Giới thiệu
Cars24 là marketplace mua bán xe đã qua sử dụng tại Ấn Độ, đồng thời hoạt động ở UAE và Australia. Bài toán của họ không giống một checkout thương mại điện tử đơn giản: khách hàng thường trao đổi qua nhiều cuộc gọi, kiểm tra giấy tờ, đặt lịch xem xe, xử lý tài chính và follow-up trong nhiều ngày hoặc nhiều tuần.
Khi scale, vấn đề chính là giữ chất lượng hội thoại ổn định trên hàng triệu interaction mà không phải tăng đội vận hành theo cùng tốc độ. Cars24 chọn dùng OpenAI APIs để xây voice và chat agents cho hành trình mua, bán, tài chính, follow-up và support.
Agent trong hành trình mua xe
Với người mua, agent hỏi về ngân sách, số thành viên gia đình, nhu cầu đi lại và loại xe mong muốn. Từ đó, agent đề xuất xe trong catalog Cars24, đặt test drive và hỗ trợ tìm lựa chọn tài chính.
Agent cũng follow-up trước buổi test drive để xác nhận lịch, gợi ý xe khác nếu preference thay đổi, và thu thập thêm thông tin cho financing. Sau khi khách đến xem xe, agent tiếp tục hỏi liệu khách muốn mua, đặt thêm buổi xem xe khác hay chuyển sang lựa chọn mới.
Sau khi mua, agent vẫn xử lý feedback, câu hỏi bảo hành, trả hàng và dịch vụ hậu mãi. Đây là điểm khác biệt quan trọng: workflow không dừng ở lead capture mà trải dài qua lifecycle của khách hàng.
Agent cho người bán
Với người bán xe, agent thu thập thông tin xe, đặt lịch inspection, gửi nhắc lịch, hỗ trợ đổi lịch nếu khách bỏ lỡ appointment, và thu thập insight nếu khách đã bán xe ở nơi khác.
Cars24 còn dùng agent để re-engage các lead từng rơi khỏi funnel sau 10 ngày. Nếu khách quay lại với intent mới hoặc mức giá phù hợp hơn, agent có thể qualify lại và đưa họ vào quy trình bán xe.
Công ty cho biết hệ thống hiện xử lý hơn một triệu phút hội thoại mỗi tháng qua AI. Con số này hữu ích vì nó đo workload thật, không chỉ số lượng chatbot session.
Codex trong software development lifecycle
Cars24 không chỉ dùng AI cho customer support. Họ triển khai Codex như một thành phần trong software development lifecycle.
Product managers dùng Codex để tạo và refine Linear tickets. Engineering team tag Codex vào bug reports để agent nhận task đã được định nghĩa. Codex cũng tóm tắt work across GitHub và post update cho team, giúp giảm số standup cần thiết để giữ công việc chạy.
Cars24 tái tổ chức project management quanh Linear trong vài tuần để tạo đường đi rõ hơn cho Codex. Mục tiêu là biến ticket creation, grooming, implementation, bug resolution và status update thành một workflow có thể được agent hỗ trợ, thay vì dùng Codex như autocomplete nâng cấp.
AI lan sang các team khác
Cars24 triển khai ChatGPT Enterprise và Codex cho khoảng 600 nhân viên trong central organization. Theo bài viết, 85-90% nhân viên dùng hằng ngày.
Trong finance và investor relations, team dùng Codex để kéo số liệu từ systems of record, chạy analysis và chuẩn bị reporting workflow thay vì phải chase input thủ công từ nhiều business head. Một workflow khác review purchase requests và purchase orders trên ngưỡng nhất định, kiểm tra anomaly, flag rủi ro và auto-approve khi không có vấn đề.
Một số team còn xây “chief of staff” agents nối Slack, Gmail, WhatsApp và hệ thống nội bộ để xử lý communication, scheduling, hiring workflow và follow-up.
Ý nghĩa với Dev
Case study này đáng học ở phần thiết kế workflow. Cars24 không bắt đầu bằng câu “hãy cho AI làm mọi thứ”. Họ chọn các điểm có volume cao, output rõ, và nhiều bước lặp lại: tư vấn, đặt lịch, nhắc lịch, thu thập thông tin, cập nhật ticket, review purchase request.
Nếu bạn đang đưa agent vào production, vài câu hỏi thực tế nên hỏi trước khi viết code:
- Task nào có định nghĩa “done” rõ ràng?
- Agent được quyền gọi tool nào, và tool call nào cần human review?
- Log nào chứng minh agent đã giúp giảm work thật, không chỉ tạo thêm message?
- Khi agent fail, workflow fallback về người như thế nào?
- Project management system có đủ sạch để agent nhận task mà không đoán mò không?
Kết luận
Bài Cars24 là một ví dụ tốt về AI operating layer trong doanh nghiệp: customer-facing agents xử lý hội thoại có cấu trúc, còn internal agents giúp nhân viên build workflow quanh hệ thống sẵn có. Phần khó không nằm ở việc gọi model API, mà ở việc đóng khung workflow đủ rõ để agent có thể hành động mà không phá quy trình.