Tạp chí nước ngoài Fortune nhận xét rằng hiện tượng “tokenmaxxing” từng thịnh hành trong doanh nghiệp đang dần hạ nhiệt. “Tokenmaxxing” là việc sử dụng số lượng token mà nhân viên hoặc nhóm gọi mô hình AI như một chỉ số xấp xỉ để đo lường mức độ đổi mới và hiệu suất làm việc. Tuy nhiên, khi hóa đơn tăng cao và các lần gọi không hiệu quả gia tăng, ngày càng nhiều công ty đang siết chặt phương pháp này.
Bài viết đề cập rằng các công ty như Meta, Amazon, OpenAI trước đây đều từng thực hiện các cách xếp hạng token chính thức hoặc không chính thức, khuyến khích các kỹ sư cạnh tranh về lượng mô hình được gọi. Vấn đề nằm ở chỗ, một khi chỉ số trở thành mục tiêu đánh giá, nó dễ dàng偏离 mục đích ban đầu. Trước đó, báo cáo của Financial Times (Anh) cho biết một số nhân viên của Amazon đã yêu cầu các đại lý AI thực hiện các nhiệm vụ không có ý nghĩa thực tế, chỉ để duy trì hiệu suất sử dụng dữ liệu.
Áp lực chi phí bắt đầu xuất hiện
Khi AI tạo sinh được triển khai rộng rãi trong doanh nghiệp, chi phí gọi mô hình cũng tăng nhanh. Bài viết cho biết, một số công ty đã bắt đầu hạn chế nhân viên sử dụng các đại diện AI bên thứ ba, đặc biệt là các công cụ phụ thuộc vào mô hình cao cấp. Meta đã gỡ bỏ bảng xếp hạng token do nhân viên tự xây dựng; The Verge báo cáo rằng Microsoft đã hủy đăng ký Claude Code của nhân viên trong nhiều phòng ban sản phẩm then chốt.
Uber cũng tiết lộ rằng công ty đã sử dụng hết ngân sách Token cả năm trong bốn tháng đầu tiên của năm 2026, một phần chi phí đến từ việc sử dụng thường xuyên Claude Code. CEO của Salesforce, Marc Benioff, cho biết công ty đã chi khoảng 300 triệu USD cho Anthropic trong năm nay và mong muốn trong tương lai có hệ thống định tuyến thông minh hơn để phân bổ các yêu cầu khác nhau vào các mô hình có chi phí phù hợp hơn.
Doanh nghiệp quan tâm hơn đến kết quả kinh doanh
Bài viết cho rằng, lý do cốt lõi khiến doanh nghiệp siết chặt các chỉ số Token không chỉ là cắt giảm chi phí, mà còn do sự chênh lệch giữa đầu tư và lợi nhuận. Andrew Macdonald, Giám đốc điều hành vận hành của Uber, gần đây cho biết công ty rất khó để liên hệ trực tiếp việc nâng cao hiệu suất của một số nhân viên với việc triển khai các tính năng mới dành cho người dùng hoặc kết quả kinh doanh tổng thể. Nếu không thể tạo ra kết quả kinh doanh rõ ràng, chi phí của mô hình sẽ càng khó được chứng minh là hợp lý một cách bền vững.
Đó cũng là lý do tại sao việc chỉ theo dõi mức tiêu thụ Token ngày càng khó được coi là công cụ quản lý hiệu quả. Nó có thể phản ánh quy mô gọi, nhưng không thể cho biết những lần gọi này có thực sự cải thiện sản phẩm, quy trình hoặc doanh thu hay không.
Lợi ích thực sự đến từ việc tái cấu trúc quy trình
Bài viết trích dẫn quan điểm của Azeem Azhar, tác giả của Exponential View, cho rằng sự không tương xứng hiện tại giữa đầu tư AI và năng suất giống với “đường cong J năng suất” thường thấy trong giai đoạn đầu của một công nghệ phổ quát mới. Trong giai đoạn tìm hiểu, các doanh nghiệp thường tăng chi phí thí nghiệm nhưng chưa thấy lợi ích rõ ràng trong ngắn hạn; chỉ khi các quy trình kinh doanh được thiết kế lại, sự cải thiện hiệu quả mới được thể hiện rõ rệt.
Bài viết lấy ví dụ về nhà máy cải tạo điện lực để minh họa rằng, ban đầu doanh nghiệp chỉ đơn thuần thay thế hệ thống chiếu sáng hoặc nguồn động lực, nhưng sự gia tăng năng suất đáng kể thực sự xảy ra sau khi bố trí nhà máy và từng thiết bị đều được tái cấu trúc xung quanh công nghệ mới. Tương tự với AI, nhiều công ty hiện nay vẫn đang ở giai đoạn thử nghiệm từng phần hoặc tích hợp công cụ, chưa bước vào giai đoạn cải cách quy trình sâu sắc hơn.
Các bình luận cho rằng lý do cốt lõi khiến cuộc đua sử dụng token đang suy giảm là vì nó giải quyết vấn đề “đã sử dụng bao nhiêu” thay vì “đã tạo ra gì”. Đối với doanh nghiệp, giá trị của AI cuối cùng vẫn phải được thể hiện qua việc giao sản phẩm, mô hình kinh doanh và hiệu quả doanh thu, chứ không phải qua bảng xếp hạng gọi mô hình.