ONE is preparing: 01 / INITIALIZING MODEL ROUTER. Evaluating routing across providers.
Current state
01 / INITIALIZING MODEL ROUTER.

Evaluating routing across providers.

Start learning
← Bắt đầu với AI

AI Foundation

Học trong Ngữ cảnh ở Chatbot

Vietnamese onlyThe learning content is available in Vietnamese only. The surrounding interface follows your language.

Intercom Fin: chatbot hỗ trợ khách hàng dùng học trong ngữ cảnh để trả lời chính xác theo tài liệu riêng của từng công ty.

lesson24 minBắt đầu với AIAI Foundation

Giới thiệu

Tháng 3 năm 2023, Intercom — nền tảng chăm sóc khách hàng phục vụ hơn 25.000 doanh nghiệp — ra mắt Fin, chatbot AI thương mại đầu tiên chạy trên GPT-4. Fin không trả lời bằng kiến thức chung chung. Fin đọc chính kho tài liệu hướng dẫn (knowledge base — tập hợp các bài hướng dẫn, FAQ của từng công ty) rồi trả lời khách theo đúng chính sách của riêng công ty đó.

Điểm đặc biệt: Fin không cần đào tạo lại mô hình cho mỗi khách hàng. Nó dùng học trong ngữ cảnh — tức là đưa các đoạn tài liệu liên quan vào prompt ngay lúc khách hỏi — để AI “học tạm” về sản phẩm cụ thể trong đúng một lần trả lời đó.

Mốc thời gian quan trọng

Từ ChatGPT đến chuẩn mới cho chăm sóc khách hàng

Mốc thời gian

1 / 4
  1. 1. ChatGPT ra mắt

    Thế giới thấy chatbot AI đa năng lần đầu tiên.

Mỗi công ty có sản phẩm, chính sách, quy trình riêng. Câu hỏi của khách hầu hết xoay quanh những thứ chỉ có trong tài liệu công ty đó: “Tôi huỷ đơn được không?”, “Bảo hành mấy tháng?”, “Giao đến tỉnh X mất bao lâu?”.

Chatbot truyền thống hoạt động theo luật cứng (rule-based): ai đó phải lập trình sẵn từng câu hỏi — từng câu trả lời. Khách hỏi lệch kịch bản → bot “tắc tị” hoặc trả lời sai rồi đẩy sang nhân viên.

Bài toán của Intercom: làm sao để một AI duy nhất phục vụ 25.000 doanh nghiệp khác nhau, mỗi nơi một bộ chính sách riêng — mà không phải thuê 25.000 đội kỹ sư đi huấn luyện 25.000 mô hình?

Khách hỏi: “Tôi đặt hàng 5 ngày rồi, vẫn chưa thấy — hỗ trợ giúp?”

Chatbot chung chung

  • Bot không biết gì về công ty bạn
  • “Chào bạn! Đơn hàng thường được giao trong 3-7 ngày tuỳ khu vực. Bạn có thể kiểm tra đơn hàng trên trang web người bán. Nếu cần hỗ trợ thêm, vui lòng liên hệ tổng đài.”
  • • Nói chung chung, không đúng chính sách công ty.
  • • Không biết mã đơn, không biết khách ở đâu.
  • • Khách bực, phải gọi tổng đài — mất thêm 1 nhân viên.

Chatbot có ngữ cảnh công ty

  • Bot đã đọc tài liệu nội bộ + biết đơn hàng của khách
  • “Cảm ơn bạn đã liên hệ. Theo chính sách của chúng tôi, đơn hàng đi tỉnh cam kết 3-5 ngày làm việc. Đơn của bạn (#A-2841) đã quá thời hạn 1 ngày. Tôi đã mở vé xử lý ưu tiên và chuyển thẳng cho đội vận chuyển. Bạn sẽ nhận cập nhật trong 2 giờ. Tham khảo Chính sách giao hàng.”
  • • Đúng chính sách riêng của công ty.
  • • Kèm link tới tài liệu nguồn — khách kiểm tra được.
  • • Mở ticket nội bộ, không cần nhân viên tham gia.

Cùng câu hỏi, hai kiểu bot khác nhau trả lời.

Fin quét toàn bộ tài liệu công ty bạn trong vài phút. Bạn kết nối Fin với help center (trung tâm trợ giúp — trang tài liệu hướng dẫn) hoặc Zendesk của bạn. Fin đọc hết, lập chỉ mục, sẵn sàng trả lời. Không cần huấn luyện lại mô hình, không cần đội kỹ sư.

Tài liệu HDSD Chính sách FAQ nội bộ

Kho kiến thức được lập chỉ mục

Prompt Fin xây tự động (rút gọn)

Phần của promptNội dung
[Tài liệu công ty]Chính sách bảo hành: Sản phẩm được bảo hành 12 tháng kể từ ngày mua. Lỗi do người dùng không được bảo hành…
[Câu hỏi khách]Máy của tôi mua 8 tháng trước bị hỏng, còn bảo hành không?

Khách hỏi — Fin tìm đoạn tài liệu liên quan nhất rồi nhét vào prompt. Đây chính là khoảnh khắc học trong ngữ cảnh: Fin xây một prompt mới có dạng “Dưới đây là tài liệu công ty về chính sách bảo hành. Dùng tài liệu này để trả lời câu hỏi bên dưới…”, kèm câu hỏi thật của khách ở cuối.

Không ràng buộc

  • Bot tự tin bịa “chính sách” nghe hợp lý. Khách tin và công ty ôm hậu quả.

Fin có ràng buộc

  • Chỉ trả lời từ tài liệu. Không tìm thấy → nói “Tôi chưa chắc” và chuyển nhân viên.

**Fin bị “khoá miệng” để không bịa thông tin.** Intercom ép Fin chỉ được nói những gì có trong tài liệu. Kết quả: tỷ lệ bịa (hallucination — AI nói sai sự thật) giảm khoảng 10 lần so với bot không có ràng buộc. Mỗi câu trả lời kèm link đến bài viết nguồn để khách tự kiểm tra.

Điều gì giúp Fin không bịa thông tin?

Khi vượt giới hạn, Fin giao lại cho nhân viên. Câu hỏi ngoài phạm vi tài liệu, hoặc khách bày tỏ bực tức, Fin không đoán mò. Nó chuyển ngay sang nhân viên hỗ trợ cùng toàn bộ lịch sử chat — để nhân viên không phải hỏi lại từ đầu.

“Đã chuyển cho bạn Nguyễn Văn A. Khách hỏi về hoàn tiền đơn quốc tế. Lịch sử: 4 tin nhắn, Fin đã gửi 2 link chính sách…”

Chỉ sốGhi chú trong bài
Vé tự giải quyếtKhoảng một nửa vé hỗ trợ — Fin xử lý gọn, không cần nhân viên can thiệp.
Ảo giácRàng buộc “chỉ trả lời từ tài liệu” chặn phần lớn tình huống AI tự “chém”.
Thời gian bật FinKết nối help center có sẵn — Fin tự đọc, tự sẵn sàng. Không cần kỹ sư.

Không có học trong ngữ cảnh, mỗi doanh nghiệp muốn có chatbot AI “biết” sản phẩm mình sẽ phải huấn luyện riêng một mô hình — tốn vài tháng, tốn đội kỹ sư, và mỗi lần cập nhật tài liệu lại phải huấn luyện lại từ đầu.

Trước ICL

  • Mô hình riêng cho từng khách
  • • Mất 2-3 tháng huấn luyện cho mỗi công ty.
  • • Cần đội kỹ sư ML đắt đỏ, khó tuyển.
  • • Tài liệu công ty sửa 1 câu → huấn luyện lại cả mô hình.
  • • Chi phí khởi tạo hàng chục nghìn đô-la/công ty.
  • • Không khả thi để phục vụ 25.000 doanh nghiệp.

Với ICL

  • Một mô hình + tài liệu riêng mỗi công ty
  • • Kết nối help center xong là bật được.
  • • Không cần kỹ sư ML — đội hỗ trợ tự làm.
  • • Sửa tài liệu → Fin cập nhật trong vài phút.
  • • Chi phí khởi tạo gần bằng 0, trả theo lượt chat.
  • • Quy mô hàng chục nghìn khách hàng trên cùng hạ tầng.

Cùng một việc: làm chatbot biết sản phẩm của từng công ty.

Học trong ngữ cảnh cho phép Fin “trở thành chuyên gia” về bất kỳ sản phẩm nào chỉ bằng cách đọc tài liệu — giống một nhân viên mới học từ sổ tay hướng dẫn trong ngày đầu đi làm, rồi làm việc liền ngay chiều hôm đó.

Continue the path

Lesson 12 of 106