AI tự động hóa những công việc mà nhân viên "ghét làm", chứ không phải những công việc "kiếm tiền".
Vài ngày trước, GeekPark đã báo cáo rằng Microsoft, công ty đã đầu tư mạnh vào AI, đã lặng lẽ ngừng cấp phép Claude Code cho phần lớn nhân viên nội bộ.
Việc này rất kỳ lạ, vì trong làn sóng ứng dụng AI lần này, điểm tiếp thị lớn nhất nhắm đến người dùng doanh nghiệp là “tăng hiệu suất”. Nếu có thể tăng hiệu suất, tại sao Microsoft lại dừng việc cho nhân viên sử dụng Claude Code?
Microsoft không phải là công ty duy nhất làm như vậy; "giảm lượng token sử dụng" và ngừng khuyến khích nhân viên code theo cảm hứng bừa bãi đã trở thành xu hướng mới tại các công ty lớn ở Thung lũng Silicon.
Uber đã tiêu hết toàn bộ ngân sách AI token trong một năm chỉ trong bốn tháng. Salesforce hàng năm đưa cho Anthropic các khoản chi phiếu khoảng 300 triệu USD. Một chuyên gia AI tiết lộ, một khách hàng của anh ta chi tới 500 triệu USD cho AI trong một tháng. Meta thậm chí còn lặng lẽ gỡ bỏ bảng xếp hạng “tokenmaxxing” nội bộ — bảng xếp hạng từng được tạo ra để khuyến khích nhân viên sử dụng AI nhiều hơn.
Hiện tại, các doanh nghiệp đang làm một việc mà vài năm trước đây còn không dám nghĩ tới:
Hạn chế và giám sát nhân viên sử dụng AI.
Tại sao các công ty lớn đều chuyển hướng?
「Tokenmaxxing」, bức tranh thu nhỏ của thời đại
Để hiểu về cuộc khủng hoảng chi phí hôm nay, bạn cần hiểu rõ “tokenmaxxing” là gì.
Từ này bắt đầu trở nên phổ biến khoảng năm 2025, nghĩa đen là “tối đa hóa việc sử dụng token”. Đằng sau nó là một logic quản lý – nếu công ty bỏ ra một khoản tiền lớn để mua các công cụ AI, nhân viên nên tận dụng tối đa chúng; càng sử dụng nhiều càng chứng tỏ bạn đang “chuyển đổi số” hiệu quả, còn sử dụng ít thì chính là lãng phí nguồn lực. Vì vậy, nhiều công ty đã thiết lập hạn mức sử dụng, bảng xếp hạng, thậm chí cả đánh giá hiệu suất để thúc đẩy nhân viên tận dụng AI.
What's the result?
Nhân viên bắt đầu sử dụng mô hình AI doanh nghiệp của công ty để tra cứu thời tiết, viết lời chúc sinh nhật và hỏi hôm nay ăn gì.
Một nghiên cứu về 2.444 công ty phát hiện rằng, với mỗi đô la Mỹ doanh nghiệp chi cho AI token, 0,44 đô la được dùng để sửa lỗi do AI tạo ra, 0,27 đô la dùng để viết lại mã do AI sinh ra, và 0,11 đô la tiêu tốn do trễ trong việc xem xét và hợp nhất.
Nói cách khác, đằng sau mỗi đồng chi phí mua AI là gần 80% tổn thất ẩn.
Nhà đầu tư Shruti Gandhi đã đưa ra một ẩn dụ rất chính xác: “Các doanh nghiệp tokenmaxxing giống như những công ty đo lường năng suất bằng cách bật tất cả các bóng đèn – chi nhiều tiền hơn không đồng nghĩa với việc tạo ra nhiều sản phẩm hơn.”
Điều đáng讽刺 hơn là hầu hết các công ty này hoàn toàn không biết nhân viên của họ đang dùng AI để làm gì, càng không biết liệu việc hoàn thành các nhiệm vụ đó có bị thay đổi bởi AI hay không.
Cuộc cạnh tranh “đốt tiền” này kéo dài từ năm 2024 đến năm 2025 và cuối cùng đã bùng nổ mạnh mẽ trong năm nay. JPMorgan đã công bố một báo cáo với ngôn từ nghiêm khắc, tiêu đề trực tiếp khiến người đọc cảm thấy khó chịu—“Chi phí của các token AI đang nuốt chửng lợi nhuận của internet”.
Shopify, Spotify, ServiceNow, Roku đều nhắc đến AI là nguồn áp lực chính đối với chi phí vận hành trong các cuộc gọi báo cáo tài chính. Không khí chung trong ngành đang chuyển từ “AI tuyệt vời đến mức nào” sang “Liệu khoản chi này có đáng giá không?”.
Khi CEO bắt đầu đặt câu hỏi về ROI
Chỉ có 14% các CFO cho biết họ nhìn thấy lợi ích rõ ràng và có thể đo lường được từ đầu tư vào AI.
Andrew Macdonald, Giám đốc điều hành của Uber, đã nói một câu rất thành thật trong một podcast — họ nhận thấy rất khó để liên kết sự gia tăng năng suất cá nhân của nhân viên với tác động kinh doanh tổng thể của công ty. “Nếu bạn không thể thấy AI đã giúp bạn giới thiệu bao nhiêu tính năng có giá trị đến người dùng, thì chi phí token sẽ càng khó biện minh cho chính nó.”
Câu này đã nêu bật cốt lõi của vấn đề AI doanh nghiệp: việc nâng cao hiệu suất cá nhân không đồng nghĩa với việc tăng lợi nhuận công ty.
Nhân viên dùng AI viết báo cáo hàng tuần nhanh gấp ba lần, nhưng doanh thu công ty không thay đổi. Kỹ sư dùng AI tạo mã nguồn nhanh gấp đôi, nhưng tỷ lệ “mất mát” mã nguồn — tức là tỷ lệ bị bỏ hoặc viết lại — tăng 800%.
Sophia Velastegui, cựu giám đốc AI của Microsoft, đã nói một câu khiến nhiều nhà quản lý cảm thấy khó chịu: “Hầu hết mọi người tự động hóa những nhiệm vụ họ không thích, thay vì những nhiệm vụ mang lại giá trị cao nhất cho công ty.”
Nói một cách đơn giản, doanh nghiệp tự động hóa những công việc mà nhân viên “ghét làm”, chứ không phải những công việc “kiếm tiền”.
Đây không phải là vấn đề kỹ thuật, mà là vấn đề ưu tiên. Cũng chính vì lý do này mà khoảng 30% các dự án AI tạo sinh bị bỏ dở ở giai đoạn chứng minh khái niệm — chi phí không rõ ràng, giá trị cũng không rõ ràng, nên sếp tự nhiên không gia hạn ngân sách.
Cách xử lý của CEO Salesforce, Marc Benioff, mang tính đại diện cao. Trước hóa đơn 300 triệu USD mỗi năm cho Anthropic, ông kỳ vọng một “bộ định tuyến thông minh”: có thể xác định những truy vấn nào đáng để sử dụng mô hình hàng đầu, và những truy vấn nào chỉ cần mô hình nhỏ rẻ tiền hơn là đủ.
Ý tưởng này bản thân nó không có gì mới lạ—ngay từ thời đại điện toán đám mây, “trả tiền theo nhu cầu” và “tối ưu hóa tài nguyên” đã là thao tác tiêu chuẩn. Nhưng làn sóng AI đến quá nhanh, mọi người mua trước rồi mới suy nghĩ, giờ mới bắt đầu học bù.
Sự trở về lý tính, hay là tiền奏 của mùa đông?
Gần đây, Microsoft đã hủy bỏ phần lớn giấy phép doanh nghiệp của Claude Code, với lý do chính thức được đưa ra là yếu tố chi phí. Sự việc này đã gây ra nhiều tranh luận trong ngành – bởi lẽ Microsoft chính là nhà đầu tư lớn nhất của OpenAI, đồng thời lại cắt giảm đăng ký của đối thủ cạnh tranh; khó có thể xác định rõ bao nhiêu phần trăm là do cân nhắc chi phí và bao nhiêu phần trăm là do chiến lược dài hạn.
But in any case, it represents a signal: companies are beginning to vote with their feet.
Harness và CloudZero gần như cùng một ngày—ngày 28 tháng 5—đã ra mắt các công cụ quản lý chi phí AI, một công cụ tập trung vào việc giám sát thời gian thực chi phí và ROI của AI, còn công cụ kia giới thiệu “mặt phẳng kiểm soát tài chính AI” để giúp doanh nghiệp liên kết từng đô la chi tiêu AI với các kết quả kinh doanh cụ thể.
Sự ra đời của hai sản phẩm này tự thân đã nói lên vấn đề: thị trường có nhu cầu, và nhu cầu đó rất cấp bách.
Từ tháng 4 năm nay, HubSpot đã điều chỉnh mô hình định giá cho các đại lý AI, ngừng tính phí theo token và chuyển sang tính phí dựa trên "số cuộc hội thoại đã giải quyết" hoặc "số cơ hội bán hàng được tạo ra"—đây là một sự thay đổi mang tính định hướng, giúp align lợi ích của bên bán với kết quả thực tế của bên mua. ServiceNow cũng đang thực hiện các điều chỉnh tương tự. Các nhà cung cấp AI đang nhận ra rằng, nếu họ tiếp tục bán "lượng sử dụng" thay vì bán "kết quả", khách hàng doanh nghiệp cuối cùng sẽ cùng nhau phản kháng.
Cuộc điều chỉnh này là cơn đau tất yếu trong quá trình công nghiệp hóa AI, hay chỉ là màn dạo đầu của một cuộc khủng hoảng lớn hơn?
Tôi có xu hướng cho rằng là trường hợp đầu tiên. Nhưng có một chi tiết khiến hơi lo ngại: chi tiêu toàn cầu cho phần mềm AI dự kiến sẽ đạt 2,59 nghìn tỷ USD vào năm 2026, tăng 47% so với cùng kỳ, nhưng đồng thời, 94% trưởng phòng kỹ thuật cho biết các chỉ số ROI quan trọng vẫn còn thiếu vắng. Tiền ngày càng được chi nhiều hơn, nhưng không ai biết nó đang bị tiêu vào đâu hay có đáng không—sự mâu thuẫn này nếu không được giải quyết, thì “thời điểm tokenmaxxing” tiếp theo chỉ là vấn đề thời gian.
Một bài phân tích của tạp chí Fortune nói rất trực tiếp: “Tokenmaxxing thì dễ, nhưng thiết kế lại quy trình làm việc thì khó.” Hầu hết các công ty hiện nay đang tập trung tối ưu hóa các quy trình hiện có, thay vì tái tạo mô hình kinh doanh. Đây chính là giá trị thực sự của AI, và cũng là điểm mà hầu hết doanh nghiệp chưa đạt tới.
Sự trở về lý tính là điều tốt. Nhưng sau khi trở về lý tính, doanh nghiệp còn cần trả lời một câu hỏi khó hơn: AI nên là một cái búa, hay một khung tư duy mới cho hoạt động kinh doanh của chúng ta?
Nếu bạn chỉ dùng AI để thực hiện công việc cũ nhanh hơn, hóa đơn cuối cùng sẽ buộc bạn quay lại vấn đề này.
Bài viết này đến từ tài khoản chính thức WeChat “GeekPark” (ID: geekpark), tác giả: Hoa Lâm Vũ Vương, biên tập: Cảnh Vũ