Người làm marketing, CSKH ở Mỹ: 92% nói AI đạt kỳ vọng, chỉ 27% đo được

Có tới 92% đánh giá AI mang lại kết quả đúng hoặc vượt kỳ vọng, nhưng chỉ 27% có thể chứng minh hiệu quả đó bằng số liệu cụ thể.

Một nguyên nhân có thể là nhiều doanh nghiệp chưa ghi nhận các chỉ số trước khi triển khai AI. Vì thiếu số liệu ban đầu để đối chiếu, họ khó xác định AI thực sự đã cải thiện hiệu quả công việc đến đâu.

Chỉ 29% người được hỏi ghi lại số liệu ban đầu trước khi triển khai AI

Bạn bật một ứng dụng có AI trước mùa mua sắm cuối năm. Vài tuần sau, bảng điều khiển (dashboard) của nó báo chỉ số nào cũng tăng. Nhưng tăng so với lúc nào thì bạn không có số để so.

Phần lớn người được hỏi đang ở đúng tình huống đó, theo báo cáo "Show Your Work" do Metric Sherpa làm cùng Sprinklr, công bố cuối tháng 10/2026. Chỉ 34% đặt mục tiêu và chỉ số thành công trước khi triển khai, và chỉ 29% ghi lại mốc xuất phát (baseline), tức con số trước khi bật AI.

Chưa tới một phần ba số người được hỏi đặt mục tiêu hay ghi mốc xuất phát trước khi bật AI. Thông cáo của Sprinklr, chụp tháng 11/2026.

Khảo sát chạy trực tuyến từ 8 đến 23/09/2026. Con số 27% đếm những người đo được chính xác một kết quả bằng hồ sơ hoặc báo cáo, không phải số người thấy AI hiệu quả. Số liệu do người trả lời tự khai, không qua kiểm toán độc lập, và bên đặt hàng là Sprinklr, hãng bán nền tảng trải nghiệm khách hàng.

Không ghi số trước khi bật thì sau này không có gì để so.

Vì sao không thể tin luôn báo cáo của chính công cụ AI?

Vì công cụ nào cũng chấm điểm bằng thước đo của chính nó. Constantine von Hoffman, biên tập viên cấp cao của MarTech, lấy ba ví dụ: nền tảng quảng cáo tối ưu tỷ lệ chuyển đổi (conversion rate), nền tảng CSKH tối ưu tỷ lệ tự xử lý (containment rate), hệ thống nội dung tối ưu lượt tương tác. Cả ba có thể báo tăng trong bảng điều khiển của mình trong khi kết quả kinh doanh đứng yên.

Khảo sát có một con số cùng chiều: 85% người trả lời báo cải thiện ở ít nhất một nhóm chỉ số mà công ty họ chưa theo dõi trước khi bật. Không có số cũ thì khó biết mức cải thiện ấy là so với cái gì.

85% báo cải thiện ở những chỉ số họ chưa theo dõi trước khi bật AI. Thông cáo của Sprinklr, chụp tháng 11/2026.

Với người bán, đây là chuyện tiền. Đơn hàng vốn tăng vào mùa cao điểm cuối năm, nên nếu không ghi số trước, bạn khó tách phần đơn do AI mang về khỏi phần đơn do mùa mua sắm. Khảo sát không đo riêng chuyện của store, nên hãy coi đây là điều bạn tự kiểm tra trên store mình.

Nếu mùa này bạn không chi thêm cho ứng dụng hay quảng cáo có AI, bạn có thể bỏ qua phần dưới.

Trước khi bật AI, ghi lại chỉ số cần theo dõi, con số hiện tại và ngưỡng dừng

MarTech khuyên bắt đầu với một ứng dụng: trước lần xem lại kế tiếp, xác định kết quả mong muốn, mốc xuất phát, ngưỡng thành công và thứ để so sánh, rồi ghi sẵn kết quả nào thì mở rộng, đổi cách làm hay dừng. Ít đội làm bước này: chỉ 28% có tiêu chí thống nhất để quyết định, và 37% xem lại kết quả theo lịch cố định.

Với store nhỏ, khuyến nghị đó gói lại thành ba dòng:

1. Chỉ số: một con số lấy từ đơn hàng, chẳng hạn số đơn mỗi ngày trong Shopify admin, không lấy từ báo cáo của ứng dụng.
2. Con số hiện tại: chỉ số đó đang ở mức nào trước ngày bật.
3. Ngưỡng dừng và ngày xem lại: dưới mức nào thì tắt, ngày nào lấy số ra so sánh.

Ví dụ minh hoạ, số giả định: "Số đơn mỗi ngày trong Shopify admin, hiện trung bình 40 đơn; sau 3 tuần không vượt 44 đơn thì tắt."

Khi nào xem lại, và vì sao số có thể xấu đi

Báo cáo gốc đề xuất xem lại sau 90 ngày. Mốc 2 đến 4 tuần là gợi ý của bài này cho mùa cao điểm, khi bạn cần quyết định nhanh hơn.

Theo MarTech, các đội đo bằng ba cách trở lên báo nhiều trục trặc hơn, như khâu chuyển giao giữa AI và nhân viên, mức nhân viên chịu dùng và chất lượng dữ liệu. Nhà nghiên cứu chưa rõ đó là do đo kỹ nên lộ ra, hay do những đợt triển khai ấy vốn phức tạp hơn.

Trước khi bật ứng dụng hay quảng cáo có AI tiếp theo, hãy viết ra ba dòng ấy.

Nguồn

• Sprinklr · sprinklr.com
• Constantine von Hoffman · martech.org