Voice Agent CSKH tiếng Việt — nghe gọi, hiểu giọng nói, xử yêu cầu, chuyển người khi cần

Bài viết phân tích vì sao tổng đài người dễ quá tải khi lượng cuộc gọi tăng, ca hỏi lặp lại nhiều, nhân sự trực lệch ca và chất lượng phản hồi khó đồng đều. Nội dung đi vào Voice Agent làm được gì, không nên giao gì, kiến trúc vận hành gồm nhận diện giọng nói, hiểu ý định, truy xuất dữ liệu, hội thoại và chuyển tiếp. Bài cũng có ví dụ tình huống, bảng so sánh với tổng đài truyền thống, cách nhìn ROI và lộ trình triển khai an toàn.

Phù hợp với doanh nghiệp có tổng đài, nhiều cuộc gọi lặp lại, cần trực ngoài giờ, cần giảm tải chăm sóc khách hàng nhưng vẫn giữ kiểm soát chất lượng và rủi ro vận hành.

• Khách chờ máy lâu. Giờ cao điểm dồn cuộc gọi trong cùng một khung thời gian. Nhân sự nghe máy không kịp. Khách phải chờ, nghe nhạc chờ, gọi lại nhiều lần hoặc bỏ máy. Mỗi cuộc gọi rơi là một điểm chạm bị mất.
• Ngoài giờ và cuối tuần không ai nghe. Nhu cầu của khách không dừng theo ca trực. Khách cần xác nhận đơn, đổi lịch, hỏi thông tin gấp. Tổng đài tắt hoặc thiếu người trực khiến cuộc gọi rơi vào khoảng trống vận hành.
• Phần lớn câu hỏi bị lặp lại. Tra đơn, hỏi giờ mở cửa, kiểm tra lịch hẹn, đổi lịch, hỏi chính sách cơ bản. Những việc này không khó, nhưng ngốn thời gian của đội ngũ. Người giỏi bị kéo vào các cuộc gọi đơn giản.
• Chi phí nhân sự tổng đài cao và biến động. Tuyển người mất thời gian. Đào tạo cần quy trình. Nhân sự nghỉ việc làm đứt mạch vận hành. Mỗi lần thay người là một lần chất lượng phải xây lại.
• Chất lượng trả lời không đều. Mỗi người có cách nói khác nhau. Lúc đông cuộc gọi, lúc mệt, lúc thiếu thông tin, trải nghiệm khách bị lệch. Quy trình có sẵn nhưng không phải lúc nào cũng được làm đúng.

Đây là phần việc Voice Agent làm được: nghe, hiểu và xử lý các cuộc gọi lặp lại, để con người tập trung vào những ca khó.

Voice Agent là phần mềm AI nói chuyện điện thoại với khách bằng giọng nói tự nhiên. Hệ thống nghe lời khách, nhận diện ý định, tra dữ liệu liên quan, trả lời theo ngữ cảnh và xử lý yêu cầu theo quy trình đã thiết kế. Khác với tổng đài tự động bấm phím truyền thống, Voice Agent không ép khách đi theo menu cứng. Khách nói nhu cầu bằng ngôn ngữ đời thường, hệ thống hiểu và phản hồi như một nhân sự tổng đài được huấn luyện theo dữ liệu doanh nghiệp.

• IVR bấm phím: khách chọn theo menu cố định. Sai nhánh, thiếu lựa chọn hoặc nói ngoài kịch bản thì dễ tắc.
• Chatbot chữ: khách phải gõ tin nhắn. Phù hợp kênh web, Zalo, app, nhưng không xử lý trực tiếp cuộc gọi thoại.
• Voice Agent: khách nói chuyện tự nhiên qua điện thoại. AI nghe, hiểu, hỏi lại khi thiếu dữ liệu và cập nhật kết quả vào hệ thống.

Voice Agent phù hợp để tự xử các cuộc gọi quen thuộc như xác nhận lịch, tra cứu trạng thái, nhắc hẹn, thu thập thông tin ban đầu. Với ca phức tạp, nhạy cảm hoặc khách đang bức xúc, hệ thống cần chuyển sang người thật. Mục tiêu là giảm tải vận hành, không thay hết con người.

• Nghe và hiểu tiếng Việt. AI nhận diện tiếng Việt tự nhiên, kể cả nói nhanh, ngắt câu không rõ, giọng vùng, xen từ chuyên ngành. Hệ thống bám theo ý định, không chỉ bắt chữ.
• Trả lời câu hỏi thường gặp. AI xử lý các câu hỏi lặp lại như giờ mở cửa, chính sách đổi trả, phí dịch vụ, trạng thái xử lý. Nội dung trả theo dữ liệu đã duyệt.
• Tra cứu và xử yêu cầu. AI kết nối hệ thống để tra đơn, đặt lịch, đổi lịch, cập nhật thông tin. Mỗi thao tác có kiểm tra điều kiện trước khi thực hiện.
• Gọi ra chủ động. AI thực hiện nhắc hẹn, xác nhận đơn, thông báo lịch, khảo sát sau dịch vụ. Kịch bản linh hoạt theo phản hồi thực tế của khách.
• Chuyển người mượt. Ca phức tạp, nhạy cảm hoặc khách bức xúc được chuyển đúng bộ phận, kèm lịch sử trao đổi, ý định và dữ liệu liên quan.
• Trực 24/7 chất lượng đều. AI không mệt, không quên kịch bản, không lệch giọng tư vấn. Doanh nghiệp giữ chất lượng phản hồi ổn định ngoài giờ cao điểm.

Voice Agent vận hành theo vòng nghe - hiểu - xử - nói. Lớp AI đứng giữa cuộc gọi và hệ thống nghiệp vụ của doanh nghiệp như đơn hàng, lịch hẹn, hồ sơ khách, trạng thái xử lý. Bên dưới là dữ liệu thật. Bên trên là kịch bản hội thoại, quy tắc phản hồi, điều kiện chuyển người và giới hạn quyền thao tác. Kiến trúc này giúp AI không chỉ trả lời theo mẫu, mà còn bám vào ngữ cảnh nghiệp vụ đang diễn ra.

• Nghe và chuyển giọng thành chữ. Voice Agent nhận lời khách qua điện thoại, tách tiếng nói khỏi nhiễu nền, chuyển nội dung thành văn bản để hệ thống xử lý tiếp.
• Hiểu ý. AI xác định khách đang muốn hỏi thông tin, đặt lịch, kiểm tra đơn, đổi yêu cầu, khiếu nại hoặc cần gặp nhân sự phụ trách.
• Xử và tra dữ liệu. Hệ thống truy xuất dữ liệu liên quan hoặc thực hiện thao tác được phép, như kiểm tra trạng thái đơn, xác nhận lịch trống, tạo yêu cầu hỗ trợ.
• Nói lại bằng giọng tự nhiên. AI phản hồi bằng giọng rõ ràng, giữ đúng kịch bản và chuyển người khi yêu cầu vượt phạm vi xử lý.

Toàn bộ cuộc gọi được ghi âm, ghi vết theo từng lượt nghe, hiểu, xử và nói. Dữ liệu này phục vụ kiểm soát chất lượng, rà soát lỗi, tinh chỉnh kịch bản và cải thiện năng lực phản hồi theo thời gian.

• Bước 1 — Nhận cuộc gọi. AI chào khách, nhận diện số gọi đến, xác định nhu cầu ban đầu. Câu chào ngắn. Luồng hội thoại mở đủ rộng để khách nói tự nhiên.
• Bước 2 — Nghe và chuyển giọng thành chữ. Giọng nói được ghi nhận theo thời gian thực. Hệ thống chuyển thành văn bản liên tục để không làm đứt mạch trao đổi.
• Bước 3 — Hiểu ý. AI phân loại yêu cầu, nhận diện chủ đề, mức độ khẩn và sắc thái cảm xúc. Ví dụ: hỏi giá, báo lỗi, phàn nàn, cần gặp nhân sự.
• Bước 4 — Xử lý. Hệ thống tra dữ liệu nội bộ hoặc thực hiện thao tác được cấp quyền. Có thể kiểm tra đơn hàng, tạo ticket, cập nhật lịch hẹn, ghi nhận thông tin.
• Bước 5 — Trả lời bằng giọng nói. AI phản hồi tự nhiên, ngắn, đúng trọng tâm. Nội dung ưu tiên rõ ràng hơn dài dòng.
• Bước 6 — Quyết chuyển người. Ca khó, thiếu dữ liệu, vượt quyền hoặc khách bức xúc được chuyển nhân sự. Ngữ cảnh đi kèm để không hỏi lại từ đầu.
• Bước 7 — Kết thúc và ghi vết. Cuộc gọi được tóm tắt, lưu nội dung, trạng thái xử lý và bước tiếp theo. Doanh nghiệp có dữ liệu để kiểm soát chất lượng.

• Nhận dạng giọng nói tiếng Việt. ASR chuyển lời nói thành văn bản để AI xử lý tiếp. Hệ thống cần chịu được giọng Bắc, Trung, Nam, cách phát âm địa phương, tốc độ nói nhanh, tiếng nền văn phòng, kho vận hoặc điểm bán. Khi âm thanh kém, AI đánh dấu độ tin cậy thấp để kích hoạt bước xác nhận.
• Hiểu ngôn ngữ tự nhiên. NLU phân tích câu nói không theo mẫu cứng. AI xác định ý định, thực thể và ràng buộc nghiệp vụ như mã đơn, thời gian, địa chỉ, trạng thái, lý do khiếu nại. Cùng một nhu cầu có thể được nói bằng nhiều cách khác nhau.
• Quản hội thoại. Bộ điều phối giữ mạch trao đổi qua nhiều lượt. Khi thiếu dữ liệu, AI hỏi lại đúng phần còn thiếu. Khi khách ngắt lời, đổi ý hoặc nói chen, hệ thống cập nhật trạng thái thay vì chạy theo kịch bản tuyến tính.
• Tổng hợp giọng nói tiếng Việt. TTS tạo phản hồi bằng giọng tự nhiên, rõ nội dung, đúng ngắt nghỉ. Doanh nghiệp có thể chọn sắc thái phù hợp ngành. Đánh đổi nằm ở độ tự nhiên, tốc độ phản hồi và khả năng kiểm soát cách đọc thuật ngữ riêng.
• Nối nghiệp vụ. AI kết nối CRM, ERP, phần mềm bán hàng, lịch hẹn hoặc hệ thống nội bộ qua API. Nhờ đó, tác vụ không dừng ở tư vấn mà có thể tra đơn, đặt lịch, cập nhật trạng thái, tạo phiếu xử lý.
• Chuyển người và ghi vết. Khi vượt phạm vi xử lý, AI chuyển sang nhân sự phụ trách kèm ngữ cảnh hội thoại. Bản ghi âm, transcript, thời điểm, ý định và hành động được lưu để kiểm soát chất lượng, truy vết tranh chấp và tối ưu kịch bản.

Voice Agent phù hợp nhất khi cuộc gọi có quy trình rõ, dữ liệu nằm trong hệ thống và kết quả cần được cập nhật ngay. Giá trị không nằm ở việc “nói giống người”, mà ở khả năng nghe đúng ý, kiểm tra điều kiện, thực hiện thao tác và biết dừng khi tình huống vượt khỏi phạm vi tự động hóa.

• Kịch bản 1 — Tra cứu và đổi lịch. Khách gọi hỏi trạng thái đơn, sau đó muốn đổi lịch giao. Voice Agent xác minh thông tin cần thiết, tra đơn hàng, kiểm tra trạng thái vận chuyển và đối chiếu các khung giờ còn trống. Nếu điều kiện cho phép, AI đề xuất lựa chọn phù hợp, xác nhận lại với khách và cập nhật lịch giao ngay trong hệ thống. Nhân viên không phải xử lý lại bằng tay. Rủi ro sai lịch giảm vì thao tác diễn ra theo dữ liệu thực, không dựa vào ghi chú rời rạc.
• Kịch bản 2 — Khách bức xúc. Khách gọi phàn nàn với giọng căng, tốc độ nói nhanh hoặc nội dung có dấu hiệu khiếu nại nghiêm trọng. Voice Agent nhận diện sắc thái, không kéo dài hội thoại theo kịch bản cứng. AI phản hồi ngắn để xoa dịu, ghi nhận vấn đề chính, sau đó chuyển nhân viên phụ trách. Bản tóm tắt đi kèm giúp người tiếp nhận nắm bối cảnh ngay, tránh bắt khách lặp lại từ đầu.

Voice Agent lo cuộc gọi quen thuộc, người lo ca cần cảm xúc và phán đoán.

Ranh giới nên gắn với độ phức tạp và cảm xúc của cuộc gọi. Một cách phân tầng tham khảo:

Ngưỡng nào Voice Agent tự xử là tham số doanh nghiệp tự đặt, cân giữa giảm tải và trải nghiệm khách.

Ba cách doanh nghiệp thường dùng và khác biệt của chúng:

IVR rẻ nhưng cứng, người thì tốt nhưng tốn và khó co giãn; Voice Agent lấp khoảng giữa cho các cuộc gọi quen thuộc.

• Nghe nhầm giọng vùng và nhiễu. Voice AI không chỉ cần nhận chữ. Hệ thống phải hiểu giọng địa phương, tiếng nói nhanh, âm nền tại cửa hàng, kho, đường phố. Khi độ tin cậy thấp, AI nên hỏi lại ngắn gọn hoặc xác nhận thông tin trọng yếu, thay vì đoán và xử sai.
• Đừng máy móc với khách bức xúc. Khách đang giận không cần một kịch bản cứng. AI phải nhận sắc thái, tốc độ nói, từ khóa tiêu cực và mức độ căng thẳng. Khi vượt ngưỡng an toàn, cuộc gọi cần được chuyển cho nhân sự phù hợp.
• Xác minh danh tính qua thoại. Các yêu cầu liên quan tài khoản, đơn hàng, bảo hành, thanh toán cần lớp xác minh rõ ràng. Voice AI nên kiểm tra nhiều tín hiệu, giới hạn quyền xử lý và tránh đọc lộ dữ liệu nhạy cảm.
• Giữ trải nghiệm tự nhiên. Cuộc gọi tốt phải gọn, đúng ý, ít lặp. AI cần cho phép người gọi ngắt lời, đổi ý, nói thiếu câu. Càng tự nhiên, thiết kế hội thoại càng phải kiểm soát chặt luồng xử lý.
• Bảo mật và ghi âm. Cuộc gọi thường chứa dữ liệu cá nhân. Doanh nghiệp cần thông báo ghi âm, xác định mục đích sử dụng, phân quyền truy cập và lưu trữ theo Nghị định 13/2023 về bảo vệ dữ liệu cá nhân.

Đây là phần MONA viết theo yêu cầu: Voice Agent bám đúng kịch bản, hệ thống và giọng thương hiệu của doanh nghiệp.

• Nhận sắc thái căng. AI theo dõi từ khóa, nhịp hội thoại và mức độ phủ định của khách. Khi khách bực, nói gắt, yêu cầu xử lý ngay hoặc phản hồi lặp lại, hệ thống ưu tiên chuyển người thay vì cố giữ luồng tự động.
• Chuyển kèm ngữ cảnh. Nhân viên nhận đủ tóm tắt trước khi tiếp nhận. Gồm nhu cầu, thông tin đã xác minh, bước AI đã xử lý và điểm khách đang vướng. Khách không phải kể lại từ đầu.
• Không vòng vo. AI không bắt khách lặp lại nhiều lần để “hiểu thêm”. Khi tín hiệu đã rõ hoặc dữ liệu thiếu, hệ thống dừng hỏi lan man và chuyển sang người phụ trách phù hợp.
• Thoát máy dễ. Khách muốn gặp người thì được gặp. Không khóa cứng trong kịch bản. Không ép đi hết cây hội thoại khi vấn đề cần cảm nhận, thương lượng hoặc quyết định linh hoạt.
• Học từ cuộc gọi. Những cuộc thường phải chuyển được ghi nhận nguyên nhân. MONA bổ sung kịch bản, dữ liệu và điều kiện nhận diện để lần sau AI xử lý tốt hơn.

Hiệu quả của AI Callbot không nên đo bằng cảm giác “nghe giống người”. Cần đo bằng dữ liệu vận hành thật. Một hệ thống tốt phải chứng minh được khả năng tự xử lý, giảm tải tổng đài, giữ cuộc gọi không rơi và chuyển người đúng thời điểm.

• Tỉ lệ cuộc gọi tự xử trọn vẹn. Đo số cuộc gọi AI xử lý xong từ đầu đến cuối, không cần tổng đài viên can thiệp. Chỉ số này phản ánh chất lượng kịch bản, khả năng hiểu ý định và mức độ đầy đủ của dữ liệu nghiệp vụ.
• Thời gian chờ máy. AI trả lời ngay khi cuộc gọi vào. Doanh nghiệp đo thời gian khách phải chờ trước khi được tiếp nhận, đặc biệt trong khung giờ cao điểm hoặc khi có chiến dịch bán hàng.
• Tỉ lệ cuộc gọi nhỡ. AI trực liên tục 24/7, không phụ thuộc ca làm. Chỉ số này cho thấy lượng nhu cầu được giữ lại thay vì mất do ngoài giờ, nghẽn line hoặc thiếu nhân sự.
• Giờ tổng đài viên tiết kiệm. Các cuộc gọi lặp lại được AI xử lý trước. Nhân sự tập trung cho ca khó, khiếu nại, tư vấn sâu hoặc giao dịch cần phán đoán.
• Mức hài lòng. Đo qua khảo sát sau gọi và tỉ lệ AI chuyển sang người đúng lúc. Không chỉ đo tốc độ, mà đo cả cảm giác được hỗ trợ đúng nhu cầu.

ROI nên tính từ giờ tổng đài tiết kiệm, cuộc gọi không bị rơi và năng lực trực ngoài giờ không cần thêm người, rồi so với chi phí dựng và vận hành. Cần đo trên dữ liệu thật để tránh kỳ vọng sai.

• Bước 1 — Chọn loại cuộc gọi. Bắt đầu bằng nhóm cuộc gọi lặp lại, có mục tiêu rõ, ít ngoại lệ. Ví dụ: tra cứu đơn hàng, xác nhận lịch hẹn, nhắc lịch, kiểm tra thông tin khách, tiếp nhận yêu cầu cơ bản. Không đưa ngay các cuộc gọi khiếu nại phức tạp hoặc cần thương lượng sâu.
• Bước 2 — Dựng kịch bản và nối hệ thống. Viết luồng hội thoại theo từng tình huống. Xác định câu chào, câu hỏi xác minh, dữ liệu cần lấy, điều kiện kết thúc. Kết nối AI với đơn hàng, lịch hẹn, hồ sơ khách, CRM hoặc phần mềm nội bộ để câu trả lời không chỉ đúng ngữ cảnh mà còn đúng dữ liệu.
• Bước 3 — Chạy thử có chuyển người. Cho AI xử lý một phần cuộc gọi trước. Luôn có cơ chế chuyển sang nhân sự thật khi khách tức giận, thông tin thiếu, hoặc yêu cầu vượt kịch bản. Ghi âm cần được rà soát để phát hiện lỗi hiểu sai, lỗi giọng, lỗi quy trình.
• Bước 4 — Mở rộng. Khi luồng đầu tiên ổn định, thêm loại cuộc gọi mới, thêm gọi ra, mở rộng khung giờ xử lý. Tiếp tục tinh chỉnh giọng nói, tốc độ phản hồi, cách xác nhận thông tin và kịch bản theo từng nhóm khách.

Triển khai AI Call Center nên đi theo từng bậc. Làm tốt vài loại cuộc gọi có cấu trúc trước, đo mức ổn định, rồi mới mở rộng sang quy trình phức tạp hơn.

• Tổng đài và số điện thoại. Kết nối vào hạ tầng gọi vào, gọi ra hiện có của doanh nghiệp. AI nhận cuộc gọi, thực hiện cuộc gọi, ghi nhận trạng thái máy bận, không nghe, gọi lại theo kịch bản.
• Hệ thống nghiệp vụ. Tra đơn hàng, lịch hẹn, hồ sơ khách, trạng thái xử lý. AI không chỉ trả lời, mà còn kiểm tra điều kiện, cập nhật bước xử lý, tạo yêu cầu nội bộ khi cần.
• CRM. Lưu lịch sử cuộc gọi, nội dung trao đổi, nhu cầu, phản hồi và phân loại khách. Dữ liệu được gắn vào đúng hồ sơ để đội kinh doanh hoặc chăm sóc tiếp nối.
• Kênh chuyển người. Chuyển ca khó sang đội tổng đài. AI kèm tóm tắt ngữ cảnh, lý do chuyển, mức độ ưu tiên để người thật không hỏi lại từ đầu.
• Báo cáo. Theo dõi tỉ lệ tự xử, cuộc nhỡ, nguyên nhân chuyển người, mức hài lòng và nhóm vấn đề lặp lại để tối ưu kịch bản.

IVR bấm phím phù hợp với luồng đơn giản, nhưng nhanh chóng trở nên cứng nhắc khi khách nói nhiều ý, đổi nhu cầu giữa chừng hoặc cần kiểm tra dữ liệu thật. Tổng đài người xử lý linh hoạt hơn, nhưng chi phí tăng theo ca trực, số máy nhánh và mùa cao điểm. Callbot dùng chung lại thường vướng ở tiếng Việt tự nhiên, giọng vùng miền, ngữ cảnh ngành và khả năng nối vào nghiệp vụ nội bộ.

Khi cuộc gọi lớn, câu hỏi lặp lại nhiều, cần trực ngoài giờ hoặc cần lọc lead trước khi chuyển sale, Voice Agent riêng là hướng đáng triển khai. MONA viết phần mềm theo yêu cầu để Voice Agent nối vào tổng đài, CRM và hệ thống nghiệp vụ của doanh nghiệp. AI nghe, hiểu ý định, tra dữ liệu, ghi nhận kết quả, tạo ticket hoặc chuyển người khi vượt ngưỡng xử lý.

Có thể tham khảo thêm Chatbot tài liệu nội bộ RAG cho tri thức trả lời, và AI xử lý hoàn tiền & khiếu nại cho ca khiếu nại.