Tháng 2 năm 2024, CEO của Klarna tuyên bố AI của công ty đang làm khối lượng công việc của 700 nhân viên chăm sóc khách hàng. Câu nói ấy xuất hiện trên hầu hết các ấn phẩm kinh doanh và trở thành dẫn chứng quen thuộc cho nhận định “AI đang thay thế lao động tri thức”. Những lãnh đạo CX vốn thận trọng với AI bỗng bị hội đồng quản trị hỏi vì sao họ chưa làm điều tương tự.
Đến tháng 5 năm 2025, Klarna lặng lẽ tuyển người trở lại. Đến đầu năm 2026, việc tái tuyển dụng đã diễn ra rầm rộ. CEO công khai thừa nhận công ty đã để chi phí lấn át chất lượng và đang phải trả giá bằng mức độ hài lòng của khách hàng.
Truyền thông coi đây là câu chuyện AI chưa đủ tốt. Cách hiểu đó sai. AI đã hoạt động đúng như được thiết kế. Đó mới là vấn đề thực sự, và bài học rút ra hẹp hơn nhưng hữu ích hơn so với điều mà phần lớn mọi người đọc được từ các dòng tít.
Chúng tôi đã viết về cái giá con người của sai lầm đó hồi đầu năm nay. Bài viết này bàn về một chuyện khác: vấn đề đo lường đã khiến toàn bộ sự việc xảy ra.
Ai cũng đo sai thứ
Khi Klarna đưa ra thông báo ban đầu, con số chủ chốt là tỷ lệ tự xử lý (containment): bao nhiêu cuộc hội thoại với khách hàng được AI tiếp nhận trước khi đến tay con người. Từ hai phần ba đến ba phần tư số tương tác, tùy theo nguồn trích dẫn. Đó là một con số ấn tượng. Nhưng nó gần như không liên quan gì đến việc vấn đề của khách hàng có thực sự được giải quyết hay không.
Containment đo việc AI có giữ được cuộc hội thoại hay không. Một khách hàng liên hệ hỗ trợ hai lần về cùng một vấn đề vẫn được tính là hai lần tự xử lý nếu AI xử lý cả hai. Một khách hàng chấp nhận câu trả lời sai rồi bỏ cuộc vẫn được tính. Một khách hàng bực bội đến mức khiếu nại giao dịch trên thẻ cũng được tính. Chỉ số này ghi nhận khối lượng, nhưng không nói gì về kết quả.
AI của Klarna đã làm đúng những gì nó được đo lường. Vấn đề nằm ở cách đo lường. Sự khác biệt này cực kỳ quan trọng với mọi lãnh đạo CX đang đánh giá các nhà cung cấp AI lúc này.
Điểm CSAT giảm trước khi các chỉ số khối lượng của Klarna thay đổi, đúng như điều bạn có thể dự đoán nếu containment và khả năng giải quyết tự động đang đi theo hai hướng ngược nhau. Tín hiệu đã có sẵn. Không ai nhận ra khoảng cách cho đến khi kết quả xấu đến mức hiện lên trong những con số mà ban lãnh đạo thực sự theo dõi.
Vì sao containment trở thành chỉ số mặc định
Việc giải quyết khó định nghĩa hơn, và đó là lý do chính khiến cả ngành mặc định dùng containment. Vấn đề của khách hàng có thực sự được giải quyết không? Câu hỏi này đòi hỏi bạn phải biết vấn đề là gì, câu trả lời có xử lý đúng vấn đề không, và khách hàng có quay lại không. Còn containment chỉ cần đếm số cuộc hội thoại kết thúc mà không cần đến con người.
Những công ty đang trụ vững trên thị trường hiện nay đã xây dựng hệ thống đo lường xoay quanh các câu hỏi khó hơn đó ngay từ đầu. Tỷ lệ liên hệ lặp lại — tức cùng một khách hàng mở lại phiếu hỗ trợ về cùng một vấn đề trong vòng 14 ngày — là tín hiệu rõ ràng nhất về việc giải quyết, và cũng là chỉ số mà phần lớn các đợt triển khai bỏ qua vì nó đòi hỏi theo dõi xuyên suốt nhiều cuộc hội thoại thay vì trong từng cuộc. CSAT ở cấp độ từng tương tác quan trọng hơn con số tổng hợp. Dữ liệu chuyển tiếp lên con người, nếu được xem là nguồn thông tin liên tục cho thấy kiến thức của tác tử AI còn thiếu ở đâu, có giá trị hơn nhiều so với những gì phần lớn các đội ngũ nhận ra.
Dữ liệu của Maven từ các đợt triển khai doanh nghiệp cho thấy rõ xu hướng này. Những khách hàng dựa vào chỉ số containment sớm chạm ngưỡng cải thiện. Những khách hàng dựa vào tỷ lệ giải quyết ngay lần liên hệ đầu tiên, tỷ lệ chuyển hướng so với giải quyết và tần suất liên hệ lặp lại thì tiếp tục cải thiện, vì vòng phản hồi của họ gắn với kết quả thực tế.
Quyết định mang tính cấu trúc khiến vấn đề đo lường trở nên chí mạng
Klarna cắt giảm nhân sự trước khi sự suy giảm chất lượng hiện rõ trong dữ liệu. Lập luận nghe có vẻ hợp lý: AI đang xử lý khối lượng công việc, nên có thể thu hẹp năng lực con người. Nhưng vấn đề chất lượng tích tụ chậm. Chúng xuất hiện trước ở CSAT, rồi đến liên hệ lặp lại, rồi tỷ lệ rời bỏ, rồi đến các con số doanh thu — vốn dĩ luôn phản ánh quá khứ. Đến khi tín hiệu lộ rõ, nguồn lực dự phòng để phục hồi đã không còn.
Đây là phần câu chuyện Klarna bị bỏ qua trong lối kể “AI đã thất bại”. Công nghệ không thất bại. Cấu trúc triển khai mới thất bại — cụ thể là quyết định cắt giảm năng lực con người trước khi xác thực rằng AI thực sự giải quyết vấn đề chứ không chỉ giữ chân cuộc hội thoại.
Những đợt triển khai tránh được điều này không cắt giảm nhân sự trước. Họ tái cấu trúc. Đội ngũ hỗ trợ chuyển sang xử lý các trường hợp chuyển tiếp, rà soát chất lượng và công việc customer success — những vai trò đòi hỏi khả năng phán đoán mà AI thực sự không thể thay thế. Việc giảm nhân sự đến từ quá trình tái cấu trúc đó, chứ không phải từ tư duy cắt giảm nhân sự trước tiên. Sự khác biệt có vẻ tinh tế, nhưng kết quả thì không hề.
Người mua doanh nghiệp đã thay đổi thế nào sau Klarna
Câu chuyện này đẩy nhanh một xu hướng vốn đã diễn ra trong hoạt động mua sắm. Các lãnh đạo CX doanh nghiệp hiện nay hỏi về tỷ lệ giải quyết ngay lần liên hệ đầu tiên, chứ không phải containment. Họ hỏi điều gì xảy ra khi AI sai, chứ không chỉ hỏi AI đúng thường xuyên đến đâu. Họ muốn dữ liệu liên hệ lặp lại từ các hệ thống đang vận hành thực tế, chứ không phải điểm chính xác trong bản demo ở môi trường được kiểm soát.
Sự thay đổi đó thể hiện rất cụ thể trong chu kỳ bán hàng. Những nhà cung cấp trả lời được các câu hỏi này bằng dữ liệu khách hàng thực tế đang chốt hợp đồng nhanh hơn. Những nhà cung cấp vẫn đem con số containment ra làm điểm nhấn thì phải đối mặt với câu hỏi khó hơn và quy trình dài hơn. Tiêu chuẩn “hãy chứng minh” đã được nâng lên, và Klarna là một phần lớn lý do.
Những đợt triển khai trụ vững thực sự trông như thế nào
Clio đã đánh giá 32 nhà cung cấp AI và kiểm thử chuyên sâu 10 nhà cung cấp trước khi triển khai Maven. Họ đang tự động giải quyết 80% yêu cầu qua chat, đồng thời đóng nhiều hơn 60% phiếu hỗ trợ so với hệ thống trước. Đội ngũ hỗ trợ của họ không bị thu hẹp mà chuyển sang những công việc có giá trị cao hơn. Chỉ số họ theo dõi là giải quyết, không phải chuyển hướng. Đọc toàn bộ câu chuyện.
Papaya Pay, hoạt động trong lĩnh vực thanh toán xuyên biên giới chịu sự quản lý chặt chẽ, đạt tỷ lệ giải quyết tự động 90%. Yêu cầu tuân thủ — mọi tương tác đều có thể kiểm toán, mọi lần chuyển tiếp đều có thể truy vết, đáp ứng tiêu chuẩn SOC 2, HIPAA và PCI-DSS — buộc họ phải có kỷ luật về giải quyết mà phần lớn các đợt triển khai bỏ qua. Hóa ra kỷ luật đó là một lợi thế, không phải một ràng buộc.
Cả hai đợt triển khai đều không bắt đầu bằng câu hỏi có thể cắt giảm bao nhiêu người. Cả hai đều bắt đầu bằng câu hỏi “đã giải quyết” thực sự nghĩa là gì.
Nên làm gì nếu bạn đang đánh giá các nhà cung cấp AIXác định thế nào là giải quyết trước khi triển khai bất cứ thứ gì. Hãy quyết định “đã giải quyết” nghĩa là gì — giải quyết ngay lần liên hệ đầu tiên, không có liên hệ lặp lại trong vòng 14 ngày, hoàn thành một tác vụ cụ thể — và dùng nó làm tiêu chí thành công ngay từ ngày đầu. Nếu nhà cung cấp không thể cho bạn biết họ sẽ đo lường điều đó thế nào, thì đó chính là câu trả lời. Hướng dẫn về chuyển hướng và giải quyết của chúng tôi trình bày chi tiết cách thiết lập.
Theo dõi tỷ lệ liên hệ lặp lại như một chỉ số hàng đầu. Đưa nó lên dashboard bên cạnh CSAT tiêu chuẩn. Dùng nó làm vòng phản hồi cho cơ sở kiến thức và hành vi của tác tử AI. Nếu cùng một khách hàng liên tục quay lại vì cùng một vấn đề, đó là thất bại trong giải quyết, không phải một phiếu hỗ trợ mới.
Xem dữ liệu chuyển tiếp là tín hiệu, không phải một bước trong quy trình. Mỗi lần chuyển tiếp cho bạn biết kiến thức hoặc thẩm quyền của AI còn thiếu ở đâu. Những đội ngũ cải thiện nhanh nhất sử dụng dữ liệu này liên tục. Một nền tảng tác tử AI cho doanh nghiệp nên giúp bạn dễ dàng nắm bắt dữ liệu này, thay vì phải tự đào bới.
Yêu cầu khả năng bao phủ đa kênh thống nhất ngay từ đầu. Khách hàng gọi điện, rồi gửi email, rồi mở chat không nên phải lặp lại câu chuyện của mình. Giải quyết thống nhất trên chat, thoại và email mới là yếu tố tạo ra kết quả, chứ không phải tự động hóa một kênh trông đẹp trong bản demo.
Đừng cắt giảm nhân sự trước khi xác thực chất lượng ở quy mô lớn. Hãy thiết kế quá trình chuyển đổi nhân lực song song với việc triển khai công nghệ, chứ không phải sau đó. Các vai trò sẽ thay đổi — nhân viên chuyển sang xử lý chuyển tiếp, rà soát chất lượng, quản lý ngoại lệ — nhưng quá trình chuyển đổi cần được thiết kế, không thể mặc định là sẽ tự diễn ra.
Điều này có ý nghĩa gì
Dự báo của Gartner rằng 80% tương tác chăm sóc khách hàng sẽ có sự tham gia của AI vào năm 2029 vẫn có vẻ khả thi. 2 năm qua không thay đổi đích đến. Chúng chỉ làm rõ con đường nào dẫn tới đó, và con đường nào dẫn tới sự đảo ngược công khai cùng thông báo tuyển dụng lại.
Những công ty đạt 80% giải quyết tự động sẽ là những công ty định nghĩa đúng việc giải quyết trước khi triển khai, buộc AI chịu trách nhiệm theo định nghĩa đó và đưa quá trình chuyển đổi nhân lực vào kế hoạch ngay từ đầu. Còn những công ty tối ưu cho containment, cắt giảm nhân sự sớm và đo lường số cuộc hội thoại thay vì kết quả — họ chính là những người đang viết nên các câu chuyện cảnh tỉnh.
Câu chuyện Klarna không phải lời cảnh báo về năng lực của AI. Đó là lời cảnh báo về điều xảy ra khi một hệ thống có năng lực được nhắm sai mục tiêu.
Nếu bạn đang đánh giá các giải pháp AI chăm sóc khách hàng và cần một khung so sánh dựa trên những chỉ số thực sự quan trọng, hướng dẫn về chuyển hướng và giải quyết của chúng tôi sẽ chỉ cho bạn cách xây dựng một business case vững chắc. Hoặc đặt lịch demo để xem các con số giải quyết của Maven so với hệ thống bạn đang dùng.
Trải nghiệm trên chính các cuộc hội thoại của bạn.
Yêu cầu demo cá nhân hóa miễn phí.
