4 Bài học Chuyển đổi từ AI Tạo sinh đến AI Tác nhân trong Trải nghiệm Khách hàng

Từ AI Tạo sinh đến AI Tác nhân trong Trải nghiệm Khách hàng - ảnh tạo bởi Recraft AI

Khi các nhà lãnh đạo mảng dịch vụ khách hàng chuẩn bị cho AI tác nhân, họ nên áp dụng những gì đã học được từ AI tạo sinh đến nay.

Bài viết được dịch từ chia sẻ của tác giả Reza Soudagar, SAP đăng trên Forbes, ngày 23 tháng 7, 2025, với sự hỗ trợ của Claude AI. 

Lời mở đầu

Tại nhiều công ty, trí tuệ nhân tạo tạo sinh hay AI tạo sinh (GenAI, viết tắt của Generative AI) đang hoàn toàn tự động hóa một số khía cạnh của hỗ trợ khách hàng hoặc giúp đỡ các nhân viên dịch vụ với những công việc lặp đi lặp lại. Giờ đây, AI tác nhân (AI agents) đã xuất hiện.

Các hệ thống và mô hình AI tác nhân hoạt động tự chủ để đạt được các mục tiêu phức tạp mà không cần sự hướng dẫn liên tục của con người. Ví dụ, một hệ thống tác nhân có thể phát hiện một đơn hàng giao hàng cho khách hàng bị chậm tiến độ, cảnh báo khách hàng và đề xuất giảm giá để bù đắp sự thất vọng.

Khi thế giới kinh doanh tiến từ AI tạo sinh sang AI tác nhân, các nhà lãnh đạo có thể áp dụng những gì họ đã học được từ những nỗ lực GenAI của mình. Dưới đây là bốn bài học quan trọng sẽ giúp hướng dẫn các doanh nghiệp bước vào kỷ nguyên AI tác nhân.

Bài học 1: Các copilot GenAI (AI tạo sinh) và trợ lý hội thoại có thể chỉ đưa bạn đi được một quãng đường nhất định.

Các copilot được điều khiển bởi GenAI chắc chắn có thể cải thiện năng suất cho các nhân viên dịch vụ khách hàng. Tuy nhiên, tùy thuộc vào trường hợp sử dụng, những cải tiến này có thể chỉ là gia tăng và có thể nhanh chóng đạt đến giới hạn tối đa.

Chẳng hạn, theo một báo cáo năm 2024 của McKinsey & Co., các hệ thống GenAI có sẵn bản dịch các giao tiếp của khách hàng hoặc tóm tắt các tương tác với khách hàng tương đối dễ tích hợp vào các quy trình dịch vụ hiện có, khiến chúng trở thành những khoản đầu tư rủi ro thấp. Tuy nhiên, McKinsey cho biết, có những giới hạn đối với những loại trường hợp sử dụng này, và giá trị thu được là khiêm tốn. Tổng giá trị chỉ khoảng 3% đến 5% của toàn bộ hoạt động chăm sóc khách hàng.

Đồng thời, theo Simon Bamberger, giám đốc điều hành và đối tác tại Boston Consulting Group, một số trung tâm dịch vụ khách hàng đã giảm thời gian giải quyết vấn đề 50% khi sử dụng trợ lý GenAI để giải quyết các vấn đề yêu cầu truy cập vào sản phẩm hoặc giải pháp chẩn đoán hoặc thông tin khách hàng cá nhân.

Để đạt được kết quả còn lớn hơn, các nhà lãnh đạo dịch vụ khách hàng đang cân nhắc việc chuyển sang AI tác nhân. Ngoài việc hoạt động như một copilot hoặc trợ lý để giải quyết tranh chấp thanh toán của khách hàng chẳng hạn, các tác nhân AI tự chủ có thể thực hiện hành động độc lập có ý nghĩa.

Họ có thể chuyển vấn đề đến một tác nhân AI thu tiền mặt, điều này sẽ khởi động quy trình giải quyết tranh chấp. Với các tác nhân AI đa chức năng làm việc cùng nhau, tranh chấp có thể được giải quyết nhanh chóng, tăng hiệu quả quy trình và nâng cao sự hài lòng của khách hàng.

Bài học 2: Để đạt được lợi ích năng suất lớn hơn, dữ liệu phải chính xác.

Đầu ra của GenAI chỉ tốt bằng dữ liệu mà chúng sử dụng. Điều này tạo ra một vấn đề đặc biệt trong dịch vụ khách hàng, vốn cần rút ra thông tin chi tiết từ nhiều nguồn dữ liệu có cấu trúc và không có cấu trúc khác nhau. Theo McKinsey, điều này khiến chất lượng dữ liệu trở thành một trong những thách thức hàng đầu khi triển khai GenAI trong dịch vụ khách hàng - đặc biệt là khi các doanh nghiệp muốn xác định các phản hồi có liên quan đến ngữ cảnh, điều này đòi hỏi phải định dạng dữ liệu nội bộ và tích hợp nó vào mô hình ngôn ngữ lớn, hay LLM.

Đảm bảo chất lượng dữ liệu thậm chí còn quan trọng hơn khi nói đến AI tác nhân. Vì AI trong trường hợp này đang thực hiện hành động tự chủ, dữ liệu phải chính xác.

Vấn đề là nhiều công ty đang mang theo một khoản nợ dữ liệu dưới dạng dữ liệu không nhất quán, không chính xác, lỗi thời hoặc không đầy đủ trên các hệ thống. Các nhân viên dịch vụ khách hàng, đặc biệt là những người có kinh nghiệm, rất khéo léo trong việc xử lý những sự khác biệt dữ liệu này. Ví dụ, họ biết rằng một nguồn dữ liệu có thể đáng tin cậy hơn nguồn khác, hoặc họ có thể dễ dàng nhận ra khi dữ liệu có vẻ không chính xác, sau đó thực hiện các biện pháp để xác thực nó.

Điều này không xảy ra với một tác nhân AI tự chủ. Vì tác nhân không thể phân biệt được, việc đảm bảo dữ liệu chất lượng cao trở nên quan trọng hơn.

Bài học 3: Giải quyết các vector đe dọa an ninh thông tin mới.

Theo Deloitte, an ninh mạng là một lĩnh vực đầu tư AI tạo sinh hàng đầu. Tuy nhiên, Deloitte cho biết "58% doanh nghiệp rất lo ngại về việc sử dụng dữ liệu nhạy cảm trong các mô hình và quản lý bảo mật dữ liệu" và "chỉ 23% nói rằng họ đã chuẩn bị kỹ lưỡng cho việc quản lý rủi ro và quản trị GenAI."

Những người sử dụng GenAI sớm đã học được rằng họ cần thực hiện các bài kiểm tra đối kháng riêng của mình đối với các hệ thống GenAI, đồng thời giới hạn trách nhiệm pháp lý đối với các ảo giác.

An ninh có vai trò quan trọng hơn trong AI tác nhân vì mức độ rủi ro cao hơn nhiều. Các tổ chức đánh giá việc sử dụng các tác nhân AI tự chủ cần xem xét và bảo vệ chống lại các tình huống trong đó các tác nhân giao tiếp với các liên hệ bên ngoài (chẳng hạn như thông qua chatbot) và có thể bị lừa để hoàn thành các hành động ngoài mục đích sử dụng dự định của chúng. Họ cũng sẽ cần kiểm tra đầy đủ các biện pháp kiểm soát bảo mật hiện tại để đảm bảo rằng chúng hoạt động với công nghệ AI tác nhân.

Khi các công ty xác định được những rào cản mạnh mẽ bảo vệ AI tác nhân, việc sử dụng và áp dụng AI sẽ phát triển và trưởng thành. Con người phải có vai trò giám sát, đảm bảo rằng hệ thống hoạt động theo kế hoạch và không để lại chỗ cho các vi phạm.

Bài học 4: Nhân viên dịch vụ sẽ cần học những cách làm việc mới

Khi tích hợp GenAI vào trung tâm dịch vụ khách hàng, việc đào tạo là điều cần thiết để đảm bảo rằng các nhân viên dịch vụ khách hàng biết cách làm việc hiệu quả với công nghệ. Theo Bamberger, việc triển khai GenAI bao gồm một liều lượng lớn quản lý thay đổi.

"Chúng tôi nói với khách hàng rằng 10% thành công xoay quanh thuật toán, 20% xoay quanh dữ liệu và công nghệ, và 70% xoay quanh chuyển đổi hoạt động," Bamberger nói. Phần lớn công việc bao gồm các nhiệm vụ hoạt động như quản lý thay đổi, quản lý nhân sự, tái thiết kế quy trình và điều phối một nhóm đa chức năng.

Nhu cầu đào tạo AI và quản lý thay đổi sẽ tăng lên với AI tác nhân. Các nhân viên dịch vụ khách hàng sẽ cần học những cách làm việc mới khi luồng quy trình thay đổi để phù hợp với các hành vi tự chủ của những hệ thống này.

Như Deloitte nói trong một báo cáo gần đây về AI tác nhân, các quy trình sẽ cần được thiết kế lại để loại bỏ các bước không cần thiết. Trong khi các tác nhân tự chủ có thể giúp nhau điều hướng môi trường của họ, "các quy trình lộn xộn và không được tối ưu hóa có thể mang lại kết quả đáng thất vọng."

Áp dụng bài học từ GenAI vào AI tác nhân

Nếu bạn đã dành một hoặc hai năm qua để làm việc trên các dự án thí điểm, hoặc thậm chí triển khai đầy đủ GenAI trong dịch vụ khách hàng, đừng lo lắng. Công việc bạn đã làm cho đến nay sẽ được sử dụng hiệu quả khi ngành công nghiệp chuyển sang cung cấp trải nghiệm khách hàng AI tác nhân.

* Bài viết được dịch lại với sự hỗ trợ của AI (Claude AI)

Nguồn tham khảo: 

• Moving From GenAI To Agentic AI Within The Customer Experience: https://www.forbes.com/sites/sap/2025/07/23/moving-from-genai-to-agentic-ai-within-the-customer-experience/
• From GenAI To Agentic AI in Customer Experience: https://www.sap.com/blogs/from-genai-to-agentic-ai-in-customer-experience