Tự động phân loại ticket hỗ trợ bằng AI: Từ tin nhắn đến đúng bộ phận

Yêu cầu hỗ trợ đến từ email, form website, fanpage, Zalo và điện thoại. Ở nhiều bộ phận hỗ trợ, một người phải đọc từng tin rồi chuyển tay sang kỹ thuật, kế toán hay giao vận. Giờ cao điểm, tin gấp bị lẫn giữa những câu hỏi thông thường.

AI phân loại ticket có thể đọc nội dung, gán nhãn vấn đề, đề xuất mức ưu tiên và chuyển đến nhóm phù hợp trong vài giây. Nhưng một ticket gấp bị xếp nhầm vào hàng chờ thường, hoặc bị chuyển qua lại giữa các nhóm, sẽ làm khách chờ lâu hơn cả khi phân loại bằng tay.

Bài viết này đi qua cách thiết kế bộ nhãn, quy tắc ưu tiên và cơ chế sửa nhãn để việc phân luồng vừa nhanh vừa có thể kiểm soát.

1. Cách nhìn đúng về AI phân loại ticket

Hệ thống phân loại ticket gồm ba phần. Phần dữ liệu là nội dung tin nhắn, thông tin khách hàng và lịch sử yêu cầu trước đó. Phần phân loại đọc nội dung, chọn nhãn và mức ưu tiên kèm lý do. Phần kiểm soát quyết định nhãn nào được chuyển thẳng, nhãn nào phải qua người điều phối và ticket độ chắc chắn thấp đi về đâu.

Nếu bộ nhãn chồng chéo hoặc quy tắc ưu tiên không rõ, AI sẽ phân loại không nhất quán dù mô hình tốt đến đâu.

Khi khảo sát, nên tách những nhóm vấn đề đã có quy trình xử lý rõ (quên mật khẩu, tra cứu đơn) khỏi nhóm cần phán đoán (khiếu nại, sự cố nhiều bên). Nhóm đầu có thể cho AI chuyển thẳng sớm. Nhóm sau nên để AI đề xuất và người điều phối xác nhận trong giai đoạn đầu.

2. Các vấn đề cần xử lý

1. Hợp nhất nguồn tiếp nhận

Mỗi kênh gửi dữ liệu theo một kiểu: email có tiêu đề và file đính kèm, tin nhắn chat thì ngắn và rời rạc. Trước khi phân loại, các yêu cầu cần được đưa về một định dạng chung và gộp những tin của cùng một khách về cùng vấn đề. Nếu không, một khách nhắn ba lần sẽ thành ba ticket nằm ở ba nhóm khác nhau.

2. Thiết kế taxonomy vấn đề

Bộ nhãn là danh sách các loại vấn đề mà bộ phận hỗ trợ dùng để phân luồng. Nhãn chồng nhau như “lỗi thanh toán” và “vấn đề hóa đơn” khiến cả người lẫn AI phân loại lúc thế này lúc thế khác. Bộ nhãn nên đủ ít để dễ nhớ, mỗi nhãn có định nghĩa và vài ví dụ thật, và gắn với đúng một nhóm xử lý.

3. Xác định mức ưu tiên

Mức ưu tiên nên dựa trên tác động (bao nhiêu khách bị ảnh hưởng, có liên quan tiền hoặc an toàn không) và cam kết thời gian phản hồi, không chỉ dựa vào giọng điệu của khách. Một khách viết rất gay gắt về chuyện nhỏ và một khách lịch sự báo bị trừ tiền hai lần cần được xếp khác nhau. Quy tắc ưu tiên phải do trưởng bộ phận hỗ trợ viết ra.

4. Phát hiện thông tin còn thiếu

Nhiều ticket bị chuyển đi rồi trả về chỉ vì thiếu mã đơn, số điện thoại hoặc ảnh chụp lỗi. AI có thể nhận ra thông tin bắt buộc còn thiếu theo từng loại nhãn và hỏi lại khách ngay từ đầu. Nhờ vậy nhóm xử lý nhận được ticket đủ thông tin để bắt tay vào làm.

5. Định tuyến theo kỹ năng

Ngoài nhãn vấn đề, ticket còn cần đến đúng người: người biết sản phẩm đó, người nói được ngôn ngữ của khách, người đang có ca trực. Quy tắc định tuyến nên đọc lịch trực và khối lượng việc hiện tại, không chỉ đọc nhãn. Khi nhóm đích đang quá tải, cần có đường dự phòng thay vì dồn thêm vào hàng chờ.

6. Cảnh báo nguy cơ quá hạn

Mỗi mức ưu tiên đi kèm một thời hạn phản hồi. Hệ thống nên cảnh báo trước khi ticket sắp quá hạn, không phải sau khi đã quá hạn. Cảnh báo gửi cho người phụ trách ca hoặc trưởng nhóm để họ điều phối lại.

7. Cho phép sửa phân loại

Nhân viên nhận ticket phải sửa được nhãn và mức ưu tiên chỉ với một thao tác, kèm lý do ngắn. Mỗi lần sửa là một dữ liệu quý để điều chỉnh bộ nhãn hoặc quy tắc. Nếu sửa nhãn quá phiền, nhân viên sẽ xử lý luôn mà không sửa, và lỗi phân loại cứ lặp lại.

8. Đo kết quả sau xử lý

Nhãn do AI gán chỉ đúng khi được đối chiếu với kết quả thực tế: ticket cuối cùng được nhóm nào giải quyết, vấn đề thật là gì. Nên so nhãn ban đầu với nhãn lúc đóng ticket để tính tỷ lệ đúng theo từng loại. Loại nào sai nhiều thường do định nghĩa nhãn chưa rõ hơn là do AI.

3. Quy trình triển khai đề xuất

Bước 1: Lấy mẫu ticket lịch sử đã được làm sạch

Rút một tập ticket cũ đã đóng, trải đều các kênh và các loại vấn đề. Xóa hoặc che thông tin cá nhân không cần thiết như số thẻ, địa chỉ chi tiết. Đầu ra là tập mẫu có nhãn cuối cùng do nhân viên xử lý gán, dùng làm dữ liệu đối chiếu.

Bước 2: Thống nhất nhãn không chồng chéo

Cho vài nhân viên cùng gán nhãn một phần tập mẫu, rồi xem chỗ nào họ bất đồng. Chỗ bất đồng là chỗ bộ nhãn cần gộp, tách hoặc viết lại định nghĩa. Trưởng bộ phận hỗ trợ chốt bộ nhãn cuối cùng.

Bước 3: Chạy song song với nhân viên trong giai đoạn đầu

AI gán nhãn cho ticket mới nhưng chưa tự chuyển, người điều phối vẫn phân luồng như cũ. So kết quả hai bên hằng ngày để thấy AI sai ở đâu. Chỉ khi một nhóm nhãn đạt tiêu chí đã thống nhất mới cho AI chuyển thẳng nhóm đó.

Bước 4: Theo dõi nhãn sai, chuyển vòng và thời gian giải quyết

Sau khi đưa vào dùng, lập bảng theo dõi định kỳ: nhãn bị sửa, ticket bị chuyển qua nhiều nhóm và thời gian từ lúc nhận đến lúc giải quyết. Trưởng bộ phận xem bảng này để quyết định điều chỉnh quy tắc hoặc thu hẹp phạm vi tự động.

4. Ví dụ giả định

Một tin nhắn có cụm từ “không đăng nhập được” được AI xếp vào tài khoản, nhưng kèm thông tin thanh toán bị trừ hai lần. Quy tắc ưu tiên đưa ticket sang nhóm thanh toán mức cao, đồng thời giữ nhãn phụ về đăng nhập để người xử lý thấy đủ bối cảnh.

Ví dụ này cho thấy phân loại theo từ khóa đầu tiên xuất hiện là chưa đủ. Quy tắc “vấn đề liên quan tiền được ưu tiên trước” đã sửa lại lựa chọn ban đầu. Nên đưa những tin nhắn nhiều vấn đề như vậy vào bộ kiểm thử, kèm nhãn chính, nhãn phụ và nhóm xử lý mong đợi do trưởng bộ phận xác nhận.

5. Rủi ro và giới hạn cần kiểm soát

• Không dùng từ khóa đơn lẻ để xác định khẩn cấp

• Bảo vệ dữ liệu trong nội dung ticket

• Tránh vòng chuyển giữa các nhóm

• Khi độ chắc chắn thấp phải có hàng chờ chung

Nội dung ticket thường chứa số điện thoại, địa chỉ, thậm chí ảnh giấy tờ, nên quyền xem ticket phải theo nhóm xử lý. Hệ thống cần giới hạn số lần một ticket được tự động chuyển nhóm, quá giới hạn thì đưa về người điều phối. Mọi lần gán nhãn, chuyển nhóm và sửa nhãn đều được ghi nhật ký để truy lại khi khách khiếu nại vì chờ lâu.

6. Chỉ số nên theo dõi sau khi vận hành

• Tỷ lệ yêu cầu hoàn thành đúng theo bộ tiêu chí đã duyệt

• Tỷ lệ thiếu dữ liệu, từ chối đúng và chuyển người thật

• Số lỗi tích hợp, thời gian phản hồi và thời gian khắc phục

• Số lần nhân viên sửa kết quả và nguyên nhân sửa

Số ticket được phân loại tự động càng nhiều chưa chắc càng tốt. Cần xem đồng thời tỷ lệ nhãn đúng, số ticket bị chuyển vòng và thời gian giải quyết của từng nhóm vấn đề. Nếu tỷ lệ tự động tăng mà số ticket chuyển vòng cũng tăng, hệ thống đang đẩy việc đi nhanh hơn chứ chưa giải quyết nhanh hơn.

7. Checklist trước khi đưa vào sử dụng

• Nguồn dữ liệu và chủ sở hữu đã được xác nhận

• Quyền đọc ghi và phạm vi người dùng đã được kiểm thử

• Ngoại lệ có đường chuyển người phụ trách

• Nhật ký lưu đủ đầu vào nguồn và kết quả

• Bộ câu hỏi hoặc tình huống kiểm thử có đáp án mong đợi

• Có lịch cập nhật dữ liệu và kiểm thử lại

Cách tiếp cận “AI đánh dấu, người quyết định” cũng được dùng trong bài AI so sánh hợp đồng. Khi việc phân loại cần đọc trạng thái đơn hàng hoặc hệ thống đang thay đổi liên tục, xem thêm AI Agent với dữ liệu thời gian thực.

8. Câu hỏi thường gặp

AI có tự đóng ticket không? Chỉ nên tự đóng các trường hợp có tiêu chí hoàn tất rõ và phản hồi xác nhận phù hợp.

Làm sao xử lý ticket nhiều vấn đề? Gán nhãn chính theo rủi ro hoặc hành động cần trước, giữ nhãn phụ và nội dung gốc.

Chỉ số nào quan trọng? Tỷ lệ phân loại đúng, chuyển vòng, thời gian nhận và thời gian giải quyết.

Kết luận

AI phân loại ticket chỉ tốt bằng bộ nhãn và quy tắc ưu tiên mà nó dựa vào. Doanh nghiệp nên dọn bộ nhãn cho gọn, viết rõ tiêu chí ưu tiên và cho nhân viên sửa nhãn dễ dàng trước khi bật chuyển thẳng.

Chạy song song với người điều phối một thời gian, rồi mở dần từng nhóm vấn đề cho AI tự chuyển, là cách an toàn để đạt tốc độ mà không đánh rơi ticket gấp.

Trao đổi với Naventic để khảo sát luồng tiếp nhận và phân loại yêu cầu hỗ trợ. Đọc thêm: AI Customer Support.