Câu hỏi đúng không phải "AI rẻ hay đắt"
Nhiều chủ doanh nghiệp hỏi: "Dùng AI hết bao nhiêu tiền một tháng?". Câu hỏi này dễ dẫn đến hai sai lầm trái ngược. Hoặc là nghĩ AI gần như miễn phí vì thấy hóa đơn API chỉ vài đô. Hoặc là sợ AI tốn kém vì nghe chuyện dự án vượt ngân sách.
Câu hỏi tốt hơn là: một đơn vị công việc (một yêu cầu khách hàng, một báo cáo, một đơn hàng) tốn bao nhiêu để xử lý bằng AI, so với cách làm hiện tại, và ai phải gánh phần việc còn lại?
Gartner dự báo (công bố ngày 25/6/2025) rằng hơn 40% dự án agentic AI sẽ bị hủy đến cuối năm 2027. Theo bài báo của Outlook Business trích dẫn, lý do gồm chi phí leo thang, giá trị kinh doanh chưa rõ và kiểm soát rủi ro chưa đủ. Một nhà phân tích của Gartner cũng cảnh báo nhiều tổ chức đánh giá thấp chi phí thật và độ phức tạp khi triển khai ở quy mô lớn. Lưu ý: chúng tôi đọc qua bài báo trích dẫn, chưa mở được bản gốc trên trang Gartner, và đây là dự báo, không phải số liệu đã xảy ra.
Tức là rủi ro chính không nằm ở giá một lần gọi AI, mà ở việc không tính trước bức tranh chi phí đầy đủ.
Chi phí AI gồm ba lớp
1. Chi phí token (phần dễ đo nhất)
Các nhà cung cấp lớn tính tiền theo token, thường niêm yết theo mỗi triệu token (MTok), giá đầu vào và đầu ra khác nhau, đầu ra thường đắt hơn đầu vào (ở các mô hình dưới đây là gấp 5 lần). Theo trang giá chính thức của Anthropic mà chúng tôi mở ngày 13/10/2026:
- Claude Sonnet 5.5: 2 USD/MTok đầu vào, 10 USD/MTok đầu ra.
- Claude Haiku 5.5 (prompt đến 100.000 token): 0,10 USD/MTok đầu vào, 0,50 USD/MTok đầu ra.
- Batch API (xử lý bất đồng bộ, không cần trả lời ngay): giảm 50% cho cả đầu vào lẫn đầu ra.
- Prompt caching: phần ngữ cảnh lặp lại khi đọc từ cache được tính thấp hơn nhiều giá đầu vào thường (với Sonnet 5.5 là 0,10 USD/MTok; ghi cache có phụ phí).
- Haiku 5.5 với prompt trên 100.000 token có giá cao hơn (0,50 USD đầu vào, 2,50 USD đầu ra mỗi MTok); ví dụ dưới đây dùng prompt ngắn.
Các mức giá này chỉ đúng tại thời điểm chúng tôi mở trang; giá có thể đã thay đổi và khác nhau giữa các nhà cung cấp, nên hãy kiểm tra lại bảng giá chính thức hiện hành trước khi lập ngân sách.
2. Chi phí xung quanh mô hình
Đây là phần hay bị bỏ sót: dữ liệu cần làm sạch, tích hợp vào phần mềm đang dùng, thiết kế câu lệnh và quy tắc, kiểm thử, theo dõi lỗi, và cập nhật khi quy trình hoặc sản phẩm thay đổi. Phần này thường tính bằng giờ công, không phải bằng token.
3. Chi phí con người kiểm soát
AI Agent làm sai vẫn có thể gây thiệt hại. Ai duyệt các trường hợp rủi ro? Bao nhiêu phần trăm kết quả phải người xem lại? Thời gian duyệt đó phải được trừ vào phần giờ công tiết kiệm.
Ví dụ minh họa: bộ phận chăm sóc khách hàng (giả định)
Dưới đây là phép tính giả định để minh họa cách làm, không phải kết quả của một khách hàng thật. Các con số đầu vào do chúng tôi tự đặt.
Giả sử mỗi tháng có 2.000 yêu cầu của khách. Mỗi yêu cầu, AI nhận khoảng 3.000 token đầu vào (câu hỏi cộng tài liệu chính sách) và trả về khoảng 800 token.
- Tổng đầu vào: 6 triệu token. Tổng đầu ra: 1,6 triệu token.
- Với mức giá Sonnet 5.5 nêu trên: 6 x 2 + 1,6 x 10 = 28 USD/tháng.
- Với mô hình nhỏ như Haiku 5.5: 6 x 0,10 + 1,6 x 0,50 = 1,4 USD/tháng.
Với các giả định này, chi phí token rất nhỏ. Nhưng đặt cạnh đó: nếu (giả định) mỗi tuần có người dành 3 giờ rà soát lỗi và cập nhật tài liệu, tức khoảng 12 giờ công mỗi tháng (tính 4 tuần), thì phần chi phí đáng kể nằm ở giờ công đó. Con số 12 giờ cũng do chúng tôi tự đặt; thực tế có thể cao hoặc thấp hơn nhiều. Bài toán lúc này là: 2.000 yêu cầu xử lý thủ công mất bao nhiêu giờ, AI giải phóng được bao nhiêu, trừ đi 12 giờ duy trì và thời gian duyệt ngoại lệ, còn dư bao nhiêu?
Công thức đơn giản bạn có thể tự áp dụng:
Lợi ích ròng = (giờ công tiết kiệm x đơn giá giờ công) - (chi phí token + giờ duy trì x đơn giá + giờ duyệt x đơn giá + phí công cụ)
Bốn cách giữ chi phí trong tầm kiểm soát
- Đo trước, đừng đoán. Chạy thử 50-100 yêu cầu thật, đếm token trung bình mỗi yêu cầu, rồi mới nhân lên.
- Chọn mô hình theo độ khó. Việc phân loại, trích xuất thông tin đơn giản không cần mô hình mạnh nhất. Mô hình lớn để dành cho đoạn cần suy luận.
- Tận dụng việc không gấp. Báo cáo cuối ngày, xử lý hàng loạt có thể chạy theo kiểu batch để giảm giá.
- Cắt bớt ngữ cảnh thừa. Gửi đúng đoạn tài liệu cần thiết thay vì cả cuốn, và dùng caching cho phần lặp lại.
Quy trình đi trước, token đi sau
Điểm quan trọng nhất: nếu quy trình hiện tại lộn xộn (ai làm gì, khi nào chuyển bước, thế nào là xong), AI có thể khuếch đại sự lộn xộn đó, giờ duyệt và chi phí có thể tăng theo (nhận định thực hành của chúng tôi, không phải số liệu đo được). Việc đầu tiên nên làm là vẽ lại quy trình, xác định bước nào lặp lại, có quy tắc rõ, ít rủi ro, rồi mới trao cho AI. Làm rõ quy trình cũng giúp trả lời câu hỏi "giá trị ở đâu", vốn gắn với lý do giá trị kinh doanh chưa rõ mà Gartner nêu.
Bài học cho chủ doanh nghiệp SME
- Đừng hỏi "AI tốn bao nhiêu tiền", hãy hỏi "một đơn vị công việc tốn bao nhiêu".
- Tính đủ ba lớp chi phí: token, vận hành xung quanh, và con người kiểm soát.
- Bắt đầu bằng một quy trình nhỏ, đo thật, rồi mới mở rộng.
- Đặt trước tiêu chí dừng: nếu sau một giai đoạn thử nghiệm lợi ích ròng chưa dương, điều chỉnh hoặc dừng.
Ở BLA Tech, chúng tôi bắt đầu từ chính phép tính này: cùng doanh nghiệp hiểu bài toán và xây lại quy trình nếu cần, rồi mới chọn giải pháp AI phù hợp, xây hệ thống AI Agents và đồng hành vận hành. Việc ước tính chi phí và lợi ích rõ ràng ngay từ đầu giúp doanh nghiệp và đơn vị triển khai có chung một cách đánh giá.
