Một team chăm sóc khách hàng 5 người tại một startup công nghệ đang gặp khó khăn trong việc duy trì tốc độ phản hồi và độ cá nhân hóa khi lượng ticket tăng gấp đôi sau chiến dịch quảng cáo mới. Để giải quyết bài toán này, team đã triển khai một quy trình tự động hóa dựa trên mô hình ngôn ngữ lớn (LLM) kết hợp với hệ thống CRM hiện có. **1. Xác định điểm nghẽn** - Phân loại ticket thủ công tốn 15‑20 phút/ngày. - Nội dung trả lời thường dùng mẫu chung, thiếu ngữ cảnh khách hàng. - Khó khăn trong việc theo dõi lịch sử tương tác để đề xuất giải pháp phù hợp. **2. Thiết kế luồng làm việc với AI** - **Bước 1 – Tiền xử lý**: Sử dụng webhook từ CRM để đẩy ticket mới vào pipeline. Một script Python gọi API của LLM để trích xuất ý định (intent), mức độ ưu tiên và từ khóa chính. - **Bước 2 – Tạo gợi ý trả lời**: LLM nhận ngữ cảnh (lịch sử chat, thông tin hồ sơ khách hàng, chính sách hoàn trả) và sinh 3 phiên bản phản hồi: chuẩn, thân thiện, và kỹ thuật. Mỗi phiên bản kèm điểm tin cậy (confidence score). - **Bước 3 – Phê duyệt nhanh**: Agent xem gợi ý, chọn hoặc chỉnh sửa nhẹ, sau đó bấm "Gửi". Hệ thống tự động cập nhật lại CRM và ghi log để huấn luyện tiếp. - **Bước 4 – Học liên tục**: Mỗi tuần, team xuất dữ liệu đã duyệt để fine‑tune mô hình nhẹ (few‑shot) nhằm cải thiện độ chính xác cho domain riêng. **3. Kết quả sau 8 tuần** - Thời gian xử lý trung bình giảm từ 12 phút xuống 4 phút/ticket. - Tỷ lệ giải quyết ở lần liên hệ đầu (FCR) tăng từ 68% lên 84%. - Điểm hài lòng khách hàng (CSAT) cải thiện 12 điểm. - Chi phí vận hành giảm khoảng 30% nhờ giảm giờ làm thêm. **4. Lời khuyên áp dụng ngay** - Bắt đầu với một tập dữ liệu nhỏ (200‑300 ticket đã giải quyết) để few‑shot prompting trước khi fine‑tune. - Luôn giữ người kiểm duyệt (human‑in‑the‑loop) để tránh hallucination quan trọng. - Tích hợp chặt chẽ với CRM qua webhook/API để tránh nhập liệu thủ công. - Thiết lập bảng điều khiển (dashboard) theo dõi confidence score, tỷ lệ chấp nhận gợi ý và thời gian phản hồi để điều chỉnh prompt định kỳ. - Đào tạo ngắn gọn cho agent về cách đánh giá và chỉnh sửa gợi ý của AI, biến họ thành "co‑pilot" thay vì bị thay thế. Với quy trình này, team nhỏ không chỉ giữ vững chất lượng dịch vụ khi quy mô tăng mà còn giải phóng thời gian để tập trung vào các vấn đề phức tạp, xây dựng mối quan hệ lâu dài với khách hàng.