Một thử nghiệm hiếm hoi: AI trên tuyến đầu chăm sóc khách hàng
Nhiều số liệu về AI trong chăm sóc khách hàng (CSKH) do chính các hãng công nghệ tự công bố. Câu chuyện dưới đây thì khác: nó đến từ một nhóm nghiên cứu học thuật, và được đăng trên một tạp chí khoa học. Theo trang công bố của Văn phòng Nghiên cứu Kinh tế Quốc gia Hoa Kỳ (NBER), nhóm Erik Brynjolfsson, Danielle Li và Lindsey R. Raymond đã phân tích dữ liệu của 5.179 nhân viên hỗ trợ khách hàng khi một trợ lý hội thoại dùng AI tạo sinh được đưa vào công việc hằng ngày của họ. Bài nghiên cứu mang tên "Generative AI at Work", công bố dạng working paper (mã 31161) từ tháng 4/2023, được sửa đổi trong năm 2023 và sau đó đăng trên tạp chí The Quarterly Journal of Economics năm 2025.
Điều đáng chú ý nằm ở chỗ nghiên cứu đo kết quả thật, trên số lượng người lớn, chứ không phải một buổi demo.
Bối cảnh: một công ty giấu tên, một đội ngũ hỗ trợ đông người
Trang NBER mà chúng tôi đã mở không nêu tên công ty và cũng không mô tả quy mô hay lĩnh vực của họ; danh tính được giữ ẩn danh. Những gì trang này cho biết là: công cụ AI được triển khai theo từng đợt (không bật cho tất cả cùng lúc), và đối tượng sử dụng là các nhân viên hỗ trợ khách hàng. Về nguyên tắc, cách triển khai lần lượt như vậy cho phép so sánh người đã có công cụ với người chưa có; đây là nhận xét của chúng tôi về phương pháp, không phải điều trang NBER nêu.
Cần nói trước một điều: bản tóm tắt NBER không cho biết trợ lý được xây dựng bằng công nghệ cụ thể nào, nên bài này không suy đoán về điều đó.
Vấn đề: năng lực của đội ngũ không đồng đều
Bất kỳ ai từng quản lý bộ phận CSKH đều quen với cảnh này. Một số nhân viên xử lý nhanh, nói đúng điều khách cần nghe; số khác, nhất là người mới, cần thời gian để quen việc. Kiến thức tốt dễ nằm trong đầu một số ít người và khó truyền lại. (Đây là mô tả chung, không phải số liệu từ nghiên cứu.)
Chính khoảng cách đó là nơi nghiên cứu này đặt câu hỏi: một trợ lý AI đứng cạnh nhân viên khi họ trả lời khách sẽ thay đổi điều gì?
Họ đã làm gì với AI
Theo bản tóm tắt trên NBER, công ty đưa một trợ lý hội thoại dùng AI tạo sinh vào quá trình hỗ trợ của nhân viên. Các tác giả nêu bằng chứng mang tính gợi ý rằng công cụ có thể giúp lan tỏa cách làm của những nhân viên giỏi hơn, và giúp người mới tiến nhanh hơn trên đường cong kinh nghiệm. Đây là cách các tác giả diễn giải kết quả, không phải một mô tả chi tiết về từng tính năng.
Kết quả: con số trung bình và con số đáng chú ý hơn
Theo trang NBER, năng suất, đo bằng số vấn đề được giải quyết mỗi giờ, tăng trung bình 14% khi nhân viên được dùng trợ lý AI.
Nhưng con số trung bình che đi bức tranh thú vị hơn. Cũng theo NBER, nhóm nhân viên mới và có kỹ năng thấp cải thiện 34%. Còn với nhân viên giàu kinh nghiệm và kỹ năng cao, tác động được mô tả là tối thiểu.
Bản tóm tắt còn nêu thêm ba điều: cảm nhận của khách hàng được cải thiện, tỷ lệ giữ chân nhân viên tăng, và các tác giả cho rằng công cụ có thể giúp nhân viên học hỏi thêm. Chúng tôi chỉ đọc phần tóm tắt, nên không đưa ra con số chi tiết cho các ý này.
Giới hạn cần nhớ khi đọc kết quả
Một bài viết trung thực phải nói rõ những gì chưa biết:
- Chỉ là một công ty. Dù có hơn 5.000 nhân viên, dữ liệu đến từ một doanh nghiệp duy nhất, ẩn danh. Trang NBER không cho biết kết quả có lặp lại ở công ty khác, ngành khác, hay nước khác hay không. Nhất là với doanh nghiệp Việt Nam có khách hàng, ngôn ngữ và quy trình khác.
- Chúng tôi mới đọc phần tóm tắt. Các chi tiết như mô tả công ty, thời gian đo, hay cách tính từng chỉ số nằm trong toàn văn mà chúng tôi chưa xác minh.
- Năng suất không phải lợi nhuận. Số vấn đề giải quyết mỗi giờ là một thước đo; nó chưa nói gì về chi phí triển khai hay lợi nhuận.
- Nhóm giỏi ít hưởng lợi. Nếu bạn kỳ vọng AI giúp các chuyên gia giỏi nhất của mình giỏi hơn nữa, nghiên cứu này không ủng hộ kỳ vọng đó.
Bốn bài học cho chủ doanh nghiệp SME Việt Nam
1. Đặt AI cạnh người mới trước. Kết quả mạnh nhất nằm ở nhóm mới vào nghề. Nếu đội CSKH của bạn có tỷ lệ nghỉ việc cao hoặc luôn có người mới, đó là nhóm đáng thử trước, vì nghiên cứu ghi nhận mức cải thiện lớn nhất ở nhóm người mới (chưa có gì bảo đảm kết quả tương tự ở doanh nghiệp bạn).
2. Xem AI như người kèm cặp, không phải người thay thế. Cách các tác giả giải thích kết quả là công cụ giúp truyền kinh nghiệm của người giỏi cho người khác. Hãy nghĩ về việc biến những cách xử lý tốt nhất trong đội thành thứ mà cả đội cùng dùng được.
3. Đo bằng chỉ số cụ thể từ ngày đầu. Nghiên cứu này có sức nặng vì đo số vấn đề giải quyết mỗi giờ và so sánh giữa các nhóm. Trước khi triển khai, hãy chọn một vài chỉ số (thời gian xử lý, mức hài lòng, tỷ lệ nghỉ việc) và ghi lại mức hiện tại.
4. Triển khai từng đợt để biết điều gì thật sự hiệu quả. Bật công cụ cho một nhóm trước, giữ một nhóm so sánh, rồi mới mở rộng. Cách này giúp bạn tránh quyết định dựa trên cảm giác.
Từ câu chuyện đến việc của bạn
Mỗi doanh nghiệp có đội ngũ, kịch bản và khách hàng khác nhau, nên con số của người khác chỉ là gợi ý, không phải lời hứa. Tại BLA Tech, chúng tôi bắt đầu bằng việc hiểu rõ bài toán và quy trình hiện có của doanh nghiệp, sau đó thiết kế AI Agents bám theo quy trình đó, rồi đồng hành trong quá trình vận hành để điều chỉnh theo kết quả đo được.
