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 FinTech Weekly

Được đọc bởi các lãnh đạo tại JP Morgan, Coinbase, Blackrock, Klarna và nhiều hơn nữa

Câu chuyện chưa kể đằng sau các tiêu đề về 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 tương tác khách hàng và doanh số bán hàng tăng thêm hàng tỷ đô la, phản ứng ngay lập tức là: ngạc nhiên, ngưỡng mộ và một chút ghen tị. Nó được xem như một bước tiến táo bạo trong cách các doanh nghiệp tiếp cận trải nghiệm khách hàng.

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

Bài học rõ ràng là: 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 nền tảng. Nếu không có một cái nhìn thống nhất, có bối cảnh, các agent AI dễ gây gián đoạn hơn là cải thiện dịch vụ.

Khi AI gặp phải thực tế lộn xộn

Đối với hầu hết các doanh nghiệp, môi trường dữ liệu không giống như nền tảng tích hợp theo chiều dọc của Amazon. Thông tin tồn tại rải rác trên hàng chục hệ thống, mỗi hệ thống giữ các phần của hồ sơ khách hàng, 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 hỗn loạn. Khách hàng nhận được phản hồi mâu thuẫn hoặc không đầy đủ, lòng tin giảm sút, và các đại diện nhân sự phải can thiệp để khôi phục niềm tin. Những gì ban đầu dự định tự động hóa lại trở thành công việc phải làm lại, tạo gánh nặng lớn hơn cho cả hai bên trong cuộc trò chuyện.

Hãy tưởng tượng thuê một nhân viên dịch vụ giỏi nhưng lại cung cấp cho họ một tủ hồ sơ chứa đầy các hồ sơ không đầy đủ hoặc bị ghi nhãn sai. Tài năng của họ bị lãng phí vì nền tảng đã bị hỏng. Điều tương tự cũng xảy ra với các agent AI: nếu không có thông tin nhất quán, chính xác và kịp thời, chúng sẽ dễ thất bại.

Điều cần thiết để mở rộng AI trong trải nghiệm khách hàng

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

Để làm cho các agent 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 phân tán trên hàng chục hệ thống phải được hợp nhất thành một cái nhìn duy nhất, nhất quán.
*   **Quản trị và bảo mật**: Dữ liệu phải chính xác, loại bỏ trùng lặp, được bảo vệ và tuân thủ các quy định về quyền riêng tư trước khi AI có thể hành động dựa trên đó.
*   **Bối cảnh theo thời gian thực**: Các agent cần thông tin mới nhất có sẵn, không phải các bản chụp cũ hoặc hồ sơ tĩnh.  

Không có những nền tảng này, AI nhanh chóng rối loạn, gây ra lỗi, rủi ro về tuân thủ và khách hàng thất vọng. Với chúng, AI có thể vượt ra khỏi giai đoạn thử nghiệm để mang lại tác động có ý nghĩa trên quy mô lớn. Bài học đơn giản nhưng thường bị bỏ qua: các agent thông minh cần dữ liệu thông minh hơn.

Từ thử nghiệm đến chuyển đổi

Trong nhiều ngành, các doanh nghiệp đang thử nghiệm AI trong trải nghiệm khách hàng, triển khai chatbot, trợ lý ảo hoặc các công cụ tạo sinh trong quy trình dịch vụ. Tuy nhiên, phần lớn các nỗ lực này vẫn dừng lại ở giai đoạn thử nghiệm. Một báo cáo gần đây của MIT cho thấy gần 95% các dự án AI không đạt đến giai đoạn sản xuất. Các sáng kiến về trải nghiệm khách hàng cũng không ngoại lệ.

Khoảng cách giữa thử nghiệm và chuyển đổi nằm ở nền tảng.

Dữ liệu kém chất lượng, không liên kết làm suy yếu dịch vụ hỗ trợ. Thông tin sạch, hợp nhất giúp mở rộng quy mô, duy trì tính nhất quán và thúc đẩy việc áp dụng có trách nhiệm. Với nền tảng phù hợp, các doanh nghiệp cuối cùng có thể chuyển từ thử nghiệm sang hệ thống sản xuất, củng cố mối quan hệ khách hàng và kết quả kinh doanh.

Cảm hứng và cảnh báo

Câu chuyện của Amazon vừa là một mốc quan trọng, vừa là một bài học cảnh tỉnh. Nó cho thấy điều gì có thể khi các agent AI được hỗ trợ bởi dữ liệu kết nối, chất lượng cao, nhưng cũng tiết lộ mức độ hiếm hoi của thiết lập đó. 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 định hình bởi các mô hình ngày càng tinh vi hơn. Nó sẽ được định hình bởi các tổ chức sẵn sàng đầu tư vào nền tảng dữ liệu để làm cho các mô hình đó trở nên hiệu quả.