Nếu AI có thể nghe, hiểu, trả lời khách hàng, tra cứu thông tin, tóm tắt cuộc gọi và thực hiện một số tác vụ trong hệ thống, Contact Center trong vài năm tới sẽ cần bao nhiêu nhân viên?
Đây là câu hỏi gần như chắc chắn xuất hiện khi doanh nghiệp bắt đầu ứng dụng AI vào chăm sóc khách hàng. Nhưng đó có lẽ chưa phải câu hỏi quan trọng nhất.
Bởi AI không chỉ đang thay thế một số tác vụ của điện thoại viên. Nó đang làm thay đổi cách Contact Center được thiết kế, vận hành, quản trị và đo lường.
Một nghiên cứu thực nghiệm của National Bureau of Economic Research (NBER) trên 5.179 nhân viên hỗ trợ khách hàng cho thấy việc sử dụng công cụ GenAI hỗ trợ nhân viên giúp năng suất tăng trung bình khoảng 14%, tính theo số vấn đề được giải quyết mỗi giờ. Mức cải thiện lên tới khoảng 35% ở nhóm nhân viên ít kinh nghiệm và có năng suất thấp hơn.
Điểm đáng chú ý không chỉ nằm ở con số 14%. Nghiên cứu cho thấy AI có thể bắt đầu bằng việc nâng cao năng lực của con người, thay vì lập tức thay thế con người.
Và từ đó, câu hỏi chiến lược của doanh nghiệp cũng thay đổi: Contact Center cần được thiết kế lại như thế nào khi AI trở thành một phần của lực lượng xử lý khách hàng?
Từ Contact Center của con người sang mô hình Human + AI
Contact Center truyền thống được xây dựng xoay quanh con người. Khách hàng liên hệ, điện thoại viên tiếp nhận, tra cứu thông tin, xử lý yêu cầu và ghi nhận kết quả. Khi lưu lượng tăng, doanh nghiệp phải bổ sung nhân sự, supervisor, QA, đào tạo và hạ tầng tương ứng.
Mối quan hệ này khá tuyến tính: nhiều khách hàng hơn dẫn đến nhiều tương tác hơn và cuối cùng là cần nhiều nhân sự hơn.
AI bắt đầu phá vỡ mối quan hệ tuyến tính đó. Một phần yêu cầu có thể được khách hàng tự giải quyết thông qua các công cụ AI; một phần có thể được AI xử lý trực tiếp; trong khi một phần khác được AI hỗ trợ nhân viên trong quá trình tương tác. Con người vì thế có thể tập trung nhiều hơn vào những trường hợp phức tạp, ngoại lệ hoặc có mức độ rủi ro cao.
Contact Center đang dần chuyển từ một bộ phận chủ yếu dựa vào nhân sự sang một mô hình phối hợp giữa **con người, AI, dữ liệu, CRM và quy trình nghiệp vụ**.
Đây là thay đổi về operating model, chứ không đơn thuần là thay đổi về công nghệ.
Không phải cứ có AI là doanh nghiệp sẽ cần ít người hơn
Đây là điểm doanh nghiệp cần đặc biệt thận trọng.
Nếu AI giúp năng suất của một nhân viên tăng lên, phản ứng đầu tiên rất dễ là đặt câu hỏi: có thể giảm bao nhiêu nhân sự? Nhưng đó không phải lúc nào cũng là cách tạo ra giá trị lớn nhất.
Nếu doanh nghiệp đang tăng trưởng, năng lực xử lý tăng thêm có thể được sử dụng để phục vụ nhiều khách hàng hơn, mở rộng thời gian phục vụ, giảm thời gian chờ hoặc nâng chất lượng chăm sóc, thay vì chỉ chuyển thành cắt giảm nhân sự.
Nghiên cứu NBER là một minh họa đáng chú ý. AI tạo ra mức tăng năng suất bình quân 14%, nhưng tác động không đồng đều giữa các nhóm nhân viên. Nhóm ít kinh nghiệm và năng suất thấp hưởng lợi nhiều hơn, trong khi nhóm có năng lực và kinh nghiệm cao nhất có mức cải thiện nhỏ hơn.
Điều đó cho thấy AI không phải một công cụ có tác động giống nhau lên mọi vị trí. Giá trị có thể nằm ở việc nâng năng lực của đội ngũ hiện tại, rút ngắn thời gian đào tạo nhân viên mới hoặc giúp doanh nghiệp phục vụ quy mô khách hàng lớn hơn mà không phải tăng nhân sự theo cùng tỷ lệ.
Vì vậy, thay vì chỉ hỏi “AI giúp giảm bao nhiêu FTE?”, doanh nghiệp nên hỏi: **AI giúp chúng ta tạo thêm bao nhiêu năng lực xử lý trên mỗi đồng chi phí?**
Đôi khi câu trả lời là giảm nhân sự. Nhưng cũng có thể là tăng năng suất, tăng khả năng phục vụ hoặc chuyển nguồn lực sang những tương tác có giá trị cao hơn.
Từ tự động hóa tác vụ đến tái thiết kế Contact Center
AI đang tác động đến Contact Center ở nhiều lớp khác nhau, từ tự phục vụ, hỗ trợ điện thoại viên, phân tích chất lượng cho tới quản trị nguồn lực và AI Agent. Nhìn tổng thể, đây không còn là câu chuyện về một công cụ mới được đưa vào tổng đài, mà là quá trình thay đổi cách toàn bộ hệ thống vận hành.
Self-service: khách hàng không nhất thiết phải gặp nhân viên
Những yêu cầu có tính lặp lại và quy trình rõ ràng như tra cứu đơn hàng, tình trạng giao hàng, lịch hẹn, thông tin sản phẩm hoặc chính sách dịch vụ không nhất thiết phải cần điện thoại viên. Chatbot, Voicebot và AI Agent có thể xử lý một phần những yêu cầu này 24/7.
Giá trị không chỉ nằm ở việc giảm số cuộc gọi vào Contact Center. Quan trọng hơn, khách hàng có thể nhận được câu trả lời nhanh hơn mà không phải chờ nhân viên.
Khi đó, mục tiêu của Contact Center cũng thay đổi. Thay vì chỉ quan tâm xử lý được bao nhiêu cuộc gọi, doanh nghiệp cần quan tâm đến việc giải quyết được bao nhiêu nhu cầu của khách hàng với ít tương tác không cần thiết nhất.
Đó là sự chuyển dịch từ tư duy interaction-centric sang resolution-centric.
Agent Assist: AI làm cho nhân viên mạnh hơn
Đây có thể là một trong những ứng dụng thực tế nhất của AI trong Contact Center.
AI có thể tìm kiếm thông tin trong kho tri thức, đề xuất câu trả lời, nhận diện ý định của khách hàng, tóm tắt cuộc gọi hoặc gợi ý bước xử lý tiếp theo. Nghiên cứu NBER cho thấy tác động lớn nhất xuất hiện ở nhóm nhân viên ít kinh nghiệm. Điều này đặc biệt đáng chú ý đối với những Contact Center có tỷ lệ nhân viên mới cao hoặc phải tuyển dụng thường xuyên.
AI khi đó không chỉ là công cụ tự động hóa. Nó trở thành một dạng augmentation — công nghệ giúp mở rộng năng lực của con người.
Một nhân viên mới có thể tiếp cận nhanh hơn với kiến thức và cách xử lý mà trước đây phải mất nhiều tháng mới tích lũy được. Với doanh nghiệp có lực lượng Contact Center lớn, đây có thể là một trong những giá trị quan trọng nhất của AI: không chỉ giảm tải công việc, mà còn rút ngắn khoảng cách năng lực giữa nhân viên mới và nhân viên giàu kinh nghiệm.
Quality & Analytics: từ kiểm tra mẫu sang nhìn toàn bộ tương tác
Contact Center truyền thống thường kiểm tra một tỷ lệ nhất định các cuộc gọi để đánh giá chất lượng. Cách làm này giúp doanh nghiệp phát hiện một số cuộc gọi có vấn đề, nhưng khó nhìn thấy đầy đủ bức tranh trải nghiệm khách hàng.
AI và speech analytics mở ra khả năng phân tích lượng tương tác lớn hơn, từ nội dung cuộc gọi, chủ đề, ý định, cảm xúc đến các dấu hiệu vi phạm quy trình.
Khi đó, QA có thể chuyển từ việc nghe mẫu, chấm điểm và phản hồi sang phân tích, phát hiện xu hướng, xác định nguyên nhân và cải tiến.
Nếu hàng nghìn khách hàng cùng hỏi một câu, vấn đề chưa chắc nằm ở điện thoại viên. Có thể sản phẩm chưa đủ rõ, chính sách chưa được truyền đạt tốt, website thiếu thông tin hoặc một quy trình mới chưa được triển khai đúng.
Dữ liệu cuộc gọi vì thế không còn chỉ là công cụ để kiểm soát nhân viên. Nó có thể trở thành nguồn dữ liệu để cải thiện sản phẩm, quy trình và trải nghiệm khách hàng.
Workforce Management: từ tính số người sang tính năng lực
Một trong những bài toán khó nhất của Contact Center là dự báo nhu cầu. Dự báo thấp, khách hàng phải chờ lâu. Dự báo cao, doanh nghiệp phải trả chi phí cho nguồn lực không được sử dụng hết.
AI có thể hỗ trợ dự báo lưu lượng, nhận diện mô hình nhu cầu, tối ưu lịch làm việc và phân bổ nguồn lực.
Nhưng khi kết hợp với automation và AI Agent, bài toán Workforce Management trở nên khác hẳn. Doanh nghiệp không còn chỉ cần xác định “cần bao nhiêu điện thoại viên”, mà phải xác định **cần bao nhiêu năng lực xử lý của con người và bao nhiêu năng lực xử lý của AI**.
Đó là một thay đổi đáng kể trong cách lập kế hoạch nguồn lực Contact Center.
AI Agent: từ trả lời sang thực hiện
Chatbot truyền thống chủ yếu phản hồi dựa trên kịch bản hoặc tập dữ liệu được thiết kế trước. AI Agent có thể tiến xa hơn: hiểu mục tiêu của khách hàng, truy xuất thông tin từ hệ thống và thực hiện một số hành động trong phạm vi được cấp quyền.
Ví dụ, thay vì chỉ thông báo đơn hàng đang ở đâu, một AI Agent có thể kiểm tra trạng thái, xác định nguyên nhân chậm giao, tạo yêu cầu hỗ trợ và chuyển trường hợp bất thường cho nhân viên.
Đây là một trong những lý do Agentic AI đang trở thành chủ đề quan trọng trong chiến lược Contact Center.
Theo nghiên cứu *State of Service: AI Agents Edition* của Salesforce công bố năm 2026, tỷ lệ các tổ chức dịch vụ trong mẫu khảo sát cho biết đang sử dụng AI Agent tăng từ 39% năm 2025 lên 66% năm 2026. Nghiên cứu khảo sát 3.075 chuyên gia dịch vụ tại 13 quốc gia; Salesforce cũng cho biết 70% các tổ chức đã sử dụng AI Agent trong khảo sát nhận thấy giá trị có thể đo lường trong vòng 60 ngày.
Cần lưu ý rằng đây là **kết quả khảo sát do Salesforce thực hiện**, không phải một phép đo độc lập đại diện cho toàn bộ thị trường. Tuy nhiên, số liệu vẫn cho thấy một xu hướng đáng chú ý: AI đang chuyển từ việc hỗ trợ trả lời sang khả năng tham gia thực hiện công việc.
Công việc nào giảm, công việc nào có giá trị hơn?
Khi AI đảm nhận ngày càng nhiều tác vụ lặp lại, cơ cấu nhân sự của Contact Center cũng có thể thay đổi.
Những công việc thiên về nhập liệu, tra cứu thông tin đơn giản, trả lời câu hỏi lặp lại, phân loại yêu cầu hay tóm tắt tương tác có xu hướng được tự động hóa hoặc hỗ trợ mạnh hơn bằng AI. Trong khi đó, giá trị của những năng lực như xử lý ngoại lệ, giải quyết khiếu nại, tư vấn chuyên sâu, quản trị khách hàng giá trị cao, kiểm soát chất lượng, quản trị tri thức, huấn luyện AI và phân tích dữ liệu tương tác có thể tăng lên.
Nói cách khác, AI có thể làm giảm một số loại công việc, nhưng đồng thời làm tăng giá trị của những năng lực mà AI khó thay thế.
Đây là lý do chiến lược nhân sự của Contact Center thời AI không nên chỉ xoay quanh câu hỏi “giảm được bao nhiêu người?”, mà cần chuyển sang câu hỏi “sau khi AI được triển khai, doanh nghiệp cần sở hữu những năng lực nào?”
Đây chính là sự khác biệt giữa tự động hóa một bộ phận và thiết kế lại một mô hình vận hành.
Điểm nghẽn đôi khi không nằm ở AI
Đây có thể là sai lầm phổ biến nhất khi doanh nghiệp bắt đầu triển khai AI.
Câu hỏi thường được đặt ra là “nên mua giải pháp AI nào?”, trong khi câu hỏi nên bắt đầu từ “quy trình nào đang khiến khách hàng và nhân viên mất nhiều thời gian nhất?”
Nếu quy trình chưa được chuẩn hóa, AI chỉ tự động hóa một quy trình kém hiệu quả. Nếu dữ liệu khách hàng nằm rải rác ở nhiều hệ thống, AI khó có được đầy đủ bối cảnh để đưa ra câu trả lời phù hợp. Nếu knowledge base lỗi thời, AI có thể trả lời nhanh nhưng không chính xác. Nếu CRM không kết nối, AI khó tạo ra một hành trình khách hàng liền mạch.
Các nghiên cứu của McKinsey trong năm 2026 cũng cho thấy những hạn chế về dữ liệu đang là một trong những trở ngại quan trọng đối với việc mở rộng Agentic AI. Để AI hoạt động ở quy mô doanh nghiệp, dữ liệu cần được quản trị tốt, có cấu trúc, có thể tái sử dụng và đủ đáng tin cậy để hệ thống dựa vào đó tạo ra hành động.
Vì vậy, nền tảng của Contact Center thời AI có thể được nhìn theo chuỗi: Process → Data → Knowledge → CRM → AI → Automation
Không nên đảo ngược thứ tự này.
AI không biến một Contact Center vận hành kém thành một Contact Center tốt. Nó có thể khuếch đại cả điểm mạnh lẫn điểm yếu của hệ thống.
AI càng tự chủ, Governance càng quan trọng
Khi AI chỉ trả lời một câu hỏi đơn giản, rủi ro tương đối thấp. Nhưng khi AI bắt đầu truy cập dữ liệu khách hàng, đề xuất hành động hoặc trực tiếp thực hiện một giao dịch, vấn đề trở nên phức tạp hơn.
Doanh nghiệp phải xác định rõ AI được phép truy cập dữ liệu nào, được phép thực hiện hành động nào, trường hợp nào bắt buộc chuyển sang con người, ai chịu trách nhiệm khi AI đưa ra quyết định sai và doanh nghiệp sẽ lưu log, kiểm tra các tương tác AI như thế nào.
Đây không còn là vấn đề thuần túy của bộ phận công nghệ. Đó là vấn đề của AI Governance.
Các nghiên cứu McKinsey năm 2026 về AI Trust và Agentic AI tiếp tục nhấn mạnh khoảng cách giữa tốc độ triển khai AI và mức độ trưởng thành về strategy, governance và risk management. Khi AI chuyển từ những ứng dụng hỗ trợ sang các hệ thống có khả năng tự chủ hơn, hậu quả của lỗi cũng tăng lên.
Đặc biệt với Agentic AI, một hệ thống không chỉ “nói sai” mà còn có thể “làm sai”. Nếu AI được trao quyền thay đổi thông tin khách hàng, hoàn tiền, hủy dịch vụ, tạo đơn hàng hoặc kích hoạt một quy trình nghiệp vụ, ranh giới quyền hạn và cơ chế Human-in-the-loop trở thành những thành phần không thể xem nhẹ.
AI càng tự chủ, Governance càng phải mạnh.
Giá trị của AI phải được đo bằng kết quả kinh doanh
Một rủi ro khác của làn sóng AI là doanh nghiệp có thể đo mức độ triển khai tốt hơn mức độ tạo ra giá trị.
Có bao nhiêu chatbot? Có bao nhiêu AI Agent? Bao nhiêu phần trăm tương tác được AI xử lý?
Những con số đó có ý nghĩa, nhưng chưa đủ để chứng minh AI tạo ra hiệu quả kinh doanh.
Contact Center cần quay trở lại những chỉ số cuối cùng của hoạt động: Cost to Serve, Average Handle Time, First Contact Resolution, Customer Satisfaction, First Response Time, Customer Retention và doanh thu.
Một AI Agent có thể xử lý 80% câu hỏi nhưng nếu 20% còn lại tạo ra khiếu nại nghiêm trọng, doanh nghiệp chưa chắc đã tạo ra giá trị. Ngược lại, một hệ thống chỉ tự động hóa 30% tương tác nhưng giảm đáng kể thời gian chờ, nâng FCR và giúp nhân viên xử lý tốt hơn các trường hợp phức tạp có thể mang lại giá trị lớn hơn.
Vấn đề vì thế không phải là AI xử lý được bao nhiêu phần trăm, mà là AI tạo ra bao nhiêu giá trị trên toàn bộ hành trình khách hàng.
Đây cũng là một điểm được các nghiên cứu McKinsey gần đây nhấn mạnh: nhiều doanh nghiệp vẫn gặp khó khăn trong việc xác định ROI của các hệ thống Agentic AI và chuyển từ thử nghiệm công nghệ sang tạo ra tác động có thể đo lường.
Doanh nghiệp nên bắt đầu từ đâu?
Không phải mọi tương tác đều nên giao cho AI.
Một cách tiếp cận thực tế là đánh giá từng nhóm công việc theo bốn câu hỏi: công việc này có thể chuẩn hóa không; dữ liệu và knowledge đã đủ tốt chưa; sai sót của AI có thể gây hậu quả đến đâu; và cuối cùng, AI tạo ra giá trị gì?
Nếu quy trình chưa rõ, chưa nên vội tự động hóa. Nếu AI không có dữ liệu đáng tin cậy, vấn đề có thể nằm ở nền tảng dữ liệu chứ không phải ở mô hình AI. Rủi ro càng cao thì mức độ Human-in-the-loop càng phải lớn.
Quan trọng nhất, doanh nghiệp phải xác định rõ mục tiêu: giảm chi phí, tăng năng suất, giảm thời gian chờ, tăng First Contact Resolution, cải thiện CSAT hay tạo thêm doanh thu.
Nếu không trả lời được câu hỏi cuối cùng, doanh nghiệp rất dễ rơi vào tình trạng triển khai AI chỉ vì AI đang là xu hướng.
Contact Center tương lai: Human + AI + Data + Governance
Nhìn lại bài toán Contact Center, một thay đổi quan trọng đang diễn ra.
Trước đây, doanh nghiệp chủ yếu tối ưu mối quan hệ giữa con người, năng suất và chi phí. Mô hình mới đòi hỏi doanh nghiệp tối ưu một hệ thống rộng hơn, trong đó AI và con người cùng vận hành trên nền dữ liệu, quy trình và công nghệ để tạo ra trải nghiệm khách hàng và giá trị kinh doanh.
Điều này cũng làm thay đổi cách lãnh đạo doanh nghiệp nhìn về đầu tư Contact Center.
Không còn chỉ là “cần bao nhiêu nhân viên?” hay “nên mua hệ thống tổng đài nào?”, mà là “doanh nghiệp muốn xây dựng năng lực phục vụ khách hàng như thế nào trong một thế giới mà AI đã trở thành một phần của lực lượng lao động?”
Đó mới là câu hỏi chiến lược.
Kết luận: Không phải ít người hơn, mà là một hệ thống khác
Cuộc tranh luận “AI có thay thế nhân viên Contact Center hay không?” có thể sẽ còn tiếp tục. Nhưng với doanh nghiệp, đó chưa chắc là vấn đề quan trọng nhất.
Nghiên cứu thực nghiệm của NBER cho thấy AI có thể nâng năng suất đáng kể khi được sử dụng để hỗ trợ nhân viên. Khảo sát Salesforce năm 2026 cho thấy mức độ sử dụng AI Agent trong nhóm tổ chức dịch vụ mà Salesforce khảo sát đang tăng nhanh. Các nghiên cứu McKinsey năm 2026 lại chỉ ra một điều kiện quan trọng phía sau công nghệ: dữ liệu, operating model, governance và khả năng đo lường giá trị quyết định rất lớn đến việc AI có thể đi từ thử nghiệm tới quy mô hay không.
AI có thể thay thế một số tác vụ. AI có thể tăng năng suất của nhân viên. AI có thể xử lý một phần tương tác trực tiếp với khách hàng. Và AI Agent có thể tiến thêm một bước bằng cách thực hiện một số công việc trong hệ thống.
Nhưng tất cả những khả năng đó chỉ tạo ra giá trị bền vững khi doanh nghiệp có dữ liệu tốt, quy trình rõ, kiến trúc công nghệ phù hợp và cơ chế Governance đủ mạnh.
Vì vậy, Contact Center của tương lai không nhất thiết là Contact Center có ít con người hơn.
Đó là Contact Center biết chính xác khi nào cần AI, khi nào cần con người và khi nào cần cả hai cùng làm việc.
Câu hỏi cuối cùng vì thế không còn là doanh nghiệp có nên triển khai AI cho Contact Center hay không.
Vấn đề thực sự là: doanh nghiệp sẽ thiết kế lại Contact Center như thế nào khi AI đã trở thành một phần của lực lượng lao động?
Nguồn tham khảo
1. National Bureau of Economic Research (NBER) - Generative AI at Work: nghiên cứu thực nghiệm trên 5.179 nhân viên hỗ trợ khách hàng, đánh giá tác động của công cụ AI đối với năng suất và hiệu quả xử lý.2. Salesforce - State of Service: AI Agents Edition 2026: khảo sát 3.075 chuyên gia dịch vụ tại 13 quốc gia. Các số liệu về mức độ sử dụng và giá trị của AI Agent là **kết quả khảo sát do Salesforce thực hiện**.
3. McKinsey & Company - các nghiên cứu năm 2026 về nền tảng dữ liệu cho Agentic AI, AI data readiness, AI Trust, governance và operating model, tập trung vào các điều kiện để doanh nghiệp mở rộng AI từ thử nghiệm sang quy mô vận hành.
