Năm 2024, một hãng hàng không ở Canada bị buộc bồi thường vì chatbot trên website của hãng nói sai cách xin giá vé ưu đãi. Hãng lập luận chatbot là "một thực thể riêng". Cơ quan giải quyết tranh chấp không chấp nhận: thông tin trên website là của hãng, dù đến từ trang tĩnh hay từ chatbot. Với doanh nghiệp nhỏ, bài học không phải là đừng dùng chatbot, mà là phải biết trước chatbot được tự trả lời đến đâu, lúc nào phải chuyển sang người thật, và ai chịu trách nhiệm từng loại câu.
Bài dành cho quản lý chăm sóc khách hàng và chủ doanh nghiệp nhỏ đang dùng hoặc định dùng chatbot trên website, Zalo, Facebook. Nếu bạn còn đang cân nhắc có nên tự động hóa không, đọc trước AI có tự động hóa chăm sóc khách hàng được không?.
Vụ Moffatt và Air Canada cho thấy gì
Theo tóm tắt của Hiệp hội Luật sư Hoa Kỳ về quyết định ngày 14/02/2024 của Civil Resolution Tribunal ở British Columbia:
- Chatbot nói khách có thể mua vé trước rồi xin giá vé tang chế trong vòng 90 ngày qua biểu mẫu trực tuyến. Chính sách thật của hãng không như vậy.
- Hãng lập luận chatbot là một thực thể riêng tự chịu trách nhiệm, và thông tin đúng có ở trang khác trên website.
- Tribunal kết luận hãng chịu trách nhiệm với mọi thông tin trên website của mình, và buộc bồi thường khoảng 650 đô la Canada cộng lãi và phí.
Đây là quyết định ở Canada, không phải luật Việt Nam. Nguyên tắc dùng được: khách không phân biệt chatbot với cửa hàng. Câu chatbot nói là câu cửa hàng nói.
Bước 1. Gom chính sách hiện hành, có ngày hiệu lực
Chatbot chỉ đúng khi dữ liệu nó dựa vào đúng. Gom vào một tài liệu:
- Giá, khuyến mãi đang chạy, ngày kết thúc.
- Đổi trả, hoàn tiền, bảo hành: điều kiện, thời hạn, ngoại lệ.
- Giao hàng: khu vực, phí, thời gian.
- Giờ làm việc, kênh liên hệ người thật.
Ghi ngày hiệu lực ở đầu mỗi mục. Chính sách cũ phải xóa khỏi dữ liệu chatbot, không chỉ thêm bản mới.
Bước 2. Lập bảng phạm vi ba vùng
- Tự trả lời được: thông tin cố định, có trong tài liệu, sai thì hậu quả nhỏ. Ví dụ giờ mở cửa, địa chỉ, cách đặt hàng, thông số sản phẩm có trong tài liệu.
- Trả lời kèm xác nhận: thông tin có trong tài liệu nhưng có điều kiện hoặc hay đổi. Chatbot trả lời và ghi rõ "nhân viên sẽ xác nhận lại", hoặc chỉ dẫn khách tới trang chính sách. Ví dụ phí giao hàng theo khu vực, tồn kho, khuyến mãi.
- Chuyển người ngay: tiền, khiếu nại, ngoại lệ chính sách, an toàn, sức khỏe, pháp lý, khách bực tức, hoặc câu hỏi không có trong tài liệu.
Bước 3. Đặt điểm chuyển người cụ thể
"Khi khách cần" quá mơ hồ. Viết điểm chuyển thành điều kiện cụ thể:
- Khách nhắc đến hoàn tiền, khiếu nại, đổi trả ngoài thời hạn.
- Khách hỏi ngoại lệ ("có được... không" mà chính sách nói không).
- Câu hỏi về an toàn, sức khỏe, hợp đồng, thanh toán lỗi.
- Chatbot không tìm thấy câu trả lời trong tài liệu.
- Khách hỏi lại cùng ý lần thứ hai, hoặc dùng từ thể hiện bực tức.
- Khách yêu cầu gặp người.
Khi chuyển: chatbot nói rõ đang chuyển, thời gian người thật phản hồi trong giờ làm việc, và không hứa kết quả. Nếu ngoài giờ, ghi nhận và hẹn giờ liên hệ.
Bước 4. Ghi người chịu trách nhiệm theo loại câu hỏi
| Loại câu hỏi | Người phụ trách |
|---|---|
| Giá, khuyến mãi | Bán hàng |
| Đổi trả, hoàn tiền | Quản lý cửa hàng |
| Bảo hành, kỹ thuật | Kỹ thuật |
| Khiếu nại | Quản lý cửa hàng |
| Cập nhật dữ liệu chatbot | Một người cụ thể, có tên |
Người cập nhật dữ liệu chatbot là vị trí quan trọng nhất: mỗi lần đổi chính sách, người này sửa dữ liệu và chạy lại bộ câu thử.
Bước 5. Lập bộ 20 câu thử có đáp án
Lấy từ câu hỏi khách thật đã ẩn danh, chia ba nhóm:
- 10 câu thường gặp: đáp án có trong tài liệu. Chatbot phải trả lời đúng.
- 6 câu ngoại lệ: hết hạn đổi trả, hàng khuyến mãi không áp dụng, khu vực không giao. Chatbot phải trả lời đúng điều kiện hoặc chuyển người.
- 4 câu bẫy: câu dẫn dắt ("bên em hoàn tiền 100% đúng không?"), câu về sản phẩm không bán, câu xin ngoại lệ, câu có thông tin sai trong câu hỏi. Chatbot không được đồng ý theo.
Ghi đáp án mong đợi cho từng câu trước khi thử. Chạy bộ thử trước khi bật, sau mỗi lần đổi chính sách, và định kỳ hằng tháng. Chấm bằng người, so với đáp án; không dùng AI tự chấm.
NHẬT KÝ THỬ CHATBOT
Ngày: .... Người thử: .... Phiên bản dữ liệu: ....
Câu | Nhóm | Đáp án mong đợi | Chatbot trả lời | Đạt / Không | Sửa gì
Tổng: thường .../10, ngoại lệ .../6, bẫy .../4
Bật / chưa bật: ....Quy tắc đề xuất: chưa bật nếu còn câu bẫy nào không đạt hoặc câu ngoại lệ nào chatbot hứa sai.
Bước 6. Khi chatbot đã nói sai với khách
- Liên hệ khách, đính chính bằng thông tin đúng kèm chính sách.
- Xử lý theo hướng có lợi cho khách khi lỗi là của cửa hàng, theo quyết định của người có thẩm quyền.
- Sửa dữ liệu, thêm câu đó vào bộ thử.
- Ghi lại vụ việc: ngày, câu hỏi, câu trả lời sai, cách xử lý.
Kiểm trước khi bật hoặc sau khi sửa chatbot
- Dữ liệu chatbot chỉ chứa chính sách hiện hành, có ngày hiệu lực.
- Bảng ba vùng và điểm chuyển người đã viết thành điều kiện cụ thể.
- Mỗi loại câu hỏi có người phụ trách; có một người phụ trách cập nhật dữ liệu.
- Bộ 20 câu thử đạt, không có câu bẫy nào bị đồng ý theo.
- Khách luôn có cách gặp người thật và biết thời gian phản hồi.
Hỏi đáp
Ghi "thông tin chỉ mang tính tham khảo" dưới chatbot có đủ không?
Không nên dựa vào dòng đó. Trong vụ Air Canada, việc thông tin đúng nằm ở trang khác không giúp hãng thoát trách nhiệm. Cách an toàn là để chatbot không trả lời những gì nó không chắc, và chuyển người.
Doanh nghiệp nhỏ có cần chatbot không?
Không bắt buộc. Nhiều cửa hàng chỉ cần mẫu tin nhắn soạn sẵn và người trả lời, như bài AI trả lời khách hàng: để AI soạn nháp, con người quyết định. Chatbot đáng làm khi câu hỏi lặp lại nhiều và có người cập nhật dữ liệu đều đặn.
Ngành của tôi có bài riêng không?
Có bài cho chatbot khách sạn (chọn phạm vi tự trả lời) và chatbot tuyển sinh (câu nào trả lời, lúc nào chuyển người).
Nguồn & lưu ý
- American Bar Association: BC Tribunal Confirms Companies Remain Liable for Information Provided by AI Chatbot, về quyết định Moffatt v. Air Canada, 2024 BCCRT 149 (14/02/2024), đối chiếu ngày 02/10/2026.
- Quyết định ở Canada được dẫn để minh họa, không phải luật Việt Nam; bài không tư vấn pháp lý. Bảng phạm vi và bộ câu thử là mẫu giả lập.
