Trí tuệ nhân tạo tạo sinh đang làm thay đổi một trong những giả định kinh tế quan trọng nhất của ngành phần mềm. Trong mô hình phần mềm truyền thống, doanh nghiệp thường phải bỏ ra khoản đầu tư lớn để phát triển sản phẩm, nhưng khi sản phẩm hoàn thiện, chi phí phục vụ thêm một khách hàng thường tương đối thấp.
Với AI tạo sinh, bài toán hoàn toàn khác. Mỗi câu hỏi được gửi tới mô hình, mỗi câu trả lời được tạo ra và mỗi nhiệm vụ do tác nhân AI thực hiện đều cần đến tài nguyên tính toán. Nói cách khác, khách hàng sử dụng càng nhiều thì doanh nghiệp càng phải tiêu tốn nhiều tài nguyên để phục vụ.
Điều này tạo ra một vấn đề ngày càng đáng chú ý: không phải mọi lượt sử dụng AI đều tạo ra doanh thu tương ứng.
Đằng sau những con số tăng trưởng về người dùng và lượt đăng ký, các công ty AI đang phải cảnh giác với những người lợi dụng chương trình dùng thử, tạo nhiều tài khoản và tiêu thụ token miễn phí. Nếu không được phát hiện sớm, hành vi này có thể âm thầm làm tăng chi phí phục vụ khách hàng và bào mòn lợi nhuận theo từng lượt sử dụng.
Kinh tế AI khác với phần mềm truyền thống
Đầu năm nay, Patrick Collison, đồng sáng lập Stripe, từng lập luận rằng trong kỷ nguyên AI, “phần mềm nên giống như bánh pizza”, tức được tạo ra theo nhu cầu ngay tại thời điểm người dùng cần.
Ý tưởng này phản ánh khả năng đặc biệt của AI tạo sinh: thay vì chỉ cung cấp một sản phẩm cố định, phần mềm có thể tạo ra nội dung, mã nguồn, phân tích hoặc hành động mới cho từng yêu cầu cụ thể.
Tuy nhiên, mô hình “phần mềm theo yêu cầu” cũng có một cái giá.
Trong nền kinh tế internet truyền thống, phần lớn mô hình kinh doanh được xây dựng dựa trên ý định của con người. Người dùng tìm kiếm, nhấp chuột, đăng ký, mua hàng và thanh toán. Doanh nghiệp sau đó tối ưu hóa quy trình thu hút khách hàng, chuyển đổi họ thành người dùng trả tiền và phục vụ với chi phí biên tương đối thấp.
AI tác nhân đang thay đổi cấu trúc này.
Một tác nhân AI có thể tự nghiên cứu, viết mã, gọi API, thực hiện nhiều bước công việc và thậm chí hỗ trợ thanh toán thay mặt cho con người hoặc doanh nghiệp. Khi số lượng tác vụ tự động tăng lên, lượng tài nguyên tính toán tiêu thụ cũng có thể tăng rất nhanh.
Vì vậy, doanh nghiệp không chỉ phải quan tâm đến việc làm thế nào để giảm giá thành tính toán. Họ còn phải trả lời một câu hỏi quan trọng hơn: ai đang sử dụng tài nguyên và việc sử dụng đó có tạo ra doanh thu tương ứng hay không?
“Kẻ đốt token” có thể trở thành rủi ro kinh tế mới
Chi phí điện toán AI đang là chủ đề được theo dõi sát sao. Các công ty phải đầu tư vào GPU, trung tâm dữ liệu, điện năng, hạ tầng mạng và các hệ thống phục vụ mô hình.
Nhưng có một rủi ro ít được chú ý hơn: lạm dụng dịch vụ.
Các chương trình dùng thử miễn phí vốn được thiết kế để thu hút khách hàng mới có thể trở thành mục tiêu của những người cố tình khai thác hệ thống. Một cá nhân hoặc nhóm người có thể tạo hàng loạt tài khoản, liên tục sử dụng phần miễn phí và tiêu thụ token mà không có ý định chuyển sang gói trả phí.
Đối với doanh nghiệp AI, mỗi lượt sử dụng như vậy không hoàn toàn miễn phí.
Mỗi token được xử lý đều có thể kéo theo chi phí vận hành thực tế. Nếu người sử dụng không tạo ra doanh thu, phần chi phí này cuối cùng sẽ trở thành khoản mà doanh nghiệp phải tự gánh.
Đây là lý do bài toán “tăng trưởng người dùng” trong AI không thể chỉ được đánh giá bằng số lượng tài khoản đăng ký.
Một triệu tài khoản mới không nhất thiết có giá trị kinh tế giống nhau. Một người dùng trả phí với mức sử dụng ổn định và một nhóm tài khoản liên tục khai thác token miễn phí có thể tạo ra hai hồ sơ kinh tế hoàn toàn khác nhau.
Token trở thành một đơn vị kinh tế quan trọng
Trong kỷ nguyên AI, khái niệm người dùng không còn đủ để mô tả chính xác chi phí phục vụ.
Hai khách hàng cùng đăng ký một gói dịch vụ có thể tạo ra khối lượng công việc khác nhau rất lớn. Một người chỉ gửi vài yêu cầu mỗi ngày, trong khi người khác có thể sử dụng AI liên tục để viết mã, phân tích dữ liệu hoặc chạy các tác vụ tự động.
Token vì thế trở thành một đơn vị quan trọng để doanh nghiệp theo dõi mức tiêu thụ.
Điều này cũng giải thích tại sao ngày càng nhiều công ty AI hướng tới mô hình định giá dựa trên mức sử dụng hoặc mô hình kết hợp giữa thuê bao và thanh toán theo mức tiêu thụ.
Mô hình này giúp doanh nghiệp có khả năng liên kết doanh thu với chi phí tốt hơn. Khi khách hàng vượt qua lượng sử dụng miễn phí, hệ thống có thể bắt đầu tính phí dựa trên lượng tài nguyên thực tế được sử dụng.
Lovable và sự chuyển dịch sang tính phí theo mức sử dụng
Lovable là một ví dụ được đề cập trong bài toán này.
Nền tảng tạo phần mềm bằng AI này ban đầu cung cấp dịch vụ dựa nhiều vào mô hình đăng ký theo gói. Tuy nhiên, khi khối lượng công việc AI trở thành yếu tố quan trọng trong chi phí vận hành, mô hình tính phí dựa trên mức sử dụng trở nên phù hợp hơn.
Khi khách hàng vượt quá lượng sử dụng miễn phí trong gói, chi phí có thể được tính dựa trên số token AI tiêu thụ.
Cách tiếp cận này giúp người dùng có thể tiếp cận dịch vụ ban đầu với chi phí thấp, trong khi doanh nghiệp có cơ chế thu hồi một phần chi phí khi mức sử dụng tăng lên.
Nhưng chính mô hình đó cũng tạo ra một lỗ hổng mới: đánh cắp token thông qua nhiều tài khoản.
Một người dùng thông thường có thể tạo một tài khoản để trải nghiệm sản phẩm. Một người cố tình lạm dụng có thể tạo hàng chục hoặc hàng trăm tài khoản khác nhau để liên tục nhận phần tài nguyên miễn phí.
Về mặt kinh tế, hành vi này khác biệt rất lớn.
Người dùng bình thường đang thử nghiệm sản phẩm với kỳ vọng có thể trở thành khách hàng. Trong khi đó, người lạm dụng đang tìm cách tối đa hóa lượng tài nguyên nhận được mà không phải trả tiền.
Hơn một phần sáu lượt đăng ký có liên quan đến lạm dụng nhiều tài khoản
Theo nghiên cứu được Stripe đề cập, hơn một phần sáu số lượt đăng ký tại các công ty AI có liên quan đến hành vi lạm dụng nhiều tài khoản.
Con số này cho thấy vấn đề không chỉ nằm ở một vài trường hợp cá biệt.
Khi AI ngày càng được cung cấp theo mô hình dùng thử và tính phí dựa trên mức sử dụng, động cơ khai thác các chương trình miễn phí cũng có thể tăng lên.
Điểm đáng chú ý là thiệt hại thường xuất hiện trước khi doanh nghiệp kịp nhìn thấy một giao dịch gian lận rõ ràng.
Một tài khoản có thể đăng ký thành công. Hệ thống có thể cấp token miễn phí. Người dùng bắt đầu sử dụng tài nguyên. Nhưng đến thời điểm thanh toán, doanh nghiệp mới phát hiện tài khoản không có khả năng hoặc không có ý định trả tiền.
Khi đó, phần chi phí tính toán đã phát sinh.
Nói cách khác, với dịch vụ AI, phát hiện gian lận sau thanh toán có thể là quá muộn.
Phòng chống lạm dụng phải bắt đầu ngay từ lúc đăng ký
Các công ty AI vì vậy cần chuyển trọng tâm từ việc chỉ phát hiện giao dịch thanh toán bất thường sang nhận diện rủi ro ngay từ thời điểm người dùng đăng ký.
Mục tiêu là xác định liệu một tài khoản mới có dấu hiệu liên quan đến các tài khoản khác, có hành vi bất thường hoặc có khả năng đang khai thác chương trình dùng thử hay không.
Stripe cho biết giải pháp Stripe Radar, hệ thống phòng chống gian lận sử dụng AI, đã ngăn chặn 1,3 tỷ USD gian lận tại Singapore trong năm trước.
Dù vậy, bài toán chống lạm dụng AI không chỉ đơn giản là xây dựng một hệ thống “chặn hoặc cho phép”.
Doanh nghiệp phải phân biệt giữa các nhóm người dùng khác nhau.
Một khách hàng trả phí lâu năm bất ngờ sử dụng lượng tài nguyên cao có thể là một khách hàng đang mở rộng hoạt động kinh doanh. Trong khi đó, một người liên tục tạo tài khoản mới để nhận token miễn phí có thể là một trường hợp hoàn toàn khác.
Nếu áp dụng cùng một biện pháp cho cả hai, doanh nghiệp có nguy cơ chặn nhầm khách hàng tốt hoặc tạo thêm ma sát không cần thiết trong quá trình sử dụng sản phẩm.
Bảo vệ lợi nhuận không chỉ là giảm chi phí GPU
Trong cuộc đua AI, nhiều doanh nghiệp đang tập trung vào việc làm cho mô hình nhỏ hơn, nhanh hơn và rẻ hơn.
Đây vẫn là yếu tố quan trọng.
Tuy nhiên, hiệu quả kinh tế của AI không chỉ phụ thuộc vào chi phí tạo ra một token. Nó còn phụ thuộc vào việc token đó được sử dụng bởi ai, để làm gì và doanh nghiệp có thu được doanh thu tương ứng hay không.
Nếu một công ty giảm được 20% chi phí tính toán nhưng để lượng sử dụng miễn phí bị lạm dụng tăng mạnh, lợi nhuận vẫn có thể chịu áp lực.
Ngược lại, một hệ thống phát hiện lạm dụng tốt có thể giúp doanh nghiệp kiểm soát chi phí mà không nhất thiết phải giảm quyền sử dụng của khách hàng hợp pháp.
Đây là sự thay đổi quan trọng trong cách nhìn về đơn vị kinh tế của phần mềm.
AI tác nhân khiến bài toán trở nên cấp thiết hơn
Tại châu Á, AI đang chuyển từ giai đoạn thử nghiệm sang ứng dụng thực tế.
Theo khảo sát của Stripe năm 2025 được đề cập trong nguồn, 82% lãnh đạo doanh nghiệp đã triển khai hoặc lên kế hoạch triển khai AI tác nhân. Một nửa số người được khảo sát kỳ vọng tỷ lệ doanh thu đến từ các kênh do AI điều khiển sẽ tăng lên vào năm 2030.
Bain cũng cho biết 85% người tiêu dùng Đông Nam Á đã sử dụng hoặc đang cân nhắc sử dụng các công cụ AI để hỗ trợ quyết định mua sắm.
Những con số này cho thấy AI đang ngày càng đi sâu vào các hoạt động thương mại.
Khi AI chỉ được sử dụng để trả lời một vài câu hỏi, lượng tiêu thụ có thể tương đối dễ kiểm soát. Nhưng khi tác nhân AI bắt đầu tự động thực hiện nhiều nhiệm vụ liên tiếp, khối lượng tiêu thụ có thể tăng nhanh hơn rất nhiều.
Một tác nhân có thể thực hiện hàng chục bước để hoàn thành một công việc mà trước đây cần một người thực hiện thủ công.
Điều này mở ra cơ hội lớn về năng suất, nhưng đồng thời cũng khiến doanh nghiệp phải theo dõi chặt chẽ chi phí phát sinh theo từng tác vụ.
Doanh nghiệp AI cần một mô hình lợi nhuận mới
Bài toán kinh tế của AI đang buộc ngành phần mềm phải xem xét lại cách đo lường tăng trưởng.
Trong mô hình truyền thống, số lượng người dùng và doanh thu thuê bao thường là những chỉ số quan trọng. Với AI, doanh nghiệp cần bổ sung thêm các chỉ số về mức sử dụng, token, chi phí tính toán trên mỗi khách hàng và tỷ lệ chuyển đổi từ sử dụng miễn phí sang trả phí.
Một câu hỏi ngày càng quan trọng là:
Một khách hàng mới đang tạo ra bao nhiêu doanh thu và tiêu tốn bao nhiêu tài nguyên?
Nếu câu trả lời là chi phí tăng nhanh hơn doanh thu, tăng trưởng người dùng có thể không đồng nghĩa với cải thiện hiệu quả kinh doanh.
Đây cũng là lý do các mô hình định giá kết hợp giữa thuê bao và sử dụng có thể trở nên phổ biến hơn. Doanh nghiệp có thể duy trì mức giá vào cửa đủ thấp để thu hút khách hàng, đồng thời có khả năng thu hồi chi phí khi mức sử dụng tăng cao.
AI đang biến token thành một loại “đơn vị thương mại” mới
Trong nền kinh tế AI, token không đơn thuần là một đơn vị kỹ thuật.
Nó ngày càng trở thành một thước đo kinh tế.
Mỗi token đại diện cho một phần tài nguyên tính toán mà doanh nghiệp phải cung cấp. Khi khách hàng sử dụng token để tạo ra giá trị và trả tiền tương ứng, đó là một phần của mô hình kinh doanh.
Nhưng khi token bị tiêu thụ bởi tài khoản giả, tài khoản dùng thử lặp lại hoặc các hành vi lạm dụng, doanh nghiệp có thể phải trả chi phí mà không nhận lại doanh thu.
Vì vậy, cuộc cạnh tranh trong ngành AI không chỉ là cuộc đua xây dựng mô hình thông minh hơn.
Đó còn là cuộc đua xây dựng một hệ thống kinh tế đủ chặt chẽ để đảm bảo tài nguyên tính toán được chuyển hóa thành giá trị thương mại.
AI đang làm thay đổi căn bản kinh tế của ngành phần mềm.
Nếu phần mềm truyền thống có thể phục vụ thêm một khách hàng với chi phí biên tương đối thấp, AI tạo sinh lại phát sinh chi phí theo từng yêu cầu, từng tác vụ và từng token. Điều đó khiến việc tăng trưởng người dùng không còn là câu chuyện đơn giản về số lượng đăng ký.
Các công ty AI phải quan tâm đến chất lượng của từng lượt đăng ký, mức tiêu thụ tài nguyên và khả năng chuyển đổi việc sử dụng thành doanh thu.
Trong bối cảnh AI tác nhân ngày càng phổ biến, những người cố tình tạo nhiều tài khoản để khai thác token miễn phí có thể trở thành một trong những rủi ro kinh tế đáng chú ý đối với các nền tảng AI.
Cuối cùng, bài toán không chỉ là làm cho AI rẻ hơn.
Đó là đảm bảo mỗi đơn vị tài nguyên tính toán được sử dụng đúng mục đích và tạo ra giá trị đủ lớn để bù đắp chi phí. Khi đó, token không còn chỉ là đơn vị kỹ thuật của mô hình AI mà trở thành một phần quan trọng trong bài toán lợi nhuận của toàn bộ ngành.
Nguồn tham khảo: Nội dung được biên tập và phát triển từ tài liệu cung cấp, trong đó có các thông tin được dẫn từ Stripe và Bain. Các số liệu về tỷ lệ đăng ký liên quan đến lạm dụng nhiều tài khoản, ứng dụng AI tác nhân và hành vi người tiêu dùng được giữ theo nguồn gốc và cần được hiểu trong phạm vi khảo sát/phương pháp của từng tổ chức.
Câu hỏi về lợi nhuận của các công ty AI
Vì sao token lại quan trọng đối với các công ty AI?
Token phản ánh một phần mức độ sử dụng mô hình AI. Khi người dùng gửi nhiều yêu cầu hoặc thực hiện các tác vụ phức tạp, lượng token và tài nguyên tính toán có thể tăng lên, kéo theo chi phí vận hành cao hơn.
“Đánh cắp token” là gì?
Trong bối cảnh bài viết, “đánh cắp token” mô tả hành vi lợi dụng các chương trình dùng thử hoặc hạn mức miễn phí bằng cách tạo nhiều tài khoản để tiêu thụ tài nguyên AI mà không có ý định trả phí.
Tại sao doanh nghiệp không chờ đến khi thanh toán thất bại mới phát hiện gian lận?
Vì chi phí tính toán đã phát sinh trước thời điểm thanh toán. Nếu người dùng đã tiêu thụ lượng lớn token miễn phí rồi biến mất, doanh nghiệp có thể không thu hồi được khoản chi phí đó.
Định giá AI theo mức sử dụng có phải là giải pháp duy nhất?
Không. Doanh nghiệp có thể sử dụng mô hình thuê bao, tính phí theo mức sử dụng hoặc kết hợp cả hai. Mục tiêu là tạo sự cân bằng giữa khả năng tiếp cận của khách hàng và khả năng thu hồi chi phí của doanh nghiệp.
AI tác nhân có làm tăng nguy cơ lạm dụng không?
AI tác nhân có khả năng thực hiện nhiều nhiệm vụ tự động, vì vậy khối lượng sử dụng có thể tăng nhanh. Điều này không đồng nghĩa mọi tác nhân đều gây lạm dụng, nhưng nó khiến việc kiểm soát mức tiêu thụ và xác định hành vi bất thường trở nên quan trọng hơn.
