Mối quan hệ giữa AI và Kinh Tế không phải là một phép màu tự động hóa lợi nhuận. Đối với các doanh nghiệp có biên lợi nhuận mỏng, việc áp dụng công nghệ này đang đặt ra những bài toán hóc búa về chi phí.
Dữ liệu từ các tập đoàn toàn cầu cho thấy trí tuệ nhân tạo không hề thay thế lao động, mà ngược lại thêm vào một lớp chi phí biến động lớn. Bài viết này sẽ phân tích sâu về kinh tế học thực tế và cách tiếp cận bền vững.
Thực trạng triển khai tại các tập đoàn đa quốc gia
Để hiểu rõ tác động của AI và Kinh Tế, chúng ta cần nhìn vào các tập đoàn Fortune 500. Đây là những doanh nghiệp toàn cầu với hơn 75.000 nhân viên, hoạt động trong các ngành truyền thống và phụ thuộc nhiều vào công nghệ.
Điểm chung của họ là biên lợi nhuận cực kỳ mỏng. Việc kiểm soát chi phí được đặt lên hàng đầu. Họ không phải là những gã khổng lồ công nghệ có ngân sách vô hạn để thử nghiệm, mà là những tổ chức phải tính toán từng đồng.
Tại các công ty này, bộ phận IT rất lớn và đang tích cực áp dụng AI. Tuy nhiên, thực tế lại cho thấy một xu hướng đáng ngạc nhiên: các doanh nghiệp nhạy bén về chi phí đang bắt đầu thu hẹp quy mô triển khai.
Nhân viên IT thường được cấp Copilot do thỏa thuận doanh nghiệp với Microsoft. Công cụ này chỉ ở mức chấp nhận được cho các đoạn mã cơ bản. Trong khi đó, các kỹ sư lại muốn sử dụng những mô hình và tác nhân mạnh mẽ hơn.
Tuy nhiên, ban lãnh đạo đã nói không với các mô hình đắt đỏ vì chi phí token. Việc triển khai agent bị hoài nghi vì không chứng minh được khả năng cắt giảm chi phí rõ ràng. Kết quả là các ứng dụng agent cực kỳ hạn chế.
Trong một trường hợp điển hình, tác nhân AI duy nhất được sử dụng tại một tập đoàn khổng lồ chỉ là một bot đặt lại mật khẩu. Điều này hoàn toàn trái ngược với kỳ vọng rằng AI sẽ cắt giảm chi phí vận hành một cách triệt để.
AI và Kinh Tế: Phương trình chi phí thực tế
Trong lý thuyết kinh tế học cơ bản, phương trình chi phí được đơn giản hóa là: Chi phí = Lao động + Vốn (máy móc, nhà xưởng). Khi AI xuất hiện, các nhà cung cấp hứa hẹn nó sẽ đóng vai trò là một hệ số nhân.
Theo lời chào hàng, AI sẽ là một hệ số nhỏ hơn một (ví dụ 0.8), giúp giảm thiểu chi phí lao động. Phương trình lý tưởng sẽ là: Chi phí = (AI × Lao động) + Vốn. Tuy nhiên, thực tế vận hành lại chứng minh điều ngược lại.
Phương trình thực tế đang diễn ra là: Chi phí = (AI × Lao động) + Vốn + Chi phí AI. Vấn đề cốt lõi nằm ở chỗ, chi phí AI (tiền mua token) là một khoản cộng thêm lớn hơn nhiều so với phần tiết kiệm được từ lao động.
Nói cách khác, AI đang đóng vai trò là một yếu tố đầu vào làm tăng chi phí, chứ không phải là một công cụ thay thế lao động hoàn hảo. Trong nhiều trường hợp, hệ số tác động lên lao động thậm chí còn không nhỏ hơn một.
Tại sao lợi ích AI không đáng kể như kỳ vọng?
Lý do đầu tiên là con người vẫn phải can thiệp vào vòng lặp. Nhân viên phải liên tục xem xét các báo cáo marketing do AI tạo ra, hoặc kiểm tra lại từng dòng mã nguồn. Không chỉ có vòng lặp đánh giá, mà còn có cả vòng lặp sửa lỗi.
Hãy tưởng tượng bạn là một đầu bếp nấu ăn nhanh. Quản lý thuê thêm một phụ bếp để hỗ trợ bạn. Người này cần được đào tạo, làm giảm năng suất chung, và sau đó bạn phải liên tục kiểm tra lại công việc của họ.
Bạn có thể giao cho họ những việc đơn giản như phết bơ lên bánh mì. Nhưng bạn vẫn phải tự tay nấu các món chính. Cảm giác làm việc với AI hiện tại cũng tương tự như vậy. Thay vì giảm tải, AI đôi khi lại tạo ra thêm việc.
Tiết kiệm phút không đồng nghĩa với cắt giảm nhân sự
Các hãng công nghệ thường công bố những số liệu ấn tượng. Ví dụ, Microsoft tuyên bố nhân viên tại một số công ty tiết kiệm được 46 phút mỗi tuần, hoặc một số nhóm tiết kiệm trung bình 2 giờ mỗi tuần nhờ Copilot.
Tuy nhiên, những con số này không cộng dồn một cách tuyến tính và gọn gàng. Việc bạn tiết kiệm được 45 phút mỗi tuần không có nghĩa là nếu có 53 nhân viên, bạn sẽ tiết kiệm được 40 giờ và có thể sa thải một người.
Ngay cả khi bạn có thể làm điều đó, đây là một tỷ suất hoàn vốn quá nhỏ bé so với số tiền bạn phải trả cho token. Trong rất ít doanh nghiệp, sức lao động có thể được thu hồi và chuyển hóa thành cắt giảm nhân sự hiệu quả.
Giới hạn của Generative AI trong quy trình lặp lại
Bản chất của công nghệ hiện tại là Generative AI (AI tạo sinh). Nó xuất sắc trong việc tạo ra hàng chục mẫu thiết kế logo để bạn lựa chọn, thay vì thuê một họa sĩ. Nhưng không ai dám sa thải phòng kế toán và giao sổ sách cho ChatGPT.
Đáng lẽ AI phải rất giỏi trong việc này. Nó có thể đọc toàn bộ luật thuế, quy định nộp hồ sơ công khai và sách giáo khoa kế toán. Sau đó, nó có thể xử lý hóa đơn, thanh toán và các khoản phải thu một cách tự động.
Nhưng thực tế không ai nghĩ đến việc đó. Nếu bạn yêu cầu AI xử lý một quy trình làm việc của khách hàng theo cùng một cách hàng chục lần liên tiếp, nó sẽ bắt đầu sai sót. Nó thiếu tính nhất quán và trạng thái để duy trì quy trình.
Điều này xuất phát từ việc các mô hình ngôn ngữ lớn không được thiết kế để trở thành những cỗ máy xử lý giao dịch. Chúng hoạt động dựa trên xác suất, dự đoán từ tiếp theo thay vì tuân thủ một logic nghiệp vụ cứng nhắc.
Một hóa đơn bị sai lệch do ảo giác của AI có thể dẫn đến những hậu quả nghiêm trọng về mặt tài chính và uy tín. Do đó, việc giao phó các quy trình lặp lại mang tính sống còn cho AI là một canh bạc không đáng có.
Góc nhìn kinh tế học: Hàm sản xuất chưa dịch chuyển
Từ góc độ lý thuyết kinh tế, dự đoán AI sẽ làm tăng lợi nhuận không chỉ dựa vào việc làm cho các tác vụ riêng lẻ nhanh hơn. Nó phụ thuộc vào việc giảm chi phí tổng thể của doanh nghiệp trong việc sản xuất các dịch vụ.
Nếu AI chỉ tăng tốc các tác vụ biệt lập nhưng không giảm được đầu vào lao động, không mở rộng sản lượng, hoặc không loại bỏ các điểm nghẽn sản xuất, thì nó thất bại. Thay vào đó, nó lại giới thiệu một chi phí biến động đáng kể.
Chi phí biến động này chính là lượng token tiêu thụ. Khi hàm sản xuất không dịch chuyển theo một cách có ý nghĩa về mặt kinh tế, việc áp dụng AI chỉ đơn thuần là thay đổi cơ cấu chi phí, chứ không tạo ra bước nhảy vọt về năng suất.
Các nhà kinh tế học chỉ ra rằng, một công nghệ mang tính đột phá phải làm giảm chi phí biên của việc sản xuất. Nếu mỗi lần truy vấn AI đều tốn một lượng token nhất định, chi phí biên sẽ không bao giờ tiến về mức không.
Bài toán chi phí token và chiến lược cho doanh nghiệp Việt
Quay lại với bối cảnh trong nước, các doanh nghiệp Việt Nam cũng đang đối mặt với những thách thức tương tự. Biên lợi nhuận mỏng và áp lực cạnh tranh về giá khiến mọi khoản chi phí biến động đều trở thành gánh nặng.
Việc sao chép mô hình của các tập đoàn công nghệ lớn là một sai lầm. Những công ty đó tự xây dựng mô hình, không phải trả tiền token theo giá thị trường, và tập trung vào sản phẩm mới. Doanh nghiệp truyền thống không có những đặc quyền này.
Đối với các công ty có sản phẩm và dịch vụ không thay đổi nhiều qua các năm, cách duy nhất để tăng lợi nhuận là tìm kiếm khách hàng mới hoặc giảm chi phí. Nếu AI không làm được điều thứ hai, nó sẽ trở thành một khoản lỗ.
Do đó, mối quan hệ giữa AI và Kinh Tế tại Việt Nam cần được nhìn nhận một cách thực dụng. Công nghệ này chỉ nên được triển khai khi nó giải quyết được các điểm nghẽn cụ thể, chứ không phải là một trào lưu để chạy theo.
Nguyên tắc triển khai AI tối ưu chi phí
Thứ nhất, hạn chế sử dụng AI cho các tác vụ đòi hỏi độ chính xác tuyệt đối và tính pháp lý cao. Các quy trình kế toán, thuế hay xử lý hợp đồng vẫn cần sự kiểm soát hoàn toàn của con người để tránh rủi ro sai sót.
Thứ hai, luôn duy trì con người trong vòng lặp kiểm duyệt. AI không thể chịu trách nhiệm pháp lý hay giải trình trước các cơ quan quản lý. Nhân sự phải là người xác nhận cuối cùng cho mọi đầu ra quan trọng do hệ thống tạo sinh.
Thứ ba, đánh giá hiệu quả đầu tư dựa trên khả năng giảm thiểu điểm nghẽn, chứ không chỉ dựa trên số phút tiết kiệm được. Nếu AI không giúp bạn phục vụ thêm khách hàng hoặc giảm bớt một vị trí nhân sự, hãy cân nhắc lại.
Kết luận: AI là công cụ, không phải phép màu
Mối quan hệ giữa AI và Kinh Tế đang bước vào giai đoạn thực tế hơn, bớt ảo tưởng hơn. Các doanh nghiệp nhạy bén về chi phí trên toàn cầu đã chứng minh rằng công nghệ này không tự động cắt giảm nhân sự hay tăng vọt lợi nhuận.
Thay vào đó, AI mang đến một lớp chi phí biến động mới dưới dạng token, đòi hỏi sự quản lý chặt chẽ. Nó tạo ra thêm công việc kiểm duyệt và chỉ thực sự hữu ích khi được áp dụng vào đúng tác vụ, đúng bối cảnh.
Đối với doanh nghiệp Việt, bài học lớn nhất là không nên mù quáng chạy theo xu hướng. Hãy tính toán kỹ lưỡng phương trình chi phí, giữ vững sự thận trọng và chỉ đầu tư khi AI chứng minh được khả năng dịch chuyển hàm sản xuất rõ ràng.
Nguồn: LowEndBox.
