GenAI fallback trong Smax.AI: thiết kế kịch bản khi AI không chắc và cần chuyển sales

Nối tiếp bài 13:00 về vận hành Zalo cá nhân/zBusiness: sau khi đã có kênh follow-up, bài này đi sâu vào tầng GenAI để xử lý tình huống AI không chắc câu trả lời và cần chuyển người thật đúng lúc.

GenAI giúp chatbot trả lời linh hoạt hơn rất nhiều so với kịch bản nút bấm truyền thống. Khách hàng có thể hỏi bằng ngôn ngữ tự nhiên, mô tả vấn đề dài ngắn khác nhau, so sánh nhiều lựa chọn, hoặc đặt câu hỏi ngoài luồng. Nhưng chính sự linh hoạt đó cũng tạo ra một rủi ro vận hành: AI không phải lúc nào cũng chắc. Nếu hệ thống vẫn cố trả lời trong những tình huống thiếu dữ liệu, câu trả lời có thể mơ hồ, sai ngữ cảnh, hoặc làm khách mất niềm tin.

Với doanh nghiệp bán hàng, đào tạo, spa, B2B service hoặc ecommerce, mục tiêu không phải là để AI trả lời mọi thứ bằng mọi giá. Mục tiêu đúng hơn là xây một quy trình GenAI fallback: khi AI đủ chắc thì trả lời nhanh; khi thiếu thông tin thì hỏi lại; khi câu hỏi liên quan báo giá, khiếu nại, thanh toán, dữ liệu nhạy cảm hoặc cơ hội bán hàng nóng thì chuyển sales/CSKH đúng lúc.

Bài viết này hướng dẫn cách thiết kế fallback thực chiến trong Smax.AI và hệ sinh thái automation: từ phân loại intent, kiểm soát knowledge base, dùng User Input để xin thêm dữ liệu, đến tạo luồng handoff cho người thật và đo chất lượng sau mỗi lần chuyển.

1. Fallback không phải thất bại, fallback là hàng rào an toàn

Nhiều team triển khai AI chatbot có tâm lý muốn AI xử lý càng nhiều càng tốt. Điều này đúng ở giai đoạn tự động trả lời câu hỏi phổ biến, nhưng không nên biến thành nguyên tắc tuyệt đối. Một chatbot tốt cần biết lúc nào nên dừng lại, hỏi thêm hoặc chuyển người thật.

Fallback là cơ chế dự phòng khi hệ thống không đủ điều kiện để trả lời an toàn. Nó có thể xảy ra vì câu hỏi không rõ, knowledge base chưa có thông tin, khách đang phàn nàn, khách hỏi chính sách đặc biệt, hoặc khách đã có tín hiệu mua hàng cần sales tư vấn nhanh. Nếu thiết kế tốt, fallback giúp:

• Giảm nguy cơ AI trả lời sai thông tin sản phẩm, giá, cam kết hoặc chính sách.
• Tăng trải nghiệm khách hàng vì khách được chuyển đúng người thay vì bị chatbot vòng vo.
• Giúp team biết chủ đề nào AI chưa xử lý tốt để cập nhật knowledge base.
• Tạo cơ hội sales can thiệp khi lead đủ nóng.
• Giữ quy trình CSKH minh bạch hơn, có log và trạng thái xử lý.

Vì vậy, đừng xem fallback là điểm yếu. Trong vận hành chuyên nghiệp, fallback chính là lớp kiểm soát chất lượng của AI Sales/AI CSKH.

2. Xác định các nhóm câu hỏi AI được phép trả lời

Trước khi thiết kế fallback, hãy xác định phạm vi AI được phép trả lời. Không nên đưa GenAI vào mọi ngóc ngách nếu doanh nghiệp chưa có dữ liệu chuẩn. Một mô hình an toàn thường chia câu hỏi thành bốn nhóm.

Nhóm 1: Câu hỏi phổ biến, rủi ro thấp

Ví dụ: giới thiệu dịch vụ, quy trình tư vấn, thời gian làm việc, cách đăng ký, các bước nhận báo giá, thông tin tổng quan về sản phẩm. Nhóm này AI có thể trả lời trực tiếp từ knowledge base đã duyệt.

Nhóm 2: Câu hỏi cần hỏi thêm

Ví dụ: “bên em phù hợp với gói nào?”, “shop nhỏ có làm được không?”, “chi phí khoảng bao nhiêu?”. AI chưa nên trả lời ngay nếu thiếu ngành nghề, quy mô, kênh đang dùng hoặc mục tiêu triển khai. Lúc này chatbot nên dùng User Input để xin thêm thông tin.

Nhóm 3: Câu hỏi cần người thật

Ví dụ: báo giá chi tiết, điều khoản hợp đồng, xử lý khiếu nại, yêu cầu tùy chỉnh sâu, tích hợp hệ thống nội bộ, hoặc khách đã để lại số điện thoại và muốn được gọi. Đây là nhóm nên chuyển sales/CSKH.

Nhóm 4: Câu hỏi ngoài phạm vi hoặc nhạy cảm

AI nên từ chối nhẹ nhàng hoặc chuyển người phụ trách nếu câu hỏi nằm ngoài phạm vi doanh nghiệp, yêu cầu thông tin không được phép cung cấp, hoặc có khả năng gây hiểu nhầm. Câu trả lời nên ngắn, lịch sự và không bịa thêm.

3. Thiết kế tín hiệu “AI không chắc” bằng dữ liệu vận hành

Trong thực tế, “AI không chắc” không chỉ là một điểm số kỹ thuật. Bạn có thể nhận diện bằng nhiều tín hiệu vận hành:

• Khách hỏi một chủ đề không có trong knowledge base đã duyệt.
• Câu hỏi chứa nhiều ý cùng lúc: giá, tích hợp, thời gian, điều kiện triển khai.
• Khách lặp lại cùng một câu hỏi sau khi AI đã trả lời.
• Khách dùng từ khóa thể hiện bức xúc: “không được”, “lỗi”, “khiếu nại”, “hoàn tiền”, “gấp”.
• Khách có tín hiệu mua cao: hỏi báo giá, xin demo, muốn gặp tư vấn, để lại số điện thoại.
• AI phải suy đoán quá nhiều vì thiếu ngành nghề, quy mô, ngân sách hoặc mục tiêu.

Khi gặp các tín hiệu này, luồng chatbot nên chuyển sang một trong ba nhánh: hỏi làm rõ, trả lời giới hạn kèm khuyến nghị, hoặc chuyển người thật. Điều quan trọng là không để AI tiếp tục nói dài mà không tiến gần hơn đến giải pháp.

Một câu fallback tốt có thể là: “Mình cần thêm một chút thông tin để tư vấn chính xác hơn. Anh/chị đang muốn triển khai cho kênh Messenger, Zalo, website hay nhiều kênh cùng lúc?” Câu này không né tránh, mà kéo khách về dữ liệu cần thiết để xử lý.

4. Dùng User Input để hỏi làm rõ thay vì đoán

User Input là mảnh ghép rất hữu ích trong fallback. Khi AI thiếu dữ liệu, chatbot có thể hỏi một câu ngắn, lưu câu trả lời vào Attribute, sau đó quyết định bước tiếp theo. Với tư vấn automation, các thông tin nên hỏi gồm:

• Doanh nghiệp đang bán sản phẩm/dịch vụ gì?
• Kênh chính hiện tại: Messenger, Zalo, website, WooCommerce, POS Cake hay landing page?
• Mục tiêu ưu tiên: thu lead, chăm sóc khách, chốt đơn, thanh toán hay CSKH sau mua?
• Quy mô team sales/CSKH và lượng hội thoại mỗi ngày.
• Khách muốn được tư vấn ngay hay chỉ đang tham khảo?

Không nên hỏi tất cả cùng lúc. Hãy chọn câu hỏi tối thiểu để phân luồng. Ví dụ, nếu khách hỏi “bên em có làm chatbot cho spa không?”, AI có thể trả lời tổng quan và hỏi thêm: “Spa của anh/chị muốn tập trung vào đặt lịch, nhắc lịch hay chăm sóc lại khách cũ?” Câu trả lời này vừa giúp tư vấn đúng hơn, vừa tạo dữ liệu để gắn tag.

Sau khi khách trả lời, Smax.AI có thể cập nhật Attribute như industry = spa, goal = dat_lich, gắn tag lead_spa_booking, rồi kích hoạt Follow Up hoặc thông báo sales nếu khách đủ điều kiện.

5. Khi nào cần chuyển sales/CSKH thay vì để AI tiếp tục?

Không phải tình huống nào cũng cần người thật, nhưng có một số mốc nên handoff rõ ràng:

1. Khách hỏi giá cụ thể hoặc báo giá theo mô hình riêng. AI có thể giải thích nguyên tắc, nhưng sales nên tư vấn chi tiết.
2. Khách cung cấp số điện thoại và muốn được gọi. Đây là tín hiệu nóng, cần tạo nhắc việc hoặc gửi cảnh báo ngay.
3. Khách phản ánh lỗi, khiếu nại hoặc trải nghiệm không tốt. CSKH nên tiếp quản để xử lý có trách nhiệm.
4. Khách hỏi tích hợp kỹ thuật phức tạp. Ví dụ nối n8n, Trigger Bot API, POS Cake, WooCommerce, CRM nội bộ, Bank Hub hoặc Meta Dataset/CAPI.
5. Khách lặp lại câu hỏi nhiều lần. Điều này thường cho thấy AI chưa giải quyết đúng ý.

Khi chuyển người thật, thông báo cho khách cần rõ ràng: “Mình sẽ chuyển thông tin này cho tư vấn viên để kiểm tra đúng nhu cầu của anh/chị. Anh/chị cho mình xin số điện thoại hoặc khung giờ tiện trao đổi nhé.” Tránh câu chung chung như “đợi chút” mà không nói bước tiếp theo.

Ở phía nội bộ, handoff nên có dữ liệu đi kèm: tóm tắt nhu cầu, câu hỏi gần nhất, tag, số điện thoại, nguồn lead, mức độ ưu tiên và link hội thoại. Nếu chỉ gửi “có khách cần tư vấn” mà không có ngữ cảnh, sales vẫn phải đọc lại từ đầu và phản hồi chậm.

6. Kết hợp Follow Up, n8n và Data Table để không bỏ sót fallback

Một fallback tốt không dừng ở tin nhắn chuyển người thật. Bạn cần đảm bảo lead sau khi chuyển được xử lý thật. Có thể thiết kế luồng như sau:

• AI xác định cần handoff và gắn tag need_human_support hoặc lead_needs_sales.
• Thông tin khách được lưu vào Data Table với trạng thái “cần xử lý”.
• n8n gửi thông báo đến Telegram, email hoặc CRM cho người phụ trách.
• Nếu sau một khoảng thời gian chưa có cập nhật, Follow Up nhắc sales hoặc gửi tin nhắn giữ ấm cho khách.
• Khi sales xử lý xong, trạng thái được cập nhật để đo hiệu quả fallback.

Cách làm này giúp chủ doanh nghiệp nhìn được số lần AI phải chuyển người thật, chủ đề nào chuyển nhiều nhất, sales phản hồi có đúng hạn không và tỷ lệ fallback chuyển thành lịch tư vấn hoặc đơn hàng ra sao.

Nếu doanh nghiệp dùng Google Sheets hoặc CRM ngoài, n8n có thể đóng vai trò đồng bộ. Tuy nhiên, hãy xác định nguồn dữ liệu chính. Nếu Data Table là nơi ghi trạng thái đầu tiên, các hệ thống khác nên nhận dữ liệu từ đó hoặc cập nhật lại theo quy tắc rõ ràng.

7. Checklist triển khai GenAI fallback

• Liệt kê 20-50 câu hỏi phổ biến của khách hàng và phân nhóm theo rủi ro.
• Xác định câu nào AI được trả lời, câu nào cần hỏi thêm, câu nào bắt buộc chuyển người thật.
• Chuẩn hóa knowledge base: thông tin dịch vụ, chính sách, quy trình, ví dụ tư vấn được duyệt.
• Thiết kế 3-5 câu hỏi User Input để lấy dữ liệu tối thiểu khi AI thiếu ngữ cảnh.
• Quy định tag/attribute cho các trạng thái: hỏi thêm, qualified, cần sales, khiếu nại, ngoài phạm vi.
• Tạo mẫu tin nhắn fallback ngắn, lịch sự, không đổ lỗi cho AI.
• Thiết lập thông báo nội bộ qua n8n, Telegram, email hoặc CRM khi cần handoff.
• Đặt SLA phản hồi cho sales/CSKH, ví dụ lead nóng cần xử lý trong khung thời gian đã thống nhất.
• Ghi log kết quả fallback để cập nhật knowledge base hằng tuần.
• Kiểm thử bằng hội thoại giả lập trước khi mở rộng cho toàn bộ traffic quảng cáo.

8. Sai lầm thường gặp khi dùng GenAI cho CSKH và sales

Sai lầm 1: để AI trả lời mọi câu hỏi. Điều này dễ tạo câu trả lời quá tự tin khi dữ liệu chưa đủ. Hãy đặt ranh giới rõ.

Sai lầm 2: knowledge base rời rạc. Nếu tài liệu nguồn mâu thuẫn hoặc lỗi thời, AI cũng khó trả lời tốt. Nên có người chịu trách nhiệm cập nhật nội dung.

Sai lầm 3: fallback quá chung chung. Câu “mình chưa hiểu” không giúp khách tiến lên. Hãy hỏi một câu cụ thể hoặc chuyển đúng người.

Sai lầm 4: chuyển sales nhưng không có SLA. Nếu khách đã được hứa có người liên hệ mà team không xử lý, trải nghiệm còn tệ hơn.

Sai lầm 5: không học từ fallback. Mỗi lần AI không trả lời được là một tín hiệu để cải thiện knowledge base, intent hoặc quy trình tư vấn.

9. Ví dụ ứng dụng: tư vấn giải pháp automation đa kênh

Một doanh nghiệp hỏi: “Bên mình đang chạy Messenger, có Zalo cá nhân, website WordPress và muốn tự động nhắc sales khi khách chuyển khoản, làm được không?” Đây là câu hỏi có nhiều lớp: kênh hội thoại, website, thanh toán, sales handoff và có thể liên quan Bank Hub hoặc n8n. AI không nên trả lời bằng một cam kết quá cụ thể ngay lập tức.

Luồng tốt hơn là AI xác nhận nhu cầu, hỏi thêm thông tin tối thiểu: “Anh/chị đang dùng WooCommerce, POS Cake hay chỉ ghi đơn thủ công? Và team muốn nhận nhắc qua Telegram, Zalo hay email?” Khi khách trả lời, chatbot lưu dữ liệu vào Attribute, gắn tag integration_lead và chuyển tư vấn viên. Sales nhận được tóm tắt: khách có Messenger, Zalo cá nhân, WordPress, muốn nhắc thanh toán và handoff sales. Nhờ vậy cuộc tư vấn bắt đầu ở đúng điểm, không phải hỏi lại từ đầu.

Đây là giá trị thật của GenAI fallback: AI vẫn hỗ trợ khách nhanh, nhưng biết thu thập dữ liệu, giảm ma sát và chuyển người thật khi cơ hội đủ quan trọng.

FAQ: GenAI fallback trong Smax.AI

1. Có nên cho AI nói “tôi không biết” không?

Có, nhưng nên nói theo cách hữu ích. Thay vì dừng lại, AI nên hỏi thêm thông tin, đề xuất chuyển tư vấn viên hoặc nói rõ phạm vi thông tin có thể hỗ trợ.

2. Fallback có làm giảm tỷ lệ tự động hóa không?

Có thể giảm số hội thoại AI tự xử lý hoàn toàn, nhưng lại tăng chất lượng trải nghiệm và giảm rủi ro trả lời sai. Với lead nóng, chuyển người thật đúng lúc thường có giá trị hơn cố tự động hóa.

3. Làm sao biết knowledge base đang thiếu nội dung?

Hãy xem log các câu hỏi bị fallback nhiều lần. Nếu nhiều khách hỏi cùng một chủ đề, đó là nội dung nên bổ sung hoặc chuẩn hóa lại.

4. Có thể dùng n8n trong fallback không?

Có. n8n phù hợp để gửi thông báo nội bộ, ghi log vào Google Sheets/CRM, tạo task cho sales hoặc đồng bộ trạng thái giữa nhiều hệ thống.

5. Fallback có liên quan đến Follow Up không?

Rất liên quan. Khi khách cần người thật nhưng chưa được xử lý, Follow Up có thể nhắc sales hoặc giữ liên lạc với khách để không mất cơ hội.

Kết luận

GenAI trong chatbot không nên được thiết kế như một “máy trả lời tất cả”, mà nên là một trợ lý biết giới hạn, biết hỏi thêm và biết chuyển người thật. Khi doanh nghiệp có fallback rõ ràng, AI sẽ an toàn hơn, sales nhận lead có ngữ cảnh hơn, còn khách hàng cảm thấy được hỗ trợ chuyên nghiệp hơn.

Hãy bắt đầu bằng việc phân nhóm câu hỏi, chuẩn hóa knowledge base, thiết kế User Input để làm rõ nhu cầu, rồi kết nối Follow Up/n8n/Data Table để đảm bảo mọi tình huống handoff đều được xử lý đến nơi đến chốn.

Nếu bạn muốn triển khai hệ thống automation tương tự cho doanh nghiệp, hãy liên hệ Quân Chatbot để được tư vấn giải pháp phù hợp.