Gartner dự báo chi tiêu công nghệ CX sẽ tăng gấp đôi vào năm 2028. Khoảng cách giải quyết vấn đề lý giải vì sao.

Chỉ trong vòng 60 ngày, Gartner đã công bố 2 dự báo mà bất kỳ lãnh đạo CX nào đang hoạch định ngân sách AI cho 24 tháng tới cũng nên đặt cạnh nhau để đọc.

Ngày 26 tháng 1, Gartner dự báo chi phí cho mỗi lượt giải quyết của AI tạo sinh trong dịch vụ khách hàng sẽ vượt $3 vào năm 2030, cao hơn chi phí của nhiều nhân viên hỗ trợ offshore trong mảng B2C. Ngày 31 tháng 3, Gartner tiếp tục dự báo hơn một nửa số tổ chức dịch vụ khách hàng sẽ tăng gấp đôi chi tiêu công nghệ vào năm 2028 mà không cắt giảm nhân sự tương ứng.

Đặt cạnh nhau, 2 dự báo này mô tả một nền kinh tế CX trong đó đường chi tiêu đi lên, đường nhân sự gần như đi ngang, còn chi phí mỗi lượt giải quyết bằng AI dần tiến sát mức chi phí của nhân viên offshore — chính mức mà AI lẽ ra phải thấp hơn. Câu chuyện “AI giúp dịch vụ khách hàng rẻ hơn”, giả định làm nền cho phần lớn ngân sách phần mềm CX kể từ năm 2023, không còn đứng vững hoàn toàn.

Gartner chỉ ra 2 biến số đằng sau xu hướng này: nhân tài và độ phức tạp của công cụ. Cả hai đều có thật, nhưng bên dưới còn một biến số thứ 3 mà phần lớn các đội ngũ chưa theo dõi. Đó là khả năng giải quyết: cụ thể là khoảng cách giữa những gì AI xử lý và những gì AI thực sự giải quyết được. Biến số này quyết định mỗi đồng chi tiêu mới cho công nghệ CX tạo ra kết quả hay chỉ tạo ra giao dịch.

Khoảng cách giải quyết, tính bằng tiền

Hầu hết dashboard CX lấy “tỷ lệ tự động hóa” hoặc “tỷ lệ chuyển hướng” (deflection rate) làm chỉ số chính. Một phiếu hỗ trợ được gửi đến, AI phản hồi, cuộc hội thoại kết thúc mà không cần nhân viên, và nền tảng đánh dấu phiếu đó là đã xử lý. Chỉ số trên dashboard tăng lên.

Điều dashboard không phải lúc nào cũng cho thấy là vấn đề của khách hàng có thực sự được giải quyết hay không. Đó chính là khoảng cách giải quyết: khoảng trống giữa những tương tác AI chạm tới và những vấn đề AI thực sự khắc phục.

Khi khoảng cách này lớn, khối lượng công việc không biến mất. Nó quay trở lại hệ thống theo 3 cách:

• Dưới dạng liên hệ lại, khi khách hàng quay lại qua cùng kênh vì vấn đề vẫn còn
• Dưới dạng chuyển cấp đa kênh, khi khách hàng thử chat, bỏ cuộc, gọi điện và gặp một nhân viên phải bắt đầu lại từ đầu
• Dưới dạng rời bỏ, khi khách hàng kết luận doanh nghiệp không thể giúp được và thôi không liên hệ nữa

Mỗi kết quả trên đều kéo theo một khoản chi phí mà dashboard chuyển hướng không ghi nhận. Mẫu khảo sát AI in Customer Service 2026 của McKinsey cho thấy rõ bài toán đơn vị: một lượt giải quyết do AI xử lý tốn khoảng $0,62, so với $7,40 cho một lượt do con người xử lý (trích dẫn qua bản tổng hợp benchmark 2026 của Digital Applied). Nhưng phép tính đó chỉ đúng với số lượt giải quyết, không phải số lượt chuyển hướng. Mỗi tương tác được ghi nhận là đã chuyển hướng rồi lại quay về thành một ca chuyển cấp cho nhân viên đồng nghĩa với 2 hóa đơn: một cho giấy phép AI, và thêm một cho nhân viên phải tiếp nhận lại cuộc trao đổi bị bỏ dở. Khi khoảng cách lớn, chi phí cộng dồn, và đường chi tiêu mà Gartner dự báo đến năm 2028 chính là hình ảnh của hiện tượng đó ở quy mô lớn.

Đây là lý do chi phí mỗi lượt giải quyết mới là chỉ số chuẩn cần dùng khi so sánh kinh tế của AI với mức nền của con người — không phải chi phí mỗi tương tác, cũng không phải tỷ lệ chuyển hướng. Dự báo $3 mỗi lượt giải quyết vào năm 2030 của Gartner đo lường chi phí của AI khi nó thực sự giải quyết vấn đề, không phải chi phí khi nó chỉ xử lý một tin nhắn.

Điều thực sự diễn ra bên trong đường chi tiêu

Khảo sát tháng 10/2025 của Gartner với 321 lãnh đạo dịch vụ khách hàng cho thấy chỉ 20% tổ chức đã giảm nhân sự hỗ trợ nhờ AI. 80% còn lại vừa trả tiền cho AI vừa trả lương cho nhân viên.

Đó không phải trạng thái chuyển tiếp trên con đường giảm chi phí. Đó là hệ quả mang tính cấu trúc của cách AI đang được triển khai trong phần lớn các bộ phận CX. Như CXOVoice nhận định, chi phí dịch vụ khách hàng tăng vì AI đang thêm các lớp thay vì loại bỏ chúng: hệ thống giờ bao gồm AI hội thoại, định tuyến, tri thức, phân tích, điều phối và giám sát, mỗi lớp đều có chi phí giấy phép, triển khai và tích hợp riêng.

Không lớp nào trong số đó thay thế được một lớp hiện có. Điều Gartner dự báo đến năm 2028 không phải chi phí chuyển đổi một lần, mà là sự dịch chuyển mang tính cấu trúc từ ngân sách CX nặng về lương sang ngân sách CX nặng về phần mềm, với tổng chi phí tăng lên thay vì giảm xuống.

Trong quá trình dịch chuyển đó, khoảng cách giải quyết quyết định chi tiêu AI rơi vào bên nào của sổ cái. Khi AI giải quyết vấn đề trọn vẹn từ đầu đến cuối, lớp phần mềm xứng đáng với vị trí của nó: nó làm công việc lẽ ra cần con người, và bài toán đơn vị có lời. Khi AI chuyển hướng mà không giải quyết, lớp phần mềm làm tăng chi phí mà không loại bỏ được chi phí nào hiện có, và đồng tiền lẽ ra được rút từ ngân sách nhân viên lại trở thành khoản chi thêm cho AI.

Bài toán cộng dồn

Hãy xét một tình huống điển hình: 10.000 phiếu hỗ trợ đến mỗi tháng, dashboard của nhà cung cấp báo cáo tỷ lệ tự động hóa 60%, và 6.000 phiếu được đánh dấu “đã xử lý” mà không cần con người.

Khi kiểm tra để phân biệt chuyển hướng với giải quyết đã xác nhận, kết quả thường khác hẳn. Các nghiên cứu trong ngành về những hệ thống dựa trên RAG liên tục cho thấy 15% đến 25% phiếu “đã chuyển hướng” chứa câu trả lời sai hoặc không đầy đủ. Nếu 25% trong số 6.000 phiếu đã chuyển hướng đó quay lại hệ thống trong vòng 72 giờ (dưới dạng liên hệ lại, chuyển cấp hoặc thử qua kênh khác), thì 1.500 tương tác tưởng như đã tự động hóa thực ra không phải vậy.

Tỷ lệ giải quyết tự động thực tế trên khối lượng này không phải 60%. Mà là 45%. Và khoảng cách đó hiện ra ở 3 hạng mục mà phần lớn dashboard CX không được thiết kế để hiển thị:

• Hóa đơn của nhà cung cấp AI không đổi. Giấy phép được tính theo tương tác, và AI vẫn xử lý các tương tác.
• Khối lượng công việc của đội ngũ nhân viên bao gồm cả 1.500 phiếu quay lại đó, thường không kèm ngữ cảnh vì quy trình chuyển giao bị đứt gãy.
• Trải nghiệm khách hàng gánh chịu cái giá của việc phải hỏi 2 lần. Nhà cung cấp tính phí cho 6.000 tương tác. Bạn chỉ nhận được 4.500 lượt giải quyết.

Khoảng cách giải quyết quyết định khoản chi cho AI là để thay thế việc xử lý của con người hay để cộng thêm vào đó. Khi khoảng cách nhỏ, chi tiêu AI bù trừ cho chi phí nhân viên. Khi khoảng cách lớn, chi tiêu AI chồng lên chi phí nhân viên, và đó chính là đường cong Gartner dự báo đến năm 2028.

Biến số kiến trúc

Khoảng cách giải quyết không phải vấn đề của mô hình. Đó là vấn đề kiến trúc.

Phần lớn tác tử AI đang vận hành hiện nay có thể đọc nhưng không thể hành động. Chúng truy xuất thông tin từ cơ sở tri thức, tóm tắt chính sách và gợi ý bước tiếp theo. Điều chúng thường không làm được nếu không có tích hợp sâu hơn là xử lý hoàn tiền, cập nhật tài khoản, chỉnh sửa đơn hàng hay đổi lịch hẹn. Ranh giới kiến trúc nằm ở quyền chỉ đọc so với quyền đọc-ghi vào các hệ thống nơi vấn đề thực sự của khách hàng tồn tại.

Một AI chỉ đọc bị giới hạn về mặt cấu trúc ở tỷ lệ phiếu có thể giải quyết bằng cách cung cấp thông tin. Với hầu hết chương trình CX doanh nghiệp, đó là nhóm cấp 1 gồm đặt lại mật khẩu, tra cứu trạng thái đơn hàng và câu hỏi về chính sách — khối lượng thực sự đáng kể, nhưng có giới hạn trần. Các khiếu nại, trường hợp ngoại lệ, tranh chấp thanh toán và thay đổi tài khoản — những yếu tố đẩy chi phí hỗ trợ lên — nằm ở phía bên kia ranh giới đọc-ghi.

Đây là lý do các con số “tỷ lệ tự động hóa” trên 70% với tập truy vấn rộng cần được xem xét kỹ. Chúng thường phản ánh một lớp phân loại mạnh tay loại bỏ nhóm phiếu khó trước khi AI tiếp nhận, hoặc một định nghĩa về giải quyết chỉ đếm số cuộc hội thoại hoàn tất mà không xác nhận kết quả. Các hệ thống đang vận hành có tích hợp đọc-ghi với hệ thống backend thường đạt tỷ lệ giải quyết đã xác nhận trong khoảng 70% đến 85% trên tập truy vấn rộng, bao gồm cả các phiếu phụ thuộc vào chính sách.

Quyết định kiến trúc là yếu tố xác định mỗi đồng chi tiêu mới cho công nghệ CX sẽ thu hẹp hay nới rộng khoảng cách giải quyết. Chỉ đọc hay đọc-ghi, lớp phủ hay thay thế toàn bộ, AI là một lớp bên trên hay AI nằm bên trong bộ phận hỗ trợ — đây không phải chi tiết triển khai. Chúng là hệ số nhân chi tiêu. Khung đánh giá của Maven phân tích sâu hơn các khía cạnh này.

Ưu tiên giải quyết trong thực tế vận hành

Các doanh nghiệp đang thu hẹp khoảng cách giải quyết có chung 1 đặc điểm kiến trúc: tích hợp đọc-ghi với các hệ thống nơi vấn đề của khách hàng thực sự tồn tại. Dữ liệu vận hành cho thấy điều đó rất cụ thể:

• Mastermind đạt 93% giải quyết tự động trong vòng 6 tuần sau khi triển khai.
• Papaya Pay đạt 90% giải quyết tự động trong 3 tuần.
• Clio chuyển từ chatbot cũ sang giải quyết tự động với tỷ lệ 80%, giải quyết nhiều hơn 60% phiếu hỗ trợ và rút ngắn thời gian phản hồi hỗ trợ trực tiếp 4 lần.
• Rho duy trì CSAT 95% trong khi xử lý thêm 12% lượt liên hệ mỗi tháng mà không tăng nhân sự.

Dữ liệu cuối cùng đáng để suy ngẫm. Thông cáo ngày 31 tháng 3 của Gartner dự báo việc chi tiêu công nghệ CX tăng gấp đôi đến năm 2028 sẽ không đi kèm cắt giảm nhân sự tương ứng, đồng thời cảnh báo các doanh nghiệp cắt giảm nhân viên để chi cho AI sẽ đối mặt nguy cơ gián đoạn vận hành, suy giảm trải nghiệm khách hàng và những lần quay đầu tốn kém. Dự báo này giả định AI tự nó không giải quyết đủ để đáp ứng khối lượng ngày càng tăng.

Con số của Rho minh họa rõ nhất bài toán chi tiêu ưu tiên giải quyết trong thực tế. CSAT giữ ở mức 95%, lượng liên hệ tăng 12%, và đội ngũ không cần mở rộng. Đó là năng lực đáp ứng khối lượng khi tỷ lệ giải quyết là thật: phục vụ nhiều khách hàng hơn, cùng một đội ngũ, CSAT vẫn giữ vững.

Đó là phiên bản của bài toán chi tiêu giúp khoản chi cho AI xứng đáng với vị trí của nó. Chi tiêu công nghệ tăng, chi phí nhân viên đi ngang, lượng khách hàng tăng, và tổng chi phí trên mỗi vấn đề được giải quyết giảm xuống. Điều này chỉ hiệu quả khi tỷ lệ giải quyết đủ cao. Nói cách khác, khi khoảng cách giữa chuyển hướng và giải quyết đủ nhỏ để khối lượng AI xử lý chuyển hóa trọn vẹn thành kết quả.

3 câu hỏi trước khi tăng gấp đôi ngân sách

Dự báo chi tiêu năm 2028 của Gartner không nhất thiết phải xảy ra với mọi báo cáo lãi lỗ CX. Biến số quyết định điều đó là kiến trúc và kinh tế của lớp AI được bổ sung. 3 câu hỏi sau sẽ giúp bạn nhìn xuyên qua những con số nổi bật mà bất kỳ nhà cung cấp nào cũng đưa ra trước tiên.

1. AI có thể thực hiện hành động trong các hệ thống nơi vấn đề của khách hàng tồn tại, hay chỉ phản hồi dựa trên tài liệu? Ranh giới chỉ đọc và đọc-ghi là biến số kiến trúc giới hạn phần chi phí hỗ trợ mà AI có thể xử lý. Một AI cung cấp trạng thái đơn hàng là hữu ích. Một AI xử lý đơn trả hàng, cập nhật tài khoản và xác nhận thay đổi mới là thứ thu hẹp được khoảng cách giải quyết.
2. Tỷ lệ liên hệ lại trong 72 giờ đối với các phiếu đã giải quyết là bao nhiêu? Đây là chỉ số kiểm chứng. Nếu 25% phiếu “đã giải quyết” phát sinh liên hệ tiếp theo trong vòng 3 ngày, tỷ lệ giải quyết thực tế thấp hơn đáng kể so với con số công bố. Nhà cung cấp tự tin vào chất lượng giải quyết của AI sẽ công bố con số này. Nhà cung cấp chưa đo lường nó thường có lý do.
3. Tỷ lệ giải quyết đã xác nhận là bao nhiêu, chứ không phải tỷ lệ chuyển hướng? Giải quyết đã xác nhận chỉ tính những phiếu mà vấn đề của khách hàng đã được giải quyết và khách hàng không quay lại. Chuyển hướng tính mọi phiếu mà AI chạm tới. Nhà cung cấp đã đo cả hai sẽ chia sẻ cả hai. Nhà cung cấp chưa đo, hoặc không muốn chia sẻ, thường đang tối ưu cho con số có lợi cho họ.

Kết hợp lại, 3 câu trả lời này cho biết mỗi đồng chi tiêu mới cho công nghệ CX mua được kết quả giải quyết hay chỉ mua được hoạt động.

Biến số Gartner chưa gọi tên

2 dự báo năm 2026 cùng chỉ về một hướng. Chi tiêu tăng, chi phí mỗi lượt giải quyết bằng AI tiến sát mức sàn của con người, và nhân sự gần như đi ngang. Hiệu ứng tổng hợp là chi phí CX tăng mang tính cấu trúc đối với một nửa số tổ chức tăng gấp đôi chi tiêu công nghệ đến năm 2028.

Điều các dự báo không nói, vì chúng đo lường chi tiêu công nghệ chứ không đo lường kiến trúc, là khoảng cách giải quyết chính là biến số quyết định một tổ chức sẽ rơi vào nửa nào. Những doanh nghiệp coi giải quyết là chỉ số chính thức, và thiết kế lớp AI để hành động trong các hệ thống nơi vấn đề của khách hàng thực sự tồn tại, sẽ không chứng kiến chi tiêu tăng gấp đôi mà không có kết quả. Những doanh nghiệp coi giải quyết đồng nghĩa với chuyển hướng sẽ chi nhiều hơn trong các năm 2026, 2027 và 2028, nhưng giải quyết được gần như bằng năm 2024.

Ngôn ngữ của ngành đang thay đổi để phản ánh điều này. Giải quyết tự động đang trở thành chỉ số chính thức. Tỷ lệ giải quyết đang dần thay thế các chỉ số CX cũ để trở thành thước đo chính cho hiệu quả của AI trong hỗ trợ khách hàng. Các nhận định của nhà cung cấp và giới phân tích đang hội tụ về cùng một điểm: năm 2026, dashboard mà nhà cung cấp AI của bạn đưa ra đầu tiên chính là thứ bạn cần xem xét kỹ nhất.

Đường chi tiêu năm 2028 mà Gartner dự báo không phải là điều tất yếu. Đó là hệ quả của những quyết định kiến trúc mà phần lớn các đội ngũ CX đang đưa ra ngay lúc này.