8 trường hợp sử dụng và ví dụ về tác nhân AI tại nơi làm việc
MarkdownVí dụ về các tác nhân AI trong môi trường làm việc dành cho bộ phận hỗ trợ, tiếp thị và bán hàng, cùng hướng dẫn thực tế về cách chọn quy trình, bắt đầu an toàn và viết lời nhắc rõ ràng.
Tác nhân AI có thể đảm nhận công việc lặp đi lặp lại, gồm nhiều bước giữa các nhóm. Các ví dụ dưới đây cho thấy chúng có thể hỗ trợ dịch vụ khách hàng, tiếp thị và bán hàng như thế nào, đồng thời đưa ra lời khuyên thực tế về cách chọn và quản lý quy trình làm việc với tác nhân.
Mục lục:
Tác nhân AI là gì?
Tác nhân AI là một hệ thống có thể tự chủ thực hiện các nhiệm vụ để đạt được mục tiêu, thường là thông qua nhiều công cụ. Hãy cho hệ thống biết bạn muốn điều gì xảy ra, rồi hệ thống sẽ xác định cách tiến hành. Điều đó phân biệt tác nhân với tự động hóa truyền thống, vốn tuân theo một tập hợp quy tắc cố định.
Thuật ngữ này bao hàm nhiều loại hệ thống, từ các tác nhân đơn giản dựa trên quy tắc đến những tác nhân tự chủ hơn, có nhiều bước, biết lập kế hoạch, suy luận và thích ứng trong quá trình thực hiện.
8 trường hợp sử dụng và ví dụ về tác nhân AI tại nơi làm việc
Không phải quy trình nào cũng cần tác nhân AI. Khi quy trình phù hợp, tác nhân có thể giúp mọi người dành thời gian cho những công việc đòi hỏi sự đánh giá của con người. Dưới đây là tám ví dụ trong các lĩnh vực tiếp thị, bán hàng và hỗ trợ khách hàng.
Phân loại yêu cầu hỗ trợ
Phù hợp nhất với: Hỗ trợ khách hàng
Các nhóm hỗ trợ xử lý lượng yêu cầu lớn có thể mất nhiều thời gian thu thập bối cảnh, đối chiếu với các vấn đề trước đây và tìm tài liệu liên quan trước khi có thể giúp khách hàng. Tác nhân AI có thể tự động xử lý các bước nghiên cứu đó.
Một ví dụ mô tả một công ty xử lý khoảng 5.000 yêu cầu mỗi tháng, mỗi yêu cầu cần khoảng 15 phút nghiên cứu thủ công trước khi nhân viên có thể phản hồi. Quy trình của công ty thu thập bối cảnh của yêu cầu, đối chiếu với cơ sở tri thức nội bộ và các yêu cầu trước đây, phân loại vấn đề, rồi liên kết vấn đề đó với tài liệu liên quan và hướng phản hồi được đề xuất. Sau đó, nhân viên có thể mở một yêu cầu đã được chuẩn bị sẵn phần nghiên cứu.
Dịch vụ khách hàng cá nhân hóa ở quy mô lớn
Phù hợp nhất với: Hỗ trợ khách hàng
Việc quản lý dịch vụ khách hàng tại nhiều địa điểm, mỗi nơi có hộp thư đến, khối lượng yêu cầu và nhóm nhu cầu khách hàng riêng, có thể trở nên khó xử lý thủ công. Tác nhân AI có thể giúp đảm bảo tính nhất quán và cá nhân hóa.
Một ví dụ sử dụng quy trình nhiều bước để kết nối phần mềm dịch vụ khách hàng, trợ lý AI, kho vector chứa kiến thức của tổ chức và kho dữ liệu. Khi có yêu cầu, hệ thống kiểm tra hồ sơ thành viên của khách hàng, bao gồm lịch sử mua hàng, rồi soạn bản trả lời được cá nhân hóa dựa trên các chính sách của tổ chức.
Một tác nhân thứ hai chấm điểm mỗi bản nháp bằng cách đối chiếu với phản hồi cuối cùng của con người, đo lường mức độ chỉnh sửa. Trong ví dụ này, 70 phần trăm bản nháp được gửi đi mà không chỉnh sửa, giúp tiết kiệm 1.500 giờ lao động mỗi năm tại 10 cửa hàng.
Phân tích cảm xúc khách hàng
Phù hợp nhất với: Hỗ trợ khách hàng
Phản hồi của khách hàng có thể nằm rải rác trong các yêu cầu hỗ trợ, bài đánh giá, trò chuyện trực tiếp và các kênh mạng xã hội, khiến việc nắm bắt bức tranh tổng thể trở nên khó khăn.
Tác nhân AI có thể theo dõi các kênh đó, phân tích cảm xúc và chuyển các tín hiệu liên quan đến các nhóm. Ví dụ, làn sóng phản hồi tiêu cực từ các tài khoản có giá trị cao có thể được chuyển đến các trưởng nhóm trải nghiệm khách hàng trước khi trở thành nguy cơ khách hàng rời bỏ. Phản hồi tích cực có thể được gắn cờ để nhóm tiếp thị cân nhắc sử dụng làm bằng chứng xã hội.
Thay vì tự xem xét hàng trăm tin nhắn mỗi tuần, một nhóm có thể nhận bản tổng hợp hằng ngày về những phản hồi phù hợp nhất.
Theo dõi nguy cơ khách hàng rời bỏ
Phù hợp nhất với: Hỗ trợ khách hàng
Đến khi khách hàng trực tiếp báo rằng họ không hài lòng, cơ hội giữ chân họ có thể đã thu hẹp. Tác nhân AI có thể theo dõi các tín hiệu trên CRM, công cụ hỗ trợ và nền tảng theo dõi sức khỏe khách hàng, cung cấp cho nhóm hỗ trợ khách hàng cái nhìn cập nhật về tình trạng tài khoản.
Một ví dụ mô tả tác nhân kiểm tra Salesforce, HubSpot, Vitally và Help Scout vào mỗi thứ Hai để tìm dấu hiệu sớm về nguy cơ rời bỏ hoặc cơ hội mở rộng. Tác nhân đăng bản tóm tắt đã được ưu tiên hóa để các trưởng nhóm hỗ trợ khách hàng và sản phẩm xem xét, hành động. Những tài khoản cần chú ý có thể được gắn cờ trước các cuộc thảo luận gia hạn.
Tự động hóa quy trình sản xuất nội dung
Phù hợp nhất với: Tiếp thị
Mở rộng sản xuất nội dung mà không tăng nhân sự là một thách thức dai dẳng trong tiếp thị. Tác nhân AI có thể đảm nhận các phần việc lặp lại, đòi hỏi nhiều nghiên cứu và không cần người bắt đầu lại từ đầu mỗi lần.
Một ví dụ mô tả tác nhân thu thập tin tức bất động sản trong khu vực, tóm tắt từng câu chuyện, soạn bản tổng hợp thị trường dài 250 từ và các bài đăng mạng xã hội cho từng thị trường, rồi gửi tài liệu qua email cho một nhóm xem xét. Một tác nhân thứ hai thu thập dữ liệu nhà ở hằng tuần và chuẩn bị bài viết blog dài 800 từ về thị trường địa phương. Nội dung được chuyển đến để xem xét và biên tập.
Mô hình tương tự có thể áp dụng trong nhiều ngành: một công ty phần mềm có thể tóm tắt các cập nhật sản phẩm cho bản tin khách hàng, một thương hiệu truyền thông có thể chuyển bài viết mới thành nội dung đăng mạng xã hội, còn một nhóm bán lẻ có thể biến dữ liệu tồn kho thành nội dung quảng bá hằng tuần. Tác nhân nghiên cứu, soạn thảo và chuyển tiếp công việc; con người xem xét và xuất bản.
Đề xuất sản phẩm linh hoạt
Phù hợp nhất với: Tiếp thị
Các sản phẩm có nhiều biến số tạo cơ hội cải thiện logic ghép nối.
Ví dụ, một thương hiệu thương mại điện tử bán nệm có thể cho tác nhân AI theo dõi câu trả lời trong bài trắc nghiệm cùng với dữ liệu đánh giá và tỷ lệ trả hàng. Theo thời gian, tác nhân có thể phát hiện các khuôn mẫu như câu trả lời nào trong bài trắc nghiệm dự báo sản phẩm phù hợp, sản phẩm nào thường xuyên nhận được lời khen và logic ghép nối có thể cải thiện ở đâu. Tác nhân có thể tổng hợp những phát hiện đó thành báo cáo để quản lý sản phẩm xem xét.
Quy trình tương tự có thể được sử dụng cho các danh mục sản phẩm có mức độ biến thiên đáng kể, chẳng hạn như sản phẩm chăm sóc da, thực phẩm bổ sung, gói phần mềm và gói bảo hiểm. Bất cứ khi nào khách hàng trả lời câu hỏi để nhận đề xuất, tác nhân có thể giúp so sánh dự đoán của bài trắc nghiệm với dữ liệu thực tế.
Tạo khách hàng tiềm năng ở quy mô lớn
Phù hợp nhất với: Bán hàng
Nhiều nhóm bán hàng biết khách hàng lý tưởng của họ là ai. Tìm kiếm những khách hàng tiềm năng đó ở quy mô lớn có thể đòi hỏi nhiều nghiên cứu.
Một ví dụ mô tả tác nhân tìm kiếm trên web những khách hàng tiềm năng phù hợp với chân dung khách hàng của nhà quảng cáo mục tiêu, sắp xếp họ trong bảng tính và chuyển các liên hệ đủ điều kiện vào CRM để theo dõi. Trong một tháng, tác nhân tạo ra hơn 2.000 khách hàng tiềm năng mà không cần thêm công việc thủ công.
Theo dõi sau cuộc gọi bán hàng
Phù hợp nhất với: Bán hàng
Khoảng thời gian giữa cuộc gọi bán hàng và lần theo dõi tiếp theo rất ngắn. Các cuộc họp nối tiếp nhau, cập nhật CRM chậm trễ và danh sách việc cần làm ngày càng dài có thể khiến các chi tiết bị bỏ sót.
Một ví dụ mô tả tác nhân xem lại bản ghi cuộc gọi, xác định các việc cần làm và cam kết, ghi thông tin khách hàng tiềm năng vào CRM, thông báo cho nhóm và soạn email theo dõi để xem xét và gửi đi. Nhân viên xem lại rồi gửi tin nhắn.
Cách làm tốt nhất khi sử dụng tác nhân AI
Tác nhân AI có tiềm năng đáng kể, nhưng quy trình làm việc cũng có thể gặp trục trặc. Dưới đây là những điều thường được các nhóm cân nhắc khi xây dựng và gỡ lỗi tác nhân.
Biết nên giao loại công việc nào cho tác nhân
Nếu bạn bắt đầu từ một trang giấy trắng, hãy tìm các khuôn mẫu trong công việc hằng ngày thay vì bắt đầu từ một công cụ:
Những việc bạn làm thủ công và lặp đi lặp lại
Công việc liên quan đến phân tích, tóm tắt, phân loại hoặc sắp xếp thông tin
Các quy trình có dữ liệu đầu vào nằm ở nhiều nơi, chẳng hạn như email, CRM, trò chuyện và tài liệu
Những việc này có thể phù hợp với tác nhân, đặc biệt khi chúng gây mệt mỏi về tinh thần nhưng không đòi hỏi chuyên môn sâu mỗi lần thực hiện. Tác nhân có thể chuẩn bị thông tin cập nhật, diễn đạt lại thông tin, đưa ra những hiểu biết đáng chú ý và theo dõi thay đổi.
Tác nhân AI không phù hợp với mọi quy trình. Tự động hóa truyền thống có thể phù hợp hơn khi độ chính xác và khả năng dự đoán là quan trọng. Khi có thể chấp nhận một mức linh hoạt nhất định—chẳng hạn như soạn nội dung, tóm tắt thông tin cập nhật hoặc phân loại yêu cầu—tác nhân có thể hữu ích.
Với công việc có rủi ro cao như thay đổi thanh toán, định dạng dữ liệu nghiêm ngặt hoặc quy trình nhạy cảm về tuân thủ, hãy sử dụng quy trình có thể dự đoán được với sự giám sát của con người. Tự động hóa có cấu trúc có thể xử lý các bước mang tính xác định, trong khi một bước AI xử lý công việc đòi hỏi sự đánh giá. Hãy sử dụng quyền truy cập được giới hạn phạm vi, các kết nối được quản lý và khả năng quan sát những gì tác nhân có thể truy cập và thực hiện.
Bắt đầu với quy trình ít rủi ro
Cảm thấy choáng ngợp khi cấp quyền truy cập rộng cho một tác nhân mới là điều bình thường. Trước tiên, hãy xây dựng sự tin tưởng bằng các quy trình ít rủi ro, nơi kết quả kém chỉ gây hậu quả hạn chế. Ví dụ:
Công cụ tóm tắt tài liệu chỉ sử dụng một nguồn đáng tin cậy, chẳng hạn như một tài liệu
Tác nhân nghiên cứu rà soát một tập hợp trang web hoặc ghi chú nội bộ cụ thể
Tác nhân phân loại hộp thư đến soạn câu trả lời nhưng không gửi đi
Khi quy trình hoạt động đáng tin cậy, hãy mở rộng dần. Thêm công cụ và tự động hóa từng bước thay vì cấp cho tác nhân quyền truy cập vào mọi thứ cùng một lúc.
Viết lời nhắc hiệu quả
Nếu tác nhân gần như làm đúng điều bạn muốn, có thể nó cần chỉ dẫn rõ ràng hơn. Những thói quen viết lời nhắc sau đây có thể hữu ích:
Giả định rằng không có bối cảnh nào. Định nghĩa từ viết tắt, giải thích các trường hợp ngoại lệ và nêu rõ các ràng buộc.
Nêu rõ đầu ra. Làm rõ độ dài, giọng điệu, định dạng và nơi cần đặt kết quả.
Viết ngắn gọn. Ít từ hơn đồng nghĩa với ít mơ hồ hơn và ít thành phần cần xử lý hơn.
Giao cho tác nhân một vai trò. “Hãy hành động như một trưởng nhóm RevOps” sẽ tạo ra cách suy nghĩ khác với “hãy phân tích nội dung này”.
Cấu trúc yêu cầu. Định dạng lời nhắc theo thứ tự vai trò → nhiệm vụ → các bước → đầu ra. Với ngữ cảnh dài, hãy dùng ranh giới rõ ràng như
\<context\>...\</context\>.Thử lại và tinh chỉnh. Hãy xem lần chạy đầu tiên là bản nháp, rồi cải thiện bằng phản hồi.
Xây dựng tác nhân AI an toàn
Khi hoạt động hiệu quả, tác nhân AI theo dõi, tóm tắt, chuyển tiếp và theo dõi công việc trong nền. Chúng có thể phát hiện vấn đề trước khi bị bỏ sót và giúp các nhóm có thêm thời gian cho công việc cần sự đánh giá của con người.
Một lớp tích hợp có thể kết nối tác nhân với những công cụ mà nhóm đã sử dụng. Trợ lý AI có thể truy xuất khách hàng tiềm năng, cập nhật giao dịch, chuẩn bị nội dung theo dõi hoặc khởi chạy quy trình nhiều bước từ cửa sổ trò chuyện. Những hành động tương tự cũng có thể được khởi chạy từ trình soạn thảo mã hoặc terminal, với các biện pháp kiểm soát quyền truy cập và xem xét phù hợp.
Dùng API LLM của Ailoot với một khóa API do Ailoot cấp để gọi tổng cộng 1.284 mô hình và biến thể trong 15 danh mục. Xét theo số lượng mô hình, Ailoot là một trong những bộ định tuyến AI lớn nhất thế giới. Chọn Claude hoặc Qwen để lập trình, FLUX để tạo ảnh, Kling để tạo video, Scribe để chuyển âm thanh thành văn bản, Lyria để sáng tác nhạc và Tripo3D để dựng tài nguyên 3D. Vectơ nhúng BGE hỗ trợ tìm kiếm ngữ nghĩa.
Với API phân tích cảm xúc bằng AI, Ailoot cung cấp Mercury Decide trên cùng một API với các mô hình đọc tài liệu, phân tích văn bản và tạo kết quả có cấu trúc.
Dùng khóa dự án Ailoot để thêm tính năng phân loại và chọn bước tiếp theo vào phần mềm của bạn. Giấy phép thương mại của Ailoot bao gồm các tính năng này trong sản phẩm trả phí.
Một gói đăng ký mở toàn bộ danh mục Ailoot, và bạn có thể dùng khóa hiện tại để gọi các mô hình chủ lực mới ngay trong ngày ra mắt. Gói đăng ký và mã khuyến mãi giúp tiết kiệm tới 50% so với giá API chính thức của nhà cung cấp mô hình. Lấy khóa tại https://ailoot.ai/ và xem mã khuyến mãi trong tài khoản.