Sau khi điên cuồng đốt hàng tỷ USD token, các công ty lớn ở Thung lũng Silicon bắt đầu hạn chế việc sử dụng token của nhân viên

Tiêu đề gốc: "Sau khi điên cuồng đốt hàng tỷ đô la bằng Token, các công ty lớn ở Thung lũng Silicon bắt đầu hạn chế việc sử dụng Token của nhân viên"
Tác giả gốc: Hualin Dance King, Geek Park

Thứ đang được tự động hóa cho doanh nghiệp là "công việc đáng ghét" của nhân viên chứ không phải là "công việc sinh lời".

Vài ngày trước, Geek Park đã đưa tin rằng Microsoft, công ty đã đặt cược rất nhiều vào AI, đã âm thầm ngừng cấp phép Claude Code cho hầu hết nhân viên trong nội bộ.

Điều này rất lạ, vì trong làn sóng triển khai AI này, mục tiêu tiếp thị lớn nhất đối với người dùng doanh nghiệp là "nâng cao hiệu quả". Tại sao Microsoft ngừng cho nhân viên sử dụng Claude Code nếu nó có thể nâng cao hiệu quả?

Microsoft không phải là công ty duy nhất làm điều này. “Thắt chặt số lượng token” và không còn khuyến khích nhân viên phát điên với Vibe Coding đã trở thành xu hướng mới của các công ty lớn ở Thung lũng Silicon.

Uber đã sử dụng toàn bộ ngân sách mã thông báo AI của mình trong bốn tháng. Khoản séc hàng năm của Salesforce dành cho Anthropic là khoảng 300 triệu USD. Một nhà tư vấn AI tiết lộ rằng một trong những khách hàng của ông đã chi tới 500 triệu USD cho AI chỉ trong một tháng. Meta thậm chí còn lặng lẽ ngoại tuyến “danh sách xếp hạng tokenmaxxing” nội bộ của mình—danh sách đó ban đầu nhằm mục đích khuyến khích nhân viên sử dụng AI nhiều hơn.

Giờ đây, các công ty đang làm một việc mà chỉ vài năm trước đây không thể tưởng tượng được:

Hạn chế và giám sát việc sử dụng AI của nhân viên.

Tại sao các nhà sản xuất lớn lần lượt chuyển sang sử dụng nó?

01 "Tokenmaxxing", hình ảnh thu nhỏ của thời đại

Để hiểu cuộc khủng hoảng chi phí ngày nay, trước tiên chúng ta phải hiểu "tokenmaxxing" là gì.

Thuật ngữ này sẽ trở nên phổ biến vào khoảng năm 2025 và có nghĩa đen là "tối đa hóa việc sử dụng mã thông báo". Có một logic quản lý đằng sau nó - Vì công ty chi rất nhiều tiền để mua các công cụ AI nên nhân viên nên hết sức sử dụng chúng. Càng sử dụng chúng, bạn càng được "chuyển đổi kỹ thuật số". Càng sử dụng ít thì thật lãng phí tài nguyên. Do đó, nhiều công ty đã đặt ra hạn mức sử dụng, xếp hạng và thậm chí cả đánh giá hiệu suất để thúc giục nhân viên sử dụng AI.

Kết quả?

Nhân viên bắt đầu sử dụng các mô hình AI cấp doanh nghiệp của công ty để kiểm tra thời tiết, viết lời chúc sinh nhật và hỏi hôm nay ăn gì.

Một nghiên cứu trên 2.444 công ty cho thấy rằng cứ 1 đô la mà các công ty chi cho mã thông báo AI thì $0,44 được chi cho việc sửa các lỗi do AI tạo ra, 0,27 đô la được chi cho việc viết lại mã do AI tạo ra và 0,11 đô la được chi cho việc xem xét và hợp nhất sự chậm trễ.

Nói cách khác, đằng sau mỗi đô la chi phí mua sắm AI, có gần 80% tổn thất tiềm ẩn.

Nhà đầu tư Shruti Gandhi đã sử dụng một phép ẩn dụ rất chính xác: "Các công ty Tokenmaxxing giống như các công ty đo lường năng suất bằng cách bật tất cả đèn - chi nhiều tiền hơn không có nghĩa là sản xuất nhiều hơn".

Hầu hết các công ty này không biết nhân viên của họ đang sử dụng AI gì, chứ chưa nói đến việc liệu việc hoàn thành những nhiệm vụ đó có mang lại bất kỳ thay đổi nào do AI hay không.

“Cuộc đua đốt tiền” này kéo dài từ năm 2024 đến năm 2025 và cuối cùng bùng nổ trong năm nay. JPMorgan đã đưa ra một báo cáo gay gắt với tiêu đề thẳng thừng đến mức khó chịu - "Chi phí mã thông báo AI đang ăn mất lợi nhuận từ Internet".

Shopify, Spotify, ServiceNow và Roku đều đề cập trong báo cáo thu nhập của họ rằng AI đã trở thành nguồn gây áp lực lớn lên chi phí hoạt động. Bầu không khí chung trong ngành bắt đầu chuyển từ "sử dụng AI để kiếm nhiều tiền" sang "liệu số tiền đó có xứng đáng hay không".

02 Khi các CEO bắt đầu đặt câu hỏi về ROI

Chỉ 14% CFO cho biết họ có thể thấy lợi nhuận rõ ràng và có thể đo lường được từ khoản đầu tư vào AI của mình.

Giám đốc điều hành Uber Andrew Macdonald cho biết một tuyên bố rất thẳng thắn trong podcast - họ cảm thấy khó kết nối việc cải thiện năng suất của từng nhân viên với tác động kinh doanh chung của công ty. "Nếu bạn không thể biết AI đã giúp bạn cung cấp bao nhiêu tính năng có giá trị cho người dùng, thì việc biện minh cho chi phí mã thông báo sẽ khó hơn."

Câu này chỉ ra cốt lõi của tình thế tiến thoái lưỡng nan về AI của doanh nghiệp: Hiệu quả cá nhân tăng lên không đồng nghĩa với tăng trưởng doanh thu của công ty.

Nhân viên sử dụng AI để viết báo cáo hàng tuần nhanh hơn ba lần nhưng doanh thu của công ty không thay đổi. Các kỹ sư có thể sử dụng AI để tạo mã nhanh gấp đôi, nhưng "tỷ lệ rời bỏ" mã - tức là tỷ lệ mã bị bỏ qua hoặc được viết lại - đã tăng 800%.

Sophia Velastegui, cựu giám đốc AI của Microsoft, đã nói một điều khiến nhiều nhà quản lý khó chịu: "Hầu hết mọi người mặc định tự động hóa những nhiệm vụ họ không thích, thay vì những nhiệm vụ có giá trị nhất đối với công ty."

Nói một cách thẳng thắn, những gì doanh nghiệp tự động hóa là "công việc đáng ghét" của nhân viên chứ không phải là "công việc tạo ra lợi nhuận".

Đây không phải là vấn đề kỹ thuật mà là vấn đề cần ưu tiên. Đây cũng là lý do tại sao khoảng 30% dự án AI sáng tạo bị bỏ rơi trong giai đoạn chứng minh ý tưởng - chi phí không rõ ràng, giá trị không rõ ràng và ông chủ đương nhiên không gia hạn.

Cách tiếp cận của Giám đốc điều hành Salesforce Marc Benioff mang tính đại diện. Đối mặt với hóa đơn hàng năm trị giá 300 triệu đô la của Anthropic, kỳ vọng của anh ấy là một “bộ định tuyến thông minh”: bộ định tuyến có thể xác định truy vấn nào xứng đáng sử dụng mô hình cấp cao nhất và truy vấn nào xứng đáng sử dụng mô hình nhỏ, giá rẻ.

Bản thân ý tưởng này không có gì mới - ngay từ thời đại điện toán đám mây, "trả tiền theo nhu cầu sử dụng" và "tối ưu hóa tài nguyên" đã là các hoạt động tiêu chuẩn. Nhưng làn sóng AI đang đến quá nhanh. Mọi người đều mua trước và nghĩ sau, và bây giờ mới bắt đầu bù đắp.

03 Sự trở lại của lý trí, hay khúc dạo đầu cho mùa đông?

Microsoft gần đây đã hủy hầu hết giấy phép doanh nghiệp của Claude Code, với lý do chính thức chỉ ra yếu tố chi phí. Sự việc này đã gây ra một cuộc thảo luận khá sôi nổi trong ngành - xét cho cùng, bản thân Microsoft là nhà đầu tư lớn nhất vào OpenAI, đồng thời họ đang cắt giảm đăng ký các sản phẩm cạnh tranh. Khó có thể nói rõ ràng bao nhiêu trong số này là do cân nhắc về chi phí và bao nhiêu là do bố trí chiến lược.

Nhưng trong mọi trường hợp, nó đại diện cho một tín hiệu: Các công ty đang bắt đầu bỏ phiếu bằng đôi chân của mình.

Harness và CloudZero đã phát hành các công cụ quản lý chi phí AI gần như trong cùng một ngày - 28 tháng 5. Một công cụ tập trung vào giám sát chi tiêu AI và ROI theo thời gian thực, còn công ty kia ra mắt "mặt phẳng kiểm soát tài chính AI" để giúp các công ty liên kết từng đô la chi tiêu AI với kết quả kinh doanh cụ thể.

Sự xuất hiện của hai sản phẩm này đã nói lên điều đó: thị trường có nhu cầu và nhu cầu là cấp thiết.

HubSpot bắt đầu điều chỉnh mô hình định giá của các đại lý AI vào tháng 4 năm nay. Không còn tính phí bằng mã thông báo mà tính phí theo "số cuộc trò chuyện đã giải quyết" hoặc "số lượng khách hàng tiềm năng được tạo" - Đây là sự thay đổi mang tính định hướng nhằm điều chỉnh lợi ích của người bán với sản lượng thực tế của người mua. ServiceNow đang thực hiện các điều chỉnh tương tự. Các nhà cung cấp AI đang nhận ra rằng nếu họ tiếp tục bán "cách sử dụng" thay vì "kết quả", sớm hay muộn khách hàng doanh nghiệp cũng sẽ hồi phục.

Sự điều chỉnh này có phải là nỗi đau mà quá trình công nghiệp hóa AI phải trải qua hay là khúc dạo đầu cho một cuộc khủng hoảng lớn hơn?

Tôi có xu hướng nghĩ đó là cái trước. Nhưng có một chi tiết hơi đáng lo ngại: Chi tiêu cho phần mềm AI toàn cầu dự kiến ​​sẽ đạt 2,59 nghìn tỷ USD vào năm 2026, tăng 47% so với năm trước, nhưng đồng thời, 94% lãnh đạo kỹ thuật cho biết các số liệu ROI chính vẫn còn thiếu. Số tiền bỏ ra ngày càng nhiều nhưng không ai biết đốt ở đâu và có xứng đáng hay không. Nếu mâu thuẫn này không được giải quyết thì “khoảnh khắc tokenmaxxing” tiếp theo chỉ còn là vấn đề thời gian.

Một phân tích của tạp chí Fortune đã đưa ra quan điểm rất thẳng thắn: "Tokenmaxxing thì dễ nhưng thiết kế lại quy trình làm việc thì khó." Điều mà hầu hết các công ty đang làm hiện nay là tối ưu hóa các quy trình hiện có thay vì đổi mới mô hình kinh doanh. Đây chính là giá trị thực sự của AI và là nơi mà hầu hết các doanh nghiệp vẫn chưa chạm tới.

Trở về lý trí là điều tốt. Nhưng sau khi tính hợp lý trở lại, các công ty vẫn cần trả lời một câu hỏi khó hơn: AI có nên trở thành một cái búa đối với hoạt động kinh doanh của chúng ta hay một khuôn khổ tư duy mới?

Nếu bạn chỉ sử dụng AI để thực hiện các công việc cũ nhanh hơn, một ngày nào đó các hóa đơn sẽ buộc bạn quay lại vấn đề này.

Liên kết gốc