Các doanh nghiệp cần làm gì khi thời 'đốt tiền cho AI' đã đến hồi kết?

Trong giai đoạn bùng nổ của trí tuệ nhân tạo từ năm 2023 đến 2025, vô số doanh nghiệp trên toàn cầu đã coi việc tích hợp và triển khai AI là một nhiệm vụ mang tính bắt buộc để sinh tồn. Mọi nguồn lực đều được ưu tiên mở đường cho công nghệ mới này.

Uber và Microsoft: Khi hóa đơn đốt tiền cho AI trở thành gánh nặng của ban lãnh đạo

Tuy nhiên, năm 2026 đang cho thấy một thực tế hoàn toàn khác biệt và có phần khắc nghiệt hơn. Theo Yahoo Finance và TechCrunch đưa tin vào tháng 6/2026, tập đoàn công nghệ Uber đã sử dụng cạn kiệt toàn bộ ngân sách AI dự kiến dành cho cả năm chỉ trong vòng bốn tháng đầu năm. Sự thâm hụt ngân sách với tốc độ chóng mặt này đã buộc ban lãnh đạo công ti ngay lập tức phải áp dụng cơ chế kiểm soát chi tiêu khắt khe đối với các công cụ AI chuyên dụng dành cho giới lập trình viên, điển hình như Claude Code hay Cursor.

Cụ thể, theo thông tin từ TechCrunch, Uber đã ra quyết định giới hạn mức sử dụng ở khoảng 1.500 USD mỗi tháng cho mỗi nhân viên có nhu cầu sử dụng các công cụ AI chuyên sâu. Những trường hợp cá biệt muốn sử dụng vượt quá hạn mức này bắt buộc phải đệ trình và được cấp quản lí trực tiếp phê duyệt với những lí do chính đáng. Điều đáng chú ý ở đây là Uber không hề cắt giảm ngân sách AI vì công nghệ này thất bại hay kém hiệu quả. Trái lại, nguyên nhân cốt lõi là do AI đang được sử dụng quá nhiều, vượt xa các dự tính ban đầu.

Các lãnh đạo cấp cao của Uber tiết lộ rằng có khoảng 95% kĩ sư của công ti đang sử dụng AI hằng tháng và khoảng 70% lượng mã nguồn mới được viết ra đều có sự hỗ trợ đắc lực của AI. Tuy nhiên, bất chấp những con số ấn tượng về mức độ ứng dụng, công ti bắt đầu vấp phải khó khăn lớn trong việc chứng minh mối liên hệ trực tiếp giữa lượng "token" (đơn vị xử lí dữ liệu của AI) tiêu thụ khổng lồ và giá trị kinh doanh thực tế được tạo ra.

Trong một cuộc phỏng vấn được Yahoo Finance tường thuật, Giám đốc vận hành Uber, ông Andrew Macdonald, đã thẳng thắn thừa nhận rằng việc đo lường hiệu quả đầu tư (ROI) của các dự án AI ở thời điểm hiện tại vẫn là một thách thức cực kì lớn đối với hệ thống tài chính của công ti.

Không riêng gì Uber, ngay cả Microsoft vốn là Big Tech dẫn dắt cuộc chơi AI cũng đang phát đi những tín hiệu tương tự. Theo nguồn tin từ Windows Central, Microsoft gần đây đã ban hành các chính sách hạn chế nhân viên việc sử dụng một số công cụ AI từ các nhà cung cấp bên ngoài. Đồng thời, hãng tích cực khuyến khích và điều hướng nhân viên chuyển sang sử dụng GitHub Copilot hoặc các giải pháp nội bộ do chính hãng phát triển để tối ưu hóa chi phí.

Tổng giám đốc Microsoft, ông Satya Nadella, thậm chí còn nhắc tới sự xuất hiện của hiện tượng "tokenmaxxing", một thuật ngữ mới được sử dụng để chỉ việc người dùng lạm dụng và tiêu thụ năng lực AI quá mức cần thiết, đơn giản chỉ vì các công cụ này quá tiện lợi và dễ tiếp cận.

Những động thái từ Uber và Microsoft cho thấy một bài toán hoàn toàn mới đang hình thành trong kỉ nguyên số: AI không còn là một khoản chi phí phần mềm cố định và dễ dự báo như việc mua giấy phép Microsoft Office hay Salesforce trước đây. Với mô hình AI tạo sinh, các doanh nghiệp phải trả tiền theo mức độ sử dụng thực tế (pay-as-you-go).

Càng có nhiều truy vấn được gửi đi, càng nhiều token được xử lí, càng nhiều tác vụ được tự động hóa thì tờ hóa đơn cuối tháng lại càng phình to. Khác biệt hoàn toàn với các phần mềm truyền thống, chi phí vận hành AI có thể tăng theo cấp số nhân, tạo ra một lỗ hổng tài chính khổng lồ nếu doanh nghiệp không thiết lập ngay từ đầu các cơ chế kiểm soát và giám sát chặt chẽ.

Cuộc khủng hoảng ROI: AI tạo ra giá trị nhưng chưa chắc mang lại lợi nhuận

Những gì đang diễn ra tại tổng hành dinh của Uber hay Microsoft đang phản ánh một xu hướng lớn hơn, bao trùm lên toàn bộ ngành công nghiệp công nghệ toàn cầu. Theo báo cáo mang tên "AI Spending Survey" do mạng lưới kiểm toán KPMG công bố năm 2026, một thực trạng đáng lo ngại đã được chỉ ra: chỉ có khoảng 26% doanh nghiệp tham gia khảo sát cho biết họ có đủ khả năng và công cụ để đo lường tương đối chính xác tổng chi phí đầu tư cho AI. Phần lớn các doanh nghiệp còn lại vẫn đang "dò đá qua sông", chưa xây dựng được một hệ thống tiêu chuẩn để đánh giá hiệu quả đầu tư cho các dự án trí tuệ nhân tạo của mình.

Trong khi việc quản lí chi phí ở đầu ra còn nhiều lỏng lẻo, chi phí để phát triển và duy trì các mô hình AI nền tảng ở đầu vào lại ngày càng trở nên khổng lồ và đắt đỏ. Theo báo cáo thường niên của Stanford Institute for Human-Centered Artificial Intelligence (HAI) năm 2026, chi phí huấn luyện các mô hình ngôn ngữ lớn hàng đầu thế giới đã trải qua một đợt tăng phi mã. Nếu như cách đây vài năm, chi phí này chỉ dừng lại ở mức vài triệu USD, thì nay đã nhảy vọt lên con số hàng trăm triệu USD. Thậm chí, có những mô hình AI thế hệ mới được ước tính tiêu tốn cả tỉ USD nếu gộp toàn bộ các khoản đầu tư cho hạ tầng tính toán, quá trình thu thập xử lí dữ liệu và hệ thống vận hành.

Chính vì mức độ thâm dụng vốn quá lớn này, giới đầu tư tài chính và các quỹ đầu tư mạo hiểm đang bắt đầu đặt ra những câu hỏi khó nhằn hơn đối với các công ti phát triển AI. Nếu như giai đoạn 2023-2025 là thời kì dòng tiền dễ dãi đổ vào để đổi lấy tốc độ tăng trưởng người dùng và sự hiện diện trên thị trường, thì từ năm 2026 trở đi, sự chú ý của thị trường đã đảo chiều, chuyển hướng sang việc soi xét khả năng sinh lời thực tế. Đây cũng chính là lí do khiến các đợt chào bán cổ phiếu lần đầu ra công chúng (IPO) của OpenAI, Anthropic hay những công ti AI hàng đầu khác đang được theo dõi với một thái độ vô cùng sát sao và cẩn trọng.

Ông Aravind Srinivas, CEO của công ti khởi nghiệp Perplexity, mới đây đã đưa ra một nhận định sâu sắc trên đài CNBC. Ông cho rằng các đợt IPO sắp tới của OpenAI và Anthropic sẽ không chỉ là sự kiện của riêng hai công ti này, mà chúng sẽ trở thành bài kiểm tra mang tính quyết định đối với niềm tin của giới đầu tư vào toàn bộ nền kinh tế AI. Theo phân tích của Srinivas, mức định giá khổng lồ của các công ti AI hiện nay chỉ có thể được duy trì một cách hợp lí nếu tốc độ đổi mới công nghệ tiếp tục tăng trưởng mạnh mẽ.

Nếu năng lực của các mô hình không còn ghi nhận sự cải thiện đáng kể nào trong nhiều tháng liên tiếp, áp lực bán tháo và sự điều chỉnh từ thị trường tài chính sẽ xuất hiện một cách rất nhanh chóng và tàn nhẫn. Nói một cách đơn giản, các dự án AI giờ đây không còn được cấp đặc quyền "đốt tiền vô thời hạn". Thay vào đó, các doanh nghiệp sẽ phải nỗ lực chứng minh với các cổ đông rằng mỗi USD mà họ đầu tư vào AI thực sự mang lại một năng suất lao động cụ thể, tạo ra nguồn doanh thu mới hoặc củng cố một lợi thế cạnh tranh rõ rệt trên thương trường.

Doanh nghiệp Việt Nam nên xây AI hay mua AI?

Những bài học từ Uber hay Microsoft đặc biệt đáng suy ngẫm đối với doanh nghiệp Việt Nam. Trong vài năm qua, nhiều doanh nghiệp trong nước đã bắt đầu nói đến việc xây dựng mô hình AI riêng, phát triển chatbot riêng hoặc thậm chí huấn luyện mô hình ngôn ngữ lớn bằng tiếng Việt.

Tuy nhiên, câu hỏi quan trọng không phải là có thể làm được hay không, mà là có nên làm hay không. Thực tế cho thấy ngay cả những tập đoàn sở hữu nguồn lực tài chính mạnh nhất thế giới cũng đang phải kiểm soát chặt chi phí AI.

Theo báo cáo tài chính gần nhất, Microsoft, Google, Amazon và Meta đều đang chi hàng chục tỉ USD mỗi năm cho trung tâm dữ liệu AI và hạ tầng tính toán. Đó là quy mô đầu tư vượt xa khả năng của hầu hết doanh nghiệp Việt Nam.

Với phần lớn doanh nghiệp vừa và nhỏ, giải pháp hợp lí hơn là mua hoặc thuê AI thay vì tự xây dựng từ đầu. Các dịch vụ như ChatGPT, Claude, Gemini hay các mô hình mã nguồn mở đã được huấn luyện sẵn có thể đáp ứng phần lớn nhu cầu về chăm sóc khách hàng, xử lí tài liệu, hỗ trợ lập trình hay tự động hóa văn phòng. Chi phí triển khai thấp hơn rất nhiều so với việc tự phát triển một mô hình riêng.

Ngược lại, việc xây dựng AI nội bộ chỉ thực sự phù hợp với những tổ chức sở hữu dữ liệu độc quyền, yêu cầu bảo mật cao hoặc có quy mô người dùng đủ lớn để tạo lợi thế cạnh tranh. Ngân hàng, bảo hiểm, viễn thông hoặc cơ quan nhà nước là những ví dụ điển hình.

Ngay cả trong trường hợp này, xu hướng phổ biến hiện nay cũng không phải xây dựng "ChatGPT phiên bản Việt Nam" mà là tinh chỉnh các mô hình mã nguồn mở kết hợp với dữ liệu chuyên ngành. Cách tiếp cận này giúp giảm đáng kể chi phí trong khi vẫn tạo ra các hệ thống AI phù hợp với nhu cầu thực tế.

Bài học lớn nhất từ Uber và Microsoft có lẽ nằm ở sự thay đổi trong tư duy. Nếu trước đây doanh nghiệp hỏi "đã có AI chưa?" thì giờ đây câu hỏi quan trọng hơn là "AI giúp tiết kiệm được bao nhiêu chi phí hoặc tạo thêm bao nhiêu doanh thu?".