Doanh nghiệp lớn có xu hướng kiểm soát ngân sách chi tiêu cho AI

Doanh nghiệp hiện đang áp dụng một số hình thức kiểm soát chi tiêu AI bằng cách thiết lập các cơ chế bảo vệ hoặc giới hạn sử dụng…

Sau giai đoạn đầu tư mạnh tay và thử nghiệm quy mô lớn, nhiều tổ chức đã bắt đầu xem xét kỹ hơn hiệu quả chi tiêu cho trí tuệ nhân tạo.

Theo khảo sát mới của các chuyên gia phân tích tại UBS, ngày càng nhiều doanh nghiệp đang thiết lập các “hàng rào kiểm soát” đối với ngân sách AI nhằm tối ưu hóa chi phí sử dụng và cải thiện hiệu quả đầu tư.

GẦN 60% DOANH NGHIỆP BẮT ĐẦU KIỂM SOÁT CHI TIÊU AI

Nhóm chuyên gia phân tích của UBS gồm Karl Keirstead, Timothy Arcuri, Taylor McGinnis cùng các cộng sự cho biết họ đã tiến hành hơn một chục cuộc trao đổi với các giám đốc công nghệ và lãnh đạo phụ trách công nghệ thông tin của các doanh nghiệp lớn trong vài tuần gần đây.

Kết quả cho thấy khoảng 60% doanh nghiệp được khảo sát đang thực hiện các biện pháp nhất định nhằm hạn chế hoặc kiểm soát tốc độ gia tăng chi tiêu cho AI.

“Doanh nghiệp hiện đang áp dụng một số hình thức kiểm soát chi tiêu AI bằng cách thiết lập các cơ chế bảo vệ hoặc giới hạn sử dụng”, báo cáo của UBS cho biết.

Theo các nhà phân tích, mối quan tâm lớn nhất hiện nay của các doanh nghiệp nằm ở chi phí token – đơn vị tính toán cơ bản được sử dụng khi vận hành các mô hình ngôn ngữ lớn. Khi quy mô triển khai AI ngày càng mở rộng, hóa đơn sử dụng dịch vụ AI cũng tăng nhanh, buộc các giám đốc tài chính và giám đốc công nghệ phải đánh giá lại hiệu quả đầu tư.

Theo Business Insider, xu hướng này đặc biệt rõ rệt ở các tập đoàn lớn, nơi hàng nghìn nhân viên có thể đồng thời sử dụng các công cụ AI trong công việc hàng ngày, từ tạo nội dung, phân tích dữ liệu cho tới hỗ trợ lập trình và tự động hóa quy trình.

Ông Andrew Macdonald, Giám đốc vận hành của Uber, từng cho biết vào tháng 5 rằng việc biện minh cho các khoản chi ngày càng tăng dành cho AI đang trở nên khó khăn hơn khi lợi tức đầu tư (ROI) thu được vẫn còn khá khiêm tốn.

Theo UBS, các cuộc trao đổi bắt đầu từ đầu tháng 6 đã khiến nhóm phân tích nhận thấy một “lực cản mới nổi” đối với tốc độ tăng trưởng chi tiêu AI trong doanh nghiệp. Những cuộc trao đổi gần đây hơn tiếp tục củng cố nhận định này, dù mức độ ảnh hưởng giữa các tổ chức là khác nhau.

TỐI ƯU HÓA HIỆU QUẢ SỬ DỤNG

Các chuyên gia của UBS cho rằng việc tối ưu hóa chi phí token đang trở thành vấn đề trung tâm trong hầu hết các tổ chức triển khai AI hiện nay.

Điều này tạo ra một “gờ giảm tốc” đáng kể đối với một số doanh nghiệp, trong khi những doanh nghiệp khác chỉ chịu tác động ở mức hạn chế do vẫn đang ở giai đoạn đầu triển khai hoặc vẫn nhìn thấy lợi ích kinh doanh đủ lớn để tiếp tục đầu tư mạnh.

“Việc tối ưu hóa chi tiêu token đã trở thành vấn đề then chốt trong hầu hết các tổ chức. Điều này tạo ra một cú giảm tốc đáng kể ở một số doanh nghiệp nhưng chỉ là tác động nhỏ với những doanh nghiệp còn ở giai đoạn đầu triển khai AI hoặc những đơn vị sẵn sàng tiếp tục đầu tư vì nhận thấy lợi tức đầu tư hoặc coi đổi mới sáng tạo là ưu tiên chiến lược”, báo cáo nêu rõ.

Việc tối ưu hóa chi tiêu token đã trở thành vấn đề then chốt trong hầu hết các tổ chức. Ảnh AI minh họa

Theo đánh giá của UBS, thị trường đang bước sang một giai đoạn mới, nơi trọng tâm không còn là thử nghiệm AI càng nhiều càng tốt mà là sử dụng AI theo cách hiệu quả nhất.

Một doanh nghiệp tham gia khảo sát nhận định ngành công nghệ hiện đang rời khỏi giai đoạn thử nghiệm ban đầu của AI.

“Theo thời gian, câu hỏi không còn là có nên sử dụng token hay không mà là làm thế nào để sử dụng token một cách hiệu quả nhất”, đại diện doanh nghiệp này cho biết.

Điều đó đồng nghĩa với việc tối ưu hóa chi phí AI sẽ trở thành một hoạt động kỹ thuật thường xuyên và liên tục thay vì chỉ là phản ứng tạm thời trước áp lực ngân sách.

Một doanh nghiệp khác cho biết giám đốc công nghệ của họ từng theo đuổi chiến lược “all in” với AI trong giai đoạn đầu bùng nổ công nghệ này. Tuy nhiên hiện nay, công ty đã phải cắt giảm đáng kể số lượng công cụ AI được sử dụng nội bộ.

“Chúng tôi có tới 5 công cụ AI nội bộ và gần như sử dụng toàn bộ các sản phẩm mô hình ngôn ngữ lớn trên thị trường. Nhưng giống như nhiều doanh nghiệp khác, chúng tôi nhanh chóng nhận ra rằng gần như đã tiêu hết ngân sách token cho cả năm chỉ trong thời gian ngắn”, doanh nghiệp này chia sẻ.

Hiện công ty chỉ còn duy trì hai công cụ AI chính và áp dụng chính sách sử dụng thận trọng hơn nhằm kiểm soát chi phí.

CÁC HÃNG PHÁT TRIỂN MÔ HÌNH AI ĐỐI MẶT ÁP LỰC MỚI

Theo UBS, những doanh nghiệp có khả năng chịu ảnh hưởng trực tiếp nhất từ xu hướng thắt chặt chi tiêu này là các công ty phát triển mô hình AI thương mại, bao gồm những tên tuổi như OpenAI hay Anthropic.

Trong bối cảnh các doanh nghiệp tìm cách cắt giảm chi phí, các mô hình mã nguồn mở và những mô hình AI giá rẻ từ Trung Quốc được dự báo sẽ hưởng lợi nhiều hơn.

UBS đặc biệt nhắc tới DeepSeek như một trong những ứng viên hưởng lợi lớn nhất, nhất là đối với các tác vụ không liên quan đến lập trình, nơi yêu cầu về độ chính xác và khả năng suy luận phức tạp không quá cao.

Dù vậy, các chuyên gia của UBS nhấn mạnh rằng đây chưa phải là tín hiệu đáng báo động đối với ngành AI.

“Chúng tôi chưa phát đi tín hiệu báo động”, nhóm phân tích cho biết và mô tả đây là “một vấn đề lành mạnh” của thị trường.

Theo UBS, việc tối ưu hóa chi phí AI là điều hoàn toàn bình thường trong quá trình trưởng thành của công nghệ. Không doanh nghiệp nào đang dừng triển khai AI, thay vào đó họ chỉ đang tìm cách sử dụng hiệu quả hơn.

Bên cạnh đó, thị trường được kỳ vọng sẽ sớm đón nhận thế hệ mô hình mới được huấn luyện trên các dòng chip tiên tiến hơn, giúp giảm đáng kể chi phí token trong tương lai.

Các công ty AI hàng đầu hiện cũng đang cạnh tranh quyết liệt trong việc cải thiện hiệu quả sử dụng tài nguyên tính toán và giảm chi phí vận hành cho khách hàng doanh nghiệp.

Chẳng hạn, Google đã phát triển dòng mô hình Gemini Flash với mục tiêu tối ưu chi phí và tốc độ xử lý. Trong khi đó, Anthropic mới đây đã giới thiệu Claude Sonnet 5 với tuyên bố rằng mô hình này có thể vận hành tự động ở trình độ mà chỉ vài tháng trước đây còn đòi hỏi những mô hình lớn hơn và đắt đỏ hơn nhiều.