Agentic AI đang chuyển từ những thử nghiệm công nghệ sang các quy trình tạo ra giá trị kinh doanh cụ thể. Một phân tích mới của McKinsey chỉ ra sáu nhóm quy trình trong trải nghiệm khách hàng có sự kết hợp đáng chú ý giữa giá trị kinh tế và khả năng triển khai, từ xử lý yêu cầu tại contact center đến giữ chân khách hàng.

Trong vài năm qua, câu chuyện AI trong doanh nghiệp chủ yếu xoay quanh chatbot, trợ lý ảo và các công cụ hỗ trợ nhân viên. Agentic AI đang mở ra một hướng tiếp cận khác: AI không chỉ tạo nội dung hoặc đưa ra câu trả lời, mà có thể tiếp nhận mục tiêu, sử dụng dữ liệu và công cụ, thực hiện nhiều bước công việc và đưa một quy trình đến kết quả cuối cùng trong những giới hạn được doanh nghiệp thiết lập.

Theo McKinsey, trải nghiệm khách hàng (Customer Experience, CX) đang trở thành một trong những môi trường đáng chú ý để đưa mô hình này vào thực tế. Nghiên cứu của hãng cho biết 41% các triển khai AI trong những chức năng hướng tới khách hàng như cá nhân hóa, tối ưu vận hành dịch vụ và tự động hóa contact center đã được mở rộng hoàn toàn. Tỷ lệ này cao gấp khoảng 3,5 lần các triển khai ở những lĩnh vực kinh doanh khác.

Điểm đáng chú ý không nằm ở việc doanh nghiệp có một AI Agent mạnh đến đâu, mà là AI được đặt vào quy trình kinh doanh nào và được trao quyền thực hiện những quyết định gì.

Từ chatbot đến AI có khả năng thực hiện công việc

Generative AI phổ biến hiện nay chủ yếu hoạt động theo mô hình tương tác: người dùng đặt câu hỏi, AI tạo ra câu trả lời. Agentic AI mở rộng phạm vi đó sang hành động.

Một AI Agent có thể tiếp nhận mục tiêu, phân tích bối cảnh, truy xuất dữ liệu khách hàng, gọi API hoặc hệ thống nghiệp vụ, lựa chọn hành động tiếp theo và tiếp tục thực hiện cho đến khi hoàn thành nhiệm vụ hoặc gặp tình huống cần chuyển cho con người.

McKinsey định nghĩa Agentic AI là những hệ thống dựa trên các mô hình nền tảng Generative AI có khả năng hành động và thực hiện các quy trình nhiều bước. Quan trọng hơn, kinh nghiệm từ hơn 50 dự án Agentic AI mà McKinsey tham gia cho thấy giá trị không đến đơn thuần từ việc xây dựng một agent, mà từ việc thiết kế lại toàn bộ workflow gồm con người, quy trình và công nghệ.

Đây cũng là điểm phân biệt giữa một chatbot chăm sóc khách hàng với một hệ thống Agentic AI thực sự.

Chatbot có thể trả lời: “Tôi đã tìm thấy đơn hàng của bạn.”

Trong khi một agent được cấp quyền phù hợp có thể kiểm tra đơn hàng, xác định nguyên nhân giao chậm, đối chiếu chính sách, tạo yêu cầu xử lý, cập nhật trạng thái và gửi thông báo cho khách hàng. Nếu tình huống vượt ngoài phạm vi được phép, hệ thống chuyển cho nhân viên phụ trách cùng toàn bộ ngữ cảnh đã thu thập.

AI lúc này trở thành một thành phần tham gia vào workflow, thay vì chỉ đứng bên ngoài workflow để cung cấp thông tin.

McKinsey xác định 6 workflow có tiềm năng cao

Trong nghiên cứu công bố tháng 7/2026, McKinsey phân tích 17 workflow cốt lõi liên quan đến Customer Experience và đặt chúng trên hai trục.

Trục thứ nhất là Feasibility, tức mức độ khả thi khi triển khai trên thang điểm từ 1 đến 5. Đánh giá này xem xét những yếu tố như mức độ rõ ràng của quyết định, khối lượng và cơ sở kinh tế của công việc, khả năng kiểm chứng đầu ra cũng như mức độ rủi ro và khả năng chấp nhận quyền tự chủ của AI.

Trục thứ hai là Value at stake, thể hiện giá trị kinh tế có thể tác động, được McKinsey ước tính dựa trên ảnh hưởng tới EBIT từ năng suất lao động, tiết kiệm chi phí và tăng doanh thu.

Từ đó, sáu workflow nổi bật được xác định.

1. Next-best action: Chọn hành động tiếp theo phù hợp nhất

Doanh nghiệp hiện có rất nhiều tín hiệu về khách hàng: lịch sử mua hàng, hành vi trên website, lịch sử chăm sóc, sản phẩm đang sử dụng, phản hồi trước đây và hàng loạt dữ liệu tương tác khác.

Vấn đề không còn đơn thuần là có dữ liệu hay không, mà là với khách hàng này, tại thời điểm này, doanh nghiệp nên làm gì tiếp theo?

Agentic AI có thể tổng hợp tín hiệu theo thời gian thực và lựa chọn hành động phù hợp với bối cảnh. Đó có thể là gửi hướng dẫn, đề xuất sản phẩm, giải quyết một vấn đề dịch vụ hoặc quyết định chưa nên tác động vào khách hàng.

Theo McKinsey, Next-best action là một trong những workflow có mức khả thi cao nhất trong nhóm được phân tích.

2. Personalized case management: Quản lý từng trường hợp theo ngữ cảnh khách hàng

Một vấn đề phổ biến của dịch vụ khách hàng là thông tin nằm rải rác trên nhiều hệ thống.

Khách hàng gửi email cho bộ phận hỗ trợ, gọi tổng đài vào ngày hôm sau rồi tiếp tục trao đổi trên một kênh khác. Mỗi lần chuyển bộ phận, khách hàng có thể phải giải thích lại vấn đề từ đầu.

Agentic AI có thể tập hợp bối cảnh liên quan thành một hồ sơ xử lý thống nhất, theo dõi trạng thái của vụ việc và hỗ trợ đưa case qua các bước xử lý với ít lần bàn giao hơn.

McKinsey cho rằng mô hình này có thể giúp rút ngắn thời gian xử lý và tạo ra trải nghiệm gần với dịch vụ cá nhân hóa hơn.

3. Contact-center issue resolution: AI trực tiếp tham gia giải quyết yêu cầu

Contact center là một trong những khu vực có lượng tác vụ lặp lại lớn: tra cứu tài khoản, kiểm tra hóa đơn, thay đổi thông tin, kiểm tra trạng thái dịch vụ hay xử lý những yêu cầu theo chính sách đã xác định.

Đây là môi trường thuận lợi cho Agentic AI bởi nhiều quy trình có khối lượng lớn và tương đối rõ ràng.

Thay vì chỉ đưa thông tin để nhân viên xử lý, agent có thể trực tiếp giải quyết các trường hợp thông thường trong phạm vi quyền hạn được thiết lập. Những ngoại lệ hoặc tình huống nhạy cảm được chuyển cho con người.

McKinsey mô tả trường hợp một nhà bán lẻ năng lượng lớn tại Anh, với khoảng 3.500 nhân viên call center phục vụ khoảng sáu triệu khách hàng và xử lý khoảng bảy triệu cuộc gọi mỗi năm, đã triển khai voice agent để tiếp nhận và xử lý những vấn đề có khối lượng cao nhưng độ phức tạp thấp.

4. Account setup and configuration: Tự động hóa quá trình thiết lập tài khoản

Khách hàng đã mua sản phẩm nhưng chưa sử dụng được vẫn chưa tạo ra đầy đủ giá trị cho doanh nghiệp.

Với nhiều sản phẩm, đặc biệt là dịch vụ tài chính, viễn thông, SaaS hoặc các nền tảng công nghệ, quá trình kích hoạt có thể bao gồm hàng loạt bước như xác minh thông tin, lựa chọn cấu hình, cấp quyền và thiết lập dịch vụ.

Đây là những công việc có cấu trúc tương đối rõ ràng và vì vậy phù hợp với khả năng thực hiện nhiều bước của AI Agent.

Thay vì yêu cầu khách hàng tự tìm hiểu từng bước, agent có thể hướng dẫn và, khi được cấp quyền, thực hiện một phần quy trình thay cho khách hàng.

5. Shopping and solution exploration: AI tham gia quá trình lựa chọn sản phẩm

Một thay đổi đáng chú ý khác diễn ra trước thời điểm mua hàng.

Thay vì khách hàng tự mở hàng chục trang sản phẩm và so sánh từng thông số, AI có thể tiếp nhận nhu cầu, ngân sách và các điều kiện cụ thể để thu hẹp lựa chọn.

Agentic AI có thể đi xa hơn một recommendation engine truyền thống. Hệ thống có thể đối thoại để hiểu nhu cầu, tìm kiếm lựa chọn, kiểm tra điều kiện và hỗ trợ khách hàng đi qua nhiều bước của quá trình mua hàng.

McKinsey cho rằng mô hình này có khả năng cải thiện conversion và giá trị giao dịch khi lựa chọn được cá nhân hóa theo hoàn cảnh cụ thể của khách hàng.

6. Opportunity nurturing and retention: Nuôi dưỡng cơ hội và giữ chân khách hàng

Trong mô hình truyền thống, doanh nghiệp thường thiết kế các chiến dịch chăm sóc theo những nhóm khách hàng tương đối lớn.

Agentic AI cho phép chuyển dần sang mô hình dựa trên tín hiệu.

Khi hệ thống nhận thấy mức độ sử dụng giảm, khách hàng liên tục gặp lỗi hoặc xuất hiện những dấu hiệu liên quan đến khả năng rời bỏ dịch vụ, agent có thể xác định hành động phù hợp và kích hoạt tương tác cá nhân hóa.

Điều quan trọng là hệ thống không chỉ dự đoán churn mà còn có khả năng kết nối dự đoán với hành động. Theo McKinsey, workflow này có thể góp phần giảm churn đồng thời hỗ trợ tăng trưởng.

Agentic AI không đồng nghĩa với việc loại bỏ con người

Việc AI có khả năng hành động cũng tạo ra một câu hỏi quan trọng: doanh nghiệp nên trao cho AI bao nhiêu quyền?

Một hệ thống có thể tự động gửi email là một chuyện. Một hệ thống có thể hoàn tiền, thay đổi hợp đồng hoặc điều chỉnh tài khoản khách hàng lại là câu chuyện hoàn toàn khác.

Vì vậy, Agentic AI không đơn giản là tăng mức độ tự động hóa.

McKinsey nhấn mạnh các doanh nghiệp cần xác định rõ quyền ra quyết định, ngưỡng chuyển việc cho con người, cơ chế giám sát và khả năng đảo ngược những hành động quan trọng. Những lần con người can thiệp hoặc override cũng nên được ghi nhận để phục vụ đánh giá và cải thiện hệ thống.

Các yêu cầu về dữ liệu cũng trở nên quan trọng hơn khi AI chuyển từ "trả lời" sang "hành động". Một nghiên cứu khác của McKinsey cho biết gần hai phần ba doanh nghiệp trên thế giới đã thử nghiệm AI agents nhưng chưa đến 10% mở rộng được chúng đến mức tạo ra giá trị hữu hình; 8/10 doanh nghiệp được đề cập cho rằng hạn chế về dữ liệu là một trở ngại đối với việc mở rộng Agentic AI.

Nói cách khác, một doanh nghiệp có thể sở hữu mô hình AI rất mạnh nhưng vẫn khó xây dựng agent đáng tin cậy nếu dữ liệu khách hàng phân mảnh, quyền truy cập không rõ ràng và các quy trình nghiệp vụ chưa được chuẩn hóa.

Cuộc đua tiếp theo không chỉ nằm ở mô hình AI

Sự phát triển của Agentic AI đang đưa doanh nghiệp đến một giai đoạn khác của quá trình ứng dụng trí tuệ nhân tạo.

Trong giai đoạn đầu, câu hỏi phổ biến là:

“AI có thể trả lời tốt đến mức nào?”

Với Agentic AI, câu hỏi đang dần chuyển thành:

“AI có thể hoàn thành workflow nào và tạo ra kết quả kinh doanh gì?”

Đó là thay đổi đáng kể về cách tiếp cận.

Doanh nghiệp không nhất thiết phải bắt đầu bằng việc xây dựng một hệ thống agent khổng lồ có quyền truy cập vào mọi thứ. Cách tiếp cận thực tế hơn là lựa chọn một workflow có giá trị đủ lớn, quy trình đủ rõ ràng, dữ liệu có thể kiểm soát và kết quả có thể đo lường.

Sau khi chứng minh được hiệu quả ở một workflow, phạm vi của agent mới có thể được mở rộng sang nhiều quy trình và hệ thống hơn.

McKinsey mô tả quá trình này theo ba cấp độ: Workflow Rewiring, nơi agent xử lý một workflow xác định; Domain Orchestration, nơi nhiều workflow trong cùng một lĩnh vực được phối hợp; và xa hơn là Ecosystem Experience Engine, nơi các quyết định có thể được điều phối xuyên suốt nhiều chức năng, kênh và đối tác. McKinsey cũng lưu ý chưa có tổ chức nào hiện vận hành hoàn toàn ở cấp độ thứ ba.

Nếu xu hướng này tiếp tục, lợi thế của doanh nghiệp trong thời đại Agentic AI có thể không chỉ đến từ việc sở hữu mô hình AI tốt hơn. Nó còn phụ thuộc vào chất lượng dữ liệu, khả năng kết nối hệ thống, thiết kế workflow, cơ chế phân quyền và cách doanh nghiệp xác định ranh giới giữa quyết định của AI và con người.

Đây cũng chính là khoảng cách giữa một bản demo AI ấn tượng và một hệ thống AI thực sự vận hành trong doanh nghiệp.

Nguồn tham khảo chính: McKinsey & Company, Rewiring customer experience for the agentic era, công bố ngày 14/7/2026.

TechData.AI - Leading The Future.

Hoàng Minh.