AI tổng đài: 3 kiến trúc trên thị trường, chọn sai là đốt tiền

Năm 2026, chủ doanh nghiệp Việt bị dội bom demo AI gọi điện. Đơn vị nào cũng mở một đoạn ghi âm bot nói ngọt như tổng đài viên 5 năm kinh nghiệm, rồi báo giá kèm chữ AI. Điều người bán ít khi nói: đằng sau các demo đó là 3 kiến trúc khác hẳn nhau, chi phí vận hành chênh nhau cả chục lần, và mỗi kiến trúc chỉ hợp một nhóm việc.

Tóm tắt: AI tổng đài hiện quy về 3 kiến trúc. IVR if-else hợp việc cứng như xác nhận, tra cứu. Cascade ba lớp gánh phần lớn cuộc gọi doanh nghiệp. Speech-to-Speech tự nhiên như người nhưng đắt, chỉ đáng cho cuộc gọi giá trị cao. Chọn theo từng việc, không chọn theo quảng cáo.

Bài này tụi em mổ từng kiến trúc AI trực tổng đài bằng tiếng Việt dễ hiểu, kèm video có ghi âm thật từ tổng đài MONA để anh chị nghe máy bắt máy ra sao. Đọc xong, anh chị tự biết doanh nghiệp mình cần kiểu nào, và khỏi trả tiền cho kiểu mình không cần.

Bot demo nghe như người, về công ty thành máy đọc kịch bản

Cảnh này tụi em gặp lặp đi lặp lại. Một CEO chuỗi thẩm mỹ dự hội thảo, nghe bot demo tư vấn liệu trình mượt tới mức cả hội trường vỗ tay. Về công ty, ký hợp đồng đóng tiền theo năm.

Hai tuần sau, chị mở ghi âm tổng đài của chính mình. Khách hỏi lệch kịch bản đúng một câu, bot lặp lại “dạ em chưa hiểu ý mình” ba lần. Khách cúp máy. Đội sale nhún vai, nói câu mà chủ doanh nghiệp nào cũng sợ: “em nói rồi, AI này ngu”.

Tiền đã đóng. Niềm tin vào tự động hoá của cả công ty cũng đi theo. Cái đau không nằm ở chữ AI, nó nằm ở chỗ hai con AI tổng đài đó chạy hai kiến trúc khác nhau. Người bán không nói rõ, và hợp đồng cũng không ghi.

Ba kiến trúc AI tổng đài, và lý do người bán không mở ra cho anh chị coi

AI tổng đài trên thị trường quy về đúng 3 kiến trúc: IVR if-else chạy kịch bản cứng, cascade ba lớp nghe hiểu đáp, và speech-to-speech nghe tiếng đáp tiếng. Mọi cái tên thương mại hoa mỹ đều là một trong ba kiểu này, hoặc ghép vài kiểu lại. Thị trường bot hội thoại toàn cầu tăng liên tục nhiều năm theo dữ liệu Statista, nên người bán mới đông như hiện nay.

Người bán ít khi mở lớp kiến trúc ra, vì mở ra là lộ hai thứ. Thứ nhất là giá gốc: cùng một cuộc gọi 2 phút, kiến trúc này tốn vài trăm đồng, kiến trúc kia tốn vài nghìn. Thứ hai là giới hạn: bot if-else không bao giờ tư vấn được, dù tờ rơi in chữ AI to cỡ nào.

Anh chị không cần học lập trình để phân biệt. Chỉ cần hiểu mỗi kiểu trả lời bằng cách nào, như tụi em đã giải thích nền tảng trong bài conversational AI là gì và AI agent là gì. Ba phần tiếp theo đi từng kiểu, theo đúng thứ tự từ rẻ tới đắt.

IVR if-else chỉ nên gác những việc không được phép sai

IVR if-else là cây kịch bản đóng cứng: khách bấm phím hoặc nói vài từ khoá, hệ thống rẽ nhánh đúng như lập trình sẵn, không suy nghĩ gì thêm. Đây là kiểu tổng đài “ấn phím 1 để gặp kế toán” mà anh chị nghe ở ngân hàng chục năm nay, đời trước của mọi chatbot hiện đại. Hầu hết dịch vụ tổng đài ảo trên thị trường đang đóng gói sẵn tính năng này trong phí thuê bao tháng.

Nhiều người chê kiểu này lỗi thời. Tụi em thấy ngược lại, nó là kiểu duy nhất nên gác các việc không được phép sai. Xác nhận đơn hàng, tra cứu trạng thái giao hàng, nhắc lịch hẹn, chốt số tiền cần thanh toán. Các việc này cần đúng 100%, không cần dẻo miệng, và luồng cứng như tự động hóa đòi nợ B2B chạy chính xác từng đồng nhờ nó.

Sai lầm đốt tiền là bắt if-else đi tư vấn. Khách hỏi “giá phòng cuối tuần cho 2 người lớn 1 trẻ em”, bot đọc lại menu 5 phím. Khách hỏi lần hai, bot đọc lại lần nữa. Cuộc gọi đó không chỉ mất một đơn, nó in vào đầu khách hai chữ “công ty này cùi”. Kịch bản cứng chỉ hay khi việc cứng, như tụi em phân tích trong bài kịch bản gọi điện thoại cho khách hàng.

Cascade gánh 70% cuộc gọi, đổi lại khoảng lặng 600 mili giây

Cascade là chuỗi ba lớp chạy nối nhau: lớp nghe chuyển giọng khách thành chữ, bộ não ngôn ngữ đọc chữ rồi soạn câu trả lời, lớp cuối đọc câu đó thành giọng nói. Ba lớp này tụi em đã mổ chi tiết trong bài voice AI tiếng Việt, kèm số đo từng lớp.

Đây là con ngựa thồ của AI tổng đài, và cũng là ruột của các con callbot gọi ra hàng loạt. Nó hiểu câu hỏi lệch kịch bản, tra được dữ liệu doanh nghiệp, đổi giọng vùng miền, và chi phí mỗi phút đủ rẻ để rà hàng nghìn cuộc mỗi ngày. Với doanh nghiệp mid-market, khoảng 70% kịch bản gọi giao được cho cascade. Đây cũng là nhóm việc lặp mà McKinsey xếp vào vùng sinh lời rõ ràng của AI tạo sinh, đặc biệt ở khối chăm sóc khách hàng.

Cái giá phải trả là độ trễ. Ba lớp chuyền tay nhau mất 600 tới 800 mili giây, nên giữa câu hỏi và câu đáp có một khoảng lặng nhỏ. Khách bình thường không để ý, khách khó tính nhận ra đầu dây hơi chậm. Kỹ thuật dựng chuỗi sao cho khoảng lặng này ngắn lại chính là phần khó, và là chỗ phân biệt hàng viết riêng với hàng ráp sẵn.

Một chuỗi bất động sản MONA đồng hành chạy cascade rà 1000 cuộc gọi mỗi ngày cho 28 chi nhánh, lọc ra 60 tới 80 lead nóng mỗi ngày. Đội sale thật chỉ làm việc với lead nóng, tỷ lệ chốt tăng từ 2,1% lên 7,8% theo dữ liệu chuỗi. Toàn bộ hội thoại được ghi vết để giám sát chất lượng hội thoại từng cuộc, thứ mà phòng telesale 30 người không bao giờ làm nổi.

Anh chị muốn nghe cascade tiếng Việt thật thay vì demo dựng sẵn, cứ gọi 1900 636 648. Gấu Cười, hệ thống đang trực tổng đài của chính MONA, sẽ bắt máy và trả lời anh chị như một nhân viên thật, gọi lúc 2 giờ sáng nó vẫn dạ thưa đầy đủ.

Speech-to-Speech nghe sướng tai, cho tới khi hoá đơn cuối tháng về

Speech-to-Speech (nghe tiếng, đáp thẳng bằng tiếng) bỏ luôn chuỗi ba lớp: một mô hình duy nhất nghe âm thanh và sinh âm thanh trả lời, tiêu biểu là gpt-realtime của OpenAI. Không còn khoảng lặng ba lớp, bot bị ngắt lời vẫn đỡ được, ngữ điệu lên xuống như người.

Nghe tới đây nhiều anh chị muốn chốt luôn kiểu này cho cả công ty. Hoá đơn sẽ làm anh chị đổi ý. Speech-to-Speech tính tiền theo phút hội thoại với đơn giá cao hơn cascade nhiều lần. Đem nó đi rà 5000 số nguội một tháng, chi phí đội lên tới mức lợi nhuận của cả chiến dịch không gánh nổi.

Nó còn một điểm yếu ít ai nói: khó kiểm soát. Mô hình tự nói bằng phản xạ, nên việc ghim chính xác từng con số báo giá, từng điều khoản, khó hơn hẳn cascade có lớp kiểm soát ở giữa. Nguyên tắc của tụi em: kiểu này dành cho cuộc gọi giá trị cao, chăm khách VIP, giữ chân khách sắp rời, nơi một cuộc gọi đáng cả triệu đồng lợi nhuận. Nó giống việc dùng người giỏi, mà người giỏi thì như tụi em viết trong bài AI thay nhân viên trung bình, không đem đi làm việc lặt vặt.

Ghép kiến trúc theo từng việc, đừng chọn một loại cho cả công ty

Câu hỏi đúng khi chọn AI tổng đài không phải “kiến trúc nào xịn”, mà là “cuộc gọi này đáng bao nhiêu tiền, và được phép sai tới đâu”. Trả lời xong hai ý đó, kiến trúc tự lộ ra. Việc cứng giá trị thấp đi if-else. Việc hỏi đáp số lượng lớn đi cascade. Việc giá trị cao đi speech-to-speech hoặc chuyển thẳng người thật.

Một tổng đài AI cho doanh nghiệp làm đúng sẽ có lớp điều phối đứng đầu: cùng một số hotline, cuộc xác nhận đơn rẽ vào luồng cứng, cuộc tư vấn rẽ vào cascade, khách VIP rẽ sang bot cao cấp hoặc nhân viên ruột. Khách chỉ thấy một tổng đài lễ phép nghe máy từ chuông đầu tiên, không thấy gì phía sau. Phần hạ tầng nghe gọi bên dưới vẫn là tổng đài chạy qua internet, anh chị chưa nắm nền này thì đọc bài so sánh 3 đời tổng đài ảo trước, rồi quay lại chọn kiến trúc AI sau.

Ghép kiểu này còn giải bài toán con người. Đội trực tổng đài không bị thay thế cả cụm, họ được rút khỏi các cuộc lặp vô nghĩa để làm cuộc gọi ra tiền, đúng mô hình người cộng máy mà Harvard Business Review đã chứng minh hiệu quả hơn máy thay người, đúng tinh thần bài khi nào nên ngừng tuyển thêm và nghĩ tới tự động hóa. Nhân viên mới cũng đạt chuẩn nhanh hơn vì máy gánh hết phần trả lời lặp. Lộ trình áp dụng từng bước, anh chị xem thêm cẩm nang AI first cho doanh nghiệp.

Ngành nào ghép kiểu nào

Cách ghép giống nhau về nguyên lý, khác nhau ở tỷ trọng. Dưới đây là công thức tụi em hay lắp cho 6 nhóm ngành quen mặt.

• Bất động sản: cascade rà nguội hàng nghìn số, người thật chốt. If-else nhắc lịch xem nhà.
• Thẩm mỹ, spa: if-else nhắc hẹn và xác nhận cọc, cascade tư vấn liệu trình ngoài giờ.
• Giáo dục: cascade tư vấn tuyển sinh mùa cao điểm, if-else nhắc học phí, lịch khai giảng.
• Tài chính, thu hồi nợ: if-else nhắc kỳ thanh toán chính xác từng đồng, cascade thương lượng mềm vòng đầu.
• Phân phối, đại lý: if-else cho đại lý đặt hàng lúc 2 giờ sáng, cascade xử lý khiếu nại giao nhận, nối thẳng vào chuỗi AI agent cho công ty phân phối.
• Chuỗi nhà hàng: if-else đặt bàn giữ chỗ, cascade gom góp ý sau bữa ăn, đổ về một nơi cùng chatbot AI cho doanh nghiệp trên web và fanpage.

Điểm chung của cả 6 ngành: điện thoại chỉ là một kênh. Khách nhắn Zalo, inbox fanpage, chat web cùng một câu hỏi, và họ muốn một câu trả lời thống nhất. Vì vậy AI tổng đài nên nằm chung não với hệ chăm sóc khách hàng đa kênh, không nên là một hộp riêng lẻ.

Câu hỏi thường gặp

AI tổng đài là gì?

AI tổng đài là hệ thống phần mềm tự động nghe và trả lời cuộc gọi của khách hàng thay nhân viên trực. Tuỳ kiến trúc, nó chạy kịch bản cứng if-else, chuỗi cascade ba lớp nghe hiểu đáp, hoặc mô hình speech-to-speech nghe tiếng đáp tiếng.

AI tổng đài giá bao nhiêu?

Chi phí phụ thuộc kiến trúc và lưu lượng gọi. If-else rẻ như tổng đài thường, cascade tính theo phút ở mức rà được hàng nghìn cuộc mỗi ngày, speech-to-speech đắt hơn cascade nhiều lần nên chỉ dành cho cuộc gọi giá trị cao. MONA báo giá theo luồng việc cụ thể và cam kết đúng giá đã báo.

AI tổng đài có thay được nhân viên trực điện thoại không?

Nó thay được phần việc lặp: rà khách nguội, trả lời câu hỏi quen, nhắc lịch, trực đêm và cuối tuần. Nhân viên giỏi được rút về làm cuộc gọi chốt tiền và khách quan trọng, nơi máy chưa thay được người.

Doanh nghiệp nhỏ có nên làm AI tổng đài không?

Nên bắt đầu khi tổng đài có việc lặp rõ ràng và bỏ lỡ cuộc gọi ngoài giờ. Cách an toàn là chạy một luồng duy nhất trước, ví dụ nhắc lịch hoặc trực đêm, đo kết quả rồi mới mở rộng dần sang các luồng khác.

MONA lắp AI tổng đài theo kiểu phần mềm viết riêng, không bán hộp

MONA không bán một con bot đóng hộp rồi để anh chị tự bơi. Tụi em khảo sát luồng gọi thật, dựng lớp điều phối, viết riêng từng luồng if-else, cascade, speech-to-speech theo đúng việc của doanh nghiệp, nối vào CRM và phần mềm quản lý anh chị đang dùng. Cấu trúc một sản phẩm mẫu, anh chị coi ở AI agent trả lời tự động và quản lý lead. Phần mềm chạy trên hạ tầng do MONA Host vận hành, đội Mona Software chịu trách nhiệm khi có lỗi, không đổ cho bên thứ ba.

Đồ ráp sẵn kéo thả hợp việc cá nhân nhẹ nhàng. Doanh nghiệp đông khách chạy ngày đêm cần hàng production, một cấu hình sai là đơn trôi cả đêm không ai biết. Đó là lý do tụi em kiên định với phần mềm viết riêng, automation tới gốc, có số đo từng cuộc gọi để mỗi tuần tinh chỉnh một lần.

Bằng chứng sống là Gấu Cười, bot đang trực toàn bộ kênh của chính MONA: web, fanpage, Zalo OA và điện thoại. Anh chị nghe nó bắt máy thật ở 1900 636 648, hoặc bấm bong bóng chat góc phải ngay trên website này, hoặc vào thẳng phòng chat thử của Gấu Cười. Tụi em dám cho anh chị vọc hàng thật trước khi nói chuyện hợp đồng, vì hệ này đang tự trực cho chính tụi em mỗi ngày.

Anh chị đã đọc tới đây nghĩa là tổng đài đang là chỗ chảy máu: khách gọi giờ nghỉ trưa không ai bắt, telesale rà nguội 28 cuộc bị cúp trong 5 giây, tiền lương phòng trực cao hơn doanh thu nó tạo ra. Đừng vá bằng cách tuyển thêm một người nữa, và cũng đừng mua thêm một cái hộp AI nữa về đắp lên. Gọi 1900 636 648, kể cho tụi em nghe một luồng gọi đang đau nhất, tụi em sẽ chỉ rõ luồng đó thuộc kiến trúc nào, đáng đầu tư bao nhiêu, và chạy thử một khâu trước khi anh chị phải cam kết bất cứ điều gì lớn hơn. Tụi em sẵn sàng đồng hành từ buổi khảo sát tới lúc bot nghe máy thay người, anh chị tham khảo thoải mái trước khi quyết.