i TÓM TẮT ĐỀ TÀI Nghiên cứu này nhằm khám phá các yếu tố tác động đến ý định sử dụng trí tuệ nhân tạo đàm thoại Conversational AI – CAI trong lĩnh vực dịch vụ khách hàng tại Thành phố H
GIỚI THIỆU TỔNG QUAN
Lý do chọn đề tài
Trong bối cảnh chuyển đổi số ngày càng sâu rộng, trí tuệ nhân tạo (AI) đang khẳng định vai trò quan trọng trong nâng cao hiệu quả vận hành và cải thiện chất lượng dịch vụ của doanh nghiệp AI không chỉ tự động hóa quy trình mà còn tối ưu hoá trải nghiệm khách hàng, từ đó tạo lợi thế cạnh tranh bền vững trong môi trường kinh doanh hiện đại Một trong những ứng dụng nổi bật của AI là trí tuệ nhân tạo đàm thoại (CAI), gồm các công nghệ như chatbot, trợ lý ảo và hệ thống trả lời tự động Những công nghệ này giúp doanh nghiệp duy trì tương tác với khách hàng theo thời gian thực và hoạt động 24/7, từ đó tối ưu chi phí vận hành, rút ngắn thời gian phản hồi và nâng cao trải nghiệm người dùng Đặc biệt, trong lĩnh vực chăm sóc khách hàng – nơi tốc độ phản hồi và mức độ tương tác đóng vai trò then chốt – CAI đang tạo ra những chuyển biến đáng kể.
Ở Việt Nam, trước tốc độ phát triển của công nghệ, nhiều doanh nghiệp đã triển khai các giải pháp AI đàm thoại vào hoạt động chăm sóc khách hàng (Nguyễn và cộng sự, 2023) Tuy nhiên, thành công của công nghệ AI không chỉ dựa vào năng lực kỹ thuật hay vốn đầu tư mà còn phụ thuộc mạnh vào mức độ chấp nhận của người dùng (Venkatesh và cộng sự, 2003) Thực tế cho thấy, dù AI có tiềm năng và mang lại hiệu quả, nếu người dùng không sẵn sàng tiếp nhận hoặc không tin tưởng vào hiệu quả của nó, việc ứng dụng AI trong chăm sóc khách hàng sẽ gặp nhiều thách thức và khó đạt được sự áp dụng rộng rãi (Rogers, 2003; Tran & Le, 2022).
Việc nghiên cứu các yếu tố ảnh hưởng đến ý định sử dụng trí tuệ nhân tạo đàm thoại của người dùng là cần thiết và mang lại giá trị thực tiễn cao (Ajzen, 1991) Việc nắm bắt những yếu tố này giúp các doanh nghiệp và nhà phát triển hiểu rõ kỳ vọng, tâm lý và nhu cầu thực tế của khách hàng, từ đó đề xuất chiến lược triển khai, thiết kế giao diện người dùng thân thiện, cải tiến chất lượng tương tác và tăng cường cá nhân hóa trong dịch vụ (Davis, 1989).
Nghiên cứu này nhằm phân tích các yếu tố ảnh hưởng đến ý định sử dụng trí tuệ nhân tạo đàm thoại trong dịch vụ khách hàng của người dùng tại TP Hồ Chí Minh, từ đó làm rõ hành vi tiêu dùng trong bối cảnh chuyển đổi số và cung cấp cơ sở dữ liệu hữu ích để thúc đẩy sự ứng dụng AI đàm thoại một cách hiệu quả và bền vững tại Việt Nam (Le và cộng sự, 2023).
Mục tiêu nghiên cứu và câu hỏi nghiên cứu
1.2.1 Mục tiêu nghiên cứu tổng quát
Nghiên cứu này nhằm xác định và phân tích các yếu tố tác động đến ý định sử dụng trí tuệ nhân tạo đàm thoại (Conversational AI) trong hoạt động chăm sóc khách hàng tại Thành phố Hồ Chí Minh Trên cơ sở các kết quả phân tích, nghiên cứu đề xuất các giải pháp nhằm nâng cao mức độ chấp nhận công nghệ CAI và thúc đẩy hiệu quả ứng dụng CAI trong thực tiễn doanh nghiệp Các đề xuất tập trung vào tối ưu hóa trải nghiệm khách hàng, tăng cường tin cậy của hệ thống CAI và cải thiện hiệu quả chi phí cũng như khả năng triển khai tại thị trường TP.HCM Kết quả mong đợi cung cấp khung tham chiếu cho doanh nghiệp có kế hoạch triển khai CAI, giúp nâng cao chất lượng chăm sóc khách hàng và tối ưu quy trình dịch vụ.
1.2.2 Mục tiêu nghiên cứu cụ thể
- Xác định các yếu tố tác động đến ý định sử dụng trí tuệ nhân tạo đàm thoại của người dùng phù hợp với bối cảnh thực tiễn
- Đo lường mức độ ảnh hưởng của từng yếu tố đến ý định sử dụng AI đàm thoại trong dịch vụ khách hàng
Đề xuất một khung hàm ý quản trị và chiến lược triển khai phù hợp cho doanh nghiệp nhằm thúc đẩy hành vi chấp nhận công nghệ AI đàm thoại từ phía người dùng bằng cách thiết lập chuẩn quản trị dữ liệu, bảo mật và minh bạch thông tin, đồng thời tích hợp AI vào quy trình làm việc hiện có để nâng cao trải nghiệm người dùng và hiệu quả vận hành Khung này bao gồm các nguyên tắc rõ ràng về vai trò, trách nhiệm và cơ chế giám sát rủi ro; lộ trình triển khai từ thí điểm đến mở rộng, với các tiêu chí đo lường kết quả và hệ thống đào tạo nhân viên, hỗ trợ người dùng và phản hồi liên tục để tối ưu hóa Tất cả được thực hiện trên nền văn hóa số, tuân thủ pháp lý và chuẩn hóa quy trình, nhằm tăng sự tin cậy và thấu hiểu của người dùng đối với công nghệ AI đàm thoại.
Câu hỏi nghiên cứu
Đề tài tập trung giải quyết ba câu hỏi nghiên cứu chính sau:
Những yếu tố ảnh hưởng đến ý định sử dụng trí tuệ nhân tạo đàm thoại trong dịch vụ chăm sóc khách hàng tại Thành phố Hồ Chí Minh gồm mức độ hữu ích người dùng nhận thấy từ AI chatbot và sự dễ sử dụng của công nghệ này Niềm tin và an toàn dữ liệu, bảo mật thông tin cá nhân, cùng với uy tín của thương hiệu đóng vai trò quyết định, đặc biệt ở một đô thị có mức độ phơi nhiễm công nghệ cao như TP.HCM Chất lượng đáp ứng và độ chính xác của câu trả lời từ chatbot, thời gian phản hồi nhanh và khả năng phục vụ 24/7 làm tăng sự hài lòng và ý định tiếp tục sử dụng Khả năng cá nhân hóa, hỗ trợ ngôn ngữ tự nhiên phù hợp với tiếng Việt và đặc thù địa phương ở TP.HCM cũng ảnh hưởng đến quyết định, bên cạnh sự tích hợp thuận tiện với các kênh chăm sóc khách hàng hiện có như website, ứng dụng di động và tổng đài Các yếu tố khác bao gồm chi phí, sự sẵn có và độ tin cậy của hệ thống, trình độ số hóa và thói quen sử dụng smartphone của người dùng, cũng như hạ tầng mạng và môi trường pháp lý liên quan đến bảo mật dữ liệu Tất cả những yếu tố này kết hợp để hình thành ý định sử dụng AI đàm thoại trong chăm sóc khách hàng tại Thành phố Hồ Chí Minh, với sự khác biệt giữa các nhóm người dùng theo độ tuổi, thu nhập và mức độ quen thuộc với công nghệ.
- Mức độ ảnh hưởng của từng yếu tố này đến ý định sử dụng trí tuệ nhân tạo đàm thoại đƣợc thể hiện ra sao?
Để nâng cao khả năng chấp nhận và ứng dụng trí tuệ nhân tạo đàm thoại từ phía người dùng, nghiên cứu nhấn mạnh việc xây dựng một khung hàm ý quản trị toàn diện, tập trung vào minh bạch trong cách AI hoạt động và giải thích quyết định, bảo đảm an toàn dữ liệu và quyền riêng tư, đồng thời tối ưu trải nghiệm người dùng Các yếu tố cốt lõi bao gồm thiết lập vai trò, trách nhiệm và cơ chế quản trị dữ liệu rõ ràng; chuẩn hoá quy trình triển khai và đánh giá rủi ro; thiết kế giao diện dễ hiểu, đáp ứng nhu cầu người dùng và tăng cường sự tham gia của họ trong quá trình thiết kế và thử nghiệm Ngoài ra, cần phát triển chính sách tuân thủ, đào tạo người dùng và nhân viên, thiết lập KPIs cho hiệu quả AI đàm thoại, và có cơ chế phản hồi để liên tục cải thiện hệ thống Việc tích hợp AI đàm thoại vào quy trình kinh doanh với sự chú trọng văn hóa đổi mới, quản trị rủi ro và bảo mật thông tin sẽ giúp doanh nghiệp tăng sự tin cậy từ người dùng và tối ưu hoá giá trị mang lại.
Đối tƣợng nghiên cứu và đối tƣợng khảo sát
Đề tài nghiên cứu nhằm xác định các yếu tố ảnh hưởng đến ý định sử dụng trí tuệ nhân tạo đàm thoại trong dịch vụ chăm sóc khách hàng dành cho người dùng tại Thành phố Hồ Chí Minh Đối tượng khảo sát là những người sinh sống tại Thành phố Hồ Chí Minh, nhằm thu thập dữ liệu trực tiếp từ cư dân ở khu vực này để phân tích mức độ chấp nhận và các yếu tố thúc đẩy hay cản trở việc áp dụng trí tuệ nhân tạo đàm thoại trong chăm sóc khách hàng tại địa phương.
Phạm vi nghiên cứu
- Phạm vi không gian của nghiên cứu là TP Hồ Chí Minh
- Phạm vi thời gian của nghiên cứu đƣợc tiến hành từ tháng 4 năm 2025 đến tháng 6 năm 2025.
Phương pháp nghiên cứu
Phương pháp nghiên cứu của tác giả được tiến hành theo trình tự từ (1) phương pháp tiếp cận cơ sở lý thuyết và tổng quan các nghiên cứu thực nghiệm có liên quan, (2) phương pháp thu thập thông tin dữ liệu và (3) phương pháp xử lý thông tin dữ liệu
Tác giả tổng hợp cơ sở lý luận tổng quan về các khái niệm, thuật ngữ, vấn đề liên quan đến công nghệ mới, trí tuệ nhân tạo, các yếu tố ảnh hưởng đến ý định sử dụng người dùng Đồng thời các mô hình lý thuyết phổ biến trong nghiên cứu hành vi chấp nhận công nghệ nhƣ Mô hình chấp nhận công nghệ (Technology Acceptance Model - TAM), Lý thuyết thống nhất về chấp nhận và sử dụng công nghệ (Unified Theory of Acceptance and Use of Technology 2 - UTAUT2) và các nghiên cứu thực nghiệm trong và ngoài nước đã được xem xét nhằm xây dựng nền tảng lý thuyết vững ch c, đồng thời hỗ trợ việc đối chiếu, phân tích kết quả nghiên cứu một cách có hệ thống
1.6.2 Phương pháp thu thập dữ liệu Đề tài dùng phương pháp lấy mẫu thuận tiện, với đối tượng khảo sát là những người đang sinh sống tại TP HCM Người tham gia được mời trả lời bảng khảo sát thông qua hai hình thức: trực tuyến và trực tiếp Công cụ khảo sát đƣợc thiết kế với thang đo Likert 5 mức độ, trong đó mức 1 tương ứng với ―Hoàn toàn không đồng ý‖ và mức 5 là ―Hoàn toàn đồng ý‖ Nhằm đảm bảo tính đầy đủ và hợp lệ của dữ liệu, tất cả các câu hỏi trong bảng khảo sát đều đƣợc thiết lập ở dạng b t buộc, yêu cầu người tham gia phải hoàn thành toàn bộ trước khi nộp phiếu
1.6.3 Phương pháp xử lý dữ liệu
Bài viết dựa trên Mô hình chấp nhận công nghệ (TAM) và Lý thuyết thống nhất về chấp nhận và sử dụng công nghệ (UTAUT2), kế thừa các nghiên cứu trước đây để xác định các biến quan trọng và đề xuất mô hình nghiên cứu Trong đó các yếu tố thúc đẩy hành vi chấp nhận trí tuệ nhân tạo đàm thoại trong dịch vụ khách hàng được xem là các biến độc lập, còn ý định sử dụng được xác định là biến phụ thuộc Bên cạnh đó, nghiên cứu thu thập thông tin của người trả lời như độ tuổi, giới tính, thu nhập, nghề nghiệp, kinh nghiệm sử dụng công nghệ và trí tuệ nhân tạo nhằm phục vụ cho phân tích thống kê mô tả.
Trên cơ sở mô hình tổng quát được đề xuất, bài viết áp dụng phương pháp hồi quy tuyến tính để phân tích dữ liệu khảo sát từ người dùng tại TP Hồ Chí Minh Tác giả tiến hành xử lý bộ dữ liệu sơ cấp thu thập từ các đáp viên là người dùng ở TP Hồ Chí Minh, nhằm nắm bắt các mối quan hệ giữa các biến và dự báo hành vi của người dùng khu vực này Việc sử dụng hồi quy tuyến tính giúp làm sáng tỏ tác động của các yếu tố liên quan đến hành vi người dùng tại TP Hồ Chí Minh và cung cấp cơ sở dữ liệu cho các đề xuất tối ưu hóa trải nghiệm người dùng tại địa phương.
Hồ Chí Minh thực hiện xử lý dữ liệu bằng SPSS 20.0 với quy trình gồm ba bước: (1) kiểm tra độ tin cậy bằng hệ số Cronbach’s Alpha; (2) phân tích nhân tố khám phá (EFA), đồng thời kiểm tra tính hội tụ và phân biệt giữa các biến quan sát.
(3) Thực hiện hồi quy tuyến tính đa biến
1.6.4 Khung nghiên cứu của đề tài
Bước 1: Xác định vấn đề nghiên cứu và mục tiêu nghiên cứu
Các yếu tố tác động đến ý định sử dụng trí tuệ nhân tạo đàm thoại trong dịch vụ chăm sóc khách hàng của người dùng tại TP HCM
Bước 2: Cơ sở lý thuyết tạo cơ sở cho bài nghiên cứu
Mô hình chấp nhận công nghệ (TAM)
Lý thuyết thống nhất về chấp nhận và sử dụng công nghệ (UTAUT2)
Bước 3: Tiến hành thu thập dữ liệu
Thiết kế bộ câu hỏi khảo sát dựa trên thang đo Likert 5 mức độ
Xác định mẫu nghiên cứu là bước khởi đầu quan trọng, tiếp đó thu thập dữ liệu sơ cấp và tiến hành khảo sát trên các đối tượng có nhận thức hoặc từng trải nghiệm AI đàm thoại tại TP Hồ Chí Minh Mục tiêu của quá trình này là hiểu rõ mức độ nhận biết, mức độ sử dụng và các kỳ vọng của người dùng đối với công nghệ AI trò chuyện, từ đó rút ra các đề xuất cải thiện và định hình những yếu tố ảnh hưởng đến thói quen tiếp nhận công nghệ Quy trình chọn mẫu sẽ đảm bảo đại diện cho các nhóm nhân khẩu học tại thành phố, đồng thời thiết kế công cụ khảo sát và phương pháp thu thập dữ liệu phù hợp để thu thập thông tin có chất lượng Toàn bộ hoạt động được thực hiện đúng chuẩn đạo đức nghiên cứu và bảo mật dữ liệu, và các kết quả thu được sẽ hỗ trợ tối ưu hóa nội dung SEO với các từ khóa liên quan như xác định mẫu nghiên cứu, thu thập dữ liệu sơ cấp, khảo sát AI đàm thoại, đối tượng có nhận thức về AI và TP Hồ Chí Minh.
Bước 4: Tiến hành xử lý dữ liệu
Sử dụng phần mềm SPSS 20.0
Để đánh giá độ tin cậy của thang đo, bài viết áp dụng Cronbach’s Alpha nhằm đo lường độ nhất quán nội tại của các mục Tiếp đó, phân tích nhân tố khám phá (EFA) được thực hiện để xác định cấu trúc yếu tố và đảm bảo tính hợp lý của thang đo Cuối cùng, phân tích mô hình hồi quy tuyến tính đa biến cùng với các kiểm định về khiếm khuyết mô hình được áp dụng nhằm đánh giá mối quan hệ giữa các biến, đồng thời đánh giá độ phù hợp và độ tin cậy của kết quả.
Thảo luận kết quả và đề xuất hàm ý quản trị
Nguồn: Tổng hợp bởi tác giả.
Đóng góp của đề tài
1.7.1 Về mặt lý thuyết Đề tài với mục tiêu tìm ra các yếu tố tác động đến ý định sử dụng trí tuệ nhân tạo đàm thoại trong dịch vụ chăm sóc khách hàng của người dùng tại TP HCM Kết quả nghiên cứu góp phần bổ sung bằng chứng thực tế, đồng thời làm nền tảng cho nghiên cứu chuyên sâu hơn về hành vi chấp nhận và sử dụng các sản phẩm hoặc ứng dụng công nghệ mới
1.7.2 Về mặt thực tiễn Đề tài phân tích các yếu tố có tác động đến ý định sử dụng trí tuệ nhân tạo đàm thoại trong dịch vụ chăm sóc khách hàng của người dùng tại TP HCM Đồng thời, đề tài đo lường sự tác động của các yếu tố này đến ý định sử dụng trí tuệ nhân tạo đàm thoại đến đối tƣợng khảo sát đƣợc chọn Kết quả nghiên cứu góp phần đƣa
6 hàm ý quản trị nhằm giảm thiểu rủi ro có thể phát sinh khi trí tuệ nhân tạo đàm thoại được phát triển rộng rãi, từ đó đóng góp thực tiễn vào công cuộc nâng cao hành vi chấp nhận sử dụng của người dùng Những hàm ý này gồm: đảm bảo an toàn và bảo mật dữ liệu; tăng tính minh bạch trong thuật toán và quyết định của AI; có trách nhiệm và giám sát hệ thống; giảm thiểu thiên vị và sai lệch trong phản hồi; tối ưu hóa trải nghiệm người dùng và kiểm soát phạm vi ứng dụng; thiết lập khung pháp lý và chuẩn đạo đức rõ ràng Việc triển khai hiệu quả các hàm ý quản trị này sẽ giúp tăng niềm tin của người dùng, nâng cao mức độ chấp nhận và thúc đẩy việc sử dụng AI đàm thoại rộng rãi trong thực tế.
Bố cục của đề tài
CHƯƠNG 1: GIỚI THIỆU TỔNG QUAN
Chương 1 trình bày tổng quan về vấn đề nghiên cứu thông qua việc hệ thống hóa các nội dung cơ bản Cụ thể, chương này làm rõ lý do lựa chọn đề tài, mục tiêu đối tƣợng nghiên cứu và đối tƣợng khảo sát, phạm vi nghiên cứu xét theo không gian và thời gian, quy trình triển khai phương pháp nghiên cứu Bên cạnh đó, chương cũng nêu bật những đóng góp của đề tài về phương diện lý thuyết và thực tiễn, đồng thời giới thiệu bố cục tổng thể của luận văn
CHƯƠNG 2: CƠ SỞ LÝ THUYẾT VÀ CÁC NGHIÊN CỨU LIÊN QUAN Chương 2 tập trung trình bày các cơ sở lý thuyết và tổng quan tài liệu liên quan đến vấn đề nghiên cứu Cụ thể, chương này làm rõ các khái niệm về công nghệ mới và xu hướng phát triển công nghệ, khái niệm trí tuệ nhân tạo cùng vai trò của trí tuệ nhân tạo trong lĩnh vực dịch vụ chăm sóc khách hàng Bên cạnh đó, chương giới thiệu hai mô hình lý thuyết nền tảng, gồm Mô hình Chấp nhận Công nghệ (TAM) và Lý thuyết Thống nhất về Chấp nhận và Sử dụng Công nghệ (UTAUT2), nhằm xây dựng khung lý thuyết cho đề tài Đồng thời, chương cũng tổng hợp các nghiên cứu thực nghiệm trong và ngoài nước có liên quan, qua đó hỗ trợ việc tham khảo, phân tích và củng cố cơ sở lập luận cho quá trình đề xuất mô hình nghiên cứu tổng quát
CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU
Chương 3 đưa ra chi tiết phương pháp nghiên cứu được áp dụng trong đề tài, gồm: (1) phương pháp tiếp cận, (2) phương pháp thu thập dữ liệu và (3) phương pháp xử lý dữ liệu Dựa trên mô hình nghiên cứu tổng quát đƣợc thiết kế từ cơ sở lý thuyết và các nghiên cứu thực nghiệm trong và ngoài nước, dữ liệu được thu thập thông qua phương pháp chọn mẫu ngẫu nhiên từ người dùng tại TP HCM Chương này cũng trình bày cụ thể các thang đo, giả thuyết nghiên cứu và quy mô mẫu, đồng thời mô tả quy trình xử lý dữ liệu định lƣợng thu thập đƣợc, với sự hỗ trợ của phần mềm SPSS phiên bản 20.0
CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN
Chương 4 trình bày bối cảnh thực tiễn tại Việt Nam có liên quan đến nội dung nghiên cứu, đồng thời mô tả đặc điểm nhân khẩu của các đối tƣợng tham gia khảo sát thông qua các thống kê mô tả Tiếp theo, chương này báo cáo kết quả phân tích dữ liệu dựa trên quy trình xử lý dữ liệu đã được trình bày trong Chương 3 Ngoài ra, Chương 4 cũng thảo luận các phát hiện nghiên cứu và đối chiếu với kết quả từ các nghiên cứu thực nghiệm trong và ngoài nước nhằm làm rõ mức độ tương đồng hoặc khác biệt, qua đó củng cố giá trị và ý nghĩa thực tiễn của nghiên cứu
CHƯƠNG 5: KẾT LUẬN VÀ HÀM Ý QUẢN TRỊ
Chương 5 trình bày các hàm ý quản trị được đề xuất dựa trên kết quả nghiên cứu và được đặt trong bối cảnh thực tiễn tại Việt Nam, nhằm làm rõ ảnh hưởng của các nhân tố thúc đẩy hành vi chấp nhận trí tuệ nhân tạo đàm thoại trong dịch vụ chăm sóc khách hàng của người dân TP HCM Đồng thời, chương này khẳng định tầm quan trọng của vấn đề đƣợc nghiên cứu và đánh giá mức độ đạt đƣợc các mục tiêu, thông qua phân tích mức độ ảnh hưởng của từng yếu tố đến ý định sử dụng CAI Bên cạnh đó, Chương 5 cũng đề cập đến những hạn chế của nghiên cứu và đề xuất các hướng đi tiếp theo cho các nghiên cứu tương lai
Chương 1 trình bày các nội dung cơ bản nhằm đưa ra góc nhìn tổng quan về vấn đề nghiên cứu Cụ thể, chương này xác định vấn đề nghiên cứu là các yếu tố thúc đẩy hành vi chấp nhận trí tuệ nhân tạo đàm thoại trong dịch vụ chăm sóc khách hàng của người dùng, với đối tượng khảo sát là người dùng tại TP HCM Qua đó, chương 1 làm rõ lý do lựa chọn đề tài thông qua việc phân tích tính quan trọng và cấp thiết của vấn đề, đồng thời tổng quan cơ sở lý thuyết cùng các nghiên cứu trong và ngoài nước cũng như tại Việt Nam nhằm nhận diện khoảng trống nghiên cứu mà đề tài hướng đến
Chương 1 trình bày rõ ràng mục tiêu nghiên cứu, đối tượng nghiên cứu và đối tượng khảo sát, cùng phạm vi nghiên cứu để xác định mục tiêu và giới hạn của đề tài Đồng thời, chương này giới thiệu tổng quan quy trình nghiên cứu, bao gồm phương pháp tiếp cận và các phương pháp thu thập, xử lý dữ liệu, được thể hiện trong khung quy trình nghiên cứu tổng thể Cuối cùng, chương 1 nêu bật những đóng góp của đề tài về cả mặt lý thuyết lẫn thực tiễn, và giới thiệu bố cục của luận văn theo kết cấu năm chương đặc trưng của một nghiên cứu định lượng.
CƠ SỞ LÝ LUẬN VÀ CÁC NGHIÊN CỨU LIÊN QUAN
Giới thiệu tổng quan các khái niệm liên quan đến vấn đề nghiên cứu
2.1.1.1 Các giai đoạn Cách mạng công nghiệp
Thế giới đã chứng kiến bốn Cuộc Cách mạng Công nghiệp và theo thống kê của Xu và cộng sự (2018), các giai đoạn của các cuộc cách mạng được tóm gọn như sau: Cách mạng công nghiệp lần thứ nhất (khoảng cuối thế kỷ XVIII – đầu thế kỷ XIX) đánh dấu sự xuất hiện của máy móc vận hành bằng nước và hơi nước, thay thế lao động thủ công bằng hệ thống cơ khí hóa; Cách mạng công nghiệp lần thứ hai (đầu thế kỷ XX) nhận diện bằng sự phổ biến của điện năng và dây chuyền sản xuất hàng loạt, nâng cao năng suất và tối ưu quy trình sản xuất; Cách mạng công nghiệp lần thứ ba (thập niên 1960–1970) đặt nền tảng cho công nghệ số, máy tính và tự động hóa hiện đại; Cách mạng công nghiệp lần thứ tư (thế kỷ XXI) mở rộng với trí tuệ nhân tạo, Internet vạn vật (IoT), hệ thống cyber-physical và dữ liệu lớn, tạo ra mức độ kết nối và thông tin vượt bậc trên toàn cầu.
Cuộc Cách mạng Công nghiệp lần thứ nhất bắt đầu vào năm 1760 và được đánh dấu bằng phát minh động cơ hơi nước Động cơ này mở ra sự chuyển đổi từ xã hội nông nghiệp và phong kiến sang một quy trình sản xuất mới Quá trình này dựa trên than đá làm nguồn năng lượng chính, trong khi tàu hỏa là phương tiện vận chuyển chủ lực Các ngành dệt may và thép trở thành động lực chủ đạo về việc làm, sản lượng và vốn đầu tư.
Cuộc Cách mạng Công nghiệp lần thứ hai bắt đầu vào năm 1900 với sự phát minh động cơ đốt trong, mở ra kỷ nguyên công nghiệp hóa nhanh chóng Dầu mỏ và điện trở thành nguồn năng lượng chủ đạo cho sản xuất hàng loạt, đẩy mạnh năng suất và quy mô sản xuất trên toàn cầu.
Cuộc Cách mạng Công nghiệp lần thứ ba bắt đầu vào thập niên 1960 và được đặc trưng bởi việc áp dụng điện tử và công nghệ thông tin để tự động hóa sản xuất Giai đoạn này đánh dấu sự chuyển đổi từ các hệ thống dựa trên cơ khí sang tự động hóa dựa trên vi mạch, máy tính và mạng lưới điều khiển Nhờ CNTT và công nghệ điện tử, các nhà máy có thể theo dõi, điều khiển và tối ưu hóa quy trình sản xuất, tăng năng suất và chất lượng sản phẩm Đây là bước ngoặt then chốt mở đường cho sản xuất thông minh và các hệ thống quản lý dựa trên dữ liệu trên phạm vi toàn cầu.
Dưới các phương pháp cũ, việc chế tạo các sản phẩm liên quan đến việc vặn vít hoặc hàn nhiều bộ phận lại với nhau
Cuộc Cách mạng Công nghiệp lần thứ tư đang tập trung vào thiết kế sản phẩm bằng máy tính và in 3D, cho phép tạo ra các vật thể rắn bằng cách xếp chồng từng lớp vật liệu lên nhau Nhờ sự kết hợp của các công nghệ này, quá trình sản xuất trở nên linh hoạt và có thể cá nhân hóa ở quy mô lớn Chính sự hội tụ của công nghệ vật lý, kỹ thuật số và sinh học đã làm mờ ranh giới giữa các lĩnh vực, mở ra nhiều ứng dụng liên ngành đa dạng.
Cuộc Cách mạng công nghiệp lần thứ tư được Trần Thị Thanh Bình (2020) mô tả là sự kết hợp giữa vật lý, công nghệ số và sinh học Sự kết hợp này tạo ra năng lực sản xuất mới mang tính đột phá và tác động sâu rộng đến đời sống xã hội, kinh tế và chính trị trên phạm vi toàn cầu.
Cách mạng công nghiệp lần thứ tư có thể được tóm tắt qua bốn đặc trưng cơ bản: sự phát triển trên nền tảng tích hợp các công nghệ hiện đại như cảm biến thế hệ mới, Big Data, điện toán đám mây và Internet vạn vật (IoT), đóng vai trò then chốt trong thúc đẩy tự động hóa và hình thành các hệ thống sản xuất thông minh; sử dụng công nghệ in 3D để sản xuất sản phẩm một cách hoàn chỉnh nhờ nhất thể hóa các dây chuyền sản xuất và bỏ qua giai đoạn lắp ráp phụ trợ, cho phép in ra sản phẩm mới bằng các phương pháp phi truyền thống và giảm chi phí sản xuất; công nghệ nano và vật liệu mới tạo ra các cấu trúc vật liệu mới được ứng dụng rộng rãi trên hầu hết các lĩnh vực; và trí tuệ nhân tạo cùng điều khiển học cho phép con người kiểm soát từ xa, không giới hạn về không gian và thời gian, với tương tác nhanh hơn và chính xác hơn.
Năm 2024 bổ sung thêm các yếu tố quan trọng cho thông tin công nghệ thời đại 4.0, khi tác giả nêu ra các sản phẩm nổi bật như trí tuệ nhân tạo (AI), Internet vạn vật (IoT), dữ liệu lớn (Big Data), điện toán đám mây (Cloud computing) và chuỗi khối (Blockchain) Những công nghệ này được xem là các sản phẩm công nghệ mới đại diện cho thời đại số, có tác động sâu đến tối ưu hoá quy trình, tăng cường khả năng phân tích dữ liệu và đẩy mạnh mô hình kinh doanh hiện đại.
2.1.1.2 Khái niệm Trí tuệ nhân tạo
Hiện nay vẫn chưa có một định nghĩa thống nhất và được cộng đồng khoa học công nhận rộng rãi về Trí tuệ nhân tạo (Artificial Intelligence – AI) Nhiều trường phái và ngành nghề khác nhau đưa ra các cách hiểu AI, từ khả năng máy móc thực hiện các nhiệm vụ đòi hỏi trí tuệ như học hỏi và suy luận, đến khái niệm AI có thể tự thích nghi và tối ưu hóa hiệu suất theo ngữ cảnh Sự đa dạng này phản ánh tính chất liên ngành của AI và sự phát triển nhanh chóng của công nghệ, dữ liệu lớn và các ứng dụng thực tiễn Theo Kirsh và các nhà nghiên cứu khác, AI là một khái niệm động, phụ thuộc ngữ cảnh và mục tiêu nghiên cứu, chứ không phải một danh mục cố định Do đó, khi thảo luận về AI, cần làm rõ phạm vi ứng dụng, mục tiêu và giới hạn của hệ thống để đánh giá đúng mức độ “trí tuệ” mà nó có thể thể hiện Vì vậy định nghĩa AI nên được xem như một công cụ phân tích giúp người dùng hiểu công nghệ, quản lý kỳ vọng và tối ưu hóa nội dung cũng như chiến lược triển khai trên các nền tảng số.
Các công trình từ năm 1991 đến 2018, từ Allen (1998) và Hearst & Hirsh (2000) tới Brachman (2006), Nilsson (2009), Bhatnagar và cộng sự (2018) và Monett & Lewis (2018), cho thấy AI (trí tuệ nhân tạo) được hiểu với nhiều cách khác nhau trong nghiên cứu, doanh nghiệp và xã hội nói chung Vì vậy, thuật ngữ AI thường mang nhiều khái niệm và cách hiểu khác nhau tùy vào bối cảnh Việc thiếu một định nghĩa rõ ràng và nhất quán khiến việc xác lập ranh giới của lĩnh vực nghiên cứu AI gặp khó khăn và tác động đến chính sách, khung pháp lý và định hướng ứng dụng công nghệ.
Một trong những định nghĩa phổ biến đƣợc trích dẫn rộng rãi là của Russell
Theo Norvig (2020), AI được hiểu là khả năng của máy móc trong việc thực hiện các nhiệm vụ mà trước đây vốn đòi hỏi trí thông minh của con người, phản ánh xu hướng mô phỏng hành vi trí tuệ bằng các hệ thống máy tính và nhấn mạnh năng lực thực thi các tác vụ như học tập, suy luận, lập kế hoạch và ra quyết định Theo McCarthy (2007), AI là khoa học và kỹ thuật của việc tạo ra các máy móc thông minh, đặc biệt là các chương trình máy tính có khả năng thể hiện hành vi thông minh, nhấn mạnh tính chất liên ngành của lĩnh vực này.
AI, kết hợp giữa khoa học máy tính, logic, nhận thức và kỹ thuật điều khiển
Kaplan và Haenlein (2019) đề xuất một khung phân loại AI gồm ba mức độ phát triển khác nhau: AI hẹp (Artificial Narrow Intelligence – ANI), là các hệ thống chỉ tối ưu cho một tác vụ cụ thể như nhận diện khuôn mặt, xử lý ngôn ngữ tự nhiên hoặc chơi cờ; AI tổng quát (Artificial General Intelligence – AGI), nhắm tới các hệ thống có khả năng thực hiện mọi tác vụ trí tuệ mà con người có thể đảm nhận; và AI siêu việt (Artificial Superintelligence – ASI), vượt trội hơn con người ở mọi khía cạnh trí tuệ Trong thực tế hiện nay, phần lớn các hệ thống AI được triển khai và thương mại hóa thuộc loại AI hẹp, tập trung vào tối ưu hóa hiệu suất cho một số tác vụ cụ thể.
Nhờ sự tiến bộ nhanh chóng của công nghệ, AI đang được ứng dụng rộng rãi trong nhiều lĩnh vực của đời sống và sản xuất, từ chăm sóc sức khỏe, tài chính – ngân hàng, vận tải thông minh, giáo dục đến dịch vụ khách hàng (Brynjolfsson & McAfee, 2017) Những ứng dụng này không chỉ góp phần nâng cao hiệu quả hoạt động mà còn thúc đẩy đổi mới và tăng trưởng ở các ngành bằng cách tối ưu hóa quy trình, cải thiện trải nghiệm người dùng và hỗ trợ ra quyết định dựa trên dữ liệu.
12 động mà còn mở ra các mô hình kinh doanh và dịch vụ mới Theo báo cáo của PwC
Theo dự báo năm 2018, AI (trí tuệ nhân tạo) được kỳ vọng sẽ đóng góp khoảng 15,7 nghìn tỷ USD vào tổng GDP toàn cầu vào năm 2030, trong đó gần 45% giá trị đến từ nâng cao năng suất lao động và phần còn lại từ tác động tiêu dùng do sự gia tăng chất lượng và tính cá nhân hóa của các sản phẩm và dịch vụ.
2.1.2.1 Khái niệm về dịch vụ khách hàng
Khái niệm dịch vụ khách hàng vốn khó định nghĩa rõ ràng do tính chất chủ quan của trải nghiệm, khiến mức độ hài lòng với dịch vụ phụ thuộc vào quan điểm cá nhân từng người Quan điểm này bị chi phối bởi các yếu tố văn hóa – xã hội, độ tuổi và phong cách sống, nên sự đánh giá về chất lượng dịch vụ có sự khác biệt giữa các nhóm khách hàng Nghiên cứu của Parasuraman và cộng sự (1988) cho thấy tính chủ quan là đặc tính cốt lõi của dịch vụ khách hàng, trong khi Bennett (1993) nhấn mạnh sự tác động của ngữ cảnh cá nhân lên cách cảm nhận trải nghiệm dịch vụ.
Cơ sở lý thuyết
Cơ sở lý thuyết là nền tảng quan trọng giúp định hướng và đảm bảo tính logic cho quá trình xây dựng mô hình, giả thuyết và phân tích kết quả của nghiên cứu; thiếu cơ sở lý thuyết có thể dẫn đến diễn giải không nhất quán và làm giảm độ tin cậy khoa học Để tiếp cận đề tài một cách hệ thống, nghiên cứu này vận dụng các lý thuyết hành vi chấp nhận công nghệ, tiêu biểu là Mô hình Chấp nhận Công nghệ – TAM, và Mô hình mở rộng về Chấp nhận và Sử dụng công nghệ, nhằm làm rõ các yếu tố ảnh hưởng đến sự chấp nhận và sử dụng công nghệ trong bối cảnh nghiên cứu.
20 dụng Công nghệ (Unified Theory of Acceptance and Use of Technology 2 – UTAUT2)
2.2.1 Mô hình chấp nhận công nghệ TAM
Mô hình chấp nhận công nghệ (Technology Acceptance Model - TAM) là một lý thuyết nhằm mô hình hóa cách người dùng chấp nhận và sử dụng công nghệ, được Davis và cộng sự phát triển năm 1989 dựa trên Lý thuyết hành động hợp lý (Theory of Reasoned Action - TRA) của Fishbein và Ajzen (1975) TAM cho rằng khi người dùng lần đầu tiếp xúc với công nghệ mới, ý định và quyết định sử dụng được quyết định bởi thái độ của họ, và thái độ này bị chi phối bởi hai yếu tố chính: Tính hữu ích nhận thức được (Perceived Usefulness - PU), là mức độ tin rằng công nghệ mang lại lợi ích cho công việc hoặc nhu cầu và có thể tác động đồng thời tới thái độ và ý định sử dụng; và Tính dễ sử dụng nhận thức được (Perceived Ease of Use - PEOU), là mức độ mà người dùng cho rằng việc sử dụng công nghệ sẽ dễ dàng và không phức tạp Ngoài ra, các biến ngoại biên như yếu tố xã hội, tuổi và giới tính cũng đóng vai trò quan trọng trong quyết định thái độ của người dùng.
Hình 2.1 Các yếu tố ảnh hưởng đến ý định sử dụng của người dùng theo TAM
Nguồn: Davis và cộng sự (1989)
2.2.2 Mô hình mở rộng chấp nhận và sử dụng công nghệ (Unified Theory of Acceptance and Use of Technology - UTAUT)
Mô hình Thống nhất về Chấp nhận và Sử dụng Công nghệ (Unified Theory of Acceptance and Use of Technology – UTAUT) đƣợc phát triển bởi Venkatesh và
UTAUT (Unified Theory of Acceptance and Use of Technology), developed by Venkatesh and colleagues in 2003, aims to explain both users’ intention to use technology and their actual usage behavior It synthesizes and extends multiple earlier theories, including the Theory of Reasoned Action (TRA), Technology Acceptance Model (TAM), Motivational Model (MM), Theory of Planned Behavior (TPB), Diffusion of Innovations Theory (IDT), Social Cognitive Theory (SCT), and the Model of PC Utilization (MPCU).
Trong mô hình UTAUT, ý định hành vi (BI) là yếu tố quyết định lớn nhất tác động đến hành vi sử dụng của người dùng BI được xác định bởi bốn yếu tố theo trình tự: kỳ vọng về hiệu suất (PE) đo lường kỳ vọng về lợi ích và hiệu quả mà công nghệ mới mang lại; kỳ vọng nỗ lực (EE) cho biết mức độ dễ dàng khi tiếp cận và sử dụng công nghệ; ảnh hưởng xã hội (SI) phản ánh tác động từ gia đình, bạn bè và các nhóm xã hội lên quyết định sử dụng; và yếu tố cơ sở hạ tầng (FC) gồm các điều kiện hạ tầng cần thiết để hỗ trợ việc sử dụng hệ thống Trong đó, PE, EE và SI tác động đến BI, còn FC tác động trực tiếp đến hành vi thực tế của người dùng.
Hình 2.2 Các yếu tố ảnh hưởng đến ý định chấp nhận của người dùng theo UTAUT
Nguồn: Venkatesh và cộng sự (2003)
2.2.3 Mô hình mở rộng chấp nhận và sử dụng công nghệ 2 (Unified Theory of Acceptance and Use of Technology 2 – UTAUT2)
Mô hình chấp nhận và sử dụng công nghệ (UTAUT) đã được điều chỉnh và cải tiến liên tục trong suốt quá trình phát triển để phản ánh đúng thực tiễn người dùng Các nghiên cứu trước đây cho rằng để chấp nhận và sử dụng công nghệ một cách hiệu quả, cần xem xét các thành phần cốt lõi của UTAUT như Performance Expectancy (Hiệu quả kỳ vọng), Effort Expectancy (Dễ sử dụng), Social Influence (Ảnh hưởng xã hội) và Facilitating Conditions (Điều kiện thuận lợi), đồng thời nhận diện các yếu tố điều tiết như tuổi tác, giới tính, kinh nghiệm và mức độ tự nguyện Việc tích hợp các yếu tố này giúp thiết kế và triển khai công nghệ phù hợp với đặc thù người dùng và bối cảnh tổ chức, từ đó nâng cao mức độ chấp nhận và sử dụng công nghệ trong thực tiễn.
Nhận thức rủi ro của người dùng là yếu tố không thể bỏ qua khi xem xét nhận thức công nghệ Kapser & Abdelrahman (2020) đã thêm yếu tố nhận thức rủi ro (Perceived Risk - PR) như một biến độc lập ảnh hưởng đến ý định hành vi người dùng, từ đó ra đời mô hình mở rộng chấp nhận và sử dụng công nghệ 2 (UTAUT2).
Hình 2.3 Các yếu tố ảnh hưởng đến ý định chấp nhận của người dùng theo UTAUT2
Các nghiên cứu liên quan
Adamopoulou và Moussiades (2020) đã áp dụng mô hình UTAUT2 mở rộng để khảo sát 384 người dùng tại một số quốc gia châu Âu nhằm phân tích các yếu tố ảnh hưởng đến ý định sử dụng chatbot AI trong dịch vụ khách hàng Kết quả cho thấy có sáu yếu tố tác động tích cực đến ý định sử dụng: hiệu quả kỳ vọng (PE), nỗ lực kỳ vọng (EE), ảnh hưởng xã hội (SI), nhận thức về tính hữu ích (PU), độ tin cậy của AI (TR) và trải nghiệm người dùng (UX), trong đó độ tin cậy (TR) là yếu tố có ảnh hưởng mạnh nhất Tuy nhiên, nghiên cứu còn hạn chế khi chưa xem xét đầy đủ các vấn đề liên quan đến quyền riêng tư và bảo mật, đặc biệt trong bối cảnh triển khai chatbot AI tại các thị trường đang phát triển.
Rese và cộng sự (2020) đã kết hợp hai mô hình TAM và UTAUT để khảo sát
439 người tiêu dùng tại Đức tham gia nghiên cứu nhằm phân tích các yếu tố ảnh hưởng đến ý định sử dụng trợ lý ảo trong ngành bán lẻ Nghiên cứu xác định sáu biến độc lập, trong đó nổi bật là cảm nhận sự hữu ích (Perceived Usefulness – PU), cảm nhận tính dễ sử dụng (Perceived Ease of Use – PEOU) và nhận thức tính tương tác xã hội (Perceived Social Influence), cùng với ba biến khác liên quan đến hành vi chấp nhận công nghệ Kết quả cho thấy các biến này đóng vai trò quan trọng trong việc hình thành ý định sử dụng trợ lý ảo trong bán lẻ tại Đức, cho thấy lợi ích và sự thuận tiện khi dùng cùng với ảnh hưởng xã hội từ môi trường xung quanh tác động đến quyết định của người tiêu dùng.
Nghiên cứu cho thấy các yếu tố cảm nhận hữu ích (PU), cảm nhận dễ sử dụng (PEOU), yếu tố tương tác (PSI) và tính nhân cách hóa (AN) đều tác động tích cực đến ý định sử dụng công nghệ trợ lý ảo, trong khi mối quan ngại về quyền riêng tư (PC) lại tác động tiêu cực; trong đó PU và AN là hai yếu tố có tác động mạnh nhất Tuy nhiên, nghiên cứu vẫn còn hạn chế khi chưa xem xét vai trò của yếu tố văn hóa cũng như sự khác biệt giữa các thế hệ trong việc chấp nhận công nghệ trợ lý ảo.
Fứlstad và Brandtzaeg (2020) kết hợp mô hình TAM với lý thuyết sự tin tưởng để khảo sát 847 người dùng ở khu vực Bắc Mỹ, nhằm phân tích các yếu tố tác động lên ý định sử dụng trí tuệ nhân tạo đàm thoại (CAI) Nghiên cứu xác định sáu yếu tố chính: nhận thức về sự hữu ích (PU), nhận thức về tính dễ sử dụng (PEOU), sự tin tưởng (TR), nhận thức rủi ro (PR), trải nghiệm trước đó với AI (PE) và mối quan tâm về quyền riêng tư (PC) Kết quả cho thấy PU, PEOU, TR và PE có tác động tích cực lên ý định sử dụng CAI, trong khi PR và PC có tác động tiêu cực, và trong số các yếu tố này, sự tin tưởng (TR) là yếu tố ảnh hưởng mạnh nhất Tuy nhiên, nghiên cứu còn hạn chế khi chưa xem xét đầy đủ ảnh hưởng của yếu tố văn hóa và bối cảnh xã hội ở các thị trường đang phát triển.
Liu & Sundar (2018) đã kết hợp mô hình UTAUT2 với lý thuyết tương tác người–máy để khảo sát 412 người tiêu dùng tại Hoa Kỳ, nhằm phân tích các yếu tố ảnh hưởng đến ý định sử dụng chatbot AI trong lĩnh vực tư vấn sức khỏe Nghiên cứu xác định sáu yếu tố chính gồm: hiệu quả mong đợi (Performance Expectancy – PE), nỗ lực mong đợi (Effort Expectancy – EE), ảnh hưởng xã hội (Social Influence – SI), điều kiện thuận lợi (Facilitating Conditions – FC), cảm nhận sự giống con người (Human-likeness Appraisal – HA), và lo ngại về an ninh mạng (Cybersecurity Concerns – CS) Kết quả cho thấy PE, EE, SI, FC và HA có tác động tích cực đến ý định sử dụng, trong khi CS có tác động tiêu cực Trong đó, PE và HA là hai yếu tố có ảnh hưởng mạnh nhất Tuy nhiên, nghiên cứu vẫn còn hạn chế khi chưa đề cập đầy đủ đến các yếu tố khác có thể ảnh hưởng đến kết quả.
24 khía cạnh đạo đức và pháp lý liên quan đến việc ứng dụng chatbot AI trong dịch vụ khách hàng
Nhìn chung, phần lớn nghiên cứu thực nghiệm gần đây cho thấy ý định sử dụng chatbot AI trong dịch vụ khách hàng bị ảnh hưởng bởi các yếu tố như hiệu quả kỳ vọng, tính dễ sử dụng, sự tin tưởng, tính nhân cách hóa và mối lo ngại về quyền riêng tư Các nghiên cứu này dựa trên mô hình lý thuyết nền như TAM và UTAUT2 và mở rộng thêm các biến phù hợp với bối cảnh công nghệ số hiện nay Tuy nhiên, kết quả chủ yếu từ các nước phát triển như Hoa Kỳ và châu Âu, nơi người dùng đã có mức độ tiếp xúc cao với công nghệ AI, nên có thể không phản ánh đầy đủ hành vi và nhận thức của người dùng ở thị trường đang phát triển như Việt Nam Với sự khác biệt về bối cảnh tiếp cận và mức độ phổ biến của chatbot tại Việt Nam, đặc biệt trong lĩnh vực dịch vụ khách hàng nơi còn tồn tại sự phân hóa về nhận thức công nghệ giữa các nhóm dân cư, nghiên cứu này lựa chọn kết hợp mô hình TAM và UTAUT2 nhằm giải thích ý định sử dụng trí tuệ nhân tạo đàm thoại Việc sử dụng hai mô hình này được kỳ vọng sẽ củng cố tính hệ thống của phân tích và làm rõ vai trò của các yếu tố như sự tin tưởng, cảm nhận lợi ích và mối lo ngại riêng tư trong bối cảnh văn hóa và xã hội đặc thù tại Việt Nam.
Nguyễn Quốc Anh (2023) khảo sát các yếu tố ảnh hưởng đến ý định sử dụng chatbot trong lĩnh vực ngân hàng của thế hệ Gen Z tại TP Hồ Chí Minh, dựa trên khung lý thuyết phù hợp và phương pháp nghiên cứu đã triển khai Nghiên cứu xem xét các yếu tố tác động như dễ sử dụng, hữu ích, độ tin cậy và an toàn thông tin, chất lượng tương tác và trải nghiệm người dùng, nhằm giải thích mức độ sẵn lòng tiếp cận công nghệ chatbot ngân hàng của Gen Z tại thành phố này Dữ liệu được thu thập từ nhóm Gen Z tại TP Hồ Chí Minh và được phân tích để làm rõ ảnh hưởng của từng yếu tố đến ý định sử dụng Kết quả mang lại các gợi ý cho ngân hàng và nhà cung cấp công nghệ tài chính nhằm tối ưu hóa thiết kế và triển khai chatbot, cải thiện trải nghiệm khách hàng và tăng cường nhận thức và chấp nhận công nghệ số trong bối cảnh ngân hàng tại TP Hồ Chí Minh.
259 mẫu khảo sát được thu thập và phân tích bằng cách vận dụng các mô hình TAM, TPB và TRA đồng thời sử dụng phương pháp phân tích định lượng Cronbach’s Alpha, EFA, CFA và SEM Kết quả cho thấy có năm yếu tố nhận thức tác động đến ý định sử dụng; thái độ người dùng là yếu tố ảnh hưởng trực tiếp và mạnh nhất, trong khi các yếu tố khác như chất lượng Chatbot, tính hữu dụng, tính dễ sử dụng và rủi ro về quyền riêng tư tác động gián tiếp thông qua thái độ Nghiên cứu khẳng định vai trò ngày càng quan trọng của thái độ người dùng trong việc dự đoán ý định sử dụng công nghệ.
25 trọng của Chatbot trong ngân hàng và đƣa ra giải pháp nhằm nâng cao mức độ chấp nhận công nghệ ở nhóm Gen Z
Phạm Trịnh Hồng Phi và Trần Mai Hương (2024) phân tích vai trò của trí tuệ nhân tạo, cụ thể là Chatbot, trong nâng cao chất lượng giao tiếp giữa cơ sở dịch vụ công và người dân tại Việt Nam Đối tượng nghiên cứu tập trung vào các ứng dụng Chatbot đang được triển khai tại các cơ quan hành chính công Nghiên cứu sử dụng phương pháp phân tích tổng hợp dữ liệu thứ cấp từ các công trình khoa học đã xuất bản trên các tạp chí uy tín, từ đó xây dựng lập luận về hiện trạng và tiềm năng ứng dụng Chatbot vào dịch vụ công Kết quả cho thấy việc ứng dụng Chatbot có thể cải thiện hiệu quả giao tiếp, tăng tốc độ phản hồi và giảm áp lực cho bộ phận tiếp nhận thông tin tại các cơ quan nhà nước Tuy nhiên, nghiên cứu cũng chỉ ra một số hạn chế như khả năng xử lý ngữ cảnh chưa cao, thiếu tính linh hoạt trong phản hồi và mức độ tiếp cận công nghệ còn thấp ở một bộ phận người dân Từ đó, tác giả đề xuất chiến lược ứng dụng AI mang tính đồng bộ, kết hợp giữa công nghệ và đào tạo nhân lực nhằm tối ưu hóa chất lượng dịch vụ công trong thời đại số.
Tóm lại, dựa trên tổng quan các nghiên cứu trong nước về đề tài này, tác giả nhấn mạnh rằng việc phân tích ảnh hưởng của các yếu tố lên ý định sử dụng trí tuệ nhân tạo đàm thoại từ góc nhìn của người dùng là cần thiết Những phân tích này đóng góp vào việc đề xuất các hàm ý quản trị khả thi và phù hợp cho các doanh nghiệp, tổ chức trong quá trình nghiên cứu, phát triển và ứng dụng CAI, đặc biệt ở khía cạnh dịch vụ khách hàng.
PHƯƠNG PHÁP NGHIÊN CỨU
Phương pháp tiếp cận
3.1.1 Xây dựng mô hình nghiên cứu cụ thể Đề tài xây dựng mô hình hồi quy tuyến tính đa biến và áp dụng cho bộ dữ liệu được thu thập thông qua khảo sát người dân đang sinh sống tại TP HCM Mô hình nhằm phân tích mối quan hệ giữa các yếu tố ảnh hưởng vào ý định sử dụng trí tuệ nhân tạo đàm thoại trong dịch vụ khách hàng:
Biến phụ thuộc o IU (Intention to use): Ý định sử dụng CAI trong dịch vụ khách hàng của người sinh sống ở TP HCM
Independent variables in this model include PU (Perceived Usefulness), which reflects the degree to which users believe the system enhances their performance; PEOU (Perceived Ease of Use), indicating how easy it is to learn and use the system; TR (Trust), representing the user's confidence in the system and its providers; SI (Social Influence), capturing the extent to which others’ opinions influence the user’s attitudes and adoption decisions; PR (Perceived Risk), denoting the perceived potential negative consequences of using the system; PE (Performance Expectancy), describing the expectation that using the system will yield improvements in performance or outcomes; and PC (Privacy Concern), referring to worries about the privacy of personal information.
Các hệ số hồi quy: β0, β1, …, β7
Dựa trên mô hình nghiên cứu đề xuất, tác giả đƣa ra các nhóm giả thuyết sẽ đƣợc kiểm định bằng mô hình trên nhƣ sau:
Giả thuyết H 1 : Tính hữu ích nhận thức được ảnh hưởng tích cực đến ý định sử dụng trí tuệ nhân tạo đàm thoại trong dịch vụ khách hàng của người dùng tại TP Hồ Chí Minh
Hữu ích nhận thức được (PU) là mức độ mà cá nhân tin rằng việc áp dụng một hệ thống công nghệ có thể cải thiện hiệu suất hoặc kết quả công việc Trong bối cảnh nghiên cứu về trí tuệ nhân tạo đàm thoại (CAI), Furlstad và cộng sự (2021) xác định PU là yếu tố dự báo quan trọng nhất đối với ý định sử dụng chatbot trong dịch vụ khách hàng Tương tự, Adam và cộng sự (2021) cho thấy khi người dùng nhận thức được CAI có thể tiết kiệm thời gian và cải thiện trải nghiệm dịch vụ, họ có xu hướng chấp nhận công nghệ này nhiều hơn Nghiên cứu của Cheng & Jiang (2022) cũng cung cấp bằng chứng thực nghiệm cho thấy PU có ảnh hưởng tích cực trực tiếp đến ý định sử dụng AI chatbot Do đó, nghiên cứu đề xuất giả thuyết H1 rằng PU có ảnh hưởng tích cực đến ý định sử dụng trí tuệ nhân tạo đàm thoại trong dịch vụ khách hàng của người dùng tại TP Hồ Chí Minh.
Giả thuyết H2 cho rằng tính dễ sử dụng được nhận thức có ảnh hưởng tích cực đến ý định sử dụng trí tuệ nhân tạo đàm thoại trong dịch vụ khách hàng của người dùng tại TP Hồ Chí Minh Khi người dùng nhận thấy giao diện và chức năng của hệ thống AI đàm thoại trực quan, thân thiện và dễ vận hành, họ có xu hướng hình thành ý định sử dụng mạnh mẽ hơn đối với công nghệ này để nâng cao chất lượng chăm sóc khách hàng Mức độ dễ sử dụng nhận thức càng cao ở người dùng ở TP Hồ Chí Minh thì ý định sử dụng AI đàm thoại càng tăng, từ đó cải thiện trải nghiệm khách hàng và hiệu quả phục vụ.
PEOU (Tính dễ sử dụng nhận thức được) thể hiện mức độ người dùng cho rằng việc sử dụng hệ thống công nghệ là đơn giản và thuận tiện, không đòi hỏi nhiều nỗ lực về thể chất hoặc tinh thần (Davis, 1989) Trong nghiên cứu về chatbot trí tuệ nhân tạo (AI chatbot), Araujo (2018) cho thấy PEOU là một yếu tố quan trọng ảnh hưởng đến thái độ và ý định sử dụng công nghệ này của người dùng McLean & Wilson (2019) nhấn mạnh rằng khi người dùng cảm thấy chatbot dễ tương tác và không phức tạp trong quá trình sử dụng, họ có xu hướng chấp nhận công nghệ cao hơn.
Trong nghiên cứu năm 2017, bằng chứng cho thấy giao diện thân thiện và dễ sử dụng của chatbot có tác động tích cực đến ý định tiếp tục sử dụng dịch vụ Theo kết quả này, tác giả đề xuất các yếu tố thiết kế và chiến lược tối ưu hóa trải nghiệm người dùng để tăng khả năng người dùng quay lại và tiếp tục sử dụng dịch vụ, chẳng hạn như giao diện trực quan, tương tác nhanh, chỉ dẫn rõ ràng và sự cá nhân hóa trải nghiệm Những đề xuất này không chỉ giúp nâng cao sự hài lòng và gắn kết của người dùng mà còn hỗ trợ tối ưu hóa nội dung và SEO liên quan đến chatbot, giao diện người dùng và trải nghiệm khách hàng.
30 giả thuyết H2 cho rằng tính dễ sử dụng nhận thức được (PEOU) có ảnh hưởng tích cực đến ý định sử dụng trí tuệ nhân tạo đàm thoại trong dịch vụ khách hàng cho người dùng tại TP Hồ Chí Minh Nghiên cứu cho thấy mối quan hệ giữa PEOU và ý định sử dụng AI đàm thoại: khi giao diện và chức năng được thiết kế dễ dùng, người dùng có xu hướng sẵn sàng áp dụng công nghệ AI trong chăm sóc khách hàng Do đó, tối ưu PEOU thông qua giao diện thân thiện, hướng dẫn rõ ràng và hỗ trợ người dùng có thể nâng cao mức độ chấp nhận và sử dụng trí tuệ nhân tạo đàm thoại trong thị trường Hồ Chí Minh.
Giả thuyết H3 cho rằng độ tin cậy (TR) ảnh hưởng tích cực đến ý định sử dụng trí tuệ nhân tạo đàm thoại trong dịch vụ khách hàng tại TP Hồ Chí Minh Độ tin cậy được hiểu là mức độ người dùng tin tưởng hệ thống có khả năng thực hiện đúng chức năng, đảm bảo an toàn và ổn định trong quá trình sử dụng, đồng thời đáp ứng kỳ vọng về hiệu quả và bảo mật (Mayer và cộng sự, 1995) Nhiều nghiên cứu trước đây cho thấy mối quan hệ tích cực giữa độ tin cậy và quyết định sử dụng các công nghệ giao tiếp tự động như chatbot: Følstad & Brandtzæg (2020) cho rằng người dùng chấp nhận và duy trì sử dụng chatbot khi tin tưởng vào hệ thống; Araujo (2018) cho thấy tính nhất quán và độ đáng tin cậy của chatbot là yếu tố then chốt thúc đẩy hành vi sử dụng; Chung và cộng sự (2020) chỉ ra rằng độ tin cậy tác động đến hành vi sử dụng và cả thái độ đối với công nghệ AI đàm thoại Trên cơ sở đó, giả thuyết H3 được đề xuất: độ tin cậy có ảnh hưởng tích cực đến ý định sử dụng trí tuệ nhân tạo đàm thoại trong dịch vụ khách hàng tại TP Hồ Chí Minh.
Giả thuyết H4 cho rằng ảnh hưởng xã hội có tác động tích cực đến ý định sử dụng trí tuệ nhân tạo đàm thoại trong dịch vụ khách hàng của người dùng Các yếu tố như sự ủng hộ từ bạn bè, đồng nghiệp và những người có uy tín, cùng với đánh giá và khuyến nghị từ cộng đồng, có thể tăng niềm tin và thúc đẩy người dùng thử nghiệm cũng như chấp nhận chatbot AI trong quá trình chăm sóc khách hàng Khi nhận diện được những tác động xã hội tích cực, ý định sử dụng trí tuệ nhân tạo đàm thoại sẽ tăng lên, góp phần nâng cao trải nghiệm khách hàng và hiệu quả tích hợp AI vào các nền tảng dịch vụ trực tuyến Do đó, ảnh hưởng xã hội đóng vai trò quan trọng trong việc thúc đẩy hành vi tiếp nhận công nghệ AI đàm thoại của người dùng tại môi trường dịch vụ khách hàng.
Ảnh hưởng xã hội (SI) phản ánh mức độ người dùng cảm nhận được kỳ vọng từ người thân, bạn bè hoặc đồng nghiệp về việc chấp nhận và sử dụng công nghệ mới Các nghiên cứu gần đây, chẳng hạn Hussain và cộng sự (2024), cho thấy SI đóng vai trò quan trọng trong định hình ý định sử dụng chatbot trong lĩnh vực dịch vụ Khi người dùng nhận được sự khuyến khích và ủng hộ từ những người xung quanh, họ có xu hướng dễ dàng chấp nhận công nghệ mới hơn Do đó, tác giả đề xuất giả thuyết H4 cho rằng ảnh hưởng xã hội có tác động tích cực đến ý định sử dụng chatbot trong dịch vụ.
Ảnh hưởng xã hội tác động tích cực đến ý định sử dụng trí tuệ nhân tạo đàm thoại trong dịch vụ khách hàng của người dùng tại TP Hồ Chí Minh Các yếu tố xã hội như ý kiến của bạn bè, đồng nghiệp và đánh giá trên mạng góp phần tăng sự tin tưởng và chấp nhận công nghệ AI đàm thoại, từ đó nâng cao ý định trải nghiệm dịch vụ khách hàng được hỗ trợ bởi AI Khi người dùng nhận được sự ủng hộ và minh chứng từ cộng đồng, họ có xu hướng thử nghiệm và sử dụng nhiều hơn các chatbot và trợ lý AI trong giao tiếp với doanh nghiệp Kết quả này cho thấy vai trò của ảnh hưởng xã hội trong quá trình áp dụng trí tuệ nhân tạo đàm thoại vào chăm sóc khách hàng tại khu vực đô thị phát triển như TP Hồ Chí Minh.
Giả thuyết H5 cho rằng rủi ro nhận thức được ảnh hưởng tiêu cực đến ý định sử dụng trí tuệ nhân tạo đàm thoại trong dịch vụ khách hàng do người dùng Khi người dùng nhận thức các rủi ro liên quan như bảo mật dữ liệu, sai lệch thông tin hoặc mất kiểm soát khi tương tác bằng AI, họ có xu hướng giảm ý định tiếp cận và sử dụng hệ thống AI chat trong chăm sóc khách hàng Ngược lại, giảm thiểu rủi ro nhận thức thông qua minh bạch dữ liệu, đảm bảo bảo mật, cải thiện độ chính xác và sự cá nhân hóa có thể nâng cao ý định sử dụng AI đàm thoại và làm tăng sự hài lòng của khách hàng Do đó, các yếu tố quản trị rủi ro và tin cậy của hệ thống AI đóng vai trò quan trọng trong việc thúc đẩy chấp nhận AI trong dịch vụ khách hàng.
Rủi ro nhận thức (PR) là mức độ không chắc chắn và các hậu quả tiêu cực mà người tiêu dùng cảm nhận trước, trong hoặc sau khi xem xét và sử dụng một sản phẩm hoặc dịch vụ Theo Stone và Grønhaug, PR bao gồm các yếu tố như rủi ro tài chính, rủi ro về hiệu suất và chất lượng, rủi ro thời gian, cùng rủi ro tâm lý và xã hội có thể xảy ra khi quyết định mua hàng Hiểu rõ PR giúp doanh nghiệp tối ưu hóa thông điệp, xây dựng niềm tin và giảm thiểu rủi ro cho khách hàng, từ đó cải thiện hành vi mua sắm và trải nghiệm người dùng.
Trong bối cảnh AI chatbot, các mối quan ngại về bảo mật thông tin cá nhân, độ chính xác của phản hồi và khả năng xử lý các tình huống phức tạp đang tác động đến nhận thức của người dùng và chiến lược PR Nhiều nghiên cứu trước đây cho thấy khi người dùng nhận thức rủi ro cao, họ có xu hướng từ chối hoặc trì hoãn việc tiếp nhận và sử dụng công nghệ, đặc biệt trong các lĩnh vực dịch vụ liên quan đến thông tin cá nhân và giao tiếp trực tuyến Vì vậy, tác giả đề xuất giả thuyết H5 cho rằng rủi ro nhận thức được có ảnh hưởng tiêu cực đến ý định sử dụng AI đàm thoại trong dịch vụ khách hàng tại TP Hồ Chí Minh.
Phương pháp thu thập dữ liệu
Nghiên cứu sử dụng phương pháp thu thập dữ liệu sơ cấp bằng việc tiến hành
(1) xác định kích thước mẫu và (2) nguồn dữ liệu mà tác giả muốn thu thập
3.2.1 Xác định kích thước mẫu
Theo Hair và cộng sự (2006), kích thước mẫu tối thiểu cho phân tích nhân tố khám phá (EFA) được tính theo công thức n ≥ 5m, với n là cỡ mẫu và m là số biến quan sát Điều này có nghĩa là tối thiểu 5 mẫu cho mỗi biến quan sát và nên có nhiều hơn 10 mẫu cho mỗi biến để tăng độ ổn định và độ tin cậy của kết quả EFA.
05 hoặc gấp 10 lần so với các biến đo lường Vì thế, cỡ mẫu tối thiểu phải là 50 hoặc tốt hơn là 10
Trong phân tích nhân tố khám phá (EFA), số quan sát tối thiểu phải bằng 4–5 lần số biến quan sát để đảm bảo độ tin cậy và ổn định của kết quả Đối với phân tích hồi quy đa biến, cỡ mẫu tối thiểu để phân tích hiệu quả nhất có thể được tính theo một công thức nhất định, trong đó N là cỡ mẫu và k là số biến độc lập.
Trong nghiên cứu này, có tổng cộng 28 biến quan sát, trong đó 23 biến thuộc 7 nhân tố độc lập và 5 biến thuộc nhân tố phụ thuộc Dựa trên công thức do tác giả tổng hợp, kích thước mẫu tối thiểu được xác định là 350 để phù hợp với cả phân tích khám phá nhân tố (EFA) và phân tích hồi quy Cỡ mẫu 350 cũng cho phép bù đắp hao hụt do lỗi mẫu có thể phát sinh trong quá trình khảo sát Vì vậy, nghiên cứu dự kiến lấy mẫu với cỡ tối thiểu 350 cho 28 biến quan sát.
3.2.2 Nguồn dữ liệu khảo sát
Nguồn dữ liệu sơ cấp được thu thập thông qua khảo sát người dùng tại TP HCM Quá trình thu thập dữ liệu được thực hiện theo các bước có hệ thống nhằm đảm bảo tính đại diện và độ tin cậy của kết quả: thiết kế bảng câu hỏi phù hợp với mục tiêu nghiên cứu, xác định mẫu khảo sát, triển khai khảo sát đến người dùng tại TP HCM, thu thập và làm sạch dữ liệu, sau đó tiến hành phân tích sơ bộ nhằm chuẩn hóa thông tin phục vụ các bước nghiên cứu tiếp theo.
Nghiên cứu chọn thời gian thu thập mẫu từ tháng 05/2025 đến tháng 06/2025 tại TP Hồ Chí Minh và áp dụng phương pháp chọn mẫu ngẫu nhiên nhằm tập trung vào dân cư khu vực này Đáp viên được tiếp cận trực tiếp hoặc trực tuyến, đồng thời được cung cấp thông tin ban đầu về chủ đề và trả lời các câu hỏi thăm dò để đánh giá mức độ hiểu biết Sau khi kết thúc khảo sát, toàn bộ dữ liệu được nhập vào Excel và SPSS 20.0 để xử lý ở các bước tiếp theo.
