23 tháng 9, 2026 · 9 phút đọc

Một AI agent chăm sóc khách hàng sống ngay trên phần cứng của bạn

Nếu khách hàng của bạn liên hệ qua WhatsApp, Telegram hay WeChat, chắc bạn đã quá quen với bài toán này rồi: tin nhắn đến lúc 2 giờ sáng, chỉ xoay quanh có sáu câu hỏi lặp đi lặp lại cả ngày, và cách duy nhất để trả lời nhanh hơn là thuê thêm người. Một AI agent hỗ trợ chạy trên chính chiếc hộp của bạn sẽ đổi tất cả phép tính đó — nó trả lời ngay trên kênh mà khách hàng đã quen dùng, và toàn bộ lịch sử hội thoại được giữ lại tại cơ sở của bạn.

Thứ đang thực sự ngốn tiền của bạn hôm nay

Cách nó hoạt động

1. Cắm hộp vào — nguồn và mạng. Nó sẽ khởi động thẳng vào runtime agent.
2. Kết nối kênh của bạn — WhatsApp, Telegram hoặc WeChat. Quét mã và ghép nối.
3. Chỉ cho nó chỗ tài liệu của bạn — thông tin sản phẩm, chính sách, bảng giá, FAQ. Đây chính là thứ làm cho câu trả lời mang dấu ấn của bạn chứ không phải câu trả lời chung chung.
4. Đặt luật chuyển tiếp — khi độ tự tin thấp hoặc khách hàng yêu cầu gặp nhân viên, thì chuyển việc. Hãy quyết định điều này trước khi đưa lên thật, chứ đừng để đến lúc đó mới tính.

Cái nó làm tốt, và cái nó không làm được

Nói rõ điều này ngay từ đầu sẽ giúp tất cả tránh được một đợt triển khai thất vọng.

Cách dùng thực tế là để agent gánh phần việc lặp đi lặp lại và chuyển tiếp phần còn lại, nhờ đó một đội nhỏ có thể xử lý nhiều hơn mà chất lượng vẫn không đi xuống.

Vì sao riêng ở đây chuyện chạy cục bộ lại quan trọng

Hội thoại với khách hàng là loại dữ liệu nhạy cảm nhất mà một doanh nghiệp nhỏ có: trong đó có tên, chi tiết đơn hàng, lời phàn nàn, đôi khi cả các tham chiếu thanh toán. Trên một nền tảng chatbot SaaS, tất cả những thứ đó đều chảy qua hạ tầng của bên thứ ba và bị chi phối bởi chính sách lưu trữ của họ.

Trên một hộp cục bộ, lịch sử hội thoại, trí nhớ và những tài liệu mà agent đọc đều nằm trên phần cứng do bạn sở hữu. Chỉ có lệnh gọi mô hình là đi ra ngoài. Nếu khách hàng hỏi xem dữ liệu của họ đang ở đâu, bạn có thể trả lời một cách rất cụ thể.

Chi phí để vận hành nó

Thiết bị tiêu thụ dưới 10W, nên tiền điện chỉ là con số làm tròn không đáng kể. Chi phí lặp lại thực sự nằm ở credit, và được trừ theo lượng token mà agent dùng để trả lời. Có hai điều giúp chi phí này luôn nằm trong tầm dự đoán:

• Đẩy những câu hỏi đơn giản sang một mô hình rẻ hơn. Phần lớn lượng hỏi đáp trong khâu hỗ trợ chỉ là phân loại và tra cứu, vốn không cần đến những mô hình hàng đầu.
• Lưu sẵn những câu trả lời không bao giờ thay đổi. Chính sách giao hàng, thời hạn đổi trả, giờ mở cửa — cứ trả lời thẳng từ tài liệu của bạn thay vì bắt nó suy luận lại từ đầu mỗi lần.

Những câu hỏi thường gặp

Những kênh nào được hỗ trợ?

WeChat, WeCom, WhatsApp và Telegram. Kênh chỉ đóng vai trò đường truyền thôi — còn agent thì vẫn là một như nhau ở mọi nơi.

Nó có thể chuyển việc cho nhân viên được không?

Có, và bạn tự cấu hình điều kiện kích hoạt: độ tự tin thấp, khách hàng yêu cầu gặp người thật rõ ràng, hoặc một từ khóa do bạn định nghĩa. Toàn bộ lịch sử hội thoại được chuyển kèm theo, nên không ai phải bắt đầu lại từ đầu.

Tôi có cần viết code không?

Không. Thiết lập đơn giản là ghép một kênh và chỉ cho agent chỗ tài liệu của bạn. Ngoài hai việc đó ra thì không cần gì thêm.

Chuyện gì sẽ xảy ra khi mất mạng?

Runtime agent và những hội thoại đã lưu vẫn tiếp tục hoạt động cục bộ. Chỉ có inference của mô hình là tạm ngừng cho đến khi có lại kết nối, nên việc soạn thảo và truy xuất sẽ kém đi một chút, nhưng không có gì bị mất cả.

Nhiều người có thể dùng cùng lúc được không?

Được. Danh bạ và lịch sử đều được lưu trên thiết bị, còn phiên bản doanh nghiệp sẽ đáp ứng mức đồng thời cao hơn, đi kèm triển khai riêng tư và SLA.