AI trong chăm sóc khách hàng: ứng dụng, rủi ro, pháp lý

Mục lục

1. AI trong chăm sóc khách hàng là gì?
2. AI tham gia vào những khâu nào của một yêu cầu chăm sóc khách hàng?
3. Tự phục vụ bằng chatbot, voicebot nên làm gì và không nên làm gì?
4. AI hỗ trợ tổng đài viên (agent assist) hoạt động thế nào?
5. Tóm tắt cuộc gọi bằng AI có đáng tin không?
6. Phân loại và định tuyến ticket bằng AI làm như thế nào?
7. Phân tích cảm xúc khách hàng đo được gì và sai ở đâu?
8. QA tự động thay đổi việc chấm điểm cuộc gọi ra sao?
9. Khi nào khách hàng cần gặp người thật?
10. Bài học từ vụ chatbot Air Canada là gì?
11. Dùng AI chăm sóc khách hàng cần tuân thủ quy định nào ở Việt Nam?
12. Đo hiệu quả AI trong chăm sóc khách hàng bằng chỉ số nào?
13. Doanh nghiệp nên triển khai AI chăm sóc khách hàng theo lộ trình nào?
14. Câu hỏi thường gặp

AI trong chăm sóc khách hàng là gì?

AI trong chăm sóc khách hàng (AI in customer service) là các ứng dụng trí tuệ nhân tạo dùng trong khâu hỗ trợ, giải đáp và xử lý yêu cầu của khách. Chúng dựa trên xử lý ngôn ngữ tự nhiên, nhận dạng giọng nói, mô hình ngôn ngữ lớn (LLM) và học máy để hiểu khách nói gì, tìm đúng thông tin và đề xuất hành động.

Có hai nhóm ứng dụng cần phân biệt:

• AI hướng tới khách (customer-facing): khách nói chuyện trực tiếp với máy, như chatbot trên website, Zalo, Messenger hay voicebot trả lời tổng đài.
• AI hỗ trợ nhân viên (agent-facing): khách vẫn nói chuyện với người, nhưng người đó có AI bên cạnh để chép lời, gợi ý câu trả lời, tóm tắt, gắn nhãn ticket, chấm điểm chất lượng.

Chatbot chăm sóc khách hàng chỉ là một phần; cấu tạo của nó có trong bài chatbot AI là gì và cách xây dựng. Bài này tập trung vào việc AI giúp gì cho từng khâu, khi nào cần người và doanh nghiệp Việt Nam phải tuân thủ gì.

AI tham gia vào những khâu nào của một yêu cầu chăm sóc khách hàng?

Cách dễ nhất để chọn đúng ứng dụng là đi theo vòng đời của một yêu cầu, từ lúc khách liên hệ đến lúc doanh nghiệp rút kinh nghiệm.

Ứng dụng	Dữ liệu cần có	Rủi ro khi AI sai
Tự phục vụ (self-service)	Kho tri thức, chính sách, API tra đơn	Cao: khách nhận thông tin sai, không ai kiểm tra
Hỗ trợ tổng đài viên (agent assist)	Kho tri thức, lịch sử khách, bản chép lời	Trung bình: nhân viên là lớp kiểm tra cuối
Tóm tắt hội thoại	Bản ghi âm hoặc nội dung chat	Trung bình: ghi chú sai ảnh hưởng lần xử lý sau
Phân loại, định tuyến ticket	Ticket cũ đã gắn nhãn đúng	Thấp: chuyển nhầm làm chậm xử lý
Phân tích cảm xúc	Hội thoại, đánh giá, bình luận	Trung bình: hiểu sai mỉa mai, tiếng lóng
QA tự động	Bộ tiêu chí, mẫu đã chấm bởi người	Trung bình: ảnh hưởng đánh giá nhân viên

Chúng thường chạy trên nền tảng contact center đa kênh và lấy dữ liệu khách từ hệ thống CRM.

Tự phục vụ bằng chatbot, voicebot nên làm gì và không nên làm gì?

Tự phục vụ là khi khách tự giải quyết vấn đề mà không cần nhân viên. Chatbot và voicebot dùng LLM hiểu được câu viết tự do, viết tắt, sai chính tả rồi trả lời bằng câu tự nhiên. Cách làm an toàn phổ biến là để AI tìm đoạn tài liệu trong kho tri thức đã duyệt rồi mới viết câu trả lời, gọi là RAG (Retrieval-Augmented Generation). Với kênh thoại, bài voicebot giải thích chuỗi nhận dạng giọng nói, hiểu ý định và tổng hợp giọng nói.

Nên để AI tự xử lý	Nên để người xử lý hoặc duyệt
Tra trạng thái đơn hàng, lịch hẹn, giờ mở cửa	Khiếu nại, tranh chấp, yêu cầu bồi thường
Hướng dẫn thao tác: đổi mật khẩu, kích hoạt	Ngoại lệ chính sách, hoàn tiền ngoài quy định
Giải thích chính sách đã công bố	Tư vấn tài chính, sức khoẻ, pháp lý cá nhân hoá
Thu thập thông tin trước khi chuyển người	Khách bức xúc hoặc đã liên hệ nhiều lần

Tại Việt Nam, Vietcombank đưa trợ lý ảo VCB Digibot vào hoạt động chính thức từ 09/07/2022. Theo Thị trường Tài chính Tiền tệ (13/12/2022), sau ba tháng hệ thống nhận khoảng 12.000 yêu cầu mỗi ngày; 91% được chatbot xử lý tự động, 9% cần nhân viên. Ngay cả chatbot hoạt động tốt vẫn cần đường chuyển sang người.

Ở quốc tế, Klarna công bố ngày 28/02/2024 rằng trợ lý AI xử lý 2,3 triệu cuộc chat trong tháng đầu, khoảng hai phần ba số chat chăm sóc khách hàng, tương đương 700 nhân viên toàn thời gian, thời gian giải quyết giảm từ 11 phút xuống dưới 2 phút (theo Euronews). Nhưng đến tháng 5/2025, CEO Klarna nói với Bloomberg rằng đầu tư vào chất lượng hỗ trợ của con người mới là hướng đi tương lai, và công ty tuyển thêm nhân viên.

AI hỗ trợ tổng đài viên (agent assist) hoạt động thế nào?

Agent assist là trợ lý chạy song song khi nhân viên chat hoặc nghe máy. Chỉ nhân viên nhìn thấy nó. Một hệ thống điển hình làm năm việc:

1. Chép lời theo thời gian thực lời của khách và nhân viên.
2. Nhận diện ý định: khách đang hỏi “đổi gói cước” hay “báo mất thẻ”.
3. Gợi ý câu trả lời, tài liệu phù hợp từ kho tri thức.
4. Nhắc tuân thủ: câu xác minh danh tính, thông báo ghi âm; cảnh báo khi khách đọc số thẻ, mật khẩu, mã OTP.
5. Điền sẵn biểu mẫu từ nội dung hội thoại.

Bằng chứng định lượng rõ nhất là nghiên cứu “Generative AI at Work” của Erik Brynjolfsson, Danielle Li và Lindsey Raymond (NBER Working Paper 31161, phát hành 04/2023, sửa đổi 11/2023). Trên 5.179 nhân viên hỗ trợ khách hàng, công cụ AI gợi ý giúp số vụ việc giải quyết mỗi giờ tăng trung bình 14%. Nhóm mới vào nghề hoặc kỹ năng thấp tăng 34%, nhóm giàu kinh nghiệm gần như không đổi. Cảm nhận của khách tốt hơn và tỷ lệ nhân viên ở lại tăng.

Tóm tắt cuộc gọi bằng AI có đáng tin không?

Sau mỗi cuộc gọi, nhân viên mất thời gian ghi chú, chọn mã lý do, cập nhật CRM. Phần này gọi là công việc sau cuộc gọi (After-Call Work, ACW), tính vào thời gian xử lý trung bình (AHT). AI có thể viết bản tóm tắt ngay khi cuộc gọi kết thúc. Bản tóm tắt nên có cấu trúc cố định: lý do liên hệ; thông tin đã xác minh (không ghi mật khẩu, OTP); việc đã làm và đã hứa; việc cần làm tiếp, ai làm, hạn chót; trạng thái.

Rủi ro lớn nhất là ảo giác AI: AI thêm một lời hứa nhân viên chưa nói, hoặc nhầm số tiền. Cách giảm rủi ro:

• Cho nhân viên sửa trước khi lưu, ít nhất trong giai đoạn đầu.
• Yêu cầu AI chỉ tóm tắt nội dung có trong bản chép lời và đánh dấu chỗ không chắc.
• Kiểm tra chất lượng chép lời trước, rồi lấy mẫu so với bản ghi gốc hằng tuần.

Phân loại và định tuyến ticket bằng AI làm như thế nào?

Ticket là một yêu cầu được ghi nhận từ email, form web, chat hay cuộc gọi. AI phân loại ticket gắn nhãn chủ đề, đánh giá mức ưu tiên (dựa trên nội dung như “mất tiền”, loại khách, thời hạn cam kết SLA) và đưa vào hàng chờ của nhóm có kỹ năng phù hợp.

Hãy thiết kế bộ nhãn trước khi chọn công cụ: số nhãn vừa phải, mỗi nhãn ứng với một hành động, định nghĩa đủ rõ để hai người gắn độc lập ra cùng kết quả.

Ví dụ minh hoạ bộ nhãn hai tầng cho một doanh nghiệp bán lẻ trực tuyến:

Nhóm lớn	Nhãn chi tiết	Hành động
Đơn hàng	Tra trạng thái, giao chậm, sai địa chỉ	Tự phục vụ hoặc nhóm vận chuyển
Thanh toán	Trừ tiền hai lần, hoàn tiền, hoá đơn	Nhóm tài chính, ưu tiên cao
Sản phẩm	Lỗi, hướng dẫn dùng, bảo hành	Nhóm kỹ thuật, bảo hành
Khiếu nại	Thái độ nhân viên, quảng cáo sai	Trưởng nhóm, không để AI tự trả lời

Khi vận hành, đặt ngưỡng tự tin (confidence threshold): ticket AI chắc chắn trên ngưỡng thì tự chuyển, dưới ngưỡng thì vào hàng chờ “cần người phân loại”. Đo độ chính xác theo từng nhãn, vì nhãn hiếm như “khiếu nại” thường sai nhiều nhất nhưng lại quan trọng nhất.

Phân tích cảm xúc khách hàng đo được gì và sai ở đâu?

Phân tích cảm xúc (sentiment analysis) là dùng AI đánh giá hội thoại, bình luận là tích cực, trung tính hay tiêu cực. Với giọng nói, hệ thống dùng cả nội dung lẫn tốc độ, cao độ, khoảng im lặng.

Ứng dụng hợp lý gồm: báo động sớm khi cuộc chat chuyển sang tiêu cực để ưu tiên chuyển người; theo dõi tỷ lệ hội thoại tiêu cực theo chủ đề, theo tuần; gom hàng nghìn đánh giá trên sàn thương mại điện tử thành vài nhóm vấn đề.

Với tiếng Việt, kết quả dễ sai vì mỉa mai (“Giao nhanh thật, đúng 2 tuần”), viết tắt, không dấu, tiếng lóng, emoji mang nghĩa ngược, khác biệt vùng miền. Vì vậy nên dùng phân tích cảm xúc khách hàng ở mức tổng hợp hơn là để ra quyết định về từng người.

QA tự động thay đổi việc chấm điểm cuộc gọi ra sao?

Kiểm soát chất lượng (Quality Assurance, QA) là nghe lại cuộc gọi hoặc đọc lại cuộc chat để chấm điểm theo bộ tiêu chí. Làm thủ công, đội QA chỉ nghe được một phần nhỏ, nên kết quả phụ thuộc vào việc chọn trúng cuộc nào. QA tự động dùng AI chấm toàn bộ hoặc phần lớn hội thoại theo tiêu chí như: có xác minh danh tính, thông báo ghi âm đúng kịch bản không; có hứa điều ngoài chính sách không; có yêu cầu khách đọc mật khẩu, OTP không; vấn đề có được giải quyết ngay lần đầu không.

Theo Tạp chí Công Thương (22/03/2023), Home Credit Việt Nam ứng dụng AI phân tích, chấm điểm cuộc gọi và cảnh báo bất thường, giảm 70% thời gian đánh giá chất lượng trong giai đoạn kiểm thử.

Để QA tự động công bằng với nhân viên:

1. Hiệu chỉnh với người: định kỳ cho chuyên viên QA và AI chấm cùng một mẫu, đo độ lệch, sửa tiêu chí.
2. Huấn luyện trước, xử phạt sau: dùng điểm AI để tìm chủ đề cần đào tạo, không dùng ngay để trừ lương.
3. Cho phép khiếu nại: nhân viên xem được lý do bị trừ điểm và yêu cầu người chấm lại.

Điều này phù hợp Điều 4 khoản 2 Luật Trí tuệ nhân tạo 134/2025/QH15: AI không thay thế thẩm quyền và trách nhiệm của con người, con người phải duy trì khả năng kiểm soát, can thiệp.

Khi nào khách hàng cần gặp người thật?

Gartner công bố ngày 09/07/2024 khảo sát 5.728 khách hàng (thực hiện tháng 12/2023): 64% muốn doanh nghiệp không dùng AI cho dịch vụ khách hàng, lo ngại hàng đầu là khó liên hệ với người thật. Vì vậy AI không được chặn đường tới con người.

Quy tắc chuyển giao (handoff) nên có:

• Luôn có lối thoát: lệnh “gặp nhân viên” hoạt động ở mọi bước.
• Chuyển kèm ngữ cảnh: nhân viên nhận tóm tắt và thông tin đã xác minh; khách không phải kể lại.
• Theo dõi lý do chuyển: chủ đề nào liên tục phải chuyển là dấu hiệu kho tri thức hoặc quy trình có vấn đề.

Bài học từ vụ chatbot Air Canada là gì?

Ông Moffatt, một hành khách tại Canada, hỏi chatbot trên website Air Canada về giá vé tang lễ (bereavement fare). Chatbot nói ông có thể xin hoàn phần chênh lệch trong vòng 90 ngày kể từ ngày xuất vé, trong khi trang chính sách ghi không áp dụng sau khi chuyến bay đã hoàn tất.

Ngày 14/02/2024, Toà Giải quyết Tranh chấp Dân sự (Civil Resolution Tribunal) tỉnh British Columbia ra quyết định trong vụ Moffatt kiện Air Canada (2024 BCCRT 149). Air Canada lập luận hãng không chịu trách nhiệm về thông tin do chatbot đưa ra. Toà bác bỏ, cho rằng chatbot là một phần website và hãng phải chịu trách nhiệm về mọi thông tin trên website của mình. Toà xác định hãng không cẩn trọng hợp lý để bảo đảm chatbot chính xác, buộc trả tổng cộng 812,02 đô la Canada (650,88 đô la bồi thường, 36,14 đô la tiền lãi, 125 đô la phí).

Số tiền nhỏ, nhưng bài học lớn:

1. Câu trả lời của chatbot là lời của doanh nghiệp. Không thể đổ lỗi cho “máy” hay nhà cung cấp phần mềm trước mặt khách.
2. Một nguồn sự thật duy nhất: chatbot, trang chính sách, kịch bản tổng đài lấy từ cùng một kho tri thức.
3. Giới hạn diễn giải: với giá, hoàn tiền, bồi thường, chatbot nên trích nguyên văn điều khoản đã duyệt và dẫn tới trang chính sách.
4. Lưu nhật ký và kiểm thử bằng câu hỏi khó trước khi mở cho khách.

Dùng AI chăm sóc khách hàng cần tuân thủ quy định nào ở Việt Nam?

Phần này tóm tắt các văn bản còn hiệu lực đến tháng 10/2026, mang tính tham khảo, không phải tư vấn pháp lý.

Luật Trí tuệ nhân tạo 134/2025/QH15

Thông qua ngày 10/12/2025, hiệu lực từ 01/03/2026. Các điểm liên quan:

• Vai trò (Điều 3): “nhà cung cấp” là bên đưa hệ thống AI vào sử dụng dưới tên, thương hiệu của mình, dù tự phát triển hay do bên thứ ba phát triển; “bên triển khai” là bên dùng hệ thống AI trong phạm vi kiểm soát của mình cho hoạt động thương mại, dịch vụ. Gắn thương hiệu riêng lên chatbot mua ngoài có thể khiến bạn ở vai trò nhà cung cấp.
• Minh bạch (Điều 11): khoản 1 yêu cầu hệ thống AI tương tác trực tiếp với con người phải để người dùng nhận biết đang tương tác với hệ thống; khoản 4 yêu cầu âm thanh do AI tạo để mô phỏng giọng người thật phải gắn nhãn dễ nhận biết.
• Rủi ro (Điều 9, 10): hệ thống có thể gây nhầm lẫn do người dùng không nhận biết đang tương tác với AI thuộc nhóm rủi ro trung bình; nhà cung cấp tự phân loại và lập hồ sơ phân loại trước khi đưa vào sử dụng.
• Chuyển tiếp (Điều 35): hệ thống hoạt động trước 01/03/2026 có 12 tháng để tuân thủ (đến 01/03/2027); lĩnh vực y tế, giáo dục, tài chính có 18 tháng (đến 01/09/2027).

Nghị định 142/2026/NĐ-CP ngày 30/04/2026 (hiệu lực 01/05/2026) quy định chi tiết luật này, trong đó có hình thức thông báo và gắn nhãn, gồm cả thông báo bằng âm thanh.

Luật Bảo vệ dữ liệu cá nhân 91/2025/QH15 và Nghị định 356/2025/NĐ-CP

Luật thông qua ngày 26/06/2025; luật và Nghị định 356/2025/NĐ-CP (ngày 31/12/2025) cùng hiệu lực từ 01/01/2026.

• Đồng ý (Điều 9): tự nguyện, biết rõ mục đích; im lặng không được coi là đồng ý. Nghị định 356 (Điều 6) ghi nhận cuộc gọi được ghi âm là một phương thức thể hiện sự đồng ý.
• Dữ liệu trong AI (Điều 30): xử lý đúng mục đích, giới hạn trong phạm vi cần thiết, có biện pháp bảo mật.
• Xuyên biên giới (Điều 20): dùng nền tảng ngoài lãnh thổ Việt Nam xử lý dữ liệu cá nhân thu thập tại Việt Nam được coi là chuyển dữ liệu ra nước ngoài, phải lập hồ sơ đánh giá tác động. Điều này áp dụng khi gửi hội thoại tới dịch vụ AI có máy chủ ở nước ngoài.
• Nhạy cảm: dữ liệu sinh trắc học là dữ liệu nhạy cảm (Nghị định 356, Điều 4), nên xác thực khách bằng giọng nói cần chế độ bảo vệ riêng.
• Mức phạt (Điều 8): với tổ chức, tối đa 5% doanh thu năm trước liền kề khi vi phạm quy định chuyển dữ liệu xuyên biên giới, tối đa 03 tỷ đồng với vi phạm khác.

Luật Bảo vệ quyền lợi người tiêu dùng và gọi điện chủ động

Luật Bảo vệ quyền lợi người tiêu dùng 19/2023/QH15 (hiệu lực 01/07/2024), Điều 15, yêu cầu doanh nghiệp bảo đảm an toàn thông tin người tiêu dùng; nếu giao cho bên thứ ba thực hiện thì phải được người tiêu dùng đồng ý, lập thành văn bản và nêu rõ trách nhiệm mỗi bên. Điều này liên quan khi thuê ngoài tổng đài hoặc dùng nền tảng AI của bên thứ ba. Nếu dùng callbot gọi ra để quảng cáo, bạn còn phải tuân thủ Nghị định 91/2020/NĐ-CP về chống cuộc gọi rác; chi tiết có trong bài tổng đài AI và callbot.

Đo hiệu quả AI trong chăm sóc khách hàng bằng chỉ số nào?

Ứng dụng	Chỉ số chính	Chỉ số cảnh báo
Tự phục vụ	Tỷ lệ giải quyết không cần người, CSAT sau chat	Khách liên hệ lại cùng chủ đề trong 7 ngày
Agent assist	AHT, tỷ lệ giải quyết ngay lần đầu (FCR)	Tỷ lệ bỏ qua gợi ý, lỗi do làm theo gợi ý sai
Tóm tắt	Thời gian sau cuộc gọi (ACW)	Tỷ lệ tóm tắt phải sửa nhiều
Phân loại ticket	Độ chính xác theo từng nhãn	Ticket bị chuyển qua nhiều nhóm
Phân tích cảm xúc	Mức khớp với đánh giá của người	Báo động sai làm phiền trưởng ca
QA tự động	Tỷ lệ hội thoại được chấm, độ lệch với QA người	Số khiếu nại của nhân viên về điểm AI

Cảnh giác với tỷ lệ “giữ chân trong bot” (containment rate): chatbot có thể đạt tỷ lệ cao chỉ vì khách bỏ cuộc. Hãy ghép chỉ số này với tỷ lệ liên hệ lại, khảo sát hài lòng và chỉ số nỗ lực của khách (Customer Effort Score, CES).

Doanh nghiệp nên triển khai AI chăm sóc khách hàng theo lộ trình nào?

1. Đo hiện trạng: lượt liên hệ theo kênh, chủ đề, AHT, FCR, CSAT trong 3–6 tháng.
2. Dọn kho tri thức: mỗi chính sách có một phiên bản đúng, ngày hiệu lực, người chịu trách nhiệm cập nhật. Đây là bước quyết định.
3. Bắt đầu từ phía nhân viên: tóm tắt và gợi ý tri thức. Nhân viên là lớp kiểm tra nên lỗi AI ít đến thẳng khách.
4. Thêm phân loại ticket và QA tự động, chạy song song cách làm cũ một thời gian để so sánh.
5. Mở tự phục vụ cho vài chủ đề an toàn, ghi rõ là AI, luôn có nút gặp nhân viên.
6. Rà soát pháp lý, bảo mật: hồ sơ phân loại rủi ro AI, đánh giá tác động dữ liệu cá nhân, hợp đồng về nơi lưu dữ liệu và quyền dùng dữ liệu để huấn luyện.
7. Mở rộng theo dữ liệu: xem lý do chuyển người, chủ đề bị liên hệ lại, góp ý của nhân viên mỗi tháng. Đừng lấy cắt giảm nhân sự làm mục tiêu duy nhất.

Khi chọn nhà cung cấp, hỏi cụ thể: dữ liệu lưu ở đâu, có bị dùng huấn luyện mô hình chung không, có xuất được nhật ký không, xử lý tiếng Việt không dấu và giọng ba miền thế nào, chuyển sang người có giữ ngữ cảnh không. Gartner dự báo (05/03/2025) đến năm 2029 AI tác tử (agentic AI) sẽ tự giải quyết 80% vấn đề dịch vụ khách hàng phổ biến; đó là xu hướng, không phải mục tiêu cần đạt ngay.

Câu hỏi thường gặp

AI có thay thế được nhân viên chăm sóc khách hàng không?

AI thay được phần việc lặp lại như trả lời câu hỏi đơn giản, ghi chú, phân loại. Việc cần phán đoán, thương lượng, đồng cảm, xử lý ngoại lệ vẫn cần con người, như trường hợp Klarna quay lại đầu tư vào hỗ trợ của con người.

AI hỗ trợ tổng đài viên khác chatbot ở điểm nào?

Chatbot nói chuyện trực tiếp với khách. AI hỗ trợ tổng đài viên chỉ hiện cho nhân viên: gợi ý, tra cứu, tóm tắt. Nhân viên quyết định dùng hay bỏ, nên lỗi của AI ít đến thẳng khách hơn.

Có bắt buộc thông báo cho khách là đang chat với AI không?

Theo Điều 11 khoản 1 Luật Trí tuệ nhân tạo 134/2025/QH15, hệ thống AI tương tác trực tiếp với con người phải để người dùng nhận biết đang tương tác với hệ thống, trừ trường hợp pháp luật có quy định khác. Cách đơn giản là chatbot tự giới thiệu là trợ lý AI ngay câu đầu.

Chatbot trả lời sai thì ai chịu trách nhiệm?

Với khách, doanh nghiệp đưa chatbot ra chịu trách nhiệm trước, như vụ Air Canada. Việc đòi lại thiệt hại từ nhà cung cấp phần mềm phụ thuộc hợp đồng, nên hợp đồng cần quy định rõ trách nhiệm, xử lý sự cố và quyền truy cập nhật ký.

Ghi âm cuộc gọi để AI phân tích có cần khách đồng ý không?

Đây là xử lý dữ liệu cá nhân nên cần căn cứ pháp lý, thường là sự đồng ý theo Luật 91/2025/QH15. Câu thông báo ghi âm nên nói rõ cả mục đích phân tích bằng AI. Nếu dùng giọng nói để nhận dạng danh tính, đó là dữ liệu sinh trắc học thuộc nhóm nhạy cảm.