Trương Mạnh Tùng
· 7 phút đọc7 min read AIAI

Voicebot và chatbot: nên bắt đầu từ bài toán nào?

This article is currently available in Vietnamese only.

64% khách hàng muốn doanh nghiệp không dùng AI trong chăm sóc khách hàng, theo khảo sát của Gartner trên 5.728 người, công bố năm 2024. Lo ngại lớn nhất của họ là khó gặp được người thật.

Con số này không có nghĩa là không nên làm voicebot và chatbot. Nó cho thấy người dùng phản ứng với trải nghiệm tồi, không phải với công nghệ. Với ngân hàng, công ty tài chính hay bảo hiểm, câu hỏi đáng đặt ra trước không phải "chọn voicebot hay chatbot" mà là "tự động hóa việc gì trước". Bài này đi qua năm bước để chọn bài toán đầu tiên, có ví dụ từ các tổ chức tài chính trong và ngoài nước.

1. Phân biệt voicebot và chatbot theo kênh và loại việc

Voicebot làm việc trên kênh thoại: nhận cuộc gọi vào hoặc gọi ra, nghe, hiểu ý định và trả lời bằng giọng nói. Chatbot làm việc trên kênh văn bản: website, ứng dụng ngân hàng, mạng xã hội, tin nhắn.

Khác biệt quan trọng nằm ở loại việc mỗi kênh phù hợp. Call Centre Helper (2026) tóm tắt khá rõ:

Tiêu chí Voicebot Chatbot
Kênh Tổng đài, cuộc gọi ra Web, app, mạng xã hội, SMS
Loại việc hợp Việc gấp, cần hội thoại tức thời, có xác thực Câu hỏi thường gặp, tự phục vụ từng bước
Nhịp tương tác Đồng bộ, khách đang chờ trên máy Không đồng bộ, khách có thể quay lại sau

Kênh thoại vẫn là nơi khách tìm đến khi có việc gấp. Theo báo cáo CCMA năm 2022, 48% người tiêu dùng chọn điện thoại để báo nghi ngờ gian lận. Vì vậy, voicebot thường gặp các tình huống nhạy cảm hơn chatbot ngay từ ngày đầu.

2. Bắt đầu từ dữ liệu lý do liên hệ, không phải từ công nghệ

Trước khi chọn công cụ, cần biết khách đang liên hệ vì việc gì. Call Centre Helper (2025) khuyên phân loại lý do liên hệ, đo số lượng từng loại, xem tính mùa vụ và tìm nguyên nhân gốc. Nếu khách gọi nhiều để đặt lại mật khẩu vì ứng dụng khó dùng, tự động hóa cuộc gọi đó chỉ xử lý triệu chứng.

Mã kết thúc cuộc gọi do điện thoại viên chọn thường thiếu chi tiết. CX Today (2022) mô tả cách cho một phần khách gọi vào nói lý do bằng lời của họ, rồi phân tích theo chu kỳ tám tuần.

Cách chấm điểm nhanh

Lấy dữ liệu 3 tháng gần nhất, liệt kê 10 lý do liên hệ lớn nhất, rồi chấm mỗi lý do theo bốn tiêu chí:

Bài toán đầu tiên nên có khối lượng cao, lặp lại nhiều, rủi ro thấp và tích hợp ít.

3. Những bài toán khởi đầu phù hợp cho voicebot và chatbot trong BFSI

Với chatbot, điểm khởi đầu phổ biến là câu hỏi thường gặp về sản phẩm. Vietcombank là ví dụ rõ: theo Znews (2023), trợ lý ảo VCB Digibot trả lời về thẻ, khoản vay, lãi suất, tỷ giá, khuyến mãi và mạng lưới chi nhánh, ATM. Sau 6 tháng, Digibot xử lý 88,5% yêu cầu, 11,5% còn lại cần tư vấn viên, tổng cộng gần 2 triệu yêu cầu. Ở châu Á, chatbot KAI của DBS digibank trả lời 82% câu hỏi mà không cần người, theo Best Practice AI (số liệu giai đoạn đầu triển khai).

Với voicebot gọi vào, VietinBank chọn cách tương tự. Theo Hiệp hội Ngân hàng Việt Nam (2026), từ ngày 05/02/2026, AI VoiceBot của ngân hàng hỗ trợ tra cứu sản phẩm, dịch vụ 24/7 bằng tiếng Việt, tiếng Anh và tiếng Nhật, nhằm giảm tải tổng đài giờ cao điểm. Bài công bố chưa nêu số liệu đo lường.

Với voicebot gọi ra, nhắc lịch thanh toán là bài toán có khuôn rõ. Theo case study của Stringee, nền tảng cho vay ngang hàng Vaymuon dùng cuộc gọi tự động đọc số tiền gốc, lãi và tổng phải trả trước hạn 1–3 ngày. Đơn vị cung cấp cho biết nhân sự nhắc nợ giảm tới 70%.

Bài toán Kênh hợp Rủi ro Tích hợp
Hỏi đáp sản phẩm, lãi suất, mạng lưới ATM Chatbot, voicebot gọi vào Thấp Cơ sở tri thức
Nhắc lịch thanh toán Voicebot gọi ra Trung bình Hệ thống khoản vay
Tra cứu số dư, trạng thái hồ sơ Cả hai Trung bình Core, CRM, cần xác thực
Khóa thẻ, tranh chấp giao dịch Voicebot, có người hỗ trợ Cao Hệ thống thẻ, xác thực tăng cường

Hai dòng đầu phù hợp cho giai đoạn đầu. Hai dòng sau nên để khi đã có nền tảng xác thực và tích hợp.

4. Chuẩn bị xác thực, dữ liệu và tích hợp

Khi bot bắt đầu đọc dữ liệu tài khoản, xác thực trở thành yêu cầu đầu tiên. Parloa (2026) mô tả cách nhiều ngân hàng xếp lớp: đối chiếu thông tin với core, sinh trắc giọng nói chỉ là một yếu tố, xác thực tăng cường cho giao dịch nhạy cảm và chuyển người khi có dấu hiệu gian lận. VietinBank đã đưa AI xác thực giọng nói vào tổng đài, với dữ liệu xử lý theo Nghị định 356/2025/NĐ-CP.

Về ngôn ngữ, Tạp chí Ngân hàng (2024) ghi nhận chatbot của nhiều ngân hàng Việt Nam trả lời tốt câu hỏi cơ bản nhưng yếu với câu không dấu, viết tắt hoặc câu nhiều ý. Đây là điểm cần kiểm thử bằng câu hỏi thật của khách.

Danh sách cần làm rõ trước khi thí điểm:

5. Thí điểm hẹp, đo đúng chỉ số và luôn có đường sang nhân viên

Lorikeet (2026) đề xuất bắt đầu với một ý định, chạy trên một phần lưu lượng, đo tỷ lệ giải quyết rồi mới mở rộng. Họ cũng lưu ý tỷ lệ "giữ chân trong bot" (containment) có thể đẹp giả, vì khách bỏ máy giữa chừng vẫn được tính là đã xử lý.

Nên theo dõi ít nhất bốn chỉ số:

Đường sang nhân viên là điều kiện bắt buộc. CFPB (2023) cảnh báo chatbot thiết kế kém có thể chặn khách tiếp cận người thật. Gartner cũng khuyên nói rõ với khách rằng bot sẽ chuyển họ sang nhân viên khi không giải quyết được, và việc chuyển phải liền mạch.

Kết quả cũng khác nhau nhiều giữa các bài toán. Một ngân hàng toàn cầu trong case study của USAN (2025) có hơn 40 ứng dụng tự phục vụ, tỷ lệ xử lý trong kênh dao động từ 45% đến 89%. Gartner (2025) dự báo đến năm 2029 AI sẽ tự giải quyết 80% vấn đề phổ biến, nhưng đó là đích đến, không phải điểm xuất phát. Theo Parloa, Bausparkasse Schwäbisch Hall của Đức xử lý 500.000 cuộc gọi trong sáu tháng với 16 tình huống sử dụng.

Kết luận

Chọn đúng bài toán đầu tiên quan trọng hơn chọn giữa voicebot và chatbot: việc khối lượng lớn, lặp lại, rủi ro thấp, đo được và luôn có đường sang người thật.

Việc có thể làm ngay trong tuần này: lấy báo cáo lý do liên hệ 3 tháng gần nhất, chọn 10 lý do lớn nhất và chấm theo bốn tiêu chí ở phần 2. Lý do đứng đầu danh sách là ứng viên cho đợt thí điểm voicebot và chatbot đầu tiên.

Nguồn tham khảoSources

Nguồn được tác giả mở đọc khi viết bài (10/2026).

  1. Gartner – Survey Finds 64% of Customers Would Prefer That Companies Didn't Use AI for Customer Service (2024)
  2. Call Centre Helper – How to Choose the Right Automation
  3. CX Today – Revealed: How Do Consumers Most Like to Contact Brands?
  4. Call Centre Helper – When Is the Right Time to Deploy AI Agents?
  5. CX Today – How to Capture and Analyse Customer Intent
  6. Znews – VCB Digibot: trợ lý ảo thông minh của Vietcombank
  7. Best Practice AI – DBS automates responses to 82% of digibank customer questions using the KAI chatbot
  8. Hiệp hội Ngân hàng Việt Nam – VietinBank nâng cao trải nghiệm khách hàng với AI VoiceBot
  9. Stringee – Case study Vaymuon: Auto Call
  10. Parloa – How Does Voice Banking Work?
  11. Hiệp hội Ngân hàng Việt Nam – VietinBank ứng dụng AI xác thực khách hàng qua giọng nói
  12. Tạp chí Ngân hàng – Nâng cao chất lượng chatbot chăm sóc khách hàng tại các ngân hàng thương mại Việt Nam
  13. Lorikeet – Voice AI replacing IVR in financial services (2026)
  14. CFPB – Chatbots in Consumer Finance (2023)
  15. USAN – Case study: containment rates of 45–89% with a global banking leader
  16. Gartner – Agentic AI will autonomously resolve 80% of common customer service issues by 2029 (2025)

Bài viết liên quanRelated

Bài viết thể hiện góc nhìn cá nhân của tác giả, không phải quan điểm chính thức của BaseBS hay khách hàng được nhắc tới.Views are the author's own and do not represent BaseBS or any client mentioned.