Sau khi đốt hàng tỷ đô la Mỹ tiền mã hóa, các công ty công nghệ lớn ở Thung lũng Silicon bắt đầu hạn chế mức sử dụng token của nhân viên
Tuyển chọn TechFlowTuyển chọn TechFlow
Sau khi đốt hàng tỷ đô la Mỹ tiền mã hóa, các công ty công nghệ lớn ở Thung lũng Silicon bắt đầu hạn chế mức sử dụng token của nhân viên
AI tự động hóa những công việc mà nhân viên “ghét” thay vì những công việc “kiếm tiền” cho doanh nghiệp.
Chuyên sâu báo cáo Web3Tác giả｜ Hoa Lâm Vũ Vương
Biên tập｜ Tĩnh Vũ
Vài ngày trước, GeekPark đã đưa tin về Microsoft—một công ty đặt cược mạnh tay vào AI—đã âm thầm ngừng cấp phép sử dụng Claude Code cho phần lớn nhân viên nội bộ.
Sự việc này hết sức kỳ lạ, bởi trong làn sóng ứng dụng AI hiện nay, điểm bán hàng nổi bật nhất nhắm đến khách hàng doanh nghiệp chính là khả năng «tăng hiệu suất». Nếu thực sự giúp tăng hiệu suất, vì sao Microsoft lại ngăn nhân viên sử dụng Claude Code?
Microsoft không phải là công ty duy nhất làm như vậy. «Hạn chế mức tiêu thụ token» và chấm dứt khuyến khích nhân viên «Vibe Coding» một cách bừa bãi đang trở thành xu hướng mới tại các gã khổng lồ công nghệ Thung lũng Silicon.
Uber đã chi hết toàn bộ ngân sách token AI dành cho cả năm chỉ trong vòng bốn tháng. Salesforce mỗi năm chi khoảng 300 triệu USD cho Anthropic. Một cố vấn AI tiết lộ, một trong những khách hàng của ông chi tới 500 triệu USD chỉ trong một tháng cho các khoản chi tiêu liên quan đến AI. Ngay cả Meta cũng đã âm thầm gỡ bỏ bảng xếp hạng nội bộ mang tên «tokenmaxxing»—bảng xếp hạng vốn được thiết lập nhằm khuyến khích nhân viên sử dụng AI nhiều hơn.
Hiện nay, các doanh nghiệp đang thực hiện một việc mà vài năm trước đây họ thậm chí chưa dám nghĩ tới:
hạn chế và giám sát việc nhân viên sử dụng AI.
Vì sao các tập đoàn lớn đều đồng loạt chuyển hướng?
01 «Tokenmaxxing» – Bức tranh thu nhỏ của thời đại
Để hiểu rõ cuộc khủng hoảng chi phí hiện nay, trước tiên cần làm rõ «tokenmaxxing» là gì.
Thuật ngữ này bắt đầu phổ biến từ khoảng năm 2025, nghĩa đen là «tối đa hóa lượng token sử dụng». Phía sau nó là một tư duy quản trị: vì công ty đã chi rất nhiều tiền để mua các công cụ AI, nhân viên nên tận dụng tối đa—càng dùng nhiều càng chứng tỏ bạn «chuyển đổi số» hiệu quả, còn dùng ít tức là lãng phí tài nguyên. Vì thế, nhiều công ty đã thiết lập hạn mức sử dụng, bảng xếp hạng, thậm chí đưa vào đánh giá hiệu suất để thúc đẩy nhân viên sử dụng AI.
Kết quả ra sao?
Nhân viên bắt đầu dùng các mô hình AI cấp doanh nghiệp của công ty để tra dự báo thời tiết, viết lời chúc sinh nhật hay hỏi «hôm nay ăn gì».
Một nghiên cứu trên 2.444 công ty cho thấy: cứ mỗi 1 USD chi cho token AI, thì 0,44 USD được dùng để sửa lỗi do AI tạo ra, 0,27 USD để viết lại mã nguồn do AI sinh ra, và 0,11 USD bị tiêu hao vào việc rà soát và chậm trễ khi tích hợp.
Nói cách khác, đằng sau mỗi USD chi cho AI còn ẩn chứa gần 80% tổn thất vô hình.
Nhà đầu tư Shruti Gandhi đưa ra một so sánh rất chuẩn xác: «Các doanh nghiệp theo đuổi ‘tokenmaxxing’ giống như những công ty đo lường năng suất bằng cách bật sáng tất cả bóng đèn—chi nhiều tiền hơn không đồng nghĩa với sản lượng cao hơn.»
Điều mỉa mai hơn nữa là hầu hết các công ty ấy thậm chí còn chẳng biết nhân viên đang dùng AI vào việc gì, chứ chưa nói đến việc xác định những nhiệm vụ hoàn thành đó có thực sự nhờ AI mang lại bất kỳ thay đổi nào hay không.
Cuộc «đua đốt tiền» này kéo dài từ năm 2024 sang 2025, và cuối cùng bùng phát tập trung trong năm nay. JPMorgan vừa công bố một báo cáo với ngôn từ rất nghiêm khắc, tiêu đề trực diện đến mức gây khó chịu: «Chi phí token AI đang nuốt chửng lợi nhuận của ngành Internet.»
Shopify, Spotify, ServiceNow và Roku đều đề cập trong các cuộc họp báo cáo tài chính rằng AI đang trở thành nguồn áp lực chính đối với chi phí vận hành. Không khí chung của toàn ngành giờ đây dần chuyển từ «dùng AI thật tuyệt» sang «số tiền này chi ra liệu có đáng không?»
02 Khi CEO bắt đầu đặt câu hỏi về ROI
Chỉ 14% CFO khẳng định họ nhìn thấy lợi ích từ đầu tư AI dưới dạng các chỉ số ROI rõ ràng và có thể đo lường được.
Andrew Macdonald, Giám đốc Điều hành (COO) của Uber, từng thẳng thắn chia sẻ trong một podcast rằng họ gặp khó khăn trong việc liên kết sự gia tăng năng suất cá nhân của nhân viên với tác động tổng thể lên hoạt động kinh doanh của công ty. «Nếu bạn không thể chứng minh AI giúp bạn đưa ra bao nhiêu tính năng có giá trị cho người dùng, thì việc biện minh cho chi phí token sẽ càng trở nên khó khăn hơn.»
Câu nói này chạm đến cốt lõi của nghịch lý AI trong doanh nghiệp: tăng hiệu suất cá nhân không đồng nghĩa với tăng lợi nhuận công ty.
Nhân viên viết bản báo cáo tuần nhanh gấp ba lần nhờ AI, nhưng doanh thu công ty không thay đổi. Kỹ sư sinh mã nguồn bằng AI nhanh gấp đôi, nhưng tỷ lệ «rò rỉ mã nguồn»—tức là tỷ lệ mã bị loại bỏ hoặc phải viết lại—lại tăng vọt 800%.
Sophia Velastegui, cựu Giám đốc AI cấp cao của Microsoft, từng phát biểu một câu khiến nhiều nhà quản lý cảm thấy khó chịu: «Đa số mọi người mặc định tự động hóa những nhiệm vụ họ ghét, chứ không phải những nhiệm vụ mang lại giá trị cao nhất cho công ty.»
Nói trắng ra, doanh nghiệp đang tự động hóa những «công việc nhân viên ghét», chứ không phải những «công việc tạo ra doanh thu».
Đây không phải vấn đề kỹ thuật, mà là vấn đề ưu tiên. Cũng chính vì lý do này mà khoảng 30% các dự án trí tuệ nhân tạo sinh sinh (generative AI) bị đình hoãn ngay ở giai đoạn kiểm chứng khái niệm (PoC)—vì chi phí không rõ ràng, giá trị cũng không rõ ràng, nên lãnh đạo đương nhiên không gia hạn hợp đồng.
Cách xử lý của Marc Benioff, CEO của Salesforce, rất tiêu biểu. Trước hóa đơn hàng năm trị giá 300 triệu USD gửi cho Anthropic, kỳ vọng của ông là một «bộ định tuyến thông minh»: có khả năng phân biệt đâu là truy vấn xứng đáng dùng mô hình cao cấp nhất, và đâu là truy vấn đủ đơn giản để chạy trên các mô hình nhỏ, rẻ hơn.
Ý tưởng này bản thân nó không có gì mới—ngay từ thời kỳ điện toán đám mây, «trả phí theo nhu cầu» và «tối ưu hóa tài nguyên» đã là thao tác tiêu chuẩn. Nhưng làn sóng AI đến quá nhanh, khiến mọi người mua trước rồi mới suy nghĩ sau, và giờ đây mới bắt đầu học lại bài học.
03 Sự trở lại của lý tính, hay hồi chuông cảnh báo mùa đông?
Gần đây, Microsoft hủy bỏ phần lớn giấy phép doanh nghiệp sử dụng Claude Code, với lý do chính thức được nêu ra là chi phí. Sự việc này đã gây ra nhiều tranh luận trong giới chuyên môn—dù sao Microsoft cũng là nhà đầu tư lớn nhất vào OpenAI, thế mà lại cắt giảm đăng ký sử dụng sản phẩm của đối thủ cạnh tranh. Trong đó, bao nhiêu phần là do cân nhắc chi phí, bao nhiêu phần là chiến lược định vị thị trường, thật khó để làm rõ.
Dẫu sao, điều này cũng gửi đi một tín hiệu rõ ràng: các doanh nghiệp đang dùng chân để bỏ phiếu.
Harness và CloudZero gần như cùng ngày—28/5—lần lượt tung ra các công cụ quản lý chi phí AI: một bên tập trung vào giám sát chi tiêu AI và ROI theo thời gian thực, bên kia ra mắt «mặt phẳng kiểm soát tài chính AI», giúp doanh nghiệp gắn kết từng USD chi cho AI với các kết quả kinh doanh cụ thể.
Việc xuất hiện đồng thời hai sản phẩm này bản thân nó đã nói lên một điều: thị trường có nhu cầu, và nhu cầu ấy vô cùng cấp bách.
Từ tháng 4 năm nay, HubSpot đã điều chỉnh mô hình định giá cho các đại lý AI của mình, không còn tính phí theo token, mà chuyển sang tính phí theo «số cuộc hội thoại được giải quyết» hoặc «số đầu mối được tạo ra»—đây là một bước chuyển mang tính định hướng, nhằm đồng bộ hóa lợi ích của bên bán với kết quả thực tế đạt được của bên mua. ServiceNow cũng đang thực hiện điều chỉnh tương tự. Các nhà cung cấp AI đang dần nhận ra rằng nếu tiếp tục bán «số lượng sử dụng» thay vì bán «kết quả», khách hàng doanh nghiệp sớm muộn cũng sẽ phản kháng tập thể.
Liệu đợt điều chỉnh này là cơn đau chuyển dạ tất yếu trong quá trình thương mại hóa AI, hay là hồi chuông cảnh báo cho một cuộc khủng hoảng lớn hơn?
Tôi thiên về quan điểm đầu tiên. Nhưng có một chi tiết khiến người ta hơi lo lắng: chi tiêu toàn cầu cho phần mềm AI dự kiến đạt 2,59 nghìn tỷ USD vào năm 2026, tăng 47% so với năm trước—song song với đó, 94% các trưởng phòng kỹ thuật khẳng định các chỉ số ROI trọng yếu vẫn chưa được xác định rõ. Tiền chi ngày càng nhiều, nhưng không ai biết tiền đang cháy ở đâu và cháy có đáng không—nếu mâu thuẫn này không được giải quyết, thì một «khoảnh khắc tokenmaxxing» tiếp theo chỉ là vấn đề thời gian.
Một phân tích trên tạp chí Fortune nêu rất trực diện: «Tokenmaxxing thì dễ, nhưng tái thiết kế quy trình làm việc thì rất khó.» Phần lớn các công ty hiện nay đang làm là tối ưu hóa các quy trình hiện hữu, chứ chưa phải tái sáng tạo mô hình kinh doanh. Đó mới chính là giá trị thực sự của AI, đồng thời cũng là nơi mà đa số doanh nghiệp vẫn chưa tới.
Sự trở lại của lý tính là điều tốt. Nhưng sau khi lý tính trở lại, doanh nghiệp còn phải trả lời một câu hỏi khó hơn: Đối với hoạt động kinh doanh của chúng ta, AI rốt cuộc nên là một chiếc búa, hay một khuôn khổ tư duy mới?
Nếu chỉ dùng AI để làm những công việc cũ nhanh hơn, thì một ngày nào đó, hóa đơn thanh toán sẽ buộc bạn phải quay lại đối mặt với câu hỏi ấy.
Chào mừng tham gia cộng đồng chính thức TechFlow
Nhóm Telegram:https://t.me/TechFlowDaily
Tài khoản Twitter chính thức:https://x.com/TechFlowPost
Tài khoản Twitter tiếng Anh:https://x.com/BlockFlow_News
