Tại Sao GenAI Không Có Quản Trị Sẽ Thất Bại Trong Hỗ Trợ Doanh Nghiệp

Các nhóm hỗ trợ doanh nghiệp đang đầu tư mạnh mẽ vào AI tạo sinh với kỳ vọng nó sẽ chuyển hướng ticket, rút ngắn thời gian xử lý và giảm chi phí trên mỗi trường hợp. Tuy nhiên, ở nhiều tổ chức, mức độ tương tác với hệ thống AI đang tăng trong khi tỷ lệ leo thang, các liên hệ lặp lại và tổng khối lượng case vẫn không thay đổi.

Generative AI trong hỗ trợ doanh nghiệp sẽ không thất bại vì các mô hình yếu. Nó sẽ thất bại vì hầu hết các triển khai không được cung cấp nội dung dữ liệu mạnh mẽ và các hướng dẫn chiến lược cần thiết để thành công. Nếu không có quản trị, khả năng hiển thị và trách nhiệm giải trình được xây dựng sẵn trong các hệ thống và quy trình triển khai, AI nhanh chóng trở thành một lớp rủi ro hoạt động không được quản lý, dẫn đến các tương tác không nhất quán, khuếch đại lỗi và cuối cùng mang lại kết quả tồi tệ hơn cho khách hàng. Một công cụ được thiết kế để cải thiện lớp tương tác khách hàng và khối lượng công việc của nhóm doanh nghiệp lại trở thành một nút thắt cổ chai.

Khi các nhóm hỗ trợ doanh nghiệp đổ xô áp dụng GenAI, hầu hết các triển khai tập trung vào chatbot, câu trả lời tự động và khả năng hỗ trợ đại lý. Sự khẩn trương trong triển khai thường tạo ra các hệ thống rời rạc, trông có vẻ sáng tạo trên bề mặt nhưng lại gặp khó khăn trong việc mang lại kết quả nhất quán cho khách hàng, các chỉ số hiệu suất doanh nghiệp và lợi nhuận cuối cùng.
Trong quá trình đẩy nhanh này, câu hỏi thực sự thường không được đặt ra: Làm thế nào để chúng ta đo lường xem GenAI có mang lại tác động có thể đo lường được hay chỉ đơn thuần tạo ra nhiều nội dung hơn ở quy mô lớn?

Nhiều triển khai tìm kiếm doanh nghiệp và GPT trong môi trường hỗ trợ không đạt yêu cầu vì ba lý do cốt lõi. Các câu trả lời được tạo ra được hiển thị mà không có tín hiệu độ tin cậy rõ ràng hoặc các biện pháp kiểm soát tính nhất quán. Các tương tác AI hiếm khi được liên kết với các kết quả có thể đo lường như chuyển hướng case, thời gian giải quyết hoặc sự hài lòng của khách hàng. Các tổ chức cũng thiếu khả năng hiển thị về việc liệu các thành viên trong nhóm có thực sự tin tưởng vào hệ thống hay sử dụng nó trong quy trình làm việc hàng ngày của họ hay không. Kết quả là một hệ thống AI trông hấp dẫn trong bản demo nhưng lại đổ vỡ dưới áp lực vận hành thực tế.

Các nhà lãnh đạo hỗ trợ không cần thêm nội dung được tạo ra. Họ cần những cải thiện có thể đo lường được mà họ có thể dự báo và bảo vệ, chẳng hạn như việc giảm khối lượng case một cách nhất quán, thời gian giải quyết trung bình nhanh hơn, tỷ lệ giải quyết ngay lần tiếp xúc đầu tiên cao hơn, CSAT được cải thiện, chi phí trên mỗi ticket thấp hơn và năng suất đại lý tăng lên. Tác động kinh doanh có thể dự đoán được có nghĩa là biết rằng khi AI được triển khai, nó sẽ giảm đáng tin cậy tỷ lệ leo thang theo một tỷ lệ phần trăm xác định, chuyển hướng một phần ticket có thể đo lường được, hoặc rút ngắn thời gian xử lý trong một phạm vi xác định, chứ không chỉ tạo ra nhiều câu trả lời hơn.

Từ Ma Sát Khách Hàng Đến Hậu Quả Vận Hành

Khi quản trị bị thiếu, tác động sẽ nhanh chóng thể hiện trong các chỉ số. Một chatbot có thể tạo câu trả lời ở quy mô lớn, nhưng nếu những phản hồi đó chỉ đúng một phần, khách hàng sẽ mở lại ticket hoặc leo thang. Việc tăng từ năm đến mười phần trăm số case được mở lại có thể xóa sạch những lợi ích hiệu quả dự kiến và dẫn đến sự sụt giảm có thể đo lường trong CSAT. Điều trông giống như tự động hóa trên giấy tờ lại trở thành công việc làm lại trong thực tế.

Khó khăn là nhiều tổ chức đo lường hoạt động thay vì kết quả. Họ có thể báo cáo đã có bao nhiêu phiên chatbot xảy ra hoặc tần suất đại lý sử dụng tính năng soạn thảo được AI hỗ trợ. Điều họ thường không thể báo cáo một cách tự tin là liệu những tương tác đó có làm giảm nhu cầu đối với các nhóm con người hay không. Nếu không kết nối trực tiếp dữ liệu hội thoại với dữ liệu tạo case, các nhà lãnh đạo không thể xác định liệu generative AI đang loại bỏ công việc hay chỉ đơn giản thêm một điểm chạm khác vào hành trình của khách hàng.

Khi case đó đến được với một thành viên nhóm là con người, khách hàng thường lặp lại thông tin tương tự mà họ đã nhập vào giao diện trò chuyện. Điều được dự định để hợp lý hóa việc giải quyết lại tạo ra sự trùng lặp. Theo thời gian, các trường hợp lặp lại của việc giải quyết không hoàn chỉnh làm xói mòn niềm tin. Khách hàng bắt đầu coi tương tác AI như một bước sơ bộ thay vì một giải pháp.

Đo Lường Điều Quan Trọng

Trong hỗ trợ doanh nghiệp, tác động có ý nghĩa được nhìn thấy khi ít khách hàng cần tạo case hơn sau khi tương tác với hệ thống. Nếu việc leo thang vẫn xảy ra sau khi tương tác với các tác nhân AI, kết quả đó tiết lộ nơi tồn tại khoảng trống kiến thức dữ liệu hoặc hạn chế về phản hồi. Hiểu được các mẫu hình này đòi hỏi phải liên kết các rào chắn AI với các chỉ số hỗ trợ hạ nguồn và xem xét điều gì xảy ra sau mỗi lần tương tác.

Khả năng hiển thị này thay đổi cách đánh giá các hệ thống tạo sinh. Khi dữ liệu hội thoại và dữ liệu ticket được phân tích cùng nhau, các tổ chức có thể xác định luồng nào đang hoạt động và luồng nào cần tinh chỉnh. Chỉ riêng mức độ tương tác trở nên không đủ để đo lường thành công; chỉ có việc giảm khối lượng công việc được chứng minh mới báo hiệu tiến bộ thực sự.

Quản Trị Như Một Yêu Cầu Vận Hành

Quản trị không phải là một tài liệu. Đó là một tập hợp các quyết định vận hành có chủ đích. Các nhà lãnh đạo hỗ trợ nên yêu cầu rằng mọi phản hồi AI phải dựa trên các nguồn kiến thức đã được phê duyệt và đi kèm với một ngưỡng tin cậy có thể đo lường. Họ nên xác định các quy tắc rõ ràng về thời điểm AI có thể tự giải quyết vấn đề và khi nào nó phải leo thang lên một đại lý con người. Họ nên gắn mọi triển khai với các mục tiêu cụ thể như giảm khối lượng case theo định nghĩa, cải thiện tỷ lệ giải quyết ngay lần tiếp xúc đầu tiên, hoặc giảm thời gian xử lý trung bình, và liên tục xem xét các chỉ số đó. Nếu AI không thể được đo lường dựa trên kết quả vận hành, nó không nên được coi là sẵn sàng để sử dụng với khách hàng thực trong quy trình làm việc hàng ngày.

Hãy xem xét một kịch bản triển khai phổ biến. Một chatbot tạo sinh được triển khai trên cổng thông tin khách hàng và mức độ áp dụng tăng nhanh khi người dùng ngày càng chuyển sang AI cho các câu hỏi thông thường. Trên bề mặt, phản hồi ban đầu có vẻ tích cực: khách hàng tương tác với bot và các đại lý báo cáo việc soạn thảo câu trả lời cảm thấy hiệu quả hơn.

Tuy nhiên, khi các nhà lãnh đạo đi sâu vào dữ liệu hiệu suất, họ phát hiện ra điều gì đó quen thuộc từ kinh nghiệm ngành rộng hơn. Nghiên cứu AI gần đây của McKinsey cho thấy rằng trong khi nhiều tổ chức đang triển khai AI rộng rãi, chỉ một số ít đã nhúng nó đủ sâu vào quy trình làm việc để đạt được các kết quả kinh doanh có thể đo lường như giảm khối lượng case hoặc cải thiện các chỉ số khách hàng, với hầu hết vẫn mắc kẹt trong giai đoạn thí điểm hoặc mở rộng ban đầu.

Trong thực tế, điều này thường trông giống như mức độ tương tác cao với chatbot nhưng các mẫu hình leo thang vẫn tồn tại, chỉ cải thiện không đáng kể trên các câu hỏi đơn giản, và không có sự liên kết rõ ràng giữa các cuộc hội thoại và việc giảm khối lượng công việc. Các tổ chức hiện đại hóa lớp tương tác, nhưng động lực hỗ trợ cơ bản và chi phí vận hành vẫn không thay đổi.

Ngược lại, một cách tiếp cận có quản trị tích hợp hoạt động hội thoại trực tiếp vào báo cáo vận hành. Mỗi phiên AI được liên kết với hành vi case tiếp theo, cho phép các nhà lãnh đạo thấy những tương tác nào dẫn đến giải quyết mà không leo thang và những tương tác nào thì không. Các mẫu hình liên tục dẫn đến các case theo dõi được kiểm tra và tinh chỉnh. Việc sử dụng ở cấp độ đại lý được phân tích để xác định nơi nào sự hỗ trợ của AI cải thiện hiệu quả và nơi nào nó tạo ra sự không nhất quán. Trong môi trường này, generative AI được đánh giá không phải bằng tần suất sử dụng, mà bằng mức độ rõ ràng mà nó giảm bớt nỗ lực cho khách hàng và công việc cho các nhóm hỗ trợ.

Từ Cải Tiến Đến Thay Đổi Cấu Trúc

Khi ngân sách công nghệ thắt chặt, các khoản đầu tư AI đang được xem xét cùng với mọi hạng mục khác. Ban lãnh đạo không nhìn vào tỷ lệ tương tác chatbot. Họ đang xem xét liệu khối lượng case có giảm theo từng quý hay không, liệu thời gian xử lý trung bình có giảm hay không, liệu tỷ lệ giải quyết ngay lần tiếp xúc đầu tiên có được cải thiện hay không, và liệu chi phí trên mỗi ticket có thấp hơn đáng kể hay không.

Nếu những con số đó không thay đổi, tác động sẽ là ngay lập tức. Các kế hoạch mở rộng sang các dòng sản phẩm bổ sung bị trì hoãn. Khoản tiết kiệm nhân sự đã được dự báo không thành hiện thực. Bộ phận tài chính đặt câu hỏi về việc gia hạn. Điều bắt đầu như một sáng kiến AI chiến lược trở thành một dự án thí điểm bị giới hạn với nguồn tài chính và sự giám sát điều hành bị cắt giảm. Generative AI không có sự nâng cao hiệu quả vận hành rõ ràng có thể khiến hỗ trợ cảm thấy sáng tạo, nhưng nếu nó không giảm khối lượng công việc hoặc cải thiện các chỉ số khách hàng theo những thuật ngữ có thể đo lường, nó sẽ trở nên khó biện minh trong chu kỳ ngân sách tiếp theo.

Sự thành công của generative AI trong hỗ trợ doanh nghiệp sẽ không được xác định bởi mức độ tinh vi trong câu trả lời của nó. Nó sẽ được đánh giá dựa trên việc liệu nó có giảm các liên hệ lặp lại, hạ thấp tỷ lệ leo thang, cải thiện tỷ lệ giải quyết ngay lần tiếp xúc đầu tiên và rút ngắn thời gian giải quyết hay không. Chỉ riêng trí thông minh là không đủ. Tác động phụ thuộc vào thiết kế có kỷ luật, các rào chắn rõ ràng, giám sát hiệu suất liên tục và trách nhiệm giải trình đối với các chỉ số vận hành.

Các nhà lãnh đạo hỗ trợ nên xác định những chỉ số đó trước khi triển khai, không phải sau. Họ nên đặt ra các mục tiêu rõ ràng cho việc chuyển hướng case, giảm thời gian xử lý và sự hài lòng của khách hàng, và xem xét hiệu suất với sự nghiêm ngặt tương tự như áp dụng cho bất kỳ khoản đầu tư vận hành nào khác. Nếu các con số không th