Tại sao việc thu phí AI lại khó hơn tưởng tượng? Bài toán token, chi phí và lợi nhuận khiến các “ông lớn” đau đầu

Sự bùng nổ của trí tuệ nhân tạo (AI) trong vài năm trở lại đây đã thay đổi hoàn toàn cách con người làm việc, học tập và sáng tạo nội dung. Chỉ với vài dòng yêu cầu, người dùng có thể nhờ ChatGPT, Gemini hay Claude viết bài, lập trình, lên kế hoạch du lịch hoặc phân tích dữ liệu trong vài giây.

Điều đáng chú ý là phần lớn người dùng vẫn đang được hưởng lợi từ các phiên bản miễn phí của những nền tảng AI hàng đầu. Trong khi đó, phía sau các dịch vụ này là khoản đầu tư lên tới hàng trăm tỷ USD của các tập đoàn công nghệ như Microsoft, Google hay Anthropic nhằm phát triển các Mô hình Ngôn ngữ Lớn (LLM).

Tuy nhiên, bài toán lớn nhất hiện nay không còn là phát triển AI mạnh hơn mà là làm thế nào để thu phí AI một cách hợp lý mà vẫn đảm bảo lợi nhuận và khiến khách hàng chấp nhận trả tiền.

Các công ty AI đang đầu tư khổng lồ nhưng vẫn loay hoay với doanh thu

Việc xây dựng một mô hình ngôn ngữ lớn đòi hỏi chi phí khổng lồ cho hạ tầng máy chủ, GPU, dữ liệu huấn luyện và điện năng.

Đó là lý do các nền tảng AI đều tung ra các gói trả phí như ChatGPT Plus, Claude Pro hay Gemini Advanced nhằm bổ sung các tính năng chuyên sâu phục vụ lập trình, phân tích dữ liệu, tạo nội dung hay tự động hóa công việc.

Song song với đó, hàng nghìn doanh nghiệp khác cũng phát triển các dịch vụ AI Agent – những hệ thống AI được đào tạo để thực hiện các nhiệm vụ chuyên biệt như chăm sóc khách hàng, bảo mật, lập hóa đơn hay quản lý quy trình doanh nghiệp.

Nhưng vấn đề phát sinh là việc định giá các dịch vụ AI này khó hơn rất nhiều so với phần mềm truyền thống.

Simon Gooch, đại diện công ty quản lý danh tính Saviynt, cho rằng việc ký hợp đồng với mức giá cố định trong 1-3 năm gần như không còn phù hợp vì không ai biết chi phí AI sẽ thay đổi ra sao trong tương lai.

Token – yếu tố quyết định chi phí nhưng lại rất khó dự đoán

Toàn bộ hoạt động của các mô hình ngôn ngữ lớn đều xoay quanh token.

Mỗi khi người dùng đặt câu hỏi cho ChatGPT, Claude hoặc Gemini, yêu cầu sẽ được chia thành hàng loạt token để AI xử lý. Sau khi hoàn thành, câu trả lời cũng được tạo thành từ các token trước khi chuyển thành văn bản hiển thị.

Nghe có vẻ đơn giản, nhưng chính token lại là nguyên nhân khiến việc tính chi phí AI trở nên phức tạp.

Chỉ cần thay đổi vài từ trong câu hỏi, số lượng token tiêu thụ đã có thể khác biệt đáng kể. Thậm chí cùng một câu hỏi nhưng ở những thời điểm khác nhau hoặc trên các mô hình khác nhau cũng có thể tạo ra lượng token hoàn toàn khác.

Điều này khiến doanh nghiệp gần như không thể dự báo chính xác chi phí vận hành AI.

AI Agent càng thông minh thì càng “đốt” nhiều token

Nếu trước đây doanh nghiệp chỉ sử dụng một mô hình AI duy nhất thì hiện nay xu hướng đang chuyển sang AI Agent.

Trong mô hình này, nhiều tác nhân AI phối hợp với nhau để phân tích dữ liệu, đưa ra quyết định và tự động thực hiện công việc.

Ưu điểm là năng suất tăng mạnh.

Tuy nhiên, nhược điểm là lượng token tiêu thụ cũng tăng theo cấp số nhân.

Theo phân tích của Goldman Sachs, mặc dù chi phí mỗi token đã giảm mạnh trong những năm gần đây nhưng tổng lượng token tiêu thụ trên toàn cầu lại tăng cực nhanh.

Ngân hàng này dự báo từ năm 2026 đến năm 2030, lượng token được sử dụng mỗi tháng có thể tăng tới 24 lần, đạt khoảng 120 triệu tỷ token/tháng khi doanh nghiệp mở rộng ứng dụng AI trên quy mô lớn.

Doanh nghiệp dễ “vỡ” ngân sách AI

Một trong những vấn đề lớn nhất hiện nay là hầu hết doanh nghiệp không biết mình đã tiêu tốn bao nhiêu token cho đến khi nhận hóa đơn cuối tháng.

Đã xuất hiện nhiều trường hợp các tổ chức phải giới hạn việc sử dụng AI vì chi phí vượt ngoài dự tính.

Theo nhiều nguồn tin trong ngành, Microsoft từng hạn chế một số công cụ lập trình AI của bên thứ ba dành cho kỹ sư nhằm kiểm soát ngân sách. Trong khi đó, Uber được cho là đã tiêu gần hết ngân sách token cho lập trình AI chỉ sau vài tháng đầu năm.

Will Venters, Phó Giáo sư về Đổi mới Kỹ thuật số và Hệ thống Thông tin tại Trường Kinh tế London, nhận định nhiều doanh nghiệp đang gặp khó khăn trong việc quản lý chi phí AI nội bộ.

Theo ông, giá trị mà AI tạo ra rất lớn nhưng kết quả không phải lúc nào cũng có thể dự đoán trước. Điều này khiến việc xây dựng ngân sách dài hạn trở nên vô cùng phức tạp.

Các doanh nghiệp đang tìm cách tiết kiệm chi phí AI

Trước áp lực chi phí ngày càng tăng, nhiều doanh nghiệp bắt đầu tìm giải pháp tối ưu.

Oliver King-Smith, nhà sáng lập smartR AI, cho biết không ít doanh nghiệp nhỏ tận dụng các tài khoản cá nhân có mức phí cố định để giảm chi phí vận hành.

Tuy nhiên, ông cho rằng cách làm này sẽ không kéo dài.

Khi các tập đoàn AI chịu áp lực từ cổ đông về lợi nhuận, họ nhiều khả năng sẽ siết chặt việc sử dụng tài khoản, thay đổi chính sách và kiểm soát chặt hơn việc khai thác tài nguyên.

Bên cạnh đó, các doanh nghiệp cũng được khuyến nghị lựa chọn mô hình AI phù hợp thay vì sử dụng những mô hình mạnh nhất cho mọi tác vụ.

Prompt càng rõ ràng càng tiết kiệm tiền

Một giải pháp khác là tối ưu lời nhắc (Prompt).

Rob Steele, Giám đốc Tài chính của công ty phần mềm kế toán iplicit, cho rằng nhiều doanh nghiệp đang lãng phí token chỉ vì đưa ra yêu cầu quá chung chung.

Theo ông, việc giao nhiệm vụ cho AI cũng giống như nhờ người khác đi mua sắm. Nếu hướng dẫn càng cụ thể thì kết quả càng chính xác, ít phải chỉnh sửa và tiêu tốn ít tài nguyên hơn.

Điều này không chỉ giúp giảm số lượng token mà còn nâng cao hiệu quả làm việc của AI.

Khi AI được triển khai cho hàng nghìn người dùng

Chi phí AI sẽ trở nên phức tạp hơn khi doanh nghiệp tích hợp trực tiếp vào sản phẩm phục vụ hàng nghìn hoặc hàng triệu khách hàng.

Lúc này, ngoài chi phí phát triển phần mềm, doanh nghiệp còn phải tính đến lượng token dành cho:

• Kiểm thử hệ thống.
• Bảo mật.
• Giám sát.
• Kiểm soát chất lượng.
• Hỗ trợ khách hàng.
• Các AI Agent vận hành nền tảng.

Theo Will Venters, chỉ cần thêm một trợ lý AI mới cũng có thể làm chi phí tăng nhanh chỉ sau một cú nhấp chuột.

Dù vậy, ông cũng nhấn mạnh rằng AI vẫn có thể mang lại giá trị lớn hơn nhiều so với chi phí bỏ ra nếu được triển khai đúng cách.

Bài toán định giá AI vẫn chưa có lời giải

Bill Peterson, Giám đốc Tiếp thị Sản phẩm cấp cao của Sumo Logic, cho biết ngay cả các công ty phần mềm lớn cũng vẫn đang tranh luận về cách tính phí dịch vụ AI.

Một số phương án đang được cân nhắc gồm:

• Tăng giá toàn bộ gói dịch vụ.
• Thu phí theo kết quả AI tạo ra.
• Thu phí theo từng tác vụ hoặc từng “gói” sự cố.
• Tính tiền dựa trên lượng token sử dụng.

Tuy nhiên, mọi mô hình định giá đều có thể bị ảnh hưởng nếu các nhà cung cấp LLM thay đổi chiến lược giá chỉ sau vài tháng.

Đó cũng là lý do khách hàng doanh nghiệp gặp khó khăn khi lập ngân sách dài hạn, bởi chi phí AI hiện vẫn biến động khá nhanh.

Triển vọng của thị trường AI

Mặc dù còn nhiều thách thức về chi phí và mô hình kinh doanh, AI vẫn được đánh giá là một trong những lĩnh vực tăng trưởng mạnh nhất trong thập kỷ tới.

Khi công nghệ ngày càng hoàn thiện, các mô hình AI hiệu quả hơn và chi phí tính toán tiếp tục giảm, thị trường nhiều khả năng sẽ dần hình thành những chuẩn định giá mới.

Trong giai đoạn hiện nay, cả nhà cung cấp lẫn khách hàng đều đang trong quá trình thử nghiệm để tìm ra mô hình cân bằng giữa hiệu quả, khả năng mở rộng và lợi nhuận.