Vượt qua giai đoạn thử nghiệm AI: Biến dữ liệu khách hàng thành hoạt động thương mại cá nhân hóa có khả năng mở rộng

Sự hào hứng của doanh nghiệp với AI đã vượt xa kết quả thực tế. Chỉ số AI năm 2026 của Stanford cho biết 88% tổ chức đã sử dụng AI trong năm 2025, nhưng tỷ lệ áp dụng tác nhân AI vẫn chỉ ở mức một chữ số trong hầu hết mọi chức năng kinh doanh. Khoảng cách giữa thử nghiệm và giá trị vẫn còn lớn, thể hiện rất rõ và cụ thể trong trải nghiệm khách hàng. Có hai điểm then chốt cần xem xét để hiểu vì sao khoảng cách này tồn tại.

Thứ nhất là mức độ trưởng thành của tổ chức trong việc ứng dụng AI. Hầu hết các công ty vẫn đang ở giai đoạn “nâng cao năng suất cá nhân”, nỗ lực xây dựng nền tảng có khả năng mở rộng về quản trị, mức độ sẵn sàng của dữ liệu và danh mục các trường hợp sử dụng đã được kiểm chứng. Họ còn một chặng đường dài trước khi đạt đến giai đoạn “tự chủ”, khi các tác nhân AI có thể hoạt động trong những giới hạn được xác định rõ, còn con người tập trung vào giám sát và xử lý ngoại lệ. Đạt đến mức độ trưởng thành này là nền tảng cần thiết để hướng tới “mô hình vận hành lấy AI làm cốt lõi”. Sẽ nói thêm về điều này sau.

Thứ hai là khoảng cách vận hành giữa dữ liệu và việc ra quyết định kinh doanh dựa trên AI. Hầu hết các tổ chức đã đầu tư vào dữ liệu và hệ thống. Họ đã tích lũy dữ liệu khách hàng, áp dụng tự động hóa tiếp thị, chuyển sang điện toán đám mây và thí điểm AI tạo sinh. Dù vậy, khách hàng vẫn gặp phải những đề xuất không phù hợp, các kênh rời rạc và những tương tác dịch vụ bỏ qua những gì doanh nghiệp đã biết về họ.

Hiếm khi vấn đề nằm ở mô hình. Thường thì AI chỉ phơi bày những điểm vốn đã trục trặc: dữ liệu phân mảnh, trách nhiệm không rõ ràng, quy trình làm việc rời rạc, nợ kỹ thuật và các mục tiêu kinh doanh chưa bao giờ được chuyển thành những trường hợp sử dụng có thể đo lường. Con đường phía trước không bắt đầu bằng một sáng kiến AI quy mô lớn hơn. Nó bắt đầu từ một vài quyết định được cân nhắc kỹ lưỡng liên quan đến khách hàng, một mô hình vận hành rõ ràng và một kiến trúc có thể biến trí tuệ thành hành động.

Với những nhà lãnh đạo đang tìm cách chuyển từ các dự án thí điểm riêng lẻ sang một hệ thống có thể lặp lại, một số ưu tiên quan trọng hơn những ưu tiên còn lại.

Hãy bắt đầu từ một quyết định, không phải một năng lực.

Câu hỏi đầu tiên không phải là “chúng ta có thể triển khai AI tạo sinh ở đâu?” mà là “chúng ta cần cải thiện quyết định nào trong trải nghiệm khách hàng?” Một hãng hàng không muốn đưa ra lựa chọn tốt hơn cho hành khách khi có gián đoạn. Một nhà bán lẻ muốn giúp khách chọn đúng sản phẩm mà không làm tăng tỷ lệ trả hàng. Một ngân hàng muốn nhân viên dịch vụ giải quyết được câu hỏi phức tạp mà không phải dò tìm thông tin trên nhiều hệ thống. Mỗi ví dụ đều xác định một quyết định, một người và một kết quả; từ đó cho biết cần có dữ liệu gì và nên đo lường thành công như thế nào. Bắt đầu từ đây cũng giúp lãnh đạo biết khi nào nên nói không. Nếu không thể gắn ý tưởng về một ứng dụng hoặc yêu cầu về một tác nhân AI với một quyết định thực tế và kết quả đo lường được, thì ý tưởng hay yêu cầu đó không đáng được ưu tiên.

“Dùng AI để cải thiện trải nghiệm” là một mục tiêu quá rộng. Cách tiếp cận này tạo ra các bản trình diễn, chứ không phải năng lực vận hành.

Khi một nhà bán lẻ điện tử tiêu dùng bổ sung “trợ lý mua sắm AI” ngày nay, đó thường là một chatbot chung chung, được đánh giá dựa trên số người sử dụng. Nếu định hình lại thành một quyết định giúp khách chọn đúng máy tính xách tay, mục tiêu sẽ là tăng tỷ lệ chuyển đổi và giảm số lượt trả hàng. Khi đó, công cụ này sẽ sử dụng thông số kỹ thuật theo thời gian thực để hiểu rõ hơn nhu cầu của khách, còn thành công được đo bằng doanh số, số lượt trả hàng và mức độ hài lòng. Cùng một ý tưởng, nhưng giờ đã hướng đến kết quả thực tế.

Hãy xem dữ liệu hợp nhất là một năng lực, không phải một dự án xây dựng cơ sở dữ liệu.

“Góc nhìn khách hàng 360 độ” thường được mô tả như một nỗ lực tập trung hóa dữ liệu. Trên thực tế, đó là sự thống nhất trong tổ chức về danh tính, sự đồng ý, quyền sở hữu, chất lượng và ý nghĩa của các sự kiện quan trọng. Một phiên duyệt web thuộc về khách hàng đã xác định danh tính, một hộ gia đình hay một thiết bị ẩn danh? Hệ thống nào là nguồn thông tin có thẩm quyền về sự đồng ý? Thông tin từ một tương tác dịch vụ phải được hiển thị trên kênh khác nhanh đến mức nào? Nếu không có những câu trả lời này, việc tập trung hóa dữ liệu chỉ tạo ra vẻ ngoài tích hợp mà không bảo đảm độ tin cậy. Cách làm hiệu quả hơn là xây dựng một thỏa thuận dữ liệu chung cho từng trường hợp sử dụng ưu tiên, trong đó quy định các trường dữ liệu và sự kiện cần thiết, nguồn thông tin có thẩm quyền, độ trễ chấp nhận được, mục đích sử dụng được phép và nhóm chịu trách nhiệm về chất lượng. Mục tiêu không phải là có toàn bộ dữ liệu, mà là có đúng dữ liệu và có thể tin cậy vào dữ liệu đó ngay tại thời điểm đưa ra quyết định.

Một nhà bán lẻ ô tô muốn chào đón khách hàng mua sắm trực tuyến quay lại bằng đúng mẫu xe mà họ đang cấu hình. Hiện nay, điều đó không thực hiện được vì công cụ cấu hình, hệ thống CRM của đại lý và hệ thống tài chính đều lưu một phiên bản khách hàng khác nhau, đồng thời không thống nhất liệu báo giá thuê xe lập từ ba tuần trước còn hiệu lực hay không. Nếu định hình lại thành một hành trình duy nhất với các quy tắc dữ liệu rõ ràng, có thể xác định ai chịu trách nhiệm về dữ liệu nào: công cụ cấu hình là nguồn thông tin chuẩn về cấu hình xe, dữ liệu tài chính có thông tin về sự đồng ý và thời hạn hiệu lực được xác định rõ, còn nguồn cấp dữ liệu tồn kho được làm mới trong vòng vài phút. Nhờ vậy, khách sẽ không bao giờ thấy một chiếc xe mà đại lý vừa bán. Cách này đơn giản hơn nhiều so với việc “hợp nhất toàn bộ dữ liệu khách hàng”, và lời chào đón thực sự phát huy tác dụng.

Thiết kế hoạt động cá nhân hóa như một hệ thống ra quyết định liên tục

Nhiều chương trình vẫn vận hành như những cỗ máy tiếp thị theo chiến dịch. Các nhóm xác định phân khúc khách hàng, chuẩn bị nội dung rồi gửi theo lịch. AI tạo sinh sản xuất thêm nhiều phiên bản nhưng không thay đổi mô hình. Trải nghiệm thích ứng theo ngữ cảnh hoạt động theo cách khác. Hệ thống quan sát ngữ cảnh hiện tại của khách hàng, xác định những hành động có thể thực hiện, chọn một hành động phù hợp với các ràng buộc kinh doanh và chính sách, chuyển tải hành động đó qua kênh thích hợp, rồi học hỏi từ phản hồi. Điều quan trọng là mục tiêu không phải cá nhân hóa mọi tương tác. Đôi khi, hành động phù hợp là gửi một thông điệp tiêu chuẩn, chuyển khách hàng cho nhân viên hỗ trợ hoặc không làm gì cả. Hiệu quả cá nhân hóa không được đo bằng số phiên bản được tạo ra. Thước đo là liệu tổ chức có đưa ra quyết định phù hợp hơn với khách hàng hay không, và liệu tổ chức có tôn trọng kỳ vọng của khách hàng trong quá trình đó hay không. Niềm tin phải là một phần của trải nghiệm, chứ không phải nội dung được bổ sung sau đó trong một cuộc rà soát tuân thủ.

Một ngân hàng nhận thấy khách hàng liên tục kiểm tra lãi suất vay mua nhà. Hiện nay, vào lần gửi email theo lịch tiếp theo, hệ thống tiếp thị theo chiến dịch sẽ đưa khách hàng vào chuỗi email dành cho “người mua nhà lần đầu”. Nếu được định hình lại thành một quyết định liên tục, hệ thống sẽ nắm bắt tình huống hiện tại: khách hàng đang so sánh lãi suất giữa lúc chuẩn bị mua nhà, hay chỉ tò mò từ nhiều tháng trước? Nếu chưa chắc chắn, hệ thống sẽ chọn cách hành động thận trọng, hiển thị lời nhắc hữu ích như “Bạn có muốn tìm hiểu xem mình có thể mua được căn nhà trong tầm giá nào không?” thay vì thúc giục khách hàng “Hãy xin phê duyệt trước ngay hôm nay” quá sớm, khi chưa hiểu rõ tình trạng của họ. Nếu khách hàng tương tác, hệ thống sẽ học hỏi và điều chỉnh. Nếu không, hệ thống sẽ không can thiệp. Đôi khi, quyết định phù hợp nhất là quyết định ít gây chú ý nhất; chính sự kiềm chế đó giúp duy trì niềm tin.

Khắc phục những hạn chế về nội dung và kiến trúc trước khi tăng tốc.

AI tạo sinh có thể tạo nội dung văn bản và hình ảnh với tốc độ đáng kinh ngạc, nhưng nếu áp dụng tốc độ đó vào một quy trình nội dung đang trục trặc thì nút thắt chỉ chuyển từ khâu sáng tạo sang khâu rà soát và quản trị. Content Marketing Institute phát hiện rằng 75% nhà tiếp thị tại các doanh nghiệp lớn đang sử dụng AI, nhưng chỉ 15% tích hợp AI vào quy trình làm việc hằng ngày. Nội dung có cấu trúc và có thể tái sử dụng—tức các thông tin đã được phê duyệt cùng những thành phần có thể kết hợp trên nhiều kênh—cho phép AI điều chỉnh nội dung mà không bịa đặt sự thật nền tảng. Nguyên tắc tương tự cũng áp dụng cho hệ thống công nghệ. Thay vì thiết kế lại mọi thứ với danh nghĩa “kiến trúc có thể kết hợp”, hãy lập bản đồ một số ít hành trình gắn với các trường hợp sử dụng ưu tiên, xác định nơi hệ thống cũ gây độ trễ hoặc cản trở quyền truy cập dữ liệu, rồi hiện đại hóa từng bước để khắc phục những hạn chế đó. Tiến bộ không được đo bằng số lượng công nghệ được áp dụng. Đó là khả năng thay đổi hành trình khách hàng một cách an toàn và nhanh chóng mà không phải làm lại cùng một công việc tích hợp mỗi lần.

Một nhà bán lẻ yêu cầu AI viết mô tả cho 40.000 mặt hàng. Hiện nay, việc này khiến bộ phận pháp chế quá tải vì phải kiểm tra các tuyên bố và điều khoản bảo hành cho từng mặt hàng. Nếu định hình lại vấn đề, giải pháp không phải là một mô hình nhanh hơn mà là một nguồn dữ liệu được quản trị chặt chẽ: hệ thống PIM lưu trữ thông số kỹ thuật, tuyên bố và nội dung bảo hành đã được phê duyệt dưới dạng các thành phần có thể tái sử dụng để AI kết hợp, nhờ đó điều chỉnh giọng văn mà không bịa đặt thông tin.

Nguyên tắc tương tự cũng áp dụng cho hệ thống công nghệ. Thay vì chuyển đổi toàn bộ nền tảng, nhóm chỉ hiện đại hóa hệ thống quản lý hàng tồn kho đã lỗi thời, vốn cản trở việc cá nhân hóa thông tin “còn hàng gần bạn” theo thời gian thực, và giữ nguyên các hệ thống đang hoạt động ổn định. Tiến bộ là thay đổi hành trình nhanh chóng, chứ không phải bổ sung công cụ.

Tích hợp quản trị vào quá trình triển khai và đánh giá giá trị trên toàn danh mục.

Nếu chỉ xem quản trị là khâu kiểm duyệt cuối cùng thì đã quá muộn, bởi những lựa chọn khó đảo ngược đã được đưa ra. Các khuôn khổ như NIST AI Risk Management Framework hữu ích nhất khi định hình trường hợp sử dụng ngay từ đầu, bao quát quyền riêng tư, thiên kiến, tính toàn vẹn của thương hiệu, độ tin cậy và khả năng truy xuất, đồng thời áp dụng các biện pháp kiểm soát tương xứng với mức độ rủi ro của tương tác. Trong khi đó, giá trị hiếm khi chỉ gói gọn trong một con số lớn. Giá trị phân bổ trên nhiều phương diện: kết quả khách hàng như mức độ hài lòng, hoàn thành nhiệm vụ và duy trì khách hàng; kết quả vận hành như thời gian chu kỳ, thời gian xử lý và khả năng tái sử dụng; kết quả thương mại như tỷ lệ chuyển đổi, chi phí phục vụ và giá trị vòng đời khách hàng; cùng kết quả về rủi ro như tỷ lệ lỗi, khiếu nại và các trường hợp phải can thiệp. Cần đo lường tất cả những yếu tố này so với mức cơ sở và sau khi trừ toàn bộ chi phí vận hành ở quy mô lớn.

Một hãng hàng không sử dụng tác nhân AI để xử lý sự cố gián đoạn chuyến bay. Hiện nay, câu hỏi “chuyến bay của tôi có bị hoãn không?” có mức độ rủi ro thấp và được tự động hóa hoàn toàn. Việc đổi vé cho hành khách hoặc cấp tín dụng du lịch vượt quá một mức nhất định sẽ được chuyển cho nhân viên xử lý, vì quyết định sai trong những trường hợp đó có thể gây tổn thất lớn. Nếu được định hình lại, giá trị sẽ được đo lường qua những kết quả quan trọng: khôi phục hoạt động nhanh hơn khi xảy ra gián đoạn, đổi vé theo cách bảo vệ các hội viên thân thiết có giá trị cao, và theo dõi sát sao khiếu nại. Nếu được xử lý tốt, sự cố gián đoạn có thể trở thành cơ hội giữ chân hành khách thay vì để mất họ; đó chính là cách tạo ra giá trị vòng đời khách hàng thực sự.

Câu hỏi về mức độ trưởng thành.

Những doanh nghiệp tạo ra giá trị bền vững sẽ không phải là những đơn vị tiến hành nhiều thử nghiệm nhất. Đó sẽ là những đơn vị có phương thức lặp lại được để kết nối nhu cầu khách hàng, dữ liệu đáng tin cậy, trí tuệ nhân tạo được quản trị, nội dung có thể tái sử dụng và kết quả đo lường được, đồng thời đủ trung thực để biết hiện tại mình đang ở đâu trên hành trình đó. Hầu hết các tổ chức đang ở giai đoạn sớm hơn nhiều so với những gì hoạt động thí điểm của họ cho thấy.

Tổ chức lấy AI làm nền tảng là tổ chức tích hợp AI vào mọi tầng hoạt động và cạnh tranh. Thay vì chỉ bổ trợ cho các quy trình hiện có, chính mô hình vận hành được thiết kế xoay quanh AI, với trí tuệ nhân tạo là năng lực cốt lõi của doanh nghiệp.

Vì vậy, câu hỏi hữu ích hơn đối với một nhà lãnh đạo giờ đây không còn là “Chúng ta có thể bổ sung AI vào đâu?” mà là “Chúng ta có thể cải thiện những quyết định nào, và cần những điều kiện gì để mở rộng cải tiến đó một cách có trách nhiệm?”