AI chăm sóc khách hàng 24/7: giảm 60% ca trực đêm

AI chăm sóc khách hàng 24/7 không còn là chuyện thử cho vui khi mỗi ca trực đêm đều kéo theo lương, phụ cấp, sai sót và khách chờ quá lâu. Với doanh nghiệp có 15-30 chi nhánh, một tin nhắn rơi khỏi khung giờ xử lý có thể thành một đơn mất, một đánh giá xấu hoặc một khách chuyển sang đối thủ. MONA nhìn việc này như bài toán phần mềm tự động hoá sản xuất được, nơi AI chỉ là phương tiện để máy tiếp nhận, hiểu ngữ cảnh, phân luồng và đẩy đúng việc cho đúng người.

AI chăm sóc khách hàng 24/7 làm lộ phần tiền đang chảy qua ca trực đêm

Ca trực đêm thường bị nhìn như chi phí bắt buộc. Nhưng với doanh nghiệp đã có 15 đến 30 chi nhánh, mỗi tin nhắn bỏ lỡ lúc khuya đều là doanh thu thật đang rơi khỏi tay.

Đau ở chỗ tiền vẫn chảy ra đều. Lương ca đêm vẫn trả, quảng cáo vẫn đốt, khách vẫn hỏi, nhưng sáng hôm sau mới có người phản hồi.

Chúng ta đều hiểu vận hành ban đêm không đơn giản. Nhân sự mệt, quản lý khó kiểm, trưởng nhóm không thể ngồi canh từng đoạn chat đến 23 giờ.

MONA nhìn bài toán này như một chuỗi tự động khép kín. Không phải một công cụ trả lời rời rạc, mà là phần mềm tự động hoá nối liền tin nhắn, phân loại nhu cầu, gợi ý xử lý, ghi nhận dữ liệu và đẩy việc cho đúng người.

Tin nhắn lúc 23 giờ vẫn là doanh thu thật

Khách hỏi lúc 23 giờ không hỏi cho vui. Họ đang cân nhắc đặt lịch, mua gói, kiểm tra giá, hỏi tồn kho hoặc cần được trấn an trước khi ra quyết định.

Chậm 6 tiếng là đủ mất nhịp. Sáng hôm sau, khách đã nhắn thêm 3 nơi khác, hoặc đổi ý vì không còn cảm giác được chăm sóc.

Với một chuỗi spa 28 chi nhánh tại HCM, Hà Nội và Đà Nẵng, doanh thu khoảng 52 tỷ đồng mỗi tháng, nhóm CSKH ghi nhận lượng tin nhắn sau 21 giờ chiếm tỷ trọng lớn trong các giai đoạn chạy quảng cáo mạnh.

Phần đau không nằm ở vài tin nhắn lẻ. Phần đau nằm ở việc cả hệ thống không biết tin nào có khả năng ra tiền, tin nào cần người xử lý ngay, tin nào chỉ cần phản hồi chuẩn trong 12 phút đầu.

• Tin hỏi giá gói dịch vụ bị trôi xuống dưới sau một đêm.
• Tin đặt lịch không được xác nhận, khách chuyển sang đối thủ.
• Tin khiếu nại nhỏ thành căng thẳng vì không ai nhận trách nhiệm sớm.
• Tin từ khách cũ không được nhận diện, mất cơ hội bán thêm.

Tụi em thường bắt đầu bằng việc đo lại toàn bộ dòng tin nhắn ban đêm. MONA không vội thay người, mà tách rõ việc nào máy làm được, việc nào cần nhân sự giàu kinh nghiệm.

Khi chuỗi tự động chạy đúng, AI chăm sóc khách hàng 24/7 giữ được nhịp phản hồi ban đầu, gom đủ dữ liệu và báo động cho ca trực khi có tín hiệu doanh thu hoặc rủi ro.

Ca đêm tốn lương nhưng không phải lúc nào cũng tạo đơn

Ca đêm là khoản tiền khó chịu. Không bố trí thì sợ mất khách, bố trí đủ người thì lương tăng, nhưng số đơn không phải đêm nào cũng tương xứng.

Đây là nỗi đau rất thật. Anh chị trả tiền cho sự hiện diện, nhưng thứ doanh nghiệp cần là khả năng xử lý đúng việc vào đúng thời điểm.

Một bộ phận CSKH 30 đến 80 nhân sự thường có nhiều lớp việc ban đêm. Có tin chỉ cần xác nhận đã nhận thông tin, có tin cần tra lịch, có tin cần chuyển quản lý, có tin phải giữ lại để sáng xử lý sâu.

Nếu tất cả đều đổ vào người trực, ca đêm sẽ thành cái rổ hứng việc. Nhân sự vừa trả lời, vừa đoán mức ưu tiên, vừa ghi chú, vừa sợ bỏ sót.

Rất mệt.

MONA thiết kế phần mềm tự động hoá theo hướng chia việc thành từng nấc. Mỗi nấc có điều kiện, dữ liệu và điểm dừng rõ ràng.

• Tự động nhận diện nhóm câu hỏi thường gặp theo ngữ cảnh.
• Tự động lấy thông tin khách, lịch sử mua và chi nhánh liên quan.
• Tự động đề xuất câu trả lời theo chính sách đã duyệt.
• Tự động chuyển ca trực khi khách có tín hiệu chốt đơn.
• Tự động ghi nhận lý do chưa xử lý được để sáng không mất dấu.

Trong một mô hình triển khai cho chuỗi dịch vụ có hơn 20 chi nhánh, MONA đặt mục tiêu giảm 60% ca trực đêm bằng cách để máy xử lý lớp phản hồi đầu và lớp phân loại.

Con số 60% không đến từ việc cắt người cho nhanh. Nó đến từ việc dừng trả lương cho những thao tác lặp lại mà phần mềm làm ổn định hơn.

Khách chờ quá lâu khiến chi phí quảng cáo bị lãng phí

Chi phí quảng cáo không mất ở lúc bấm chạy chiến dịch. Nó mất thêm lần nữa khi khách đã vào hộp thư nhưng không được chăm sóc kịp.

Mỗi lượt nhắn tin là một khoản tiền đã mua bằng ngân sách. Nếu phản hồi đến sau 8 giờ, doanh nghiệp đang để chi phí quảng cáo biến thành danh sách khách nguội.

Với doanh nghiệp doanh thu trên 30 tỷ đồng mỗi tháng, ngân sách quảng cáo và nhân sự chăm sóc thường đã đủ lớn để mỗi điểm nghẽn tạo ra thiệt hại rõ. Một đêm trôi tin có thể kéo theo nhiều ngày gọi lại trong vô vọng.

Anh chị không thiếu khách tiềm năng. Anh chị thiếu một cơ chế giữ nhịp ngay khi khách vừa phát tín hiệu.

Tụi em đồng cảm với áp lực này vì MONA gặp nó ở nhiều hệ thống vận hành đa chi nhánh. Chủ doanh nghiệp không thể đọc từng đoạn chat, nhưng vẫn phải chịu trách nhiệm cuối cùng khi doanh thu hụt.

Vì vậy, MONA không xem AI chăm sóc khách hàng 24/7 là hộp chat trả lời tự động. Tụi em xem nó là một chuỗi tự động nối từ quảng cáo, tin nhắn, phân loại, chăm sóc, lịch hẹn, đơn hàng đến báo cáo.

• Khách mới được chào đúng ngữ cảnh trong vài phút đầu.
• Khách cũ được nhận diện theo lịch sử tương tác.
• Lead nóng được đẩy cho người trực có quyền xử lý.
• Lead chưa chốt được đưa vào lịch chăm sóc lại.
• Quản lý nhìn được số tin trễ, lý do trễ và chi nhánh liên quan.

Ở nhóm doanh nghiệp đa chi nhánh, khoản tiết kiệm không chỉ nằm ở lương ca đêm. Giá trị lớn hơn nằm ở việc giữ lại doanh thu vốn đã được quảng cáo kéo vào.

Với bài toán đủ lớn, mức tiết kiệm từ lương trực, thời gian gọi lại và tỷ lệ bỏ sót có thể vượt 500 triệu đồng mỗi tháng. Điều kiện là chuỗi tự động phải gắn vào vận hành thật, không đứng riêng như một tiện ích phụ.

Đó là cách MONA đặt bối cảnh cho AI chăm sóc khách hàng 24/7. Máy giữ nhịp, người xử lý điểm cần phán đoán, còn chủ doanh nghiệp nhìn được tiền đang chảy ở đâu.

60% ca trực đêm có thể giảm khi câu hỏi lặp lại được máy xử lý trước

Ca trực đêm phình ra thường không vì khách cần tư vấn sâu. Nó phình ra vì quá nhiều câu hỏi lặp lại đổ về cùng lúc.

Hỏi giá, hỏi lịch, hỏi chính sách, xin tạo phiếu hỗ trợ, nhắc thanh toán. Những việc này làm đội CSKH phải ngồi 24/7, nhưng phần lớn thời gian chỉ là tra cứu và phản hồi theo mẫu.

Headcount bắt đầu cồng kềnh từ đây. Anh chị trả thêm lương ca đêm, phụ cấp, quản lý ca, kiểm tra chất lượng, nhưng đầu ra không tăng tương ứng.

Đau hơn là người giỏi cũng bị kéo vào việc lặp lại. Một nhân sự có thể xử lý khiếu nại khó, nhưng lại mất nhiều giờ để trả lời những câu giống nhau.

Chi phí tăng âm thầm. Chúng ta không thấy nó như một khoản lỗ lớn, nhưng bảng lương mỗi tháng luôn phình ra vì những việc máy đã có thể xử lý trước.

Nhóm câu hỏi lặp lại không cần người trực toàn thời gian

MONA không nhìn phần này như một hộp chat biết nói. Tụi em nhìn nó như phần mềm tự động hoá có điều kiện nghiệp vụ rõ ràng.

Mỗi nhóm câu hỏi phải có nguồn dữ liệu, quyền truy cập, điều kiện trả lời và điểm dừng. Khi thiếu dữ liệu, máy không đoán.

Những nhóm việc thường được đưa vào lớp xử lý trước gồm:

• Hỏi giá theo gói dịch vụ, khu vực, chi nhánh hoặc nhóm khách.
• Kiểm tra lịch trống, lịch hẹn, trạng thái đặt chỗ và thời gian phục vụ.
• Tra chính sách đổi trả, bảo hành, hoàn phí, bảo lưu hoặc điều kiện áp dụng.
• Tạo phiếu hỗ trợ khi khách báo lỗi, chậm giao, thiếu hàng hoặc cần nhân sự gọi lại.
• Nhắc thanh toán theo đơn, công nợ, kỳ hạn hoặc trạng thái giao dịch.

Điểm quan trọng nằm ở chữ “trước”. Máy xử lý trước phần lặp lại, để người trực chỉ nhận phần cần quyết định.

Nhịp vận hành nhẹ hơn. Ca đêm không còn là nơi gom mọi việc nhỏ.

Với bài toán AI chăm sóc khách hàng 24/7, MONA thường tách rõ việc nào máy được trả lời, việc nào phải chuyển người. Tách không rõ, tự động hoá sẽ thành rủi ro vận hành.

Việc cần cảm xúc vẫn chuyển đúng người phụ trách

Không phải mọi tin nhắn đều nên giao cho máy. Khách bực, khách mất tiền, khách bị trễ lịch, khách dọa huỷ dịch vụ, đều cần người phụ trách thật.

Đây là phần nhiều doanh nghiệp dễ làm sai. Cắt người quá nhanh khiến khách cảm thấy bị bỏ mặc.

MONA thường thiết kế lớp nhận diện tình huống nhạy cảm trước khi tự động phản hồi. Khi tín hiệu vượt ngưỡng, phần mềm chuyển đúng người, kèm toàn bộ ngữ cảnh.

Nhân sự không phải đọc lại từ đầu. Họ thấy khách hỏi gì, hệ thống đã trả lời gì, dữ liệu đơn hàng ra sao, bước xử lý tiếp theo là gì.

Ca trực đêm vì vậy không biến mất cứng nhắc. Nó được thu gọn quanh những việc cần con người thật sự.

Đây là cách giảm headcount cồng kềnh mà không làm mất sự tử tếử tế trong CSKH. Anh chị vẫn giữ chất lượng chăm sóc, nhưng không bắt người ngồi canh mọi câu hỏi lặp lại 24/7.

Chỉ số giảm ca trực phải đo bằng phiếu xử lý thành công

Con số 60% không nên là lời hứa cảm tính. Với MONA, 60% là mục tiêu nghiệm thu sau khi đo tỉ lệ ca việc máy xử lý được.

Tụi em thường đo bằng phiếu xử lý thành công, không đo bằng số tin nhắn máy đã trả lời. Trả lời nhiều chưa chắc giảm tải thật.

Một phiếu được xem là thành công khi khách nhận đủ thông tin, không cần chuyển người, không phát sinh khiếu nại và dữ liệu được ghi nhận đúng.

Những nhóm việc không đạt điều kiện sẽ được đưa về hàng chờ cho người phụ trách. Phần mềm không được phép cố xử lý để làm đẹp chỉ số.

Cách đo này giúp anh chị thấy rõ khoản giảm đến từ đâu. Giảm từ hỏi giá, kiểm tra lịch, tra chính sách, tạo phiếu hỗ trợ hay nhắc thanh toán.

Khi tỉ lệ phiếu thành công đủ ổn định, doanh nghiệp mới điều chỉnh ca trực. Như vậy, giảm 60% ca trực đêm là quyết định dựa trên dữ liệu vận hành.

Không cắt vội. Không đoán mò.

MONA xây phần mềm tự động hoá để anh chị bớt nuôi một bộ máy trực đêm cồng kềnh. Người vẫn ở đúng nơi cần người, còn việc lặp lại được máy xử lý trước.

Một đêm im lặng trên Zalo có thể làm rơi cả lịch hẹn ngày mai

Khách không mua theo giờ hành chính. Nhiều lịch hẹn rơi vào khung 20h đến 23h, khi phòng sale đã thưa người hoặc tắt máy.

Một khách nhắn Zalo lúc 21h40. Khách hỏi còn lịch trống ngày mai, muốn biết chi nhánh nào gần nhà, cần xác nhận giá trước khi đặt cọc.

Tin nhắn nằm im đến 8h15 sáng hôm sau. Lúc đó, khách đã hỏi thêm 2 bên khác, nhận 1 lịch hẹn, rồi im lặng với anh chị.

Đây là nỗi đau ế khách rất thật. Không phải thị trường không có nhu cầu, mà chăm sóc khách hàng không theo kịp nhịp mua thật.

Khách không chờ đến sáng để được trả lời

Một khách đang có nhu cầu thường chỉ kiên nhẫn trong vài phút đầu. Sau 15 phút không có phản hồi, ý định mua bắt đầu nguội.

Với chuỗi 15 đến 30 chi nhánh, mỗi đêm có thể phát sinh hàng chục tin nhắn hỏi lịch, hỏi giá, hỏi địa điểm. Chỉ cần rơi 5 cuộc hội thoại, doanh thu ngày mai đã hụt thấy rõ.

Điểm đau nằm ở chỗ anh chị vẫn đang chi tiền kéo khách về Zalo. Quảng cáo vẫn chạy, nội dung vẫn đăng, nhân sự vẫn chăm ban ngày.

Nhưng lúc khách sẵn sàng đặt lịch, hệ thống lại im. Tiền đã chảy ra trước, doanh thu lại không kịp chốt sau.

Tụi em gặp tình huống này nhiều ở các chuỗi spa, nha khoa, giáo dục, F&B và bán lẻ dịch vụ. Khách không ghét thương hiệu. Khách chỉ chọn nơi trả lời trước.

Một cuộc hội thoại đứt mạch kéo theo nhiều lần chăm lại

Khi khách nhắn ngoài giờ mà không được phản hồi, phòng sale phải chăm lại từ đầu vào sáng hôm sau. Một việc đáng lẽ xong trong 3 phút biến thành 3 đến 5 lượt nhắn.

Nhân sự phải hỏi lại nhu cầu, xin lại khu vực, kiểm tra lại lịch trống, rồi chờ khách phản hồi. Mỗi bước chậm thêm làm tỷ lệ đặt hẹn giảm.

Đau hơn, khách đã qua trạng thái nóng. Sáng hôm sau, khách đang đi làm, đang họp, hoặc đã đặt lịch ở nơi khác.

Chúng ta không chỉ mất 1 lịch hẹn. Chúng ta còn mất công chăm lại, mất tinh thần đội sale, và mất dữ liệu để hiểu vì sao khách rơi.

• Khách hỏi lúc 22h, hệ thống không ghi nhận ý định đặt lịch.
• Nhân sự sáng hôm sau không biết khách cần chi nhánh nào.
• Quản lý không thấy cuộc hội thoại đã rơi ở bước nào.
• Chi phí quảng cáo vẫn tính đủ cho từng lượt nhắn.

MONA không xử lý bài toán này bằng vài câu trả lời tự động rời rạc. Tụi em xây phần mềm tự động hoá để giữ mạch hội thoại, ghi nhận nhu cầu, đối chiếu lịch trống và chuyển ca cho người phụ trách.

Khi khách nhắn ngoài giờ, hệ thống có thể hỏi khu vực, gợi ý chi nhánh, kiểm tra khung giờ còn trống và tạo yêu cầu xác nhận. Nhân sự sáng hôm sau nhận một hồ sơ đã gọn.

Phòng sale mất quyền kiểm soát khi dữ liệu nằm rải rác

Ở nhiều doanh nghiệp, dữ liệu khách nằm trong Zalo cá nhân, nhóm trực, bảng tính và ghi chú riêng. Quản lý chỉ thấy kết quả cuối, không thấy điểm rơi giữa chừng.

Mỗi chi nhánh có một cách ghi nhận. Mỗi ca trực có một cách trả lời. Sau 30 ngày, anh chị rất khó biết kênh nào đang làm rơi khách nhiều.

Khi dữ liệu rải rác, phòng sale mất quyền kiểm soát. Người chăm tốt thì giữ khách, người chăm chậm thì làm mất khách, nhưng hệ thống không chỉ ra được.

MONA thường gom các điểm chạm này vào một chuỗi tự động khép kín. Zalo, biểu mẫu, lịch hẹn, chi nhánh, trạng thái chăm sóc và báo cáo được đưa về cùng một luồng dữ liệu.

Với bài toán chăm sóc khách hàng 24/7, mục tiêu không phải thay toàn bộ con người. Mục tiêu là để phần mềm giữ nhịp mua, còn nhân sự tập trung vào các ca cần tư vấn sâu.

Trong mô hình triển khai phù hợp, doanh nghiệp có thể giảm 60% ca trực đêm mà vẫn giữ phản hồi ngoài giờ. Con số này đến từ việc tách việc lặp lại cho máy xử lý trước.

• Máy tiếp nhận tin nhắn 24/7.
• Máy hỏi đủ thông tin đặt hẹn cơ bản.
• Máy kiểm tra chi nhánh và khung giờ phù hợp.
• Máy đẩy hồ sơ nóng cho nhân sự vào ca sáng.
• Quản lý xem được số cuộc hội thoại rơi theo từng chi nhánh.

Điều đáng giữ không chỉ là 1 lịch hẹn. Điều đáng giữ là quyền kiểm soát toàn bộ phễu bán hàng sau giờ hành chính.

Khi khách được phản hồi đúng lúc, tiền quảng cáo không bị trôi vô ích. Khi dữ liệu được gom đúng cách, anh chị biết chính xác chỗ nào cần sửa trong vận hành.

Đừng để nhân sự giỏi ngồi trả lời những câu giống nhau mỗi ngày

Câu hỏi cấp thấp đang ăn mất giờ của người có kinh nghiệm

Lương cao nhưng đầu ra thấp thường bắt đầu từ một việc rất nhỏ. Nhân sự CSKH có kinh nghiệm vẫn phải trả lời lại các câu giống nhau mỗi ngày.

Giờ mở cửa, phí giao hàng, chính sách đổi trả, lịch hẹn, tình trạng đơn, cách dùng dịch vụ. Những câu này cần phản hồi nhanh, nhưng không cần người giỏi ngồi gõ từng dòng.

Chi phí nằm ở đó. Không ồn ào.

Khi đội CSKH trực 24/7, mỗi ca đêm bị lấp bằng câu hỏi cấp thấp, tiền lương vẫn chạy. Nhưng công suất tư vấn không tăng tương ứng.

Anh chị trả tiền cho kinh nghiệm, nhưng kinh nghiệm lại bị tiêu vào việc lặp lại. Người giỏi không còn đủ sức xử lý khách khó, khách lớn, hoặc tình huống cần giữ uy tín thương hiệu.

Tụi em thấy lỗi này xuất hiện nhiều ở doanh nghiệp đã có quy mô. Khi chi nhánh tăng, số tin nhắn tăng, nhưng cách phân việc vẫn giống lúc công ty còn nhỏ.

Hệ quả là đội CSKH nhìn rất bận. Tin nhắn vẫn đầy. Báo cáo vẫn có số ca xử lý. Nhưng phần tạo ra doanh thu, giữ khách và giảm khiếu nại lại không tăng rõ.

Tự động hoá sai chỗ làm khách bực hơn

Tự động hoá không có nghĩa là giao hết cho máy. Làm sai chỗ, khách bực nhanh hơn, còn nhân sự phải vào chữa cháy nhiều hơn.

Một câu trả lời máy móc cho khách đang giận có thể làm hỏng cả cuộc hội thoại. Một luồng phản hồi cứng nhắc cũng khiến khách có giá trị cao cảm thấy bị xem nhẹ.

Vấn đề không nằm ở AI chăm sóc khách hàng 24/7. Vấn đề nằm ở cách chia việc giữa máy và người.

MONA không khuyến nghị đưa mọi câu hỏi vào một kịch bản trả lời chung. Tụi em thường tách trước các nhóm việc theo độ rủi ro, độ lặp và giá trị khách hàng.

• Câu hỏi lặp lại, ít rủi ro, máy phản hồi trước.
• Câu hỏi cần tra dữ liệu, phần mềm lấy thông tin rồi gợi ý câu trả lời.
• Tình huống nhạy cảm, người thật nhận xử lý ngay.

Cách này giúp tự động hoá không làm mất cảm giác được chăm sóc. Máy xử lý phần đều đặn, còn người giữ phần cần tinh tế.

Với mục tiêu giảm 60% ca trực đêm, điểm quan trọng không phải cắt người. Điểm quan trọng là cắt những việc không cần người giỏi phải trực tiếp làm.

Người giỏi nên xử lý ngoại lệ và khách có giá trị cao

Người CSKH có kinh nghiệm nên được đặt vào đúng vị trí. Họ cần xử lý ngoại lệ, khách đang phân vân, khách có lịch sử mua tốt, hoặc ca có nguy cơ mất doanh thu.

Đây mới là nơi kinh nghiệm tạo tiền. Một câu nói đúng lúc có thể giữ khách ở lại. Một cách xử lý mềm có thể tránh khiếu nại lan rộng.

MONA thường thiết kế phần mềm tự động hoá theo 2 lớp. Lớp đầu nhận diện câu hỏi lặp lại và phản hồi theo dữ liệu đã chuẩn hoá. Lớp sau chuyển ca cần người xử lý về đúng nhóm phụ trách.

Trong mô hình này, phần mềm không thay nhân sự giỏi. Phần mềm gỡ việc cấp thấp khỏi tay họ.

Tụi em cũng gắn nhãn cuộc hội thoại theo mức ưu tiên. Khách cần hỗ trợ thông thường đi theo luồng nhanh. Khách có giá trị cao được đẩy lên người có kinh nghiệm.

Nhờ vậy, mục tiêu giảm 60% ca trực đêm trở nên thực tế hơn. Doanh nghiệp vẫn giữ chất lượng chăm sóc, nhưng không phải tăng lương chỉ để trả lời thêm câu giống nhau.

• Máy trực 24/7 cho nhóm câu hỏi lặp lại.
• Nhân sự xử lý ca ngoại lệ và ca nhạy cảm.
• Quản lý nhìn được tỷ lệ chuyển người thật.
• CEO thấy rõ phần lương đang tạo ra giá trị.

Khi chia đúng việc, chúng ta không ép đội CSKH chạy nhanh hơn. Chúng ta giúp họ dùng kinh nghiệm vào đúng nơi tạo kết quả.

Đó là cách MONA tiếp cận AI chăm sóc khách hàng 24/7. Không bán một hộp trả lời tự động, mà xây phần mềm tự động hoá để giảm tải đúng phần đang làm lương cao nhưng đầu ra thấp.

MONA dựng chuỗi xử lý khép kín thay vì chỉ gắn một hộp chat thông minh

Nhiều doanh nghiệp bị kẹt giữa quảng cáo AI và thực tế vận hành. Demo nhìn mượt, nhưng khi đưa vào chăm sóc khách hàng 24/7 lại vỡ ở dữ liệu, chính sách và trách nhiệm.

Một hộp chat thông minh không đủ để xử lý đơn, lịch hẹn, tồn kho, đổi trả và khiếu nại. Nó trả lời được vài câu phổ biến, rồi đẩy phần khó về người trực.

Đau ở chỗ tiền vẫn chảy ra. Ca đêm vẫn phải giữ người, quản lý vẫn phải rà lại, khách vẫn phải chờ khi câu trả lời lệch dữ liệu.

Tụi em hiểu cảm giác đó. Anh chị không thiếu công cụ, anh chị thiếu một chuỗi xử lý đủ chắc để máy làm phần lặp lại mà không phá nghiệp vụ.

MONA không bán AI như một món trang trí. MONA dựng phần mềm tự động hoá vận hành thật, viết mã riêng, nối dữ liệu và kiểm soát từng bước xử lý.

AI, LLM, Voice và OCR chỉ là 4 phương tiện. Việc chính là biến những tác vụ máy làm được thành một luồng chăm sóc khách hàng có kiểm soát.

Dữ liệu khách hàng phải được gom về một luồng xử lý

Khi dữ liệu nằm rải rác, nhân sự trực đêm phải hỏi lại những điều hệ thống đáng lẽ đã biết. Khách đã mua gì, còn bảo hành không, lịch hẹn ở đâu, đơn đang trạng thái nào.

Đó là điểm làm AI chăm sóc khách hàng 24/7 bị hiểu sai. Không có dữ liệu đúng, máy chỉ đoán theo câu chữ, không thể xử lý theo thực tế.

MONA gom 6 nhóm dữ liệu vào cùng một luồng: khách hàng, đơn hàng, lịch hẹn, kho, chính sách và báo cáo. Mỗi yêu cầu được đối chiếu trước khi phản hồi.

• Khách hỏi đơn hàng, hệ thống kiểm tra trạng thái đơn trước.
• Khách hỏi lịch hẹn, hệ thống đọc lịch trống và lịch đã đặt.
• Khách hỏi tồn kho, hệ thống đối chiếu số lượng còn bán được.
• Khách gửi hình ảnh chứng từ, OCR hỗ trợ đọc dữ liệu cần thiết.
• Khách gọi thoại, Voice hỗ trợ ghi nhận và chuyển thành tác vụ.

Không đoán mò. Không trả lời rời rạc.

Với chuỗi xử lý này, phần mềm không chỉ nói chuyện với khách. Nó biết đang xử lý việc gì, liên quan đến ai, và cần chuyển bước nào tiếp theo.

Luật nghiệp vụ quyết định máy được trả lời đến đâu

Nỗi sợ lớn của anh chị không nằm ở chuyện máy trả lời chậm. Nỗi sợ nằm ở việc máy nói sai chính sách, hứa sai quyền lợi, hoặc mở đường cho khiếu nại.

Chúng ta đều từng thấy cảnh nhân sự mới trả lời lệch một câu, cả phòng phải đi xử lý hậu quả. Với máy, lỗi đó còn nguy hiểm hơn nếu không có ranh giới.

Vì vậy MONA đặt luật nghiệp vụ trước khi cho AI phản hồi. Máy không được tự do nói mọi thứ chỉ vì câu chữ nghe hợp lý.

Tụi em thường chia luồng xử lý thành 3 lớp kiểm soát. Lớp được trả lời ngay, lớp cần xác nhận dữ liệu, và lớp phải chuyển người phụ trách.

• Câu hỏi chính sách phổ biến được trả lời theo nội dung đã duyệt.
• Yêu cầu liên quan tiền, hoàn trả hoặc ưu đãi cần đối chiếu điều kiện.
• Khiếu nại nhạy cảm được chuyển người quản lý theo phân quyền.
• Trường hợp thiếu dữ liệu sẽ không bịa câu trả lời.
• Các phản hồi vượt ngưỡng được ghi nhận để quản lý xem lại.

Đây là khác biệt giữa hộp chat và phần mềm tự động hoá. Một bên trả lời theo hội thoại, một bên vận hành theo luật của doanh nghiệp.

Khi luật rõ, máy làm được phần lặp lại. Nhân sự chỉ xử lý phần cần phán đoán, thương lượng hoặc giữ quan hệ với khách.

Người quản lý cần thấy toàn bộ lịch sử xử lý

Khó chịu lớn nhất của quản lý CSKH là không biết chuyện đã hỏng từ đoạn nào. Khách nói đã báo rồi, nhân sự nói đã xử lý rồi, dữ liệu lại nằm ở nhiều nơi.

Khi thiếu lịch sử xử lý, ca đêm trở thành vùng mù. Sáng hôm sau, quản lý phải ghép tin nhắn, cuộc gọi, đơn hàng và ghi chú bằng tay.

MONA dựng báo cáo để người quản lý thấy toàn bộ dòng xử lý. Mỗi yêu cầu có thời gian nhận, dữ liệu đã kiểm tra, phản hồi đã gửi và bước chuyển tiếp.

• Quản lý thấy yêu cầu nào đã được máy xử lý xong.
• Quản lý thấy yêu cầu nào bị chuyển sang nhân sự.
• Quản lý thấy lý do chuyển bước theo luật nghiệp vụ.
• Quản lý thấy nhóm câu hỏi nào lặp lại nhiều trong ca đêm.
• Quản lý thấy điểm nghẽn để sửa chính sách hoặc dữ liệu.

Phần báo cáo này giúp anh chị lấy lại quyền kiểm soát. Không cần chờ từng trưởng nhóm kể lại bằng cảm tính.

Kết quả của chuỗi khép kín không nằm ở việc AI nói hay hơn. Kết quả nằm ở việc ca trực đêm giảm 60% mà chất lượng chăm sóc vẫn được đo bằng dữ liệu.

MONA giữ cách làm này cho AI chăm sóc khách hàng 24/7 vì nó bám sát vận hành thật. Máy nhận phần lặp lại, người giữ phần cần trách nhiệm.

Một chuỗi 24 chi nhánh giảm tải ca đêm bằng cách chia lại việc cho máy

Một chuỗi dịch vụ 24 chi nhánh, doanh thu trên 30 tỷ/tháng, có đội CSKH hơn 40 người từng gặp một điểm nghẽn rất quen.

Khách nhắn ban đêm vẫn có nhu cầu thật. Nhưng quản lý không thể ngồi nhìn từng hộp thư, từng cuộc gọi, từng phiếu chờ xử lý.

Mất kiểm soát bắt đầu từ những việc nhỏ. Một tin nhắn chưa trả lời. Một lịch hẹn chưa xác nhận. Một khách cũ hỏi lại giá nhưng không ai nhận.

Đến sáng, báo cáo nhìn vẫn có vẻ ổn. Nhưng doanh thu đã rơi ở đoạn im lặng đó.

Trước triển khai, quản lý không biết ca nào bỏ sót khách

Trước khi MONA tham gia, đội CSKH hơn 40 người phải chia ca để giữ kênh Zalo, Messenger, hotline và biểu mẫu web.

Vấn đề không nằm ở chuyện nhân sự lười. Vấn đề nằm ở việc ca đêm có quá nhiều tín hiệu nhỏ, nhưng không có lớp lọc đủ chắc.

Một khách hỏi giờ mở cửa. Một khách muốn đổi lịch. Một khách phàn nàn vì chi nhánh chưa gọi lại. Tất cả trộn chung trong cùng một luồng.

Quản lý chỉ thấy tổng số tin nhắn. Nhưng không thấy rõ ca nào phản hồi chậm, ca nào bỏ sót khách, ca nào xử lý xong mà chưa đóng phiếu.

Cảm giác mất control rất mệt. Anh chị trả lương cho ca trực, nhưng vẫn phải chờ sáng để biết đêm qua có chuyện gì xảy ra.

• 24 chi nhánh tạo ra lượng trao đổi lớn sau giờ hành chính.
• Doanh thu trên 30 tỷ/tháng khiến mỗi khách bỏ lỡ đều có chi phí cơ hội.
• Đội CSKH hơn 40 người vẫn phải xử lý nhiều việc lặp lại bằng tay.
• Mốc phản hồi trong 30 giây gần như không ổn định khi tin nhắn dồn cùng lúc.

Điểm đau thật sự là ban lãnh đạo không thiếu người. Chúng ta thiếu một cách chia việc đủ rõ giữa máy và người.

Sau triển khai, máy xử lý trước và người nhận đúng ngoại lệ

MONA không triển khai AI như một món công nghệ để trưng bày. Tụi em dựng phần mềm tự động hoá theo chuỗi việc khép kín.

Máy nhận tín hiệu trước, phân loại ý định, trả lời nhóm câu hỏi lặp lại và tạo phiếu cho trường hợp cần người xử lý.

Những việc đơn giản được máy làm ngay. Những việc nhạy cảm được chuyển cho đúng nhân sự, đúng chi nhánh, đúng mức ưu tiên.

Tụi em chia lại 3 nhóm việc để đội CSKH không bị chìm trong tiếng ồn.

• Nhóm 1 là phản hồi nhanh các câu hỏi lặp lại về giờ mở cửa, địa chỉ, dịch vụ và lịch trống.
• Nhóm 2 là ghi nhận yêu cầu đổi lịch, xác nhận thông tin và tạo phiếu xử lý.
• Nhóm 3 là đẩy ngoại lệ cho người phụ trách khi khách phàn nàn, yêu cầu hoàn tiền hoặc cần tư vấn sâu.

Mỗi phiếu đều có trạng thái. Mỗi trạng thái đều có người chịu trách nhiệm. Quản lý không còn phải đọc từng đoạn chat để đoán ca nào đang rơi việc.

AI chăm sóc khách hàng 24/7 trong mô hình này chỉ là phương tiện. Phần quan trọng hơn là phần mềm tự động hoá buộc quy trình phải có dấu vết.

MONA thiết kế bảng đo để quản lý nhìn được các điểm cần kiểm soát trong ngày.

• Tỷ lệ phản hồi trong 30 giây theo từng kênh.
• Số phiếu xử lý thành công theo từng chi nhánh.
• Số phiếu chuyển người vì thuộc ngoại lệ.
• Số ca trực đêm còn cần duy trì sau khi máy nhận việc lặp lại.
• Nhóm câu hỏi lặp lại khiến đội CSKH tốn nhiều thời gian.

Nhìn được số, quản lý mới bớt phải hỏi cảm tính. Nhìn được luồng việc, ca đêm mới bớt phụ thuộc vào trí nhớ từng người.

Kết quả phải gắn với chi phí ca trực và doanh thu giữ lại

Với chuỗi 24 chi nhánh này, mục tiêu không phải là thay toàn bộ đội CSKH hơn 40 người.

Mục tiêu đúng hơn là giảm ca trực bị lãng phí, giữ tốc độ phản hồi và bảo vệ doanh thu khỏi các điểm rơi ngoài giờ.

Sau khi chia lại việc cho máy, doanh nghiệp theo dõi mức giảm tải ca đêm dựa trên chỉ số vận hành thật.

• Ca trực đêm giảm theo mục tiêu 60% khi phần lớn việc lặp lại đã được máy nhận trước.
• Mốc 30 giây trở thành chỉ số kiểm soát, không còn là lời nhắc miệng.
• Phiếu xử lý thành công được ghi nhận theo từng chi nhánh, thay vì gom chung cuối ngày.
• Doanh thu trên 30 tỷ/tháng được bảo vệ tốt hơn ở nhóm khách nhắn ngoài giờ.
• Đội CSKH hơn 40 người được kéo về các việc cần phán đoán, thay vì trả lời lặp lại.

Con số 60% không có ý nghĩa nếu chỉ nhìn như cắt người. Nó có ý nghĩa khi anh chị nhìn được tiền ca trực, tiền khách quay lại và tiền không bị rơi vì phản hồi chậm.

Đó là cách MONA thường làm với phần mềm tự động hoá production-grade. Tụi em bắt đầu từ điểm mất kiểm soát, rồi biến nó thành luồng việc có người, có máy, có số đo.

Khi ca đêm bớt hỗn loạn, đội CSKH không chỉ nhẹ hơn. Ban lãnh đạo cũng nhìn rõ doanh thu đang được giữ lại ở đâu.

Tính năng tương tự cũng áp dụng cho spa, giáo dục, F&B, bán lẻ và nhập hàng

Nỗi FOMO trong chăm sóc khách hàng thường đến từ một cảm giác rất cụ thể. Đối thủ đã trả lời khách 24/7, còn đội của anh chị vẫn chia ca trực đêm bằng bảng tính.

Chúng ta không sợ công nghệ mới. Chúng ta sợ bỏ lỡ thời điểm dùng đúng việc, đúng nơi, trước khi chi phí nhân sự phình ra thêm 30-80 người.

MONA không đóng gói một câu chuyện AI chung chung. Tụi em tách từng ngành thành nhóm việc lặp lại, rồi viết phần mềm tự động hoá để xử lý theo quy trình thật của doanh nghiệp.

• 5 ngành dưới đây đều có điểm chung: khách cần phản hồi nhanh, dữ liệu phải đúng, ca trực không nên kéo dài vô hạn.
• Mục tiêu không phải thay toàn bộ CSKH, mà giảm khoảng 60% ca trực đêm ở các việc máy làm ổn định hơn người.
• Với mô hình 15-30 chi nhánh, mỗi lỗi phản hồi trễ có thể kéo theo mất lịch, mất đơn, mất uy tín nội bộ.

Spa cần giữ lịch hẹn và nhắc liệu trình

Chuỗi spa rất dễ mất tiền ở những việc nhỏ. Khách đặt lịch lúc 22:30, nhân sự trực ngủ quên, sáng hôm sau lịch đẹp đã rơi sang bên khác.

Cái đau không nằm ở một cuộc hẹn. Cái đau nằm ở 28 chi nhánh cùng lặp lại cảnh xác nhận thủ công, đổi lịch thủ công, nhắc liệu trình thủ công.

Chúng ta hiểu áp lực này. Một liệu trình 6-10 buổi mà nhắc sai ngày, sai cơ sở, sai kỹ thuật viên thì khách mất niềm tin rất nhanh.

MONA thường tách chăm sóc spa thành các luồng rõ ràng. Phần mềm tự động hoá nhận lịch, xác nhận khung giờ, nhắc trước hẹn, báo vắng mặt và gợi ý đặt buổi tiếp theo.

• Khách nhắn ngoài giờ vẫn được ghi nhận 24/7.
• Quản lý thấy tỷ lệ khách đến, khách huỷ, khách cần gọi lại.
• Nhân sự chỉ xử lý các ca lệch quy trình hoặc khách có cảm xúc mạnh.

Khi phần việc lặp được máy gánh, mục tiêu giảm 60% ca trực đêm trở nên thực tế hơn. Đội CSKH không còn ngồi canh tin nhắn chỉ để xác nhận lịch.

Giáo dục cần tư vấn khóa học và nhắc học phí

Trung tâm giáo dục mất khách rất âm thầm. Phụ huynh hỏi học phí lúc 21:00, tư vấn viên trả lời sáng hôm sau, cơ hội đã nguội.

FOMO ở ngành này rất rõ. Nhiều nơi đã cho khách nhận lộ trình học ngay trong vài phút, còn đội tư vấn của chúng ta vẫn hỏi lại từng thông tin.

MONA không để phần mềm trả lời lan man. Tụi em dựng chuỗi tự động theo từng nhóm việc: tư vấn khóa học, lọc nhu cầu, gửi lịch kiểm tra đầu vào, nhắc học phí và báo tình trạng lớp.

• Phụ huynh hỏi chương trình, phần mềm trả lời theo độ tuổi và mục tiêu học.
• Học viên sắp đến hạn đóng phí, hệ thống nhắc theo mốc ngày.
• Quản lý nhìn được số cuộc tư vấn, số lịch hẹn, số hồ sơ cần người gọi lại.

Với mô hình 15-30 cơ sở, mỗi tối có thể phát sinh hàng trăm tin nhắn. Tự động hoá giúp giữ nhịp phản hồi 24/7 mà không ép đội tư vấn trực kiệt sức.

F&B cần xử lý đặt bàn, khiếu nại và tích điểm

F&B nhiều điểm bán thường đau ở giờ cao điểm. Khách đặt bàn, hỏi món, báo thiếu món, phàn nàn giao chậm, mọi thứ dồn vào một nhóm trực.

Cái khó nằm ở tốc độ. Một phản hồi chậm 15 phút trong giờ ăn có thể biến khách quen thành người phàn nàn công khai.

Chúng ta không nên để quản lý ca vừa chạy vận hành, vừa trả lời tin nhắn, vừa ghi nhận tích điểm thủ công. Đó là cách làm khiến sai sót lặp lại mỗi ngày.

MONA thiết kế phần mềm tự động hoá để gom các việc có quy luật. Hệ thống nhận đặt bàn, xác nhận chi nhánh, ghi nhận khiếu nại, phân loại mức độ và cập nhật điểm thành viên.

• Đặt bàn được xác nhận theo khung giờ và sức chứa từng điểm bán.
• Khiếu nại được gắn mức ưu tiên để quản lý xử lý đúng ca.
• Tích điểm được đồng bộ, tránh cảnh khách phải chứng minh lịch sử mua.

Kết quả cần hướng tới là giảm 60% ca trực đêm cho các câu hỏi lặp. Người thật tập trung vào ca nhạy cảm, khách lớn và tình huống cần xin lỗi đúng cách.

Bán lẻ cần tra đơn, đổi trả và bảo hành

Bán lẻ chuỗi mất rất nhiều giờ vào câu hỏi lặp. Đơn tới đâu, đổi trả ra sao, bảo hành còn hạn không, chi nhánh nào còn hàng.

Nếu mỗi câu đều cần nhân sự tra tay, chi phí CSKH sẽ phình lên theo số điểm bán. Tăng trưởng càng nhanh, phòng chăm sóc càng dễ bị nghẽn.

Đó là FOMO thật. Anh chị thấy thị trường chuyển sang phản hồi tức thời, còn nội bộ vẫn phải nhắn qua 2-3 nhóm để kiểm tra một đơn.

MONA thường dựng luồng tự động nối dữ liệu đơn hàng, kho, bảo hành và lịch sử khách. Phần mềm trả lời phần chắc chắn, rồi chuyển người thật khi có tranh chấp.

• Khách tra đơn bằng số điện thoại hoặc mã đơn.
• Đổi trả được kiểm theo thời hạn, tình trạng hàng và chính sách từng ngành.
• Bảo hành được đối chiếu với ngày mua, chi nhánh và mã sản phẩm.

Ở quy mô 30 tỷ/tháng, mỗi điểm nghẽn nhỏ đều thành chi phí lớn. Tự động hoá giúp giữ tốc độ phục vụ mà không phải tăng ca trực theo cấp số nhân.

Nhập hàng cần cập nhật trạng thái và báo phí

Ngành nhập hàng Trung Quốc rất dễ căng vì khách sốt ruột. Hàng đã mua chưa, kho Trung Quốc nhận chưa, về kho Việt chưa, phí phát sinh bao nhiêu.

Nếu đội CSKH trả lời bằng cách hỏi lại từng nhân sự vận hành, khách sẽ cảm giác doanh nghiệp mất kiểm soát. FOMO xuất hiện khi đối thủ đã cho tra cứu 24/7.

MONA tách quy trình nhập hàng thành các mốc trạng thái rõ ràng. Phần mềm tự động hoá cập nhật đặt cọc, mua hàng, vận chuyển, cân nặng, phí nội địa, phí quốc tế và công nợ.

• Khách xem được trạng thái đơn theo từng mốc vận hành.
• Phí được báo theo dữ liệu cân nặng, tỷ giá và quy định nội bộ.
• Nhân sự chỉ can thiệp khi có lệch phí, thiếu hàng hoặc khiếu nại.

Với nhóm doanh nghiệp xử lý hàng nghìn đơn mỗi tháng, trực đêm chỉ để báo trạng thái là một khoản hao mòn lớn. Mục tiêu giảm 60% ca trực đêm nên bắt đầu từ những việc lặp này.

Điểm chung của 5 ngành không phải là chạy theo AI. Điểm chung là chăm sóc khách hàng đã có đủ dữ liệu, đủ kịch bản và đủ áp lực để tự động hoá.

MONA cùng anh chị chọn phần việc máy làm được trước. Tụi em giữ người thật cho những cuộc trao đổi cần kinh nghiệm, trách nhiệm và sự tinh tế.

Tuần này hãy đo lại 100 cuộc hội thoại ngoài giờ trước khi mở rộng tự động hoá

Rủi ro lớn khi rà soát AI chăm sóc khách hàng 24/7 nằm ở xung đột lợi ích. Đơn vị bán công cụ thường có xu hướng chứng minh công cụ nên được mở rộng.

Anh chị dễ bị kéo vào một báo cáo nghe hợp lý, nhưng thiếu dữ liệu từ vận hành thật. Đau ở đây không chỉ là tiền phần mềm, mà là mất quyền kiểm soát ca đêm.

Tuần này, anh chị chỉ cần trích 100 cuộc hội thoại ngoài giờ. Đủ nhỏ để làm ngay. Đủ thật để thấy máy nên làm việc gì.

Tách việc lặp lại khỏi việc cần phán đoán

Trong 100 cuộc hội thoại, tụi em thường đề nghị chia thành 3 nhóm. Việc lặp lại, việc cần người xử lý, và việc có rủi ro về tiền hoặc uy tín.

• Nhóm lặp lại gồm hỏi giờ mở cửa, bảng giá, lịch trống, chính sách đổi lịch, tình trạng đơn.
• Nhóm cần người gồm khách giận, khách đòi ưu đãi ngoài quy định, khách có lịch sử mua phức tạp.
• Nhóm rủi ro gồm hoàn tiền, khiếu nại công khai, dữ liệu cá nhân, cam kết vượt quyền nhân sự trực.

Cách tách này giúp anh chị không bị mê hoặc bởi vài đoạn trả lời nghe trôi. Một phần mềm tự động hoá tốt phải biết dừng đúng lúc.

MONA không bắt đầu bằng câu “hãy thay người trực đêm”. MONA bắt đầu bằng việc đọc mẫu thật, gắn nhãn từng nhóm, rồi xác định phần nào có thể giao cho phần mềm.

Kết quả cần nhìn được là tỷ lệ ca trực đêm có thể giảm 60% mà không làm rơi các ca cần người. Con số này chỉ có ý nghĩa khi dựa trên hội thoại thật.

Chọn một chi nhánh làm mẫu trước khi nhân rộng

Mở rộng tự động hoá trên 15 đến 30 chi nhánh cùng lúc thường tạo nhiễu. Mỗi chi nhánh có cách nói chuyện, tệp khách và lỗi vận hành riêng.

Anh chị nên chọn 1 chi nhánh có lượng hội thoại ngoài giờ đều. Chi nhánh đó cần đủ dữ liệu, nhưng không nên là nơi đang hỗn loạn.

Trong 7 ngày đầu, MONA có thể cùng đội vận hành rà soát 100 hội thoại, dựng luồng xử lý mẫu và đo lại lỗi chuyển người. Tụi em ưu tiên dữ liệu vận hành trước khi viết sâu phần mềm.

• Đo số cuộc hỏi lặp lại có thể tự xử lý.
• Đo số cuộc phải chuyển người ngay.
• Đo số cuộc phần mềm được phép gợi ý, nhưng chưa được tự quyết.
• Đo số lần khách phải nhắn lại vì câu trả lời chưa rõ.

Cách làm này giúp anh chị tránh cảnh cả hệ thống cùng sai một kiểu. Sai ở 1 chi nhánh còn sửa được. Sai đồng loạt sẽ làm mất niềm tin nội bộ.

MONA thường dựng phần mềm tự động hoá theo từng lớp. Lớp trả lời lặp lại chạy trước, lớp chuyển người chạy sau, lớp báo cáo quản trị đi kèm từ đầu.

Giữ quyền kiểm soát bằng chỉ số và nhật ký xử lý

Xung đột lợi ích xuất hiện rõ khi người làm công cụ cũng là người tự chấm điểm công cụ. Anh chị cần nhật ký xử lý độc lập trong phần mềm.

Mỗi cuộc hội thoại ngoài giờ nên có trạng thái rõ. Phần mềm đã trả lời gì, dựa trên quy tắc nào, chuyển người lúc nào, và ai chịu trách nhiệm cuối.

MONA thiết kế phần mềm tự động hoá để chủ doanh nghiệp nhìn được chỉ số, không chỉ nhìn được đoạn chat đẹp. Nhật ký giúp anh chị kiểm tra lại từng quyết định.

• Tỷ lệ cuộc được xử lý tự động trong nhóm lặp lại.
• Tỷ lệ cuộc bị chuyển người vì vượt quyền.
• Tỷ lệ khách phải nhắn lại trong cùng một vấn đề.
• Tỷ lệ lỗi do dữ liệu thiếu, thay vì do phần mềm trả lời sai.

Nhìn 4 nhóm chỉ số này, anh chị sẽ biết phần mềm nên mở rộng ở đâu. Chúng ta không cần tranh luận bằng cảm tính.

Nếu 100 cuộc hội thoại cho thấy phần lớn ca đêm chỉ là việc lặp lại, mục tiêu giảm 60% ca trực có cơ sở. Nếu phần lớn là ca rủi ro, MONA sẽ khuyên giữ người và tự động hoá phần ghi nhận trước.

Bước nhẹ trong tuần này là trích 100 cuộc hội thoại ngoài giờ. Anh chị phân loại trước 3 nhóm, rồi MONA có thể cùng rà soát để chọn điểm bắt đầu an toàn cho phần mềm tự động hoá.