Đang chạy mực qua máy in — từng lớp màu một, kiên nhẫn nhé!
№ 01
№ 02
№ 03
№ 04
№ 05
№ 06
Trợ lí AI hỗ trợ khách hàng đa nền tảng cho doanh nghiệp bán xe · AI·20K Demo Day Zine
№ 11
Trợ lí AI hỗ trợ khách hàng đa nền tảng cho doanh nghiệp bán xe
chatbot tiếp nhận và trả lời tin nhắn khách hàng từ nhiều kênh, hỗ trợ trả lời tư vấn và đặt lịch. Phân loại ý và mức khẩn cho tin nhắn. Nhanh chống chuyển trường hợp nguy hiểm, nhạy cảm tới cho nhân viên xử lý. Tạo ticket cho tất cả cuộc hội thoại dễ dàng quản lý.
Fig. 01 · Ảnh dự án
AI Agent tổng đài hỗ trợ khách hàng đa nền tảng
1. Bài toán
Pain points
Khách hàng liên hệ qua nhiều kênh như Facebook Messenger và web chat, với nội dung đa dạng: mua xe, kỹ thuật, sạc/pin, bảo hành, tài chính và khiếu nại.
Tin nhắn bị phân tán giữa các kênh và nhân viên, gây khó khăn trong việc duy trì ngữ cảnh hội thoại.
Các yêu cầu khẩn cấp hoặc nhạy cảm cần con người can thiệp ngay, không thể giao hoàn toàn cho AI.
Tin nhắn ngoài giờ hành chính có nguy cơ bị bỏ sót hoặc phản hồi chậm.
Bottlenecks
Phân loại và điều phối thủ công dễ chuyển sai bộ phận, làm tăng thời gian xử lý.
Thiếu cơ chế đồng bộ lịch sử khi khách hàng đổi kênh hoặc được chuyển sang nhân viên khác.
Quy trình tiếp nhận ngoài giờ chưa có khả năng tự động phân loại và cảnh báo.
Lỗi bỏ sót nghiêm trọng hơn lỗi phản hồi chậm vì không tạo ra bản ghi để phát hiện; khách hàng có thể rời đi mà doanh nghiệp không biết.
2. Giải pháp kỹ thuật
Dự án xây dựng AI Agent tổng đài hỗ trợ khách hàng đa nền tảng với quy trình:
Tiếp nhận tin nhắn từ Messenger (webhook HMAC) và web chat (streaming).
Kết quả eval: Trên 80 case response quality, chatbot đạt 80% pass; 99 case classifier đạt 86% phân loại ý định, 90% định tuyến bộ phận, 98% nhạy cảm/ nguy hiểm, cho thấy hệ thống đã khả thi
4. Hướng phát triển
Thêm xử lý các kênh mới (WhatsApp, Zalo, email) — kiến trúc adapter.
Sử dụng mô hình học máy thay thế LLM cho tác vụ phân loại nhằm tăng độ chính xác, giảm chi phí và độ trễ
Bổ sung dữ liệu hội thoại thực tế, cải thiện câu hỏi đa ý định/so sánh model.
Thêm Redis pub/sub để mở rộng nhiều worker.
RLHF dựa trên đánh giá của người dùng nhằm liên tục cải thiện chất lượng câu trả lời