Trách nhiệm pháp lý phát sinh từ hoạt động livestream bán hàng trong lĩnh vực chăm sóc sức khỏe có sử dụng tư vấn ảo
Xuất bản: tháng 7 20, 2026
Tóm tắt
Livestream bán hàng là hình thức giới thiệu, quảng cáo và bán hàng trực tiếp trên mạng xã hội hoặc sàn thương mại điện tử theo thời gian thực. Hình thức bán hàng này tạo hứng thú cho khách hàng, đồng thời tối ưu hóa các nguồn lực, tăng hiệu quả truyền thông, từ đó đem lại khoản lợi nhuận cho các cơ sở kinh doanh. Bài báo phân tích các rủi ro pháp lý phát sinh từ hoạt động livestream bán hàng có sử dụng tư vấn viên bán hảng ảo nhờ công nghệ mô phỏng hình ảnh bằng máy tính trí tuệ nhân tạo, đồng thời đưa ra một số đề xuất nhằm đảm bảo doanh nghiệp phải minh bạch hóa quá trình sử dụng công nghệ trí tuệ nhân tạo, có cơ chế quản trị trí tuệ nhân tạo nhằm ngăn ngừa các rủi ro có thể xảy ra từ ứng dụng trí tuệ nhân tạo, bảo vệ sức khỏe người tiêu dùng.
Từ khóa
AI livestreamứng dụng trí tuệ nhân tạotư vấn viên ảotư vấn viên trí tuệ nhân tạo
Tài liệu tham khảo
1.
Nguyễn Thị Hồng Nhung & Nguyễn Thị Thu Hương (2025). Bảo vệ người tiêu dùng trong hoạt động mua sắm giải trí trên các nền tảng thương mại điện tử tại Việt Nam. Tạp chí Khoa học Trường Đại học Mở Hà Nội, 552-552. https://doi.org/10.59266/houjs.2025.973
Phạm Thị Minh Thư (2023). Ảnh hưởng của nghiện internet đến hành vi mua hàng bốc đồng trực tuyến dưới tác động của trí tuệ cảm xúc. https://digital.lib.ueh.edu.vn/handle/UEH/70119
3.
Quốc hội (2005). Luật Thương mại số 36/2005/QH11 ngày 14/6/2005.
4.
Quốc hội (2023). Luật Bảo vệ quyền lợi người tiêu dùng số 19/2023/QH15 ngày 20/6/2023.
5.
Quốc hội (2025).Luật Trí tuệ nhân tạo số 134/2025/QH15 ngày 10/12/2025.
6.
Ben Saad, S., & Choura, F. (2022). Towards better interaction between salespeople and consumers: The role of virtual recommendation agent. European Journal of Marketing, 57(3), 858-903. https://doi.org/10.1108/EJM-11-2021-0892
Granat, M. M., Paź, A., & Mirowska-Guzel, D. (2025). Testing the knowledge of artificial intelligence chatbots in pharmacology: Examples of two groups of drugs. PeerJ Computer Science, 11, e2954. https://doi.org/10.7717/peerj-cs.2954
Han, B., Liu, D., & Qi, S. (2025). Beyond human streamers: How AI-avatar engagement strategies influence consumer acceptance. Asia Pacific Journal of Marketing and Logistics, 1-20. https://doi.org/10.1108/APJML-04-2025-0618
London, A. J. (2019). Artificial Intelligence and Black-Box Medical Decisions: Accuracy versus Explainability. Hastings Center Report, 49(1), 15-21. https://doi.org/10.1002/hast.973
Mavlanova, T., Benbunan-Fich, R., & Koufaris, M. (2012). Signaling theory and information asymmetry in online commerce. Information & Management, 49(5), 240-247. https://doi.org/10.1016/j.im.2012.05.004
Pedreschi, D., Giannotti, F., Guidotti, R., Monreale, A., Ruggieri, S., & Turini, F. (2019). Meaningful Explanations of Black Box AI Decision Systems. Proceedings of the AAAI Conference on Artificial Intelligence, 33(01), 9780-9784. https://doi.org/10.1609/aaai.v33i01.33019780
Shiferaw, M. W., Zheng, T., Winter, A., Mike, L. A., & Chan, L.-N. (2024). Assessing the accuracy and quality of artificial intelligence (AI) chatbot-generated responses in making patient-specific drug-therapy and healthcare-related decisions. BMC Medical Informatics and Decision Making, 24(1), 404. https://doi.org/10.1186/s12911-024-02824-5
Sun, Y., Sheng, D., Zhou, Z., & Wu, Y. (2024). AI hallucination: Towards a comprehensive classification of distorted information in artificial intelligence-generated content. Humanities and Social Sciences Communications, 11(1), 1278. https://doi.org/10.1057/s41599-024-03811-x
Visser, B., van der Putten, P., & Zohrehvand, A. (2025). The Impact of AI Avatar Appearance and Disclosure on User Motivation. Data Science and Artificial Intelligence, 142–155. https://doi.org/10.1007/978-981-97-9793-6_10