AI NEWSROOMTin tức · hướng dẫn · phân tích
Tìm kiếm
← Trang chủ
AI at Work

Chủ tiệm dùng AI soạn trả lời khách mà không bịa giá và tồn kho

Một quy trình đơn giản cho cửa hàng nhỏ: để AI viết phần diễn đạt, còn giá, tồn kho và cam kết giao hàng luôn được lấy lại từ nguồn thật trước khi gửi.

Beginner8 phút đọc2 nguồn tham khảo

Một khách hỏi: “Mẫu A còn màu xanh không, giá bao nhiêu và chiều mai giao được chứ?” Đây là kiểu tin nhắn khiến việc dùng AI tưởng rất tiện: chỉ cần dán câu hỏi vào trợ lý AI rồi lấy câu trả lời. Nhưng ba phần quan trọng nhất — còn hàng, giá hiện tại và thời gian giao — đều là dữ liệu có thể thay đổi sau vài phút.

Cách an toàn hơn là giao cho AI việc nó làm tốt trong quy trình này: soạn câu chữ. Những gì có thể khiến cửa hàng mất tiền hoặc hứa sai với khách phải quay về nguồn dữ liệu thật trước khi gửi.

Ví dụ dưới đây hoàn toàn là dữ liệu giả lập để bạn có thể thử mà không cần dùng dữ liệu khách thật. Đây không phải kết quả kiểm thử hiệu năng, cũng không phải lỗi đã được quan sát trên một mô hình AI cụ thể.

Chia câu trả lời thành hai lớp

Giả sử cửa hàng có bảng nội bộ sau:

Sản phẩm Giá Tồn kho Giao dự kiến
Bình giữ nhiệt A 320.000đ 4 1–2 ngày
Túi vải B 95.000đ 0 chưa xác định
Đèn bàn C 450.000đ 2 2–3 ngày

Trong một câu trả lời cho khách, hãy tách hai lớp:

  • Lớp diễn đạt: lời chào, cách giải thích, câu hỏi làm rõ, giọng điệu. AI có thể soạn nháp.
  • Lớp dữ liệu động: giá, tồn kho, phí, khuyến mãi, ngày giao, điều kiện đổi trả đang áp dụng. Chỉ điền khi có nguồn mà bạn vừa kiểm tra.

Nếu cửa hàng dùng bảng tính, phần mềm bán hàng hay sổ theo dõi riêng thì đó mới là nguồn của dữ liệu động. Trợ lý AI không phải nguồn tồn kho.

Cho AI một nhiệm vụ hẹp

Với tin nhắn “Mẫu A còn màu xanh không, giá bao nhiêu và chiều mai giao được chứ?”, thay vì yêu cầu AI trả lời hoàn chỉnh, có thể dùng yêu cầu như sau:

Soạn một câu trả lời thân thiện cho khách. Không tự điền giá, tồn kho, màu còn hàng, phí hoặc thời gian giao. Với mỗi thông tin động chưa có dữ liệu nguồn, dùng nhãn theo mẫu [CẦN KIỂM TRA: TÊN TRƯỜNG], ví dụ [CẦN KIỂM TRA: GIÁ]. Không biến thời gian giao dự kiến thành cam kết chắc chắn.

Một đầu ra giả lập mong đợi có thể là:

Chào bạn, mình kiểm tra mẫu A giúp bạn nhé. Giá hiện tại là [CẦN KIỂM TRA: GIÁ]. Màu xanh hiện [CẦN KIỂM TRA: TỒN KHO MÀU XANH]. Về giao chiều mai, mình cần kiểm tra địa chỉ và khả năng giao trước khi xác nhận: [CẦN KIỂM TRA: THỜI GIAN GIAO].

Điểm quan trọng không phải câu văn có hay hơn hay không. Điểm quan trọng là bản nháp không che mất chỗ người bán phải kiểm tra. Tài liệu của OpenAI về cách viết yêu cầu cho AI khuyến nghị chỉ dẫn rõ ràng và cung cấp ngữ cảnh cần thiết; trong quy trình này, ta dùng nguyên tắc đó để giới hạn nhiệm vụ và buộc dữ liệu thiếu phải lộ ra thay vì được lấp bằng suy đoán.

Điền dữ liệu sau, không trước

Trước khi gửi, mở nguồn bán hàng đang dùng và xử lý từng ô cần kiểm tra. Ví dụ bảng trên cho biết giá của Bình giữ nhiệt A là 320.000đ, nhưng bảng không có tồn kho theo màu. Vì vậy bạn có thể điền giá, còn câu hỏi “màu xanh còn không” vẫn phải giữ ở trạng thái cần xác minh.

Tương tự, “1–2 ngày” là thời gian dự kiến trong bảng, không chứng minh rằng đơn cụ thể có thể giao vào chiều mai. Nếu chưa kiểm tra địa chỉ, đơn vị giao hoặc giờ chốt nhận đơn của cửa hàng, đừng đổi dự kiến thành lời hứa.

Một kiểm tra nhanh trước khi gửi:

  1. Khoanh mọi con số, ngày giờ và từ ngữ mang tính cam kết trong bản nháp.
  2. Với từng mục, chỉ ra nó đến từ dòng nào trong nguồn hiện tại.
  3. Mục nào không truy được nguồn thì xóa, hỏi lại hoặc giữ dưới dạng “mình kiểm tra rồi xác nhận”.

Cách làm này phù hợp với tinh thần quản trị rủi ro trong tài liệu NIST về AI tạo sinh: đầu ra AI cần được quản lý theo ngữ cảnh sử dụng, với kiểm tra và giám sát phù hợp thay vì mặc định coi nội dung sinh ra là đúng.

Thử tình huống thiếu dữ liệu tồn kho

Hãy cố ý thử một trường hợp mà dữ liệu đầu vào chỉ có tên sản phẩm và giá, không có tồn kho. Mục tiêu không phải chứng minh trợ lý AI chắc chắn sẽ bịa. Đây là phép thử giả lập để kiểm tra xem quy trình có buộc phần thiếu dữ liệu phải lộ ra hay không.

Tiêu chí đạt là bản nháp giữ nhãn như [CẦN KIỂM TRA: TỒN KHO] hoặc hỏi người bán bổ sung dữ liệu. Nếu bản nháp xuất hiện “còn hàng”, “sắp hết” hay một số lượng cụ thể mà nguồn không có, đừng gửi; sửa yêu cầu để buộc AI giữ nguyên trường thiếu rồi chạy lại trên dữ liệu giả lập.

Nếu vẫn khó kiểm soát, bỏ AI khỏi phần dữ liệu động hoàn toàn: dùng mẫu câu cố định và chỉ nhờ AI viết lại phần lời chào hoặc giải thích sau khi bạn đã điền dữ liệu thật.

Khi nào quy trình này đáng dùng

Nó hữu ích khi cửa hàng nhận nhiều câu hỏi giống nhau nhưng người bán vẫn có một nguồn giá và tồn kho đủ tin cậy để kiểm tra. Nó ít hữu ích hơn nếu dữ liệu nội bộ vốn đã rối hoặc cập nhật chậm; lúc đó thêm AI chỉ tạo thêm một lớp phải kiểm tra.

Bạn cũng không nên dán số điện thoại, địa chỉ, lịch sử mua hàng hoặc thông tin nhạy cảm của khách vào một công cụ chưa được phép sử dụng. Với dữ liệu thật, hãy theo chính sách của cửa hàng hoặc tổ chức và điều khoản của công cụ bạn dùng.

Kết quả cần đạt rất đơn giản: AI giúp bạn viết nhanh hơn, nhưng không được trở thành nơi phát minh sự thật kinh doanh. Nếu một câu trả lời có giá, tồn kho hoặc cam kết, người gửi phải biết chính xác dữ liệu đó vừa được lấy từ đâu.

Tài liệu gốc để đối chiếu