AI tạo sinh (Generative AI) đang được kỳ vọng sẽ cách mạng hóa trải nghiệm khách hàng (CX) và bán hàng, mang lại hiệu quả vượt trội. Tuy nhiên, đằng sau những con số ấn tượng về tiềm năng là những thách thức không nhỏ về triển khai, đo lường giá trị thực, và rủi ro đạo đức, bảo mật. Tại Việt Nam, dù tỷ lệ ứng dụng AI tạo sinh cho CX đang dẫn đầu khu vực Đông Nam Á, doanh nghiệp vẫn đang vật lộn để chuyển đổi hiệu suất thành lợi nhuận rõ rệt. Bài viết này đi sâu phân tích cơ hội, thách thức và đưa ra cái nhìn đa chiều về việc ứng dụng AI tạo sinh trong CX và bán hàng, đặc biệt trong bối cảnh thị trường Việt Nam và Đông Nam Á.

Bối Cảnh: Khi AI Tạo Sinh Thống Trị Cuộc Chơi Trải Nghiệm Khách Hàng

Trong bối cảnh kinh doanh cạnh tranh khốc liệt hiện nay, trải nghiệm khách hàng không còn là một lợi thế mà đã trở thành yếu tố sống còn quyết định sự thành bại của doanh nghiệp. Nắm bắt được điều này, các doanh nghiệp đang tìm kiếm mọi công nghệ để nâng cao chất lượng dịch vụ, từ việc cá nhân hóa tương tác đến tối ưu hóa quy trình hỗ trợ. Trí tuệ nhân tạo tạo sinh (Generative AI – GenAI), với khả năng tạo ra nội dung mới như văn bản, hình ảnh, âm thanh và video dựa trên dữ liệu đầu vào, đã nhanh chóng nổi lên như một công nghệ “thay đổi cuộc chơi”.

Sự bùng nổ của GenAI, đặc biệt là từ cuối năm 2022 với sự ra mắt của các mô hình như GPT-4, đã tạo nên một làn sóng ứng dụng mạnh mẽ trên toàn cầu. Theo ông Cao Vương, nhà sáng lập AIVA Group, ứng dụng GenAI trên thế giới đã tăng trưởng 62% tính đến năm 2024, với 92% công ty thuộc danh sách Fortune 500 đã ứng dụng GenAI, giúp họ tăng gần 16% doanh thu, cải thiện 37% năng suất nhân viên và gần 25% năng suất toàn doanh nghiệp. Các lĩnh vực ứng dụng GenAI phổ biến nhất là marketing, bán hàng, phát triển sản phẩm, dịch vụ và công nghệ thông tin.

Tại Việt Nam, xu hướng này còn diễn ra nhanh chóng hơn. Báo cáo của Microsoft (2024) chỉ ra rằng 88% lao động tri thức tại Việt Nam đang sử dụng GenAI trong công việc, cao hơn mức trung bình toàn cầu là 75%. Điều này cho thấy sự cởi mở và sẵn sàng tiếp nhận công nghệ mới của người Việt. Các công cụ AI không còn là “công nghệ tương lai” mà đã trở thành một phần thiết yếu trong học tập, sáng tạo và làm việc hàng ngày của người dùng Việt Nam. Đặc biệt, thị trường AI tại Việt Nam đang tăng trưởng với tốc độ thuộc nhóm nhanh nhất khu vực. Statista dự báo quy mô thị trường AI Việt Nam đạt 932 triệu USD vào năm 2025 và sẽ tăng vọt lên 6,91 tỷ USD vào năm 2031, với tốc độ tăng trưởng kép hàng năm (CAGR) ấn tượng là 38,97% giai đoạn 2025-2031. Điều này củng cố thêm tầm quan trọng của việc phân tích sâu về cách GenAI đang định hình lại trải nghiệm khách hàng và bán hàng tại thị trường đầy tiềm năng này.

Phân Tích Chuyên Sâu: Thâm Nhập Thị Trường và Hiệu Quả Giao Tiếp

Tỷ lệ chấp nhận AI tạo sinh trong CX tại Việt Nam: Dẫn đầu khu vực

Việt Nam đang nổi lên là quốc gia dẫn đầu trong khu vực Đông Nam Á về mức độ ứng dụng AI trong giao tiếp với khách hàng. Theo khảo sát “AI for Business: APAC trends in AI platform adoption” do Deloitte Access Economics thực hiện năm 2024, có tới 65% doanh nghiệp Việt Nam đã sử dụng công cụ nhắn tin tự động tích hợp AI (như chatbot và click-to-message) để giao tiếp với khách hàng. Con số này cao hơn đáng kể so với Indonesia (58%), Malaysia (52%) hay Thái Lan (50%). Báo cáo của Lazada (2025) cũng cho thấy Việt Nam và Indonesia cùng dẫn đầu khu vực về tỷ lệ ứng dụng AI trong các hoạt động kinh doanh trực tuyến, đạt 42%.

Sự sẵn sàng cao này không chỉ dừng lại ở các công cụ nhắn tin. Một khảo sát khác của Deloitte Access Economics cho biết 93% doanh nghiệp vừa và nhỏ tại Việt Nam đã áp dụng công nghệ AI trong quy trình vận hành, trong đó 66% sử dụng AI để giao tiếp với khách hàng, 63% để tiếp cận khách hàng trong nước và 56% để hiểu rõ nhu cầu người dùng. Thậm chí, một nghiên cứu của PwC Việt Nam (2025) cho thấy 83% người lao động tại Việt Nam sử dụng AI trong công việc, cao hơn mức trung bình toàn cầu (69%), và 38% sử dụng GenAI hàng ngày, gấp đôi mức trung bình toàn cầu (14%). Điều này cho thấy AI đã và đang được sử dụng rộng rãi, từ cấp độ cá nhân đến cấp độ doanh nghiệp, trong các hoạt động liên quan đến khách hàng.

Tác động đến năng suất và chi phí: Lợi ích rõ ràng nhưng cần thận trọng

Một trong những động lực chính thúc đẩy doanh nghiệp ứng dụng AI tạo sinh là tiềm năng cải thiện năng suất và giảm chi phí. Các công cụ như chatbot và tự động hóa trả lời tin nhắn giúp doanh nghiệp phản hồi khách hàng theo thời gian thực, giảm chi phí nhân sự, tăng hiệu quả bán hàng và cải thiện mức độ hài lòng của người tiêu dùng. McKinsey (2024) ước tính việc ứng dụng AI có thể giúp các doanh nghiệp tăng năng suất lên tới 40% và giảm 25% chi phí vận hành trong các quy trình kinh doanh. Theo ông Cao Vương của AIVA Group, chatbot giúp doanh nghiệp tiết kiệm trung bình 2 giờ 20 phút mỗi ngày.

Tuy nhiên, việc chuyển đổi từ “hiệu quả năng suất” sang “giá trị tài chính” lại là một thách thức lớn. Theo Khảo sát Thực trạng Ứng dụng AI trong Doanh nghiệp Việt Nam của 3HORIZONS và CIO Vietnam (2026), dù 95% doanh nghiệp Việt Nam ghi nhận GenAI được sử dụng ở cấp độ cá nhân/người dùng và 59% đã đưa AI vào các quy trình công việc có hỗ trợ AI, nhưng chỉ 15% ghi nhận tăng doanh thu. Một báo cáo khác từ CIO Vietnam Survey 2026 và EY Việt Nam cho thấy gần 75% doanh nghiệp đã thử nghiệm hoặc triển khai AI, và hơn 81% cho biết AI giúp tiết kiệm thời gian và nâng cao năng suất, nhưng chỉ 6,3% chứng minh được giá trị tài chính rõ ràng ở cấp độ danh mục AI, thông qua tác động có thể đo lường đến doanh thu, chi phí hoặc lợi nhuận.

Ông Thái Hữu Lý, Trưởng phòng Phát triển tên miền Trung tâm Internet Việt Nam, nhận định: “Nếu thời gian được tiết kiệm không thể chuyển thành thêm sản lượng, thêm khách hàng, doanh thu cao hơn hoặc chi phí nhân sự thấp hơn, giá trị kinh tế cuối cùng vẫn chưa được xác lập”. Đây là một lời nhắc nhở quan trọng rằng việc ứng dụng công nghệ chỉ là bước khởi đầu, việc đo lường và chuyển hóa hiệu suất thành lợi nhuận thực sự mới là “bài toán khó” mà doanh nghiệp Việt Nam cần giải quyết.

Ứng Dụng Thực Tế: Từ Chatbot Đa Năng Đến Trợ Lý Bán Hàng Thông Minh

Case Study Quốc Tế: Klarna – Biểu Tượng và Bài Học

Klarna, một công ty công nghệ tài chính của Thụy Điển, là một trong những ví dụ điển hình nhất về việc ứng dụng GenAI trong dịch vụ khách hàng. Vào tháng 2 năm 2024, Klarna công bố trợ lý AI do OpenAI cung cấp đã xử lý 2,3 triệu cuộc trò chuyện chỉ trong tháng đầu tiên, chiếm 2/3 tổng số cuộc trò chuyện dịch vụ khách hàng của họ. Hệ thống này được cho là đang thực hiện công việc tương đương 700 nhân viên toàn thời gian, đạt điểm hài lòng khách hàng (CSAT) ngang bằng với nhân viên con người, và chính xác hơn trong việc giải quyết yêu cầu, dẫn đến giảm 25% các yêu cầu lặp lại. Khách hàng giờ đây có thể giải quyết vấn đề của mình trong vòng chưa đầy 2 phút, so với 11 phút trước đây. Klarna ước tính GenAI sẽ giúp họ tăng lợi nhuận thêm 40 triệu USD vào năm 2024. Trợ lý AI này hoạt động 24/7, hỗ trợ 23 thị trường và hơn 35 ngôn ngữ.

Tuy nhiên, đằng sau những con số ấn tượng này là một thực tế phức tạp hơn. Một số nhà phân tích đã chỉ ra rằng việc Klarna thay thế 700 nhân viên không diễn ra “sạch sẽ” như tiêu đề báo chí. Klarna đã giảm khoảng 1.500 nhân viên (từ 5.000 xuống 3.500) vào cuối năm 2024, chủ yếu thông qua việc không tuyển dụng thêm và thôi việc tự nhiên, một phần trong số đó là do triển khai AI. Điều quan trọng là trợ lý AI của Klarna được tích hợp sâu vào ứng dụng và quy trình web của họ, có quyền truy cập vào ngữ cảnh xác thực về lịch sử mua hàng, trạng thái thanh toán của khách hàng. Đây không phải là một mô hình ngôn ngữ lớn (LLM) chung chung mà là một tác nhân AI có cấu trúc truy cập vào trạng thái người dùng. Điều này cho thấy để đạt được hiệu quả tương tự, doanh nghiệp cần đầu tư vào việc tích hợp sâu và cung cấp ngữ cảnh dữ liệu phong phú cho AI, không chỉ đơn thuần là “cắm” một chatbot vào hệ thống hiện có.

Bối cảnh Việt Nam: Các ông lớn và startup đang làm gì?

Tại Việt Nam, các tập đoàn công nghệ lớn như FPT, Viettel, VNG đã đầu tư mạnh vào AI tạo sinh. FPT đã triển khai bộ ứng dụng GenAI dành cho doanh nghiệp, giúp tự động hóa khâu tạo nội dung, hỗ trợ chăm sóc khách hàng và nâng cao hiệu suất làm việc. Viettel AI cũng đang xây dựng một hệ sinh thái AI toàn diện, từ quản trị vận hành nội bộ đến phân tích dữ liệu lớn và mô phỏng số, tự động hóa, đặc biệt là phát triển trợ lý ảo thông minh phục vụ chăm sóc khách hàng. VietinBank đã triển khai AI VoiceBot vào tháng 2 năm 2026 để cải thiện dịch vụ khách hàng.

Các startup AI tại Việt Nam cũng đang chứng kiến sự tăng trưởng nhanh chóng. Việt Nam là thị trường tăng trưởng nhanh thứ hai trong khu vực về startup AI tạo sinh, minh chứng cho tiềm năng trở thành trung tâm AI quan trọng trên bản đồ toàn cầu. Nhiều doanh nghiệp vừa và nhỏ cũng đang tích cực thử nghiệm GenAI trong marketing và bán hàng, từ việc tạo nội dung sáng tạo đến tối ưu hóa quảng cáo và phân tích hành vi khách hàng.

Tuy nhiên, một điểm đáng chú ý là 70% nhân viên tại Việt Nam đang sử dụng các công cụ AI cá nhân của họ thay vì các công cụ do công ty cung cấp. Điều này đặt ra thách thức về bảo mật dữ liệu và hiệu quả tích hợp, đồng thời cho thấy nhu cầu cấp thiết về các giải pháp AI doanh nghiệp được quản lý và bảo mật chặt chẽ.

Mặt Trái: Rủi Ro Thực Tế và Những Điều Ít Ai Nói Về AI Tạo Sinh Trong Kinh Doanh

Dù tiềm năng là vô cùng lớn, việc ứng dụng AI tạo sinh trong kinh doanh, đặc biệt là trong lĩnh vực trải nghiệm khách hàng và bán hàng, không phải là một con đường trải hoa hồng. Có những rủi ro và thách thức thực tế mà doanh nghiệp cần nhìn nhận một cách tỉnh táo.

Nguy cơ “ảo giác” và thông tin sai lệch

Một trong những hạn chế cố hữu của các mô hình GenAI là khả năng tạo ra “ảo giác” (hallucinations) – tức là những thông tin sai lệch, không chính xác hoặc không có thật, nhưng được trình bày một cách rất tự tin. Điều này đặc biệt nguy hiểm trong các tình huống chăm sóc khách hàng, nơi sự chính xác của thông tin là tối quan trọng. Nếu một chatbot AI cung cấp thông tin sai về sản phẩm, chính sách bảo hành hoặc hướng dẫn sử dụng, nó có thể gây ra thiệt hại nghiêm trọng đến lòng tin của khách hàng và uy tín thương hiệu.

Rủi ro này càng lớn hơn khi các mô hình AI được đào tạo trên các tập dữ liệu khổng lồ từ Internet, vốn có thể chứa đựng thông tin chưa được kiểm chứng hoặc sai lệch. Việc thiếu kiểm soát chặt chẽ đầu ra của AI có thể biến nó thành một “cỗ máy phát tán tin giả” không chủ đích, gây ra những hệ lụy pháp lý và đạo đức không lường trước được.

Thách thức về bảo mật dữ liệu và quyền riêng tư

Việc tích hợp GenAI vào các hệ thống CX đòi hỏi AI phải được cấp quyền truy cập vào một lượng lớn dữ liệu khách hàng nhạy cảm, từ lịch sử giao dịch, thông tin cá nhân đến các tương tác trước đây. Điều này tạo ra những lỗ hổng bảo mật nghiêm trọng. Đã có trường hợp nhân viên Samsung vô tình tiết lộ mã nguồn bí mật khi sử dụng ChatGPT để tóm tắt tài liệu hoặc tạo ghi chú cuộc họp.

Tại Việt Nam, với thói quen “tâm sự” với chatbot AI của nhiều người dùng, nguy cơ rò rỉ dữ liệu cá nhân là rất cao. Khi thông tin nhạy cảm như họ tên, số điện thoại, email, số CCCD, hộ chiếu hay thậm chí số tài khoản ngân hàng được nhập vào các chatbot, doanh nghiệp và cá nhân có thể mất quyền kiểm soát dữ liệu đó vĩnh viễn. Một khi dữ liệu bị lộ và rao bán trên “chợ đen”, hậu quả có thể là lừa đảo, giả mạo danh tính (deepfake) và các vụ tấn công mạng tinh vi khác.

Mặc dù Luật Trí tuệ nhân tạo năm 2025 (Luật số 134/2025/QH15) và Luật Bảo vệ dữ liệu cá nhân 91/2025/QH15 đã được ban hành để thiết lập hành lang pháp lý, nhưng việc thực thi và đảm bảo tuân thủ trong bối cảnh GenAI phát triển nhanh chóng vẫn là một thách thức lớn đối với doanh nghiệp Việt Nam. Chỉ 39% tổ chức tại Việt Nam có hệ thống bảo vệ dữ liệu AI, còn lại đang gặp nhiều rủi ro từ tấn công mạng.

Tác động tiêu cực đến việc làm và sự cần thiết của con người

Một trong những lo ngại lớn nhất khi triển khai AI tạo sinh là nguy cơ thay thế việc làm. Theo báo cáo của Diễn đàn Kinh tế Thế giới (WEF), đến năm 2025, khoảng 85 triệu việc làm có thể bị thay thế bởi AI, trong đó 80% công việc chăm sóc khách hàng đối diện với nguy cơ tự động hóa hoàn toàn. Klarna là một ví dụ rõ nét khi trợ lý AI của họ đảm nhiệm khối lượng công việc tương đương 700 nhân viên.

Tuy nhiên, các chuyên gia cũng nhấn mạnh rằng AI không thể thay thế hoàn toàn con người, đặc biệt trong các tình huống phức tạp, đòi hỏi sự đồng cảm, sáng tạo và khả năng giải quyết vấn đề linh hoạt. Một khảo sát của SOI.Pro (2025) cho thấy 77% doanh nghiệp được khảo sát cho rằng AI không thể tự đảm nhiệm toàn bộ CX, mà phải kết hợp với yếu tố con người. Nếu AI không hoạt động tốt hoặc cung cấp phản hồi không chính xác, nó có thể gây thất vọng và làm giảm lòng trung thành của khách hàng.

Nhiều nhân viên chăm sóc khách hàng tại Việt Nam cũng bày tỏ lo ngại về tương lai công việc, nhưng đồng thời nhìn nhận đây là cơ hội để nâng cao kỹ năng và thích nghi. Anh Nguyễn Văn Duy (35 tuổi, giám sát dịch vụ khách hàng) khẳng định: “Chúng tôi đang học cách làm việc với AI thay vì lo sợ bị thay thế. Nhân viên nào biết sử dụng công nghệ để tối ưu công việc sẽ có cơ hội trụ lại và thăng tiến”. Điều này cho thấy sự cần thiết của việc đào tạo lại và nâng cao kỹ năng cho đội ngũ nhân sự để họ có thể cộng tác hiệu quả với AI, chuyển dịch sang các vai trò có giá trị cao hơn như huấn luyện nội dung AI hoặc quản lý chất lượng hội thoại.

Khoảng cách giữa thử nghiệm và tạo ra giá trị kinh doanh thực

Như đã đề cập, dù tỷ lệ ứng dụng AI tạo sinh tại Việt Nam cao, nhưng nhiều doanh nghiệp vẫn đang ở giai đoạn thử nghiệm và chưa chứng minh được giá trị tài chính rõ ràng. Ông Lưu Danh Đức, Phó Tổng giám đốc Sacombank, chia sẻ rằng các ngân hàng đầu tư nhiều cho công nghệ nhưng số giải pháp đi được từ thử nghiệm đến ứng dụng thực tế vẫn còn khiêm tốn, và “ROI (tỷ suất sinh lời trên vốn đầu tư) hầu hết không đạt”.

Nguyên nhân có thể bao gồm thiếu hạ tầng phần cứng (chỉ 38% doanh nghiệp có hệ thống GPU đủ mạnh), thiếu chiến lược AI rõ ràng (chỉ 36,5% doanh nghiệp có chiến lược), và đặc biệt là khoảng cách lớn về kỹ năng nhân sự (46,4% doanh nghiệp thiếu kỹ năng phù hợp). Việc này cho thấy AI không phải là “viên đạn bạc” mà cần một hệ sinh thái hỗ trợ toàn diện, từ công nghệ, con người đến chiến lược và quản trị rủi ro.

Dự Báo và Khuyến Nghị Hành Động Cho Doanh Nghiệp Việt Nam

AI tạo sinh sẽ tiếp tục là động lực chính cho sự đổi mới trong trải nghiệm khách hàng và bán hàng. Tuy nhiên, các doanh nghiệp Việt Nam cần có một cách tiếp cận chiến lược, thực tế và có trách nhiệm để thực sự khai thác được giá trị từ công nghệ này.

Dự báo thị trường

Thị trường AI tại Việt Nam được dự báo sẽ tiếp tục tăng trưởng mạnh mẽ, đạt 6,91 tỷ USD vào năm 2031. Điều này sẽ kéo theo sự phát triển của các giải pháp GenAI chuyên biệt cho từng ngành, cũng như sự gia tăng cạnh tranh giữa các nhà cung cấp công nghệ. Xu hướng “AI bản địa hóa” với khả năng hỗ trợ tốt hơn các ngôn ngữ bản địa sẽ tiếp tục là yếu tố thúc đẩy sự phổ cập AI tại Việt Nam và Đông Nam Á. Các chính sách của Chính phủ Việt Nam, đặc biệt là Luật Trí tuệ nhân tạo 2025 và các định hướng chiến lược đến năm 2030, sẽ tạo ra một môi trường pháp lý ngày càng rõ ràng và thuận lợi cho việc phát triển và ứng dụng AI.

Khuyến nghị hành động cụ thể

1. Đầu tư vào chiến lược AI toàn diện, không chỉ công nghệ đơn lẻ: Thay vì chỉ “cắm” các công cụ AI tạo sinh vào hệ thống hiện có, doanh nghiệp cần xây dựng một chiến lược AI tổng thể, từ việc xác định các trường hợp sử dụng (use-case) cụ thể, phù hợp với thực tế doanh nghiệp đến việc tích hợp sâu AI vào các quy trình cốt lõi. Cần có kế hoạch rõ ràng để chuyển đổi hiệu quả năng suất thành giá trị tài chính có thể đo lường được.
2. Ưu tiên bảo mật dữ liệu và quyền riêng tư: Với các rủi ro về rò rỉ dữ liệu và thông tin sai lệch, doanh nghiệp phải đặt bảo mật dữ liệu và quyền riêng tư lên hàng đầu. Cần có các chính sách rõ ràng về việc sử dụng AI, đào tạo nhân viên về các rủi ro bảo mật, và triển khai các giải pháp an ninh mạng mạnh mẽ để bảo vệ dữ liệu khách hàng. Đặc biệt, cần tuân thủ nghiêm ngặt Luật Bảo vệ dữ liệu cá nhân 91/2025/QH15 và Luật Trí tuệ nhân tạo 2025.
3. Nâng cao kỹ năng cho đội ngũ nhân sự: AI tạo sinh không thay thế con người mà thay đổi bản chất công việc. Doanh nghiệp cần đầu tư vào việc đào tạo lại và nâng cao kỹ năng cho nhân viên chăm sóc khách hàng và bán hàng để họ có thể cộng tác hiệu quả với AI. Các vai trò mới như “huấn luyện viên AI”, “quản lý chất lượng hội thoại AI” sẽ trở nên quan trọng. Điều này giúp tận dụng tối đa sức mạnh của AI trong khi vẫn duy trì yếu tố con người cần thiết cho sự đồng cảm và giải quyết các vấn đề phức tạp.
4. Bắt đầu từ những “điểm sáng” có ROI rõ ràng: Thay vì cố gắng triển khai AI trên diện rộng ngay lập tức, doanh nghiệp nên tập trung vào các “use-case” có tiềm năng tạo ra giá trị kinh doanh rõ ràng và có thể đo lường được. Ví dụ, tự động hóa các câu hỏi thường gặp, tạo nội dung marketing cá nhân hóa, hoặc phân tích dữ liệu bán hàng để đưa ra khuyến nghị. Sau đó, mở rộng dần quy mô khi đã chứng minh được hiệu quả.
5. Xây dựng hạ tầng dữ liệu vững chắc: AI tạo sinh hoạt động hiệu quả nhất khi có dữ liệu chất lượng cao. Doanh nghiệp cần đầu tư vào việc thu thập, làm sạch và cấu trúc hóa dữ liệu khách hàng để cung cấp ngữ cảnh phong phú cho các mô hình AI. Điều này đặc biệt quan trọng để tránh “ảo giác” và đảm bảo độ chính xác của các phản hồi từ AI.
6. Phối hợp chặt chẽ giữa các phòng ban: Trải nghiệm khách hàng là một hành trình tổng thể, không chỉ riêng bộ phận chăm sóc khách hàng. Việc triển khai AI tạo sinh cần sự phối hợp chặt chẽ giữa các phòng ban như marketing, bán hàng, phát triển sản phẩm và IT để đảm bảo tính nhất quán và hiệu quả trên toàn bộ hành trình khách hàng.

Kết Luận

AI tạo sinh đang mở ra một kỷ nguyên mới cho trải nghiệm khách hàng và bán hàng, hứa hẹn những cải tiến vượt bậc về hiệu suất và khả năng cá nhân hóa. Với tỷ lệ ứng dụng GenAI cao và sự cởi mở với công nghệ, Việt Nam có tiềm năng lớn để trở thành một trong những thị trường dẫn đầu trong lĩnh vực này. Tuy nhiên, hành trình này không thiếu những chông gai. Doanh nghiệp cần vượt qua những rào cản về bảo mật dữ liệu, nguy cơ thông tin sai lệch, và thách thức trong việc chuyển đổi hiệu suất thành giá trị tài chính thực sự. Điều quan trọng là phải có một chiến lược rõ ràng, đầu tư vào con người và hạ tầng, đồng thời luôn duy trì tư duy phản biện và trách nhiệm. Chỉ khi đó, AI tạo sinh mới thực sự trở thành động lực tăng trưởng bền vững, thay vì chỉ là một “cơn sốt” công nghệ thoáng qua.

Nguồn Tham Khảo

• Vietnam+, “Cơ hội nào cho ứng dụng AI tạo sinh trong doanh nghiệp vừa và nhỏ tại Việt Nam?”, 23/08/2024.
• VTV.vn, “65% doanh nghiệp Việt đã dùng AI để nhắn tin tự động cho khách hàng”, 01/10/2025.
• Decision Lab, “Trung bình một người Việt dùng 2 chatbot AI, các công cụ quốc tế chiếm ưu thế thị trường”, 20/11/2025.
• Nhịp sống Doanh nghiệp, “Khi AI trở thành “nhân viên chăm sóc khách hàng””, 10/03/2025.
• VTV.vn, “65% doanh nghiệp Việt ứng dụng chatbot AI để tăng hiệu quả chăm sóc khách hàng”, 04/10/2025.
• Báo Mới, “93% doanh nghiệp Việt được khảo sát đã ứng dụng AI vào hoạt động”, 24/08/2026.
• Báo Công Thương, “Chiến lược ứng dụng AI tạo sinh cho các DN tại Việt Nam”, 22/03/2024.
• Klarna, “Klarna AI assistant handles two-thirds of customer service chats in its first month”, 27/02/2024.
• Brands Vietnam, “Decision Lab công bố báo cáo về thói quen sử dụng AI tại Việt Nam 2025: 78% người dùng Internet từng tương tác với AI”, 20/11/2025.
• Công ty Tư vấn Quản lý OCD, “AI và tác động đến người lao động”, 11/02/2025.
• YouTube (CX Today), “Klarna’s AI Chatbot: 700 Agents Replaced?”, 08/04/2024.
• Sinh viên, “Thực trạng AI và ChatGPT ở thị trường Việt Nam”, 2024.
• Bộ Công Thương, “Phát triển và quản lý AI: Động lực tăng trưởng hai con số và nâng cao năng lực tự chủ của doanh nghiệp”, 20/10/2026.
• HappyCV, “AI ảnh hưởng đến nghề chăm sóc khách hàng: thay đổi”, 19/10/2026.
• Prima.vn, “THỰC TRẠNG ỨNG DỤNG AI TẠI VIỆT NAM NĂM 2025”, 16/09/2025.
• Dân trí, “95% doanh nghiệp Việt dùng AI nhưng chỉ 15% ghi nhận tăng doanh thu”, 01/10/2026.
• CafeF, “Doanh nghiệp Việt đang đầu tư AI như thế nào?”, 04/10/2026.
• VnExpress, “Luật Trí tuệ nhân tạo – bước tiến về quản lý, phát triển AI cho Việt Nam”, 11/12/2025.
• Thegioimaychu.vn, “Quản lý rủi ro bảo mật cho Generative AI trong doanh nghiệp”, 2024.
• CafeF, “Doanh nghiệp tăng tốc ứng dụng AI, giá trị kinh tế vẫn là ‘bài toán khó'”, 13/10/2026.
• Báo Đầu Tư, “93% doanh nghiệp Việt Nam đã ứng dụng AI để tiếp cận khách hàng”, 08/05/2025.
• Báo Đầu Tư, “Tỷ lệ sử dụng A.I trong công việc ở Việt Nam cao hơn mức bình quân của thế giới”, 31/05/2024.
• Báo Tuổi Trẻ, “Bứt phá AI make-in-VietNam”, 18/02/2026.
• The Pragmatic Engineer, “Klarna AI Customer Service: Replacing 700 Agents — A 2026 Case Study”, 07/05/2026.
• MISA AMIS, “10 ứng dụng AI trong doanh nghiệp phổ biến năm 2026”, 01/06/2026.
• YouTube (Sequoia Capital), “Klarna CEO Sebastian Siemiatkowski on Getting AI to Do the Work of 700 Customer Service Reps”, 23/07/2024.
• The Connected Consumer, “Tác động của ChatGPT và AI tạo sinh đối với việc làm”, 03/10/2026.
• Bình dân học vụ số, “Báo động: Thói quen “tâm sự” với Chatbot AI và nguy cơ rò rỉ dữ liệu cá nhân nghiêm trọng”, 24/08/2026.
• The Pragmatic Engineer, “Klarna’s AI chatbot: how revolutionary is it, really?”, 08/08/2024.
• Công an tỉnh Quảng Ngãi, “Luật Trí tuệ nhân tạo năm 2025 – Thúc đẩy đổi mới sáng tạo và bảo vệ quyền lợi của Nhân dân”, 22/04/2026.
• Bộ Thông tin và Truyền thông, “AI tạo sinh làm tăng một số rủi ro mới”, 30/06/2024.
• Thư Viện Pháp Luật, “Luật Trí tuệ nhân tạo 2025 số 134/2025/QH15”, 10/12/2025.
• LuatVietnam, “Luật Trí tuệ nhân tạo 2025, số 134/2025/QH15”, 25/12/2025.
• B&Company, “Bức tranh AI tại Việt Nam năm 2025: Chính sách của Chính phủ, các nhân tố chủ chốt và hệ sinh thái khởi nghiệp”, 22/12/2025.
• Báo Tuổi Trẻ, “Nhiều doanh nghiệp vẫn thận trọng với rủi ro từ AI tạo sinh”, 13/04/2024.
• VietISO.Com, “Tổng quan về AI tạo sinh & ứng dụng trong quản trị kinh doanh”, 05/09/2025.
• Gartner, “AI tạo sinh làm tăng một số rủi ro mới”, 28/04/2023.
• Doanh nhân & Công lý, “AI tạo sinh lan rộng, Việt Nam vào nhóm dẫn đầu Đông Nam Á”, 17/06/2026.
• VnEconomy, “Startup AI tạo sinh Việt Nam tăng trưởng nhanh thứ hai trong khu vực”, 03/11/2025.
• Báo Lao Động, “83% người lao động tại Việt Nam sử dụng AI trong công việc”, 06/02/2026.
• SOI.Pro, “Thách thức khi ứng dụng AI để nâng cao Trải nghiệm khách hàng”, 07/02/2025.
• ResearchGate, “Nghiên cứu các yếu tố ảnh hưởng đến ý định sử dụng chatbot của khách hàng: Góc nhìn tại Việt Nam”, 2023.
• ResearchGate, “ĐÁNH GIÁ THỰC TRẠNG ỨNG DỤNG TRÍ TUỆ NHÂN TẠO TẠO SINH TRONG QUẢN LÝ CÔNG VIỆC Trịnh Anh Quân1*, Ngu”, 2024.
• CafeF, “78% doanh nghiệp đã dùng AI, nhưng bao nhiêu phần trăm thực sự sinh lời?”, 07/03/2026.
• IMARC Group, “Thị trường Dịch vụ Trí tuệ Nhân tạo (AI) tại Việt Nam đến năm 2033”, 07/10/2025.
• Báo Dân trí, “Tỷ lệ ứng dụng AI tại Việt Nam thuộc nhóm cao nhất Đông Nam Á”, 21/08/2026.
• Báo Đầu Tư, “Việt Nam ứng dụng AI vào bán hàng trực tuyến nhiều nhất Đông Nam Á”, 10/04/2025.

Nguồn tham khảo / Sources

• vietnamplus.vn

Beyond the Chatbot: Navigating Generative AI’s Treacherous Ascent in Customer Service

Generative AI (GenAI) is rapidly transforming the customer service landscape, promising unprecedented efficiency and hyper-personalization. Adoption rates are soaring, with 85% of customer service leaders set to explore or pilot customer-facing conversational GenAI in 2025. However, a critical examination reveals a chasm between hype and reality: while GenAI excels at automating routine queries and reducing costs, its limitations in handling complex, emotionally charged interactions, coupled with data privacy concerns and a persistent “human touch” deficit, frequently lead to declining customer satisfaction and project failures. Businesses must move beyond simplistic automation, focusing on strategic hybrid models, robust data governance, and comprehensive agent training to unlock GenAI’s true, albeit nuanced, value in customer experience.

The Unfolding Saga: Why Generative AI Dominates the Customer Service Narrative in 2026

The year 2026 marks a pivotal moment for artificial intelligence in the enterprise, particularly within customer service. After years of incremental improvements with rule-based chatbots, the advent of generative AI (GenAI) has unleashed a torrent of new possibilities, propelling it to the forefront of strategic discussions. Companies are no longer asking if they should deploy AI in customer service, but rather how, and with what measurable impact.

This urgency stems from several converging trends. Firstly, customer expectations for instant, personalized, and seamless support across multiple channels have never been higher. Traditional contact centers, grappling with staffing challenges and high wait times, struggle to keep pace, leading to increased cost per call and customer dissatisfaction. Secondly, the economic climate, while showing signs of stabilization, continues to pressure businesses to find efficiencies without compromising quality. GenAI, with its promise of automating routine tasks and accelerating resolution times, appears to be the ideal solution.

Market data underscores this rapid shift. Gartner projects that 85% of customer service and support leaders will explore or pilot a customer-facing conversational GenAI solution in 2025. Indeed, a July-August 2024 Gartner survey of 187 customer service and support leaders found that 44% were exploring a customer-facing GenAI voicebot, 11% were already piloting it, and 5% had it deployed. This places customer service at the vanguard of GenAI adoption within many organizations, often taking primary responsibility for identifying AI opportunities and driving adoption, even more so than IT in some cases.

The allure is clear: GenAI systems, leveraging large language models, offer dynamic, context-aware, and human-like responses, moving far beyond the static, pre-programmed answers of their predecessors. This capability promises to craft personalized communications, automate content generation, and significantly improve the overall customer experience by understanding nuances in queries and providing tailored replies in real-time.

Deconstructing the GenAI Promise: Metrics, Momentum, and the Murky Middle

The enthusiasm for GenAI in customer service is not unfounded; compelling statistics suggest significant potential. The global generative AI market size reached an estimated $37.89 billion in 2025 and is projected to surpass $1 trillion by 2034, demonstrating a compound annual growth rate (CAGR) of 44.2% from 2025 to 2034. This growth far outpaces the broader AI market’s 18.73% CAGR. While media and entertainment currently lead GenAI adoption (34%), financial services (14%) and other sectors are rapidly integrating the technology into customer-facing operations.

Market Penetration and Investment Trends

Adoption rates within customer service are particularly striking. Salesforce’s 2026 State of Service research indicates that two out of three customer service organizations now run at least one AI agent, a substantial increase from 39% just a year prior. Furthermore, 70% of teams deploying AI agents reported measurable value within 60 days. According to McKinsey’s 2025 State of AI report, 88% of organizations now use AI in at least one business function, with 79% using generative AI, up from 71% in 2024. This reflects a widespread organizational commitment, with 72% of enterprises planning to increase GenAI spending in 2025.

The primary drivers for this investment are clear: cost reduction and efficiency. GenAI automates repetitive tasks, reducing the need for human intervention and leading to significant operational savings. A study of 18 large companies found the industry benchmark for cost per call to be between $2.70 and $5.60, a figure GenAI-enabled virtual assistants can significantly lower by automating a bulk of customer queries. McKinsey estimates that GenAI can reduce human-handled service volume by up to 50% in sectors like banking and telecom, while lifting customer operations productivity by 30% to 45% of the function’s total cost. IDC forecasts worldwide spending on AI to reach $632 billion by 2028, with an estimated ROI of $3.70 for every $1 invested in generative AI.

Transforming Customer Interactions

Beyond cost savings, GenAI is reshaping the nature of customer interactions. It enables hyper-personalized experiences at scale by analyzing customer behavior, preferences, and history to provide tailored responses, moving beyond templated replies. This capability allows for dynamic, context-aware responses that can truly understand the nuance of a customer’s query, generating unique and fluid answers in real-time. Forrester predicts that by the end of 2026, one in four brands will see a 10% increase in successful simple self-service interactions, driven by growing trust in GenAI outputs. This could lead to a modest but meaningful reduction in daily agent workloads, with an average drop of one hour as AI automates narrow tasks.

Furthermore, GenAI is expected to enhance customer satisfaction by detecting frustration, excitement, or hesitation in real-time and responding with genuine empathy. It can also facilitate proactive problem prevention through predictive analytics.

The Klarna Chronicles: A Cautionary Tale of AI Overreach

While the promise of GenAI is compelling, the path to successful implementation is fraught with challenges. The widely publicized case of Klarna, the Swedish fintech firm, serves as a stark reminder of the perils of AI over-automation and the critical importance of a balanced, human-centric approach.

The Bright Side: Initial Triumphs and Efficiency Gains

In February 2024, Klarna made headlines with its bold announcement: an OpenAI-powered AI agent had replaced the work of 700 human agents within its first month. The company proudly reported that the AI handled 2.3 million conversations, managing two-thirds of all customer service inquiries across 23 markets and 35 languages. The metrics seemed impressive: average resolution time plummeted from 11 minutes to under 2 minutes, and repeat inquiries decreased by 25%, indicating effective first-contact resolution. Klarna projected an annual profit improvement of USD 40 million for 2024, leading CEO Sebastian Siemiatkowski to publicly declare, “AI can already do all the jobs we humans do.” This narrative quickly became a beacon for businesses seeking to leverage AI for massive cost savings and efficiency.

The Dark Side: The Unforeseen Costs of Automation

However, the euphoria was short-lived. By mid-2025 to early 2026, Klarna quietly began to reverse course, initiating a process of rehiring human agents. What went wrong? The initial dashboard, focused on speed and volume, failed to capture the nuances of customer experience. Customer satisfaction scores (CSAT) declined significantly, as the AI agents, while efficient, struggled with complex issues, emotionally charged interactions, and multi-step problem resolution. The AI could process volume at speed, but it often delivered technically correct yet emotionally vacant responses, failing to differentiate between routine refunds and relationship-critical billing disputes. Customers reported feeling “processed rather than helped.”

The projected cost savings did not fully materialize, and in some cases, rehiring costs even exceeded the original savings estimates. The true cost of full AI replacement included the expensive process of recruiting, onboarding, and training new human staff to rectify the quality issues caused by over-automation. Siemiatkowski himself acknowledged a critical misstep: “We focused too much on efficiency and cost. The result was lower quality, and that’s not sustainable.” He further emphasized the critical importance of providing customers with the option to interact with a human agent.

The Klarna case is now widely cited as a canonical cautionary tale for enterprises in 2026, highlighting that automating a broken or half-baked process with AI merely accelerates failure at scale. It underscores that while AI excels at handling tier-one, high-volume, routine queries, human agents remain indispensable for escalations, complex situations, and interactions requiring judgment and relationship management.

The Other Side: Real Risks and What Nobody Is Saying

Beyond the Klarna debacle, a closer look at the broader landscape of GenAI in customer service reveals a series of persistent, often understated, challenges that threaten to derail even the most well-intentioned deployments.

The “Hallucination” Hangover and Knowledge Gaps

One of the most significant and often overlooked risks is the propensity for GenAI models to “hallucinate” – generating confident, yet entirely incorrect or plausible but misleading, information. This isn’t just a technical glitch; in customer service, a hallucinated answer can lead to frustrated customers, wasted time, and even legal or reputational damage. The root cause often lies in insufficient or fragmented training data. Many organizations have vast amounts of customer data spread across disparate systems, internal wikis, and outdated knowledge bases. If GenAI systems are fed inconsistent or incomplete information, they will produce inconsistent or incorrect answers. A Gartner survey revealed that 61% of service leaders face a backlog of articles to edit, and over one-third lack a formal process for updating outdated content, directly hindering the effectiveness of GenAI.

MIT’s Project NANDA, analyzing 300 enterprise GenAI deployments, found that 95% of enterprise generative AI pilots showed no measurable profit-and-loss impact, often due to issues like poorly defined problems, lack of useful data, and infrastructure debt. Furthermore, Gartner projects that at least 30% of GenAI projects will be abandoned after proof of concept, and over 40% of agentic AI projects will be canceled before 2027 due to escalating costs, unclear business value, or inadequate risk controls.

Erosion of Trust and the Human Touch Deficit

Despite the technological advancements, a significant portion of customers remains wary of AI in customer service. A 2026 Qualtrics survey, encompassing over 20,000 consumers, found that nearly one in five consumers who used AI for customer service saw no benefit. More strikingly, 64% of customers wish companies would stop using AI in support. A 2025 Gartner survey indicated that 68% of consumers who abandoned a brand after a support interaction cited “robot-like responses” as the primary reason. This “lack of human touch” is a critical challenge. While consumers may embrace GenAI for personal use (59% use it in their personal lives, according to CMP Research), they become cautious when it’s applied to high-stakes customer interactions where empathy and understanding are paramount.

When customers are distressed, dealing with issues like a lost parcel or a billing dispute, they need acknowledgment and empathy before a solution. Current AI systems, often optimized for resolution speed, frequently bypass this crucial emotional step, leading to increased frustration. A real-world case involved “TelcoX,” a telecommunications giant that deployed a GPT-4-based support bot. Within 60 days, their CSAT dropped from 78 to 51 because the bot jumped to resolutions without acknowledging customer frustration, leading to a viral Twitter thread titled “Talking to a wall with a keyboard.”

Data Privacy, Bias, and Ethical Minefields

The ethical implications of GenAI in customer service are substantial and often underestimated. GenAI systems require vast amounts of data for training, which can include sensitive customer information. This raises significant concerns about data privacy and security. A survey found that 57% of IT professionals view data privacy as the biggest roadblock to adopting GenAI. Ensuring transparent consent mechanisms, robust data security, and adherence to regulations like GDPR are paramount. Vendors must guarantee that customer data is 100% secure and not used to train their AI models without explicit consent.

Furthermore, AI models can inherit and amplify biases present in their training data, leading to unfair or discriminatory outcomes. Mitigating bias requires diverse datasets and continuous auditing. The rapid pace of AI adoption often outstrips the development of robust governance frameworks, creating risks for end customers if ethical considerations are not prioritized.

What nobody is saying explicitly enough is that the cost of managing these failures – from reputational damage and customer churn to the expense of re-hiring human agents and overhauling flawed systems – can quickly eclipse any initial efficiency gains. The “cheap-automation assumption” that underpins many GenAI deployments has a shelf life, and Gartner expects the cost per resolution for generative AI to pass $3 by 2030, potentially exceeding the cost of many B2C offshore human agents today.

The Path Forward: Forecasts and Actionable Recommendations

The trajectory of GenAI in customer service is clear: it will become ubiquitous. However, its effectiveness will hinge on a fundamental shift from unbridled automation to strategic augmentation and intelligent integration. The coming years will be defined not by dazzling transformations but by the “gritty, foundational work” of optimizing existing processes and building robust AI infrastructure.

Forecasts: A More Nuanced Future

• Hybrid Models Prevail: Full AI replacement, as exemplified by Klarna, will continue to prove unsustainable for complex customer interactions. Hybrid human-AI models, where AI handles routine queries and human agents manage escalations and emotionally complex situations, will become the industry standard, outperforming either approach alone on both cost and satisfaction metrics.
• Focus on Agent Enablement: GenAI’s most significant immediate impact will be in empowering human agents. AI-powered tools will provide real-time coaching, access to comprehensive knowledge bases, and automatic summarization of interactions, reducing agent workload and improving resolution quality. This will lead to an estimated average daily agent workload drop of one hour by the end of 2026.
• Increased Emphasis on Data Quality and Governance: As the limitations of poor training data become more apparent, organizations will prioritize investing in enterprise data quality, knowledge base optimization, and robust AI governance frameworks. This includes defining authoritative content, removing obsolete material, and establishing clear accountability for ethical AI use.
• Ethical AI by Design: Companies will increasingly embed ethical considerations—transparency, bias mitigation, and data privacy—into the core design and deployment of GenAI systems from the outset, rather than as an afterthought.
• Slower, More Measured ROI: The initial inflated ROI projections will give way to more realistic, albeit still significant, returns. While some studies show GenAI assistance increasing issues resolved per hour by 14% on average (with a 34% gain for newer agents), other research highlights that only 16% of AI projects are scaled across the enterprise and deliver their promised ROI. Realistic cost reduction will land around 20-35% net within a year, not the 60-80% often touted by vendors.

Actionable Recommendations for Business Leaders

1. Prioritize Knowledge Management as a Foundation: Before deploying any GenAI solution, meticulously audit and optimize your internal knowledge bases and customer-facing FAQs. GenAI is only as good as the data it’s trained on. Invest in a unified, verified source of truth to prevent “hallucinations” and inconsistent responses.
2. Embrace a Hybrid Human-AI Model: Resist the temptation for full automation. Design GenAI systems to handle routine, high-volume tasks, and establish clear, intuitive escalation paths to human agents for complex, sensitive, or emotionally charged interactions. Ensure agents are trained not just on how to use AI, but how to effectively collaborate with it.
3. Implement Robust AI Governance and Ethical Frameworks: Establish clear accountability for AI initiatives. Develop comprehensive policies for data privacy, bias detection, and algorithmic transparency. Regularly audit AI system performance for unintended biases and ensure compliance with evolving regulations like the EU AI Act.
4. Measure Beyond Efficiency: While cost savings are important, expand your metrics to include customer satisfaction (CSAT), customer effort score (CES), and first-contact resolution (FCR) for both AI-led and human-escalated interactions. Track the true cost of AI deployment, including potential re-hiring or system overhauls if quality declines.
5. Invest in “AI Literacy” for Your Workforce: Provide extensive training for customer service leaders and agents on GenAI capabilities, limitations, and ethical use. Foster a culture of continuous learning and adaptation, recognizing that AI is an evolving tool, not a static solution.
6. Start Small, Scale Smart: Instead of massive, “all-in” deployments, begin with targeted pilot programs for specific, well-defined use cases where GenAI can deliver clear value (e.g., internal knowledge retrieval for agents, simple FAQ resolution). Learn from these pilots, iterate, and then scale strategically.

Conclusion: Key to Unlocking GenAI’s True Value – A Strategic Reorientation

Generative AI undeniably represents a paradigm shift in customer service, offering tantalizing prospects for efficiency and personalization. However, the narrative is far more complex than the initial hype suggests. The experiences of early adopters like Klarna underscore a crucial lesson: technology, no matter how advanced, cannot compensate for a lack of strategic foresight, robust data governance, and a deep understanding of human customer needs. The real competitive advantage in the coming years will not be found in simply deploying AI, but in intelligently integrating it into a well-defined, human-augmented customer service ecosystem. Businesses that prioritize ethical considerations, invest in comprehensive knowledge management, empower their human agents, and maintain a healthy skepticism towards unrealistic automation promises will be the ones that truly unlock GenAI’s transformative potential, building lasting customer loyalty rather than eroding it.

Sources & References

• Wizr AI. (September 29, 2026). Ethical Considerations in AI-Driven Customer Support: 2026 Guide.
• No Jitter. (January 10, 2024). How Generative AI Will Improve ROI in the Contact Center in 2024.
• Botsplash. Mastering Generative AI Customer Service: Safety, Ethics, and Success.
• Gartner, Inc. (December 9, 2024). Gartner Survey Reveals 85% of Customer Service Leaders Will Explore or Pilot Customer-Facing Conversational GenAI in 2025.
• Text. (May 12, 2026). The Future of AI in Customer Support: Trends for 2026 & beyond.
• Vassar Digital. How Gen AI is Transforming Customer Service in 2025.
• InterVision Systems. (October 3, 2024). How to Unlock Immediate ROI with GenAI in Contact Centers.
• Enghouse Interactive. (April 21, 2025). AI in Contact Centers: Why Ethics & Privacy Matter.
• K2view. (October 16, 2025). Generative AI use cases in customer service.
• S&P Global. (October 27, 2025). Generative AI shows rapid growth but yields mixed results.
• Digital Applied. (March 9, 2026). Klarna Reverses AI Layoffs: Why Replacing 700 Failed.
• Forrester. (November 10, 2025). Predictions 2026: AI Gets Real For Customer Service — But It’s Not Glamorous Work.
• CX Dive. (January 23, 2024). Generative AI will drive CX in 2024 — but leaders must separate hype from reality.
• Deloitte. (December 3, 2024). Earning trust as gen AI takes hold: 2024 Connected Consumer Survey.
• Source (Microsoft). (November 19, 2024). Microsoft customers share impact of generative AI.
• tolk.ai. (October 17, 2025). Why Do Generative AI Projects Fail in Customer Relations?
• DATAMARK, Inc. (January 28, 2026). Mastering AI Ethics in Customer Service.
• Gartner. Top Customer Service and Support Predictions.
• Deloitte UK. (June 25, 2024). Digital Consumer Trends 2024: Generative AI.
• Talkdesk. (December 7, 2023). 5 important considerations for responsible AI use in contact centers.
• Tommaso Maria Ricci. (April 7, 2026). AI for Customer Service: 2026 Costs, ROI and Real Limits.
• Gartner. (July 22, 2025). Hype Cycle for Customer Service and Support Technologies, 2025.
• Intelekt AI. (October 18, 2024). Top Challenges of Using Generative AI in Customer Service.
• Gartner. (November 29, 2024). 2025 Top Priorities for Customer Service and Support Leaders.
• Generative AI in Customer Service Market Size | CAGR 24%. (August 15, 2024).
• Digital Applied. (April 6, 2026). Klarna fired 700 people for AI and then admitted they messed up and started rehiring.
• QEval. (September 23, 2026). Generative AI for Contact Centers: What ROI Data Shows.
• Cobbai Blog. (November 5, 2025). Challenges of Building AI for Customer Service (and How to Avoid Them).
• CMSWire. (July 24, 2026). AI Adoption Is Outpacing AI Readiness. Here’s How CX Leaders Catch Up.
• McKinsey & Company. (April 30, 2025). Gen AI’s ROI.
• eGain. Gen AI for Customer Service Automation – 5 Pitfalls.
• Level AI. (January 18, 2024). Generative AI essentials for CX leaders.
• CX Today. (December 16, 2024). 44% of Service Leaders Explored a Customer-Facing GenAI Voicebot in 2024.
• Faye Digital. (March 25, 2026). AI for Customer Experience: 5 CX Trends Defining 2026.
• Forbes. (May 18, 2025). Klarna Reverses AI Push, Says Customers Prefer Human Support.
• Deloitte. (November 20, 2024). State of Generative AI in the Enterprise 2024.
• NiCE. (January 20, 2026). 5 failures of AI projects in customer service and why proactive outreach gets CX right.
• Coworker AI. (July 13, 2026). 40 AI Customer Service Statistics for 2026 (Sourced).
• State of Brand Editorial. (May 7, 2026). Klarna Cut 700 Jobs for AI. Then Hired Them Back. Every B2B Leader Should Pay Attention.
• CX Network. The complete guide to generative AI for customer experience.
• AsisteClick. (May 2, 2026). Klarna laid off 700 humans for AI. Now it’s rehiring.
• Fin AI. (February 17, 2026). Challenges of Implementing AI in Customer Service (and How to Avoid Them).
• LiveAgent. (October 13, 2026). Disadvantages of AI in Customer Service: 5 Limits and Fixes.
• OpenAI. (December 17, 2025). The State of Enterprise AI.
• DemandSage via Precedence Research. (April 15, 2026). Generative AI Statistics 2025: 20+ Verified Market, Adoption & Usage Data.
• Kong Inc. (June 18, 2025). 72% Say Enterprise GenAI Spending Going Up in 2025, Study Finds.
• VirtueNetz. (October 3, 2026). AI Customer Service Challenges and Solutions 2026.
• Chatzy AI. (September 25, 2026). Why AI Customer Support Fails in 2026 & How to Fix It.

Nguồn tham khảo / Sources

• gartner.com