Tại sao không doanh nghiệp nào có thể theo kịp bước đi thương mại AI của Amazon

Ronen Schwartz là CEO tại K2view.

Khám phá tin tức và sự kiện fintech hàng đầu!

Đăng ký nhận bản tin của FinTech Weekly

Được đọc bởi các giám đốc tại JP Morgan, Coinbase, Blackrock, Klarna và nhiều hơn nữa

Câu Chuyện Chưa Kể Đằng Sau Các Tiêu Đề AI Của Amazon

Khi Amazon công bố rằng trợ lý mua sắm AI của họ, Rufus, hiện đang thúc đẩy sự gia tăng lớn về mức độ tương tác của khách hàng và hàng tỷ đô la doanh thu bổ sung, phản ứng ngay lập tức là: ngạc nhiên, ngưỡng mộ và một chút ghen tị. Nó được coi là một bước nhảy vọt táo bạo trong cách các doanh nghiệp tiếp cận trải nghiệm khách hàng.

Nhưng đây không phải là một chiến thắng chỉ của các mô hình AI. Nó được thực hiện nhờ một hệ sinh thái khép kín. Amazon hoạt động hoàn toàn trên nền tảng của riêng mình, nơi dữ liệu sản phẩm, khách hàng, hành vi và mua sắm được thống nhất và kiểm soát. Cấu trúc đó không phải là một mô hình thực tế cho hầu hết các doanh nghiệp, đặc biệt là trong lĩnh vực dịch vụ tài chính. Ngành này có tỷ lệ áp dụng trung tâm tiếp xúc sử dụng AI cao nhất, chiếm khoảng một phần tư thị trường toàn cầu. Tuy nhiên, dữ liệu của nó vẫn phân tán khắp việc quản lý tài khoản ngân hàng, CRM, lập hóa đơn và các nền tảng hỗ trợ. Trong những môi trường như vậy, AI gặp khó khăn.

Bài học là rất đơn giản: thành công trong trải nghiệm khách hàng phụ thuộc ít hơn vào sự xuất sắc của mô hình và nhiều hơn vào chất lượng và tính toàn vẹn của dữ liệu bên dưới nó. Thiếu một cái nhìn thống nhất và theo ngữ cảnh, các đại lý AI có khả năng gây rối hỗ trợ hơn là cải thiện nó.

Khi AI Đối Mặt Với Thực Tế Lộn Xộn

Đối với hầu hết các doanh nghiệp, môi trường dữ liệu trông không giống như nền tảng tích hợp dọc, tinh gọn của Amazon. Thông tin sống rải rác trên hàng chục hệ thống, mỗi hệ thống giữ các mảnh của hồ sơ khách hàng, bị trùng lặp ở một số nơi, lỗi thời ở nơi khác và hiếm khi đồng bộ.

Việc đưa AI vào môi trường đó tạo ra sự hỗn loạn. Khách hàng nhận được các phản hồi mâu thuẫn hoặc một phần, lòng tin bị xói mòn, và các đại diện con người phải can thiệp để khôi phục sự tự tin. Điều mà vốn được dự định là tự động hóa lại trở thành công việc phải làm lại, tạo ra gánh nặng nặng nề hơn cho cả hai bên trong cuộc trò chuyện.

Hãy tưởng tượng thuê một đại diện dịch vụ có kỹ năng nhưng lại giao cho họ một tủ hồ sơ đầy các hồ sơ không đầy đủ hoặc bị gán nhãn sai. Tài năng của họ bị lãng phí vì nền tảng bị hỏng. Điều tương tự cũng đúng với các đại lý AI: thiếu thông tin nhất quán, chính xác và kịp thời, họ được thiết lập để thất bại.

Những Gì Thực Sự Cần Để Mở Rộng AI Trong Trải Nghiệm Khách Hàng

Các doanh nghiệp háo hức muốn sao chép các tiêu đề của Amazon thường chú trọng vào chính mô hình, tinh chỉnh các câu lệnh, so sánh các nhà cung cấp hoặc theo đuổi bản phát hành tiếp theo. Nhưng yếu tố quyết định cho sự thành công lâu dài là nền tảng dữ liệu hỗ trợ những mô hình đó.

Để làm cho các đại lý AI đáng tin cậy và sẵn sàng cho doanh nghiệp, các tổ chức cần ba yếu tố thiết yếu:

*   **Tích hợp**: Thông tin khách hàng trải rộng trên hàng chục hệ thống phải được thống nhất thành một cái nhìn nhất quán. 
*   **Quản trị và bảo mật**: Dữ liệu phải chính xác, được khử trùng, được bảo vệ và tuân thủ các quy định về quyền riêng tư trước khi AI có thể hành động dựa trên nó. 
*   **Ngữ cảnh thời gian thực**: Các đại lý cần thông tin hiện tại nhất có sẵn, không phải các bức ảnh lỗi thời hoặc hồ sơ tĩnh. 

Thiếu những điều cơ bản này, AI nhanh chóng sụp đổ, tạo ra lỗi, rủi ro tuân thủ và làm khách hàng thất vọng. Với chúng, AI có thể vượt qua giai đoạn thử nghiệm để mang lại tác động có ý nghĩa ở quy mô lớn. Bài học là đơn giản nhưng thường bị bỏ qua: các đại lý thông minh đòi hỏi dữ liệu thông minh hơn.

Từ Thử Nghiệm Đến Chuyển Đổi

Trên khắp các ngành công nghiệp, các doanh nghiệp đang thử nghiệm với AI trong trải nghiệm khách hàng, triển khai chatbot, trợ lý ảo hoặc công cụ tạo sinh trong quy trình dịch vụ. Tuy nhiên, hầu hết các nỗ lực này vẫn mắc kẹt trong chế độ thử nghiệm. Một báo cáo gần đây của MIT cho thấy gần 95% các dự án AI không đạt được sản xuất. Các sáng kiến trải nghiệm khách hàng cũng không phải là ngoại lệ. 
Khoảng cách giữa thử nghiệm và chuyển đổi đến từ nền tảng.

Dữ liệu không kết nối, chất lượng kém làm suy yếu hỗ trợ. Thông tin sạch, thống nhất cho phép quy mô, tính nhất quán và việc áp dụng có trách nhiệm. Với nền tảng đúng đắn, các doanh nghiệp cuối cùng có thể chuyển từ thử nghiệm sang hệ thống sản xuất mà củng cố cả mối quan hệ khách hàng và kết quả kinh doanh.

Cảm Hứng và Một Cảnh Báo

Câu chuyện của Amazon vừa là một cột mốc vừa là một bài học cảnh giác. Nó cho thấy điều gì có thể xảy ra khi các đại lý AI được cung cấp dữ liệu kết nối, chất lượng cao, nhưng nó cũng tiết lộ cách mà thiết lập đó hiếm khi có. Hầu hết các doanh nghiệp không thể đơn giản sao chép nó. Tương lai của AI trong trải nghiệm khách hàng sẽ không chỉ được xác định bởi các mô hình ngày càng tinh vi. Nó sẽ được hình thành bởi các tổ chức sẵn sàng đầu tư vào nền tảng dữ liệu làm cho những mô hình đó hiệu quả.