chính là một trong những dạng dự án mà đội MediaX bên mình làm thường xuyên nhất, nên nếu cần một buổi ngồi đánh giá bài toán cụ thể, bạn biết tìm bọn mình ở đâu rồi.

Điều cuối cùng, cũng là điều mình muốn bạn mang về nếu chỉ nhớ một ý: đừng hỏi "nên dùng AI nào để chăm sóc khách hàng". Hãy hỏi "dữ liệu của mình đã đủ sạch để bất kỳ AI nào đứng lên trên chưa". Câu thứ hai mới là câu quyết định trải nghiệm mà khách của bạn nhận được.