Kiểm soát chatbot AI bán hàng: lớp bảo vệ chống báo sai giá

Một câu "em giữ đơn rồi ạ" không có thật

Một shop mỹ phẩm cho trợ lý AI trả lời inbox ban đêm. Khách hỏi mua combo hai sản phẩm. Trợ lý tự cộng giá hai món, ra một con số thấp hơn giá combo thật, rồi viết thêm: "Em đã giữ đơn cho chị rồi ạ, sáng mai bên em gọi xác nhận." Thực tế không có đơn nào được tạo, không ai được báo. Sáng hôm sau khách nhắn lại đòi đúng giá đã được báo. (Tình huống minh hoạ.)

Câu trả lời đó trôi chảy, lịch sự, đúng giọng thương hiệu, nên chủ shop không phát hiện được bằng cách đọc lướt. Đây là lý do mọi chatbot bán hàng nghiêm túc cần một lớp bảo vệ: phần kiểm soát chatbot AI chạy giữa lúc AI viết xong và lúc tin rời hệ thống.

Bài này thuộc chặng 4, Chốt, trong Hệ thống Bán lẻ Facebook 4 Chặng. Nó nối tiếp Kho kiến thức cho chatbot (dữ liệu đúng nằm ở đâu) và Phân loại khách, xin số đúng lúc (trợ lý nên làm gì với từng khách).

Vì sao dặn kỹ trong lời nhắc vẫn chưa đủ

Lớp bảo vệ chatbot là phần code chạy sau khi AI viết câu trả lời và trước khi gửi, đối chiếu câu trả lời với bảng giá, bảng lịch và các luật cứng, rồi bỏ, sửa hoặc yêu cầu AI viết lại phần vi phạm.

Mô hình AI tạo câu trả lời theo xác suất. Cùng một câu hỏi, hôm nay trả lời đúng, mai có thể khác đi một chút; trong hàng nghìn lượt, thế nào cũng có lượt AI cộng sai, nhớ nhầm, hoặc nói điều chưa làm như đã làm. Dặn kỹ trong lời nhắc làm lỗi ít đi, không làm lỗi biến mất. Với tiền và lời hứa, "ít đi" chưa đủ.

Hai cách bổ sung cho nhau: lời nhắc hướng AI nói đúng ngay từ đầu để ít phải sửa; lớp bảo vệ là lưới an toàn cuối cùng. Nguyên tắc "phần biết để cứng, phần nói để AI" ở bài kho kiến thức chính là nền để lớp bảo vệ có dữ liệu mà đối chiếu.

Bảy lớp bảo vệ của một chatbot bán hàng

Thứ tự trong bảng cũng là thứ tự ưu tiên: lớp càng trên càng liên quan trực tiếp tới tiền, càng phải chặn cứng. Lớp càng dưới càng là chuyện trải nghiệm, có thể sửa nhẹ tay.

Lớp số liệu: tài khoản, giá, lịch, cọc

Số tài khoản: trợ lý không bao giờ gửi

Đây là luật cứng nhất. Trợ lý không gửi số tài khoản nhận tiền dưới bất kỳ hình thức nào, kể cả khi khách xin, kể cả khi số đó "đúng". Khách muốn chuyển khoản thì trợ lý xin họ tên, số điện thoại, thông tin xuất hoá đơn rồi báo nhân viên; nhân viên gửi thông tin thanh toán từ kênh chính thức. Lý do: một số tài khoản do AI viết ra, dù chỉ sai một chữ số, có thể làm khách chuyển tiền nhầm; và kẻ xấu có thể dụ chatbot đọc một số lạ.

Chính sách nhà phát triển của Meta cũng yêu cầu không yêu cầu người dùng chia sẻ số thẻ thanh toán cá nhân qua nhắn tin. Lớp bảo vệ nên chặn cả hai chiều: không gửi số tài khoản, không xin số thẻ.

Giá: con số phải nằm trong bảng

Code tìm mọi con số tiền trong câu trả lời và so với bảng giá. Không khớp thì bỏ câu đó và chèn nguyên văn dòng bảng giá liên quan. Trường hợp khó là tổng tiền: khách hỏi mua hai món, AI cộng lại. Cách an toàn là chỉ chấp nhận một tổng hay hiệu khi câu có ngữ cảnh rõ ("hai hộp tổng cộng…") và phép tính khớp bảng; còn lại thì thay bằng giá từng món. Tốt hơn nữa là bảng giá ghi sẵn giá combo, giá nhóm để AI khỏi phải tính.

Lịch và cọc: đúng bảng, đúng chính sách

Ngày, ca, lớp nhắc trong câu trả lời phải có trong bảng lịch. Lớp đã bắt đầu thì không nhận đăng ký, kể cả khi AI muốn chiều khách. Trợ lý không hứa nhận cọc: việc nhận tiền luôn qua nhân viên.

Nguồn: Meta – Developer Policies

Lớp lời hứa: không nói điều chưa làm như đã làm

AI rất hay viết câu kiểu "em đã ghi nhận", "em đã báo bộ phận", "em đã giữ chỗ" vì đó là văn phong chăm sóc khách quen thuộc. Vấn đề là AI viết câu đó dù chưa có hành động nào xảy ra. Khách tin, rồi thất vọng.

• Gắn lời hứa với kết quả công cụ. Câu "đã giữ chỗ" chỉ được giữ lại khi công cụ giữ chỗ trả về thành công trong chính lượt đó. Câu "đã báo nhân viên" chỉ đúng khi tin báo Sale đã gửi được.
• Danh sách cụm từ cần kiểm. "Đã giữ", "đã đặt", "đã tạo đơn", "đã báo", "đã chuyển", "đã nhận tiền"… Chủ shop bổ sung theo cách nói của ngành mình.
• Sửa về sự thật. Khi chưa làm, đổi thành điều đang xảy ra thật: "mình chuyển thông tin cho nhân viên, bạn sẽ được gọi trong giờ làm việc".
• Không xác nhận đã nhận tiền. Khách báo "đã chuyển khoản" thì trợ lý cảm ơn và báo nhân viên kiểm tra; chỉ nhân viên xác nhận.

Chống lặp và văn phong: viết lại khi nặng, sửa bằng code khi nhẹ

Hai lớp cuối không liên quan tới tiền nhưng quyết định khách thấy đang nói chuyện với người hay với máy. Lỗi hay gặp: mời chốt ở mọi lượt, hỏi lại câu khách đã trả lời, đọc lại giá đã báo, mở đầu bằng văn mẫu, câu nào cũng kết bằng "ạ?". Không phải lỗi nào cũng đáng gọi AI viết lại; mỗi lần viết lại là thêm một nhịp chờ.

Khi bắt AI viết lại, hãy nói rõ cho AI biết vi phạm gì và yêu cầu giữ nguyên mọi con số. Nếu không, lần viết lại có thể sửa được câu dẫn dắt nhưng lại đổi mất con số vừa đúng. Sau khi viết lại, câu trả lời phải đi qua lớp bảo vệ thêm một lần nữa.

Cách dẫn dắt để ngay từ đầu ít bị lặp: Kịch bản chatbot bán hàng 6 bước.

Khi AI lỗi: hai mô hình, câu chờ, báo người

Ngoài chuyện AI viết sai, còn chuyện AI không trả lời: nhà cung cấp quá tải, mạng chập chờn, mô hình đổi tham số. Khách đang chờ thì mỗi phút im lặng là một phút khách nguội.

1. Mô hình chính lỗi hoặc quá chậm thì chuyển sang mô hình dự phòng của một hãng khác, để hai bên khó cùng lỗi một lúc.
2. Mô hình dự phòng phải được nạp đủ kiến thức, nhất là phần thanh toán, và đi qua đúng lớp bảo vệ như mô hình chính.
3. Cả hai cùng lỗi thì gửi một câu chờ lịch sự, viết sẵn trong kho (ví dụ: "Mình đang kiểm tra lại thông tin, nhân viên sẽ trả lời bạn sớm nhé"), đồng thời báo Sale trả lời tay.
4. Ghi lỗi vào kênh giám sát để người vận hành biết, không để lỗi im lặng.

Nếu dựng bằng n8n, mỗi node có phần cài đặt xử lý lỗi. Theo tài liệu n8n, Retry On Fail cho node chạy lại khi lỗi; mục On Error có các lựa chọn dừng cả workflow, chạy tiếp với dữ liệu hợp lệ gần nhất, hoặc chạy tiếp và chuyển thông tin lỗi sang nhánh riêng để xử lý. Nhánh lỗi đó là chỗ đặt mô hình dự phòng và câu chờ. Ngoài ra, mỗi workflow có thể gắn một workflow báo lỗi bắt đầu bằng node Error Trigger, chạy khi lần chạy thất bại, dùng để gửi cảnh báo.

Giám sát lỗi, sao lưu, phiên bản workflow: Giám sát lỗi, sao lưu, phiên bản trong n8n.

Nguồn: n8n – cài đặt node · n8n – Error handling

Dựng lớp bảo vệ cho chatbot của bạn trong 6 bước

1. Liệt kê điều tuyệt đối không được sai. Ngồi cùng đội Sale, viết ra mọi thứ mà nếu trợ lý nói sai thì phải bù tiền, mất khách hoặc vi phạm chính sách: số tài khoản, giá, khuyến mãi, lịch, cọc, bảo hành.
2. Đưa mỗi thứ về một nguồn để đối chiếu. Giá về bảng giá, lịch về bảng lịch, chính sách về ghi chú chính sách. Không có nguồn thì code không có gì để so.
3. Viết luật theo bảy lớp ở trên, mỗi luật có cách xử lý rõ: bỏ câu, chèn nguyên văn, viết lại hay code sửa.
4. Đặt lớp bảo vệ đúng chỗ: sau bước AI viết, trước bước gửi tin ra mọi kênh. Câu viết lại cũng phải đi qua lớp này.
5. Ghi nhật ký vi phạm: lượt nào, luật nào, xử lý thế nào. Nhìn nhật ký là biết nên sửa kho kiến thức, lời nhắc hay luật.
6. Chạy bộ câu thử có câu "bẫy": khách xin số tài khoản, hỏi giá combo, hỏi lớp đã bắt đầu, nói "giữ chỗ cho mình nhé". Lớp bảo vệ phải bắt được tất cả trước khi mở cho khách thật.

Một phần việc chung có thể dùng công cụ sẵn. Theo tài liệu n8n, node Guardrails kiểm văn bản trước khi đưa vào mô hình AI hoặc ở đầu ra của mô hình, với các loại như từ khoá, thông tin cá nhân, khoá bí mật, đường dẫn, chủ đề ngoài phạm vi kinh doanh, biểu thức tự viết; thao tác Sanitize Text thay phần vi phạm bằng ký hiệu. Việc đối chiếu giá, lịch với bảng của shop thì vẫn cần luật riêng. n8n cũng có Evaluations để chạy bộ ca kiểm thử so kết quả với đáp án đã biết.

Cách chấm bộ câu thử và theo dõi tỉ lệ viết lại theo thời gian: Đo lường và kiểm thử chatbot.

Nguồn: n8n – Guardrails · n8n – Evaluations

Aduca áp dụng thế nào

Hệ thống Sale Chat của Aduca có lớp bảo vệ chạy sau AI, trước khi gửi, trên cả ba kênh Messenger, Zalo OA và chat website. Hai trong sáu nguyên tắc vàng của hệ thống nằm ở lớp này: trợ lý không bao giờ gửi số tài khoản; giá, lịch, cọc được code kiểm, sai thì bỏ câu đó và chèn nguyên văn bảng giá hoặc lịch.

Kết quả đo nội bộ trên bộ 30 câu thử: tỉ lệ lượt phải viết lại giảm từ khoảng 40% xuống 17% sau khi tách lỗi nặng (viết lại) khỏi lỗi nhẹ (code sửa). Con số mô tả hệ thống của Aduca trên bộ câu thử đó, phụ thuộc kho kiến thức và cách hỏi, không phải chỉ số mọi hệ thống sẽ có.

Nhật ký đầy đủ: Nhật ký thật: 12 bài học khi làm chatbot bán hàng.

Checklist lớp bảo vệ trước khi mở cho khách thật

• Trợ lý không gửi số tài khoản trong mọi trường hợp; câu có tên ngân hàng hoặc dãy số tài khoản bị xoá bằng code.
• Trợ lý không xin số thẻ thanh toán, mật khẩu, mã OTP của khách.
• Mọi con số tiền trong câu trả lời được so với bảng giá; sai thì chèn nguyên văn dòng bảng giá.
• Giá combo, giá nhóm đã tính sẵn trong bảng; tổng tiền do AI tính chỉ được nhận khi có ngữ cảnh rõ.
• Ngày, lớp, ca trong câu trả lời có trong bảng lịch; lớp đã bắt đầu không nhận đăng ký.
• Trợ lý không hứa nhận cọc; không xác nhận đã nhận tiền.
• Câu "đã giữ chỗ", "đã báo", "đã tạo đơn" chỉ xuất hiện khi công cụ trả kết quả thành công trong lượt đó.
• Có luật chống chốt lặp, hỏi lại câu đã hỏi, đọc lại giá đã báo; khi viết lại, số liệu được giữ nguyên.
• Lỗi văn phong nhẹ được code sửa, không gọi AI viết lại.
• Câu viết lại đi qua lớp bảo vệ thêm một lần.
• Có mô hình dự phòng của hãng khác, được nạp đủ kiến thức, đi qua cùng lớp bảo vệ.
• Có câu chờ viết sẵn khi cả hai mô hình lỗi, kèm báo Sale trả lời tay.
• Có nhật ký vi phạm và cảnh báo lỗi về kênh có người trực.
• Bộ câu thử có câu bẫy cho từng lớp; chạy lại mỗi khi đổi giá, lịch, lời nhắc hoặc mô hình.

Bắt đầu từ đâu?

Nếu chỉ làm được một việc trong tuần này, hãy làm lớp số tài khoản và lớp giá: hai lớp này chặn những lỗi tốn tiền nhất. Tuần sau thêm lớp lời hứa và lịch. Chống lặp, văn phong để sau, khi đã có nhật ký hội thoại thật để biết lỗi nào hay gặp.

Bước tiếp theo trong chuỗi: chăm sóc khách tự động đúng khung giờ nền tảng cho phép ở Chăm sóc khách tự động đúng chính sách.

Muốn Aduca dựng chatbot bán hàng có sẵn lớp bảo vệ, mô hình dự phòng và báo Sale cho Fanpage, Zalo OA của bạn, xem Hệ thống Sale Chat tự động. Muốn đội của bạn tự dựng bằng n8n, khóa Aduca AI Business System có phần thực hành sale chat.

Đọc tiếp: Chăm sóc tự động đúng chính sách →

Câu hỏi thường gặp

Tài liệu liên quan

• Sale Chat · AI AgentSale Chat Automation là gì? Hệ thống chốt sale qua inbox bằng AISale Chat Automation là gì: hệ thống chatbot bán hàng trả lời, dẫn dắt, chăm sóc khách qua Fanpage, Zalo OA, website; 4 tầng, 6 nguyên tắc vàng, ví dụ Aduca.
• Sale Chat · AI AgentKiến trúc Sale Chat: một lõi, nhiều kênh, nhiều thương hiệuKiến trúc chatbot bán hàng đa kênh: tin chuẩn, 4 tầng, 10 làn hành trình, gom tin nhắn dồn, đọc ảnh, đa thương hiệu bằng bảng cấu hình, chọn công cụ n8n.
• Sale Chat · AI AgentKịch bản chatbot bán hàng: dẫn dắt 6 bước như người thậtKịch bản chatbot bán hàng 6 bước: điều kiện lên bước, khai thác một ý mỗi lượt, tín hiệu mua, công thức trả lời, xử lý từ chối, chuyển người, mẫu để điền.
• Sale Chat · AI AgentKho kiến thức cho chatbot bán hàng: dữ liệu cứng, lời nói mềmCách xây dữ liệu cho chatbot bán hàng: một nguồn sự thật, giá và lịch để cứng, AI chỉ lo lời nói, thẻ kiến thức, tra trước, lối tắt, kèm mẫu ghi chú.

Xem tất cả tài liệu hướng dẫn →

Bước tiếp theo

Nhận báo giá Hệ thống Sale Chat tự động

Aduca dựng trợ lý AI bán hàng cho Fanpage, Zalo OA, website theo đúng sản phẩm, bảng giá và kịch bản của bạn, có báo Sale và chăm sóc khách tự động. Báo giá sau buổi khảo sát, theo số kênh, số sản phẩm và lượng tin nhắn.

Nhận báo giá Hệ thống Sale Chat tự độngXem thư viện tài liệu

Nguồn tham khảo

• n8n Docs – Guardrails node
• n8n Docs – cài đặt node: Retry On Fail, On Error
• n8n Docs – Error handling, Error Trigger
• n8n Docs – Evaluations
• Meta – Developer Policies (mục nhắn tin)
• Meta – Messenger Platform Policy

Lịch sử cập nhật

• 08/11/2026 — Bản đầu.

Miễn trừ trách nhiệm