PhanmembizZoho Strategic PartnerLiên hệ

Chatbot AI Chăm Sóc Khách Hàng: Khi Nào Chuyển Cho Người?

Câu hỏi "dùng chatbot hay nhân viên thật" nghe như phải chọn một trong hai. Nhưng các vụ việc đã xảy ra ở nhiều nước cho thấy vấn đề nằm ở chỗ khác: AI trả lời loại câu hỏi nào, trả lời sai thì ai chịu, và khách muốn gặp người thì có gặp được không.

Bài này không cổ vũ phía nào. Mục tiêu là đưa ra một khung để bạn tự quyết định khi dùng chatbot AI chăm sóc khách hàng: loại yêu cầu nào để AI xử lý một mình, loại nào AI chỉ soạn nháp, loại nào bắt buộc có người; tín hiệu nào phải kích hoạt việc chuyển sang nhân viên; và pháp luật Việt Nam nói gì (và chưa nói gì) về chuyện này.

Về minh bạch: Phanmembiz là đơn vị triển khai Zoho, nên bài có dùng tài liệu của Zoho (SalesIQ, Zia) làm ví dụ về cách thiết kế chuyển giao. Chúng tôi chỉ dựa vào tài liệu công khai và nêu cả những điều tài liệu chưa nói rõ. Các nguyên tắc trong bài áp dụng cho mọi công cụ.

1. Đây không phải câu hỏi "một trong hai", và "bắt buộc" có ba nghĩa

Thay vì hai lựa chọn, hãy nghĩ đến bốn mức:

  1. AI trả lời hoàn toàn: khách hỏi, AI trả lời, không ai duyệt.
  2. AI trả lời, người giám sát sau: doanh nghiệp xem lại mẫu hội thoại và sửa quy tắc.
  3. AI soạn nháp, người duyệt rồi gửi: nhân viên vẫn là người gửi câu trả lời.
  4. Người xử lý hoàn toàn: AI không tham gia, hoặc chỉ tóm tắt hồ sơ cho nhân viên.

Chữ "bắt buộc" trong câu "khi nào bắt buộc chuyển sang con người" cũng có ba nghĩa, và nên tách ra vì mỗi nghĩa có cách xử lý riêng:

2. Bằng chứng nói gì, và không nói gì

Khảo sát thái độ khách hàng. Gartner công bố ngày 9/7/2024 kết quả khảo sát 5.728 khách hàng (thực hiện tháng 12/2023): 64% muốn doanh nghiệp không dùng AI trong chăm sóc khách hàng, và 53% sẽ cân nhắc chuyển sang đối thủ nếu biết doanh nghiệp định dùng AI. Mối lo lớn nhất là khó gặp được người thật hơn, tiếp theo là AI làm mất việc và AI trả lời sai. Gartner khuyên chatbot báo cho khách biết sẽ chuyển sang nhân viên khi cần, và để nhân viên tiếp nối đúng chỗ chatbot dừng (Gartner, 9/7/2024). Cần đọc kèm: đây là khảo sát thái độ (khách nói họ thích gì), chưa phải hành vi thật; thông cáo không nêu quốc gia hay cách chọn mẫu; và không có dữ liệu riêng cho Việt Nam.

Khảo sát ở châu Á. Báo cáo của Genesys và Twimbit (11/2025, khoảng 1.400 người tiêu dùng tại 7 thị trường: Indonesia, Philippines, Malaysia, Hồng Kông, Đài Loan, Thái Lan, Singapore) cho thấy chỉ 24% thoải mái với tác nhân AI hoàn toàn tự động trong chat hoặc gọi thoại, và đa số vẫn muốn có người hoặc mô hình kết hợp (Thị trường Tài chính Tiền tệ). Lưu ý: nguồn là một hãng bán phần mềm tổng đài, và Việt Nam không nằm trong 7 thị trường được khảo sát.

Nhận định của cơ quan quản lý. Cục Bảo vệ Tài chính Người tiêu dùng Hoa Kỳ (CFPB, 6/6/2023) nhận định chatbot đôi khi trả lời sai, khả năng nhận ra khi khách đang tranh chấp còn hạn chế, và khách có thể bị kẹt trong "vòng lặp không lối thoát". CFPB viết rằng khi AI không hiểu yêu cầu của khách, hoặc yêu cầu đó mâu thuẫn với cách hệ thống được lập trình, thì chatbot không phù hợp để làm kênh chăm sóc khách hàng chính (CFPB). Đây là nhận định về ngân hàng Mỹ, không phải quy định tại Việt Nam, nhưng mô tả đúng kiểu thất bại mà doanh nghiệp nào cũng có thể gặp.

Những gì chúng tôi không tìm thấy: khảo sát độc lập, có phương pháp rõ ràng về khách hàng Việt Nam và chatbot AI. Nếu bạn dựa vào số liệu của nước khác, hãy xem chúng là giả thuyết cần thử trên khách của mình, không phải sự thật về khách của bạn.

3. Ba vụ việc cho thấy những kiểu thất bại điển hình

Ba vụ dưới đây không phải luật hay tiền lệ tại Việt Nam. Chúng đáng đọc vì mỗi vụ minh họa một kiểu rủi ro khác nhau.

1. AI nói sai, doanh nghiệp phải chịu (Air Canada, Canada, 2024). Chatbot của hãng nói với khách rằng có thể xin hoàn tiền giá vé ưu đãi cho người có tang sau khi đã bay, trong khi một trang khác trên website của hãng nói điều ngược lại. Khách làm theo chatbot. Trong quyết định 2024 BCCRT 149, Tòa giải quyết tranh chấp dân sự British Columbia bác lập luận của hãng rằng chatbot là một thực thể riêng tự chịu trách nhiệm; tòa cho rằng chatbot là một phần website và hãng phải chịu trách nhiệm về mọi thông tin trên đó (McCarthy Tétrault). Hãng bị buộc bồi thường khoảng 650 đô la Canada cùng tiền lãi và phí. Bài học: nếu AI trả lời thay doanh nghiệp, doanh nghiệp khó thoát trách nhiệm bằng câu "đó là chatbot".

2. AI bịa chính sách mà khách không biết đó là AI (Cursor, 4/2025). Theo Fortune, trợ lý hỗ trợ tên "Sam" của Cursor trả lời qua email rằng việc người dùng bị đăng xuất khi đổi thiết bị là do một chính sách mới. Thực tế không có chính sách đó; đồng sáng lập Michael Truell gọi đây là "câu trả lời sai từ một bot hỗ trợ tuyến đầu" và xin lỗi (Fortune, 19/4/2025). Người dùng không được báo "Sam" là bot. Bài học: AI có thể tự tạo ra chính sách nghe rất hợp lý, và việc giấu rằng đó là AI làm thiệt hại về niềm tin lớn hơn.

3. Cắt người quá tay rồi tuyển lại (Klarna, 2025). Đầu năm 2024, Klarna tuyên bố trợ lý AI xử lý hai phần ba số cuộc chat chăm sóc khách hàng, khối lượng tương đương 700 nhân viên. Tháng 5/2025, theo Bloomberg qua Entrepreneur, CEO Sebastian Siemiatkowski nói cách làm đó cho chất lượng thấp hơn, và công ty bắt đầu tuyển lại nhân viên là con người để khách luôn có lựa chọn nói chuyện với người (Entrepreneur, 9/5/2025). Các tuyên bố hiệu quả ban đầu là của chính công ty, chưa được kiểm chứng độc lập. Bài học: chỉ đo chi phí mà không đo chất lượng dễ dẫn đến quyết định sai.

4. Khung quyết định: xanh, vàng, đỏ

Đây là đề xuất của chúng tôi, tổng hợp từ các nguyên tắc chung và các vụ việc ở trên, không phải tiêu chuẩn ngành. Hãy dùng làm điểm xuất phát rồi điều chỉnh theo dữ liệu của bạn.

Năm câu hỏi để xếp một loại yêu cầu vào nhóm nào:

  1. Sai thì thiệt hại thế nào? (tiền, sức khỏe, pháp lý, an toàn, uy tín)
  2. Có đảo ngược được không? (trả lời sai giờ mở cửa dễ sửa hơn hứa sai về hoàn tiền)
  3. Câu trả lời có sẵn trong tài liệu chính thức không? (AI trả lời từ tài liệu đã duyệt khác hẳn AI tự suy ra)
  4. Khách đang ở trạng thái nào? (bình thường, bực bội, hoảng hốt, đang khiếu nại)
  5. Khách này quan trọng đến đâu? (khách lớn, khách có nguy cơ rời đi)
NhómĐiều kiệnVí dụ loại yêu cầuCách xử lý
XanhThiệt hại thấp, đảo ngược được, câu trả lời có sẵn trong tài liệu đã duyệtGiờ mở cửa, địa chỉ, tra cứu trạng thái đơn, hướng dẫn thao tác cơ bản, đặt hoặc đổi lịch theo quy tắc rõ ràngAI trả lời, người giám sát mẫu hội thoại
VàngCó tiền hoặc cam kết nhưng giá trị nhỏ, cần diễn giải, hoặc khách có dấu hiệu bựcBáo giá, hoàn tiền dưới ngưỡng, giải thích điều kiện bảo hành, tư vấn chọn góiAI soạn nháp hoặc thu thập thông tin, người duyệt trước khi gửi hoặc chốt
ĐỏThiệt hại cao, khó đảo ngược, hoặc liên quan đến quyền lợi của kháchKhiếu nại, tranh chấp, đòi bồi thường, tư vấn pháp lý, y tế, tài chính, hủy hợp đồng của khách lớn, đe dọa, vấn đề an toàn, yêu cầu về dữ liệu cá nhân, khách dễ bị tổn thươngChuyển cho người ngay; AI chỉ ghi nhận và tóm tắt hồ sơ

Nguyên tắc đi kèm: khi không chắc, xếp vào nhóm cao hơn. Chỉ hạ nhóm khi dữ liệu thực tế cho thấy AI làm tốt. Cách làm này nhất quán với bài 5 việc AI agent nên làm và 3 việc chưa nên giao.

Nhân viên tiếp nhận cuộc trò chuyện khi chatbot AI chăm sóc khách hàng chuyển cho người

5. Tín hiệu bắt buộc chuyển cho người (bất kể loại yêu cầu)

Ngoài việc phân loại theo chủ đề, nên có các "công tắc" tự động chuyển cuộc trò chuyện cho người. Gợi ý khởi điểm (ngưỡng do bạn tự điều chỉnh):

  1. Khách yêu cầu gặp người, bằng bất kỳ cách diễn đạt nào ("cho tôi gặp nhân viên", "không muốn nói chuyện với máy"). Đừng bắt khách phải "chứng minh" là AI không giải quyết được.
  2. AI không tìm thấy câu trả lời trong tài liệu đã duyệt. Thà chuyển cho người còn hơn để AI tự suy ra (như vụ Cursor).
  3. Lặp lại mà không giải quyết được: ví dụ khách hỏi lại cùng một vấn đề hai lần, hoặc AI đã trả lời ba lượt mà khách vẫn chưa hài lòng (ngưỡng gợi ý, cần đo).
  4. Dấu hiệu cảm xúc tiêu cực: lời lẽ bực tức, đe dọa, nhắc đến báo chí, cơ quan chức năng, kiện tụng.
  5. Từ khóa rủi ro: hoàn tiền, đền bù, hủy hợp đồng, lừa đảo, hỏng nặng, sức khỏe, tai nạn, rò rỉ dữ liệu.
  6. Khách quan trọng: khách trong danh sách VIP hoặc đang có cơ hội bán hàng lớn (nếu chatbot kết nối với CRM).
  7. Yêu cầu vượt quyền hạn của AI: thay đổi thông tin cá nhân, xóa dữ liệu, cam kết ngoại lệ.
  8. AI tự đánh giá độ tin cậy thấp, nếu công cụ có chức năng này (hãy kiểm tra chức năng đó có thật và chạy ổn định, đừng chỉ tin mô tả).

Thiết kế việc chuyển giao cũng quan trọng không kém việc quyết định chuyển:

6. Pháp luật Việt Nam nói gì: một phát hiện đáng chú ý

Lưu ý: phần này là tóm tắt để định hướng, không phải tư vấn pháp lý; hãy nhờ luật sư đối chiếu văn bản gốc và xét luật chuyên ngành của lĩnh vực bạn.

Luật Trí tuệ nhân tạo (Luật số 134/2025/QH15, hiệu lực từ 1/3/2026) có những điểm liên quan trực tiếp (bản tiếng Anh trên LuatVietnam):

Điều chúng tôi KHÔNG tìm thấy: trong các điều của Luật Trí tuệ nhân tạo mà chúng tôi đọc, chưa thấy quy định chung nào buộc doanh nghiệp phải cho khách gặp nhân viên thật khi khách yêu cầu. Các điều trên nói về việc thông báo đang tương tác với AI và nguyên tắc giám sát của con người, không phải quyền đòi gặp người của từng khách. Điều này không có nghĩa là không cần kênh gặp người, vì có thể còn quy định chuyên ngành, văn bản hướng dẫn hoặc cam kết trong hợp đồng mà chúng tôi chưa kiểm tra.

Luật Bảo vệ quyền lợi người tiêu dùng 2023 (Luật số 19/2023/QH15, hiệu lực từ 1/7/2024) yêu cầu tổ chức kinh doanh cung cấp thông tin chính xác, đầy đủ về sản phẩm, dịch vụ và về chính mình (Điều 21) (Điều 21). Nếu chatbot nói sai về sản phẩm, giá hay điều kiện, đó có thể là vấn đề về tính chính xác của thông tin cung cấp cho người tiêu dùng. Phần về tiếp nhận và giải quyết khiếu nại chúng tôi chưa đối chiếu đầy đủ nên không kết luận.

Điều thực tế rút ra:

  1. Luật Việt Nam đã có yêu cầu minh bạch rằng người dùng đang tương tác với AI, nên giấu việc chatbot là máy (như vụ Cursor) là rủi ro cả về niềm tin lẫn pháp lý.
  2. Dù luật chưa buộc chuyển sang người, doanh nghiệp vẫn chịu trách nhiệm về thông tin mà kênh của mình cung cấp. Cách tiếp cận của tòa Canada trong vụ Air Canada không ràng buộc ở Việt Nam, nhưng cho thấy lập luận "đó là chatbot chứ không phải chúng tôi" khó thuyết phục.
  3. Nếu bạn thuộc lĩnh vực quản lý chặt (tài chính, bảo hiểm, y tế, viễn thông), hãy hỏi luật sư về yêu cầu riêng của ngành.

Để nhân viên dùng AI đúng cách trong nội bộ, xem thêm mẫu chính sách sử dụng AI nội bộ.

Bong bóng tin nhắn minh họa thiết kế chuyển giao của chatbot AI chăm sóc khách hàng

7. Ví dụ thiết kế chuyển giao với công cụ có sẵn (Zoho)

Mục này chỉ minh họa cách một công cụ cụ thể thiết kế việc chuyển giao, và những điều tài liệu chưa nói. Các câu hỏi cuối mục áp dụng cho mọi nhà cung cấp.

Zoho SalesIQ (Zobot). Tài liệu hướng dẫn tạo Zobot mô tả mục "Handoff to Operator": cho phép khách kết nối với nhân viên ngay giữa cuộc trò chuyện với bot. Mặc định bot hiển thị câu "Connect with a human?" kèm lựa chọn "Yes"; có tùy chọn chỉ hiện lựa chọn này trong giờ làm việc, và có cài đặt "Forward Message" để gửi khách một thông điệp tùy chỉnh khi chuyển (Zoho SalesIQ). Tài liệu cho biết SalesIQ hỗ trợ 30 ngôn ngữ (danh sách không nằm trên trang này, nên chúng tôi chưa xác nhận có tiếng Việt), và hỗ trợ đa ngôn ngữ chỉ có ở nền tảng xây bot không cần lập trình (Codeless).

Zoho Desk (Zia Answer Bot). FAQ của Zoho cho biết Answer Bot trả lời hoàn toàn dựa trên các bài viết trong Knowledge Base và cần liên kết Desk với SalesIQ (FAQ Answer Bot). FAQ này không mô tả bot làm gì khi không có câu trả lời hay cách chuyển sang nhân viên, cũng không nhắc tiếng Việt hay gói áp dụng; hãy tự kiểm tra trên kênh của bạn trước khi vận hành.

Trang giới thiệu các tác nhân AI của Zoho Desk ghi "We don't use your data to train or fine tune our AI models" (đây là trang tiếp thị), và một số tác nhân ghi chỉ có ở trung tâm dữ liệu Ấn Độ và Mỹ (Zoho Desk Zia Agents). Trang không mô tả cách chuyển sang người, ngôn ngữ hỗ trợ hay giá.

Ba điều rút ra từ ví dụ này:

  1. Việc chuyển sang người là một cài đặt phải chủ động thiết kế, không phải mặc định.
  2. Tài liệu của nhà cung cấp thường không nói hết; hãy tự thử kịch bản chuyển giao trước khi mở cho khách.
  3. "Có hỗ trợ tiếng Việt" cần kiểm tra bằng hội thoại thật, không chỉ đọc danh sách ngôn ngữ.

Câu hỏi nên hỏi bất kỳ nhà cung cấp chatbot nào:

  1. Khách có gặp được người bằng một thao tác rõ ràng ở mọi lúc không? Cấu hình thế nào?
  2. Khi AI không có câu trả lời, mặc định nó làm gì?
  3. Ngữ cảnh hội thoại có được chuyển cho nhân viên không, và nhân viên xem ở đâu?
  4. Ngoài giờ làm việc thì xử lý ra sao?
  5. Có xem lại được toàn bộ nhật ký hội thoại AI không, và lưu bao lâu?
  6. Có hỗ trợ tiếng Việt không, và đã đo chất lượng bằng bộ câu hỏi nào?
  7. Dữ liệu hội thoại có được dùng để huấn luyện mô hình không, và có cam kết bằng văn bản không?
  8. AI trả lời từ nguồn nào (chỉ tài liệu của bạn hay cả nguồn bên ngoài)?

8. Đo lường đúng: đừng chỉ đếm số cuộc AI "xử lý xong"

Một lỗi dễ mắc là đo "tỷ lệ cuộc trò chuyện chatbot tự xử lý" mà không hỏi khách có thực sự được giải quyết hay không. Khách bỏ cuộc giữa chừng cũng có thể được tính là "đã xử lý"; ví dụ, cách tính phí theo "giải quyết" của một số nhà cung cấp coi việc khách rời cuộc trò chuyện mà không hỏi thêm là đã giải quyết. Vì vậy hãy kiểm tra định nghĩa chỉ số trong công cụ bạn dùng.

Bộ chỉ số gợi ý:

  1. Tỷ lệ giải quyết được xác nhận: khách bấm "đã giải quyết", hoặc không quay lại với cùng vấn đề trong 7 ngày.
  2. Tỷ lệ liên hệ lại: khách hỏi lại cùng vấn đề qua kênh khác.
  3. Tỷ lệ chuyển sang người và lý do chuyển: quá thấp có thể vì khách không tìm thấy nút gặp người; quá cao thì AI chưa đủ dùng.
  4. Thời gian từ lúc khách yêu cầu gặp người đến lúc có người trả lời.
  5. Mức hài lòng tách riêng cho cuộc do AI xử lý và cuộc do người xử lý.
  6. Số khiếu nại liên quan đến thông tin AI cung cấp sai.
  7. Kết quả xem lại ngẫu nhiên: mỗi tuần, một người xem lại một mẫu hội thoại AI và chấm đúng, sai, bịa.

Đo lường tốt cũng giúp trả lời câu hỏi về lợi ích kinh tế; xem đo ROI của AI trong doanh nghiệp nhỏ và chi phí triển khai AI trong doanh nghiệp.

9. Lộ trình triển khai an toàn

  1. Chuẩn bị tài liệu nguồn (tuần 1–2): gom các câu hỏi thật của khách trong 1–3 tháng gần nhất, phân loại xanh, vàng, đỏ; soạn tài liệu chính thức đã duyệt cho nhóm xanh. Chất lượng dữ liệu quyết định chất lượng câu trả lời; xem dữ liệu sạch cho AI.
  2. Chạy "chế độ bóng" (tuần 3–4): AI soạn nháp, nhân viên vẫn là người gửi. Đo tỷ lệ bản nháp đúng, sai, bịa. Đây là cách tự kiểm chứng chất lượng tiếng Việt trên dữ liệu thật của bạn.
  3. Mở có giới hạn (tuần 5–8): chỉ cho AI trả lời trực tiếp nhóm xanh, bật đầy đủ các công tắc chuyển giao ở mục 5, thông báo rõ đây là AI.
  4. Xem lại hằng tuần: đọc mẫu hội thoại, cập nhật tài liệu và quy tắc, ghi lại các lần AI sai.
  5. Mở rộng từng bước: chỉ chuyển một loại yêu cầu xuống nhóm thấp hơn khi dữ liệu thực tế cho thấy AI xử lý ổn định và có người chịu trách nhiệm.
  6. Chuẩn bị cho sự cố: ai quyết định tắt chatbot, ai trả lời khách bị ảnh hưởng, ai làm việc với luật sư?

Nếu dự án mắc kẹt sau giai đoạn thử, xem vì sao dự án AI mắc kẹt ở giai đoạn POC.

Câu hỏi thường gặp

Doanh nghiệp nhỏ có nên dùng chatbot AI không?

Có thể, nếu bắt đầu với nhóm câu hỏi đơn giản, có câu trả lời sẵn trong tài liệu đã duyệt, và luôn có đường gặp người. Hãy chạy thử trước khi cho AI trả lời trực tiếp.

Có bắt buộc phải thông báo cho khách rằng họ đang chat với AI không?

Luật Trí tuệ nhân tạo yêu cầu hệ thống AI tương tác trực tiếp với con người phải được thiết kế để người dùng nhận biết điều đó (Điều 11), và với hệ thống rủi ro trung bình, cả bên triển khai cũng có trách nhiệm minh bạch (Điều 15). Chi tiết áp dụng cho trường hợp của bạn cần luật sư xác nhận. Về mặt niềm tin, nên thông báo luôn.

Luật có bắt buộc cho khách gặp nhân viên thật không?

Trong các điều chúng tôi đọc, chưa thấy quy định chung như vậy. Có thể còn quy định chuyên ngành hoặc cam kết hợp đồng; hãy hỏi luật sư. Dù luật không yêu cầu, thiết kế để khách luôn gặp được người là cách giảm rủi ro rõ ràng.

Nếu chatbot trả lời sai và khách làm theo thì ai chịu?

Chưa có kết luận pháp lý chung ở Việt Nam. Ở Canada, tòa đã quy trách nhiệm cho doanh nghiệp trong vụ Air Canada. Tại Việt Nam, cần xét cụ thể theo luật bảo vệ người tiêu dùng, hợp đồng và luật chuyên ngành.

Chatbot AI có làm khách bực hơn không?

Tùy cách thiết kế. Khảo sát của Gartner cho thấy mối lo lớn nhất của khách là khó gặp được người; nếu chatbot chặn đường gặp người, nỗi lo đó thành hiện thực. Chưa có dữ liệu riêng cho khách Việt Nam.

Nên đo hiệu quả chatbot bằng gì?

Tỷ lệ giải quyết được xác nhận, tỷ lệ liên hệ lại, lý do chuyển sang người, mức hài lòng tách riêng giữa AI và người, và kết quả xem lại mẫu hội thoại (mục 8).

Kết luận

Câu hỏi đúng không phải "AI hay người" mà là "loại yêu cầu nào, rủi ro nào, và khi sai thì ai chịu". Hãy để AI xử lý nhóm yêu cầu rủi ro thấp và có tài liệu rõ ràng, để người duyệt nhóm trung bình, và giữ người cho nhóm rủi ro cao. Dù thiết kế thế nào, hãy nói rõ khách đang trò chuyện với AI và luôn có lối ra sang con người. Các vụ Air Canada, Cursor và Klarna cho thấy bỏ qua hai điều này thường tốn kém hơn khoản tiết kiệm ban đầu.

Nếu bạn đang cân nhắc kết nối chatbot với CRM để chuyển giao kèm ngữ cảnh, hoặc cần rà soát quy trình chăm sóc khách hàng trước khi giao một phần cho AI, đội ngũ Phanmembiz có thể cùng bạn thực hiện.

Đặt lịch tư vấn miễn phí với Phanmembiz

Zoho Authorized Partner