Mô hình kinh doanh AI: thuê năng lực hay bán sản phẩm, và tiền nằm ở đâu trong chuỗi giá trị (Phần 1/3)

Đăng ngày 23/10/2026

Tóm tắt và điều cần nhớ

Đây là phần một của chuỗi ba phần về mô hình kinh doanh trí tuệ nhân tạo (AI). Phần này đặt nền (AI hẹp, chuỗi giá trị) rồi bàn hai cách thu tiền đầu tiên: AI dạng dịch vụ và sản phẩm AI. Hai phần sau bàn các cách thu tiền còn lại, rủi ro, pháp lý và cách tự dựng mô hình.

• Giá trị của AI chỉ thành tiền khi trả lời được: ai trả, cho kết quả nào, theo kỳ nào.
• Thứ bán được hôm nay là AI hẹp: một việc xác định, kèm dữ liệu và người kiểm tra.
• Chuỗi giá trị AI có sáu trạm; khoản chi dễ bị bỏ quên nằm ở hai đầu: dữ liệu và giám sát.
• Thuê AI nhanh và nhẹ vốn, nhưng dữ liệu, tích hợp và trách nhiệm với kết quả vẫn ở lại với bạn.
• Sản phẩm AI giữ được khách và dữ liệu, đổi lại bạn gánh cả chuỗi và vòng học liên tục.

Bối cảnh: AI tạo giá trị dễ hơn giữ giá trị

Câu hỏi thường được đặt ra trước là nên dùng công nghệ nào, nhưng câu hỏi quyết định kết quả tài chính là ai trả tiền cho phần AI này và ai gánh chi phí chạy nó mỗi tháng. Tạo ra giá trị chưa đồng nghĩa giữ được giá trị: phần doanh nghiệp giữ lại là phần còn sau khi trừ dữ liệu, sức tính toán và nhân lực. Mô hình kinh doanh AI (AI business model) trả lời hai câu: tạo giá trị ở đâu, và giữ lại bằng cách nào.

Bài phân biệt ba vị thế: bên thuê dùng năng lực AI do người khác xây; bên cung cấp bán năng lực ấy cho nhiều khách; bên làm sản phẩm bán một trải nghiệm hoàn chỉnh mà AI là lõi. Mỗi vị thế chia lại ba thứ: ai nắm dữ liệu, ai trả chi phí chạy hằng tháng, ai chịu trách nhiệm khi kết quả sai.

Khái niệm cốt lõi và thuật ngữ

• AI hẹp (narrow AI): hệ thống làm giỏi một việc xác định, như nhận giọng nói hay gợi ý sản phẩm.
• Học máy (machine learning): máy tự rút quy luật từ dữ liệu để dự đoán, không cần lập trình từng quy tắc.
• Học sâu (deep learning): nhánh học máy dùng mạng nơ-ron nhiều tầng, hợp với ảnh, âm thanh, văn bản.
• Xử lý ngôn ngữ tự nhiên (natural language processing, NLP): để máy đọc, nghe, hiểu và tạo ngôn ngữ con người.
• Thị giác máy tính (computer vision): để máy nhận ra vật thể, khuôn mặt, lỗi trên ảnh và video.
• AI dạng dịch vụ (AI as a Service, AIaaS): đưa năng lực AI lên đám mây cho khách thuê theo thuê bao hoặc mức dùng.
• Trôi dữ liệu (data drift): dữ liệu thực tế dần khác dữ liệu lúc huấn luyện, làm mô hình kém chính xác.

AI hẹp là thứ bạn mua và bán hôm nay

AI hẹp làm tốt một nhiệm vụ xác định và gần như không biết gì ngoài đó, nên mỗi đặc điểm kéo theo một hệ quả kinh doanh: tập trung vào một việc thì bài toán phải viết thật hẹp; hiểu ngữ cảnh hạn chế thì ca lạ dễ sai; sống bằng dữ liệu thì chất lượng dữ liệu quyết định chất lượng dịch vụ; cần chuyên gia ngành huấn luyện thì chi phí không chỉ là tiền kỹ sư. Vì thường cần người giám sát ở ca mơ hồ, hãy ghi chi phí con người vào bảng tính ngay từ đầu.

AI tổng quát (artificial general intelligence, AGI), tức hệ thống sánh được con người trên nhiều loại việc, theo tài liệu nguồn vẫn là mục tiêu dài hạn; đừng đặt doanh thu của kế hoạch vài năm lên giả thuyết đó. Phần tài liệu nguồn này cũng chưa nhắc tới các trợ lý dựa trên mô hình ngôn ngữ lớn, vốn làm được nhiều loại việc hơn; dù vậy bạn vẫn nên trả tiền cho một kết quả cụ thể, đo được.

Năm họ công nghệ xuất hiện trong hầu hết lời chào bán AI; hãy đọc chúng như năm loại việc, mỗi loại kèm một điều cần kiểm tra, chứ không như năm nhãn hiệu (Hình 1). Hai điều chỉnh với cách nói phổ biến: học sâu không “tự học hoàn toàn” vì con người vẫn thiết kế mạng, cấp dữ liệu và kiểm tra kết quả; robot phần mềm (robotic process automation, RPA) thường chạy theo quy tắc cố định, chỉ biết đọc hiểu khi ghép với xử lý ngôn ngữ hoặc thị giác máy tính.

Chuỗi giá trị AI: sáu trạm và hai đầu dễ bị bỏ quên

Chuỗi giá trị AI là dãy công đoạn biến dữ liệu thô thành kết quả dùng được và giữ cho kết quả ấy đúng theo thời gian. Có sáu trạm (Hình 2): thu thập dữ liệu, lưu trữ và quản trị, phân tích, xây mô hình, triển khai, giám sát. Sau khi triển khai, trạm sáu theo dõi chỉ số, bắt trôi dữ liệu, thu phản hồi và huấn luyện lại, nên vòng lặp quay về trạm một.

Nhìn từ góc tiền, hai đầu chuỗi dễ bị đánh giá thấp. Đầu chuỗi là dữ liệu: thu thập, làm sạch, gán nhãn và xin phép sử dụng đều tốn công trước khi có dòng mã nào chạy. Cuối chuỗi là giám sát: thế giới đổi quanh mô hình, chẳng hạn thói quen mua sắm đổi sau một đợt khuyến mại lớn thì mô hình dự báo cũ sai dần. Đây là nhận định của bài, không phải kết luận của tài liệu nguồn; phần giữa là mô hình, một phần có thể mua sẵn.

Mỗi vị thế đứng ở một đoạn khác nhau của chuỗi. Bên thuê giữ phần dữ liệu của mình, thuê phần xây mô hình và tự lo việc ghép vào hệ thống. Bên cung cấp gánh ba trạm cuối cho nhiều khách, nên cần quy mô để chia đều chi phí. Bên làm sản phẩm giữ cả sáu trạm và bán đầu ra cho người dùng cuối. Đây là phân tích của bài; hợp đồng cụ thể có thể chia khác.

AI dạng dịch vụ: thuê năng lực, trả theo mức dùng

AI dạng dịch vụ là cách nhà cung cấp đưa năng lực AI lên đám mây để khách gọi qua giao diện lập trình (API) hoặc công cụ có sẵn, rồi trả theo thuê bao hoặc theo mức dùng. Các nhóm việc hay thuê gồm chatbot, nhận dạng giọng nói và hình ảnh, dịch và tóm tắt văn bản, dự báo nhu cầu hay bảo trì thiết bị, phát hiện gian lận. Mô hình dựng sẵn và được nhà cung cấp cập nhật nên đường từ ý tưởng đến thử nghiệm ngắn hơn nhiều.

Thuê có lời khi hội đủ ba điều kiện. Một, việc cần làm là việc phổ biến mà nhà cung cấp đã huấn luyện cho đúng loại, như đọc chứng từ hay chuyển giọng nói thành văn bản. Hai, khối lượng nhỏ hoặc dao động mạnh, nên trả theo mức dùng rẻ hơn trả cố định và không cần vốn ban đầu. Ba, tốc độ quan trọng hơn sự khác biệt; nhưng đối thủ cũng thuê được cùng dịch vụ, nên lợi thế bền nằm ở dữ liệu riêng và cách ghép dịch vụ vào quy trình.

Cái giá của việc thuê có bốn khoản: dữ liệu rời khỏi doanh nghiệp nên phải kiểm tra an ninh và tuân thủ quy định dữ liệu; phụ thuộc nhà cung cấp, vì họ đổi giá hay chính sách thì chi phí chuyển đổi nằm ở bạn; tuỳ biến bị giới hạn vì dịch vụ làm cho đám đông; và dịch vụ chạy qua mạng nên cần phương án khi kết nối chập chờn. Còn một rủi ro ít được nhắc: nhà cung cấp cập nhật mô hình thì kết quả có thể đổi, nên hãy giữ bộ mẫu kiểm tra cố định để chạy lại sau mỗi lần đổi phiên bản.

Để biết khi nào tự vận hành đáng cân nhắc, hãy tính điểm hoà vốn, bằng chi phí cố định hằng tháng của phương án tự làm chia cho phần chênh giữa giá thuê mỗi lượt và chi phí biến đổi mỗi lượt của phương án đó. Ví dụ giả định, không phải giá thực: thuê tính 1.500 đồng mỗi chứng từ; tự làm tốn 30 triệu đồng cố định mỗi tháng cộng 300 đồng mỗi chứng từ, nên hoà vốn ở khoảng 25.000 chứng từ mỗi tháng. Dưới mức đó thuê rẻ hơn; trên mức đó mới đáng tính chuyện tự làm, chưa kể chi phí dựng ban đầu và rủi ro chất lượng.

Sản phẩm AI: bán kết quả, giữ vòng học

Sản phẩm AI khác AI dạng dịch vụ ở chỗ khách mua một kết quả hoàn chỉnh chứ không mua một linh kiện: dịch vụ AI do lập trình viên của khách ghép vào hệ thống của họ, còn sản phẩm AI là thứ người dùng cuối mở ra và dùng. Ranh giới giữa tính năng gắn thêm và sản phẩm AI đúng nghĩa nằm ở một phép thử.

Gỡ AI ra mà sản phẩm vẫn sống thì AI chỉ là tính năng; sản phẩm mất lý do tồn tại thì AI mới là lõi.

Mô hình này có ba đặc điểm: AI là đề xuất giá trị chính; quyết định dựa trên dữ liệu được thu và phân tích liên tục; sản phẩm học theo thời gian nên càng dùng càng cá nhân hoá. Câu “càng nhiều dữ liệu càng tốt” chỉ đúng với dữ liệu liên quan, gán nhãn đúng và được phép dùng; phần còn lại chỉ làm tăng chi phí.

Đường đi từ ý tưởng đến sản phẩm có sáu chặng: xác định vấn đề, chuẩn bị dữ liệu, huấn luyện, ghép vào giao diện, kiểm thử, ra mắt rồi cải tiến. Chặng cuối không kết thúc: mỗi bản cập nhật lại kéo theo gán nhãn, huấn luyện lại và kiểm thử (Hình 3), nên vòng học vừa là lợi thế vừa là khoản chi định kỳ, và chỉ quay trơn nếu dữ liệu người dùng được phép dùng để học tiếp.

Lợi ích gồm khác biệt cạnh tranh nếu bạn nắm dữ liệu và vòng học, quy mô và hiệu quả nhờ tự động hoá. Thuật toán xây xong phục vụ được nhiều khách, nhưng chi phí biên thấp không có nghĩa bằng không, vì mỗi lượt suy luận đều tốn tiền tính toán. Ba thách thức đi kèm đều tăng theo quy mô: quyền riêng tư và an ninh, đạo đức và thiên lệch, tuân thủ quy định.

Chọn vị thế: so sánh ba cách đứng trong chuỗi

Hình 4 đặt ba vị thế cạnh nhau theo những câu hỏi cần trả lời trước khi ký hợp đồng. Đọc theo cột sẽ thấy sự đánh đổi: càng đi về phía sản phẩm, bạn càng nắm dữ liệu, nhưng càng gánh nhiều trạm của chuỗi, càng cần vốn và nhân lực, và càng chịu trách nhiệm trực tiếp khi kết quả sai.

Cách tính tiền nên bám theo thứ làm tăng chi phí và thứ khách coi là giá trị. Với AI hẹp có bốn lựa chọn: thuê bao hoặc giấy phép, thu theo kỳ hay theo mức dùng; theo kết quả đã đo được; theo giá trị cảm nhận, gắn với khoản tiết kiệm hay doanh thu khách có thêm; và chia doanh thu với đối tác. Hai cách giữa đòi hai bên thống nhất cách đo ngay từ đầu, nếu không dễ thành tranh chấp.

Cách áp dụng từng bước

Sáu bước dưới đây dẫn từ ý tưởng đến quyết định thuê, bán hay làm sản phẩm; nếu một bước chưa làm được, hãy dừng và sửa trước khi đi tiếp. Ba bước đầu chung cho cả ba vị thế, từ bước bốn đi theo nhánh phù hợp.

• Bước 1: Viết bài toán thành một câu có số đo: việc gì, bao nhiêu lượt mỗi tháng, hiện tốn bao nhiêu giờ hoặc tiền.
• Bước 2: Chọn vị thế; nếu chưa chắc, thử thuê trước vì quay đầu dễ hơn.
• Bước 3: Vẽ sáu trạm và ghi tên người chịu trách nhiệm từng trạm; trạm chưa có tên sẽ sinh chi phí ngoài dự toán.
• Bước 4: Nếu thuê, yêu cầu bảng giá kèm định nghĩa một đơn vị tính tiền, chạy thử trên dữ liệu thật đã gỡ thông tin nhạy cảm, rồi tính điểm hoà vốn.
• Bước 5: Nếu làm sản phẩm, làm phép thử gỡ AI, kiểm tra quyền dùng dữ liệu để học tiếp, tính chi phí mỗi vòng học.
• Bước 6: Đặt chỉ số thành công và ngưỡng dừng trước khi chạy thử; ghi chi phí thật; rồi mở rộng, đổi vị thế hoặc dừng.

Ví dụ quốc tế: hai mùa đông AI và bài học dòng tiền

Lịch sử AI cho một ví dụ quốc tế về giá trị được tạo ra mà không giữ được. Theo ngân hàng Julius Baer, thuật ngữ trí tuệ nhân tạo ra đời năm 1956 tại hội nghị Dartmouth ở Mỹ[1]. Giai đoạn 1974–1980, nguồn tài trợ gần như cạn: báo cáo Lighthill nhận định AI chưa đạt được gì, Anh cắt mạnh các dự án AI do nhà nước tài trợ, còn Bộ Quốc phòng Mỹ rút vốn khỏi phần lớn dự án liên quan AI[1].

Đợt trầm lắng thứ hai gần với chuyện mô hình kinh doanh hơn. Hệ chuyên gia mô phỏng trí thông minh bằng vô số quy tắc “nếu thì”; chi tiêu liên quan AI tăng từ vài triệu năm 1980 lên hơn một tỷ đô la năm 1985, nhưng hệ thống tốn kém để bảo trì và không mở rộng được. Năm 1987, khi máy tính cá nhân của IBM và Apple nổi lên, hệ chuyên gia mất vị thế, nhiều nhà cung cấp phá sản, và giai đoạn trầm lắng kéo tới khoảng năm 1993; nửa sau thập niên 1990, các ứng dụng AI bắt đầu cho thấy tiềm năng trở lại[1].

Nhận định của bài: bài học không phải AI đáng ngờ, mà là hai câu hỏi về mô hình thu tiền. Chi phí bảo trì cho mỗi khách có tăng nhanh hơn giá trị khách nhận được khi quy mô lớn lên không? Nếu có phương án thay thế rẻ hơn, khách còn trả tiền cho bạn vì lý do gì?

Tình huống áp dụng tại Việt Nam

Ở Việt Nam, FPT.AI công bố bảng giá cho dịch vụ AI. Trang giá của FPT.AI Conversation liệt kê hai gói: gói miễn phí có 10.000 lượt mỗi tháng, vượt thì tính 1,5 đô la cho mỗi khối 1.000 lượt gọi API; gói doanh nghiệp có 2.000.000 lượt mỗi tháng, vượt thì 0,9 đô la mỗi khối, giá gói để liên hệ[2]. Trang chỉ ghi ký hiệu $ và không có ngày cập nhật, nên giá có thể đã đổi sau ngày đọc 20/10/2026.

Cấu trúc này gộp gói có hạn mức theo kỳ với phần vượt tính theo khối, và đơn giá phần vượt ở gói doanh nghiệp thấp hơn 40% (0,9 so với 1,5; tự tính từ hai số trên trang)[2]. Minh hoạ: 40.000 lượt trong tháng ở gói miễn phí là vượt 30.000 lượt, tức 30 khối, khoảng 45 đô la. Điều cần hỏi trước khi ký là một cuộc hội thoại tiêu tốn bao nhiêu lượt, vì trang dùng lẫn “lượt yêu cầu” và “lượt gọi API” mà không định nghĩa[2]. Với dịch vụ nhận dạng giấy phép lái xe Việt Nam, trang giá của FPT.AI định nghĩa một lượt là một ảnh giấy phép[3].

Về sản phẩm AI, hãy xét ELSA. Theo The Investor ngày 14/9/2023, đây là startup đặt trụ sở ở Silicon Valley, do chuyên gia ngôn ngữ và giáo dục người Việt Văn Đinh Hồng Vũ sáng lập, vừa huy động 23 triệu USD ở vòng Series C do UOB Venture Management dẫn đầu; nền tảng đã cung cấp 1,5 tỷ bài tập cho hơn 34 triệu người dùng ở 195 quốc gia[4]. Vốn dành cho mở rộng quốc tế và hợp tác với doanh nghiệp, trường học ở các nước như Nhật Bản[4].

Đọc theo mô hình sản phẩm AI, có hai điểm. AI là lõi: hai bài báo đều mô tả ELSA là nền tảng luyện nói, phát âm tiếng Anh dùng công nghệ nhận dạng giọng nói[4][5]. Dữ liệu thì chưa rõ: 1,5 tỷ bài tập cho thấy lượng dữ liệu phát sinh khi dùng, nhưng trong hai bài đã đọc không thấy nói dữ liệu ấy có được dùng để huấn luyện lại hay không, nên đừng suy ra vòng học từ quy mô. Để so với quy mô năm 2023: năm 2019, báo Sài Gòn Giải Phóng ghi nhận hơn 4 triệu lượt người dùng, trong đó hơn 1,6 triệu người dùng Việt Nam[5]; cách đếm hai bài có thể khác nhau.

Sai lầm thường gặp, giới hạn và khi nào không nên dùng

Phần lớn sai lầm đến từ việc coi AI là món hàng mua một lần thay vì một chuỗi công đoạn có chi phí chạy đều. Bốn lỗi dưới đây thường phát hiện được sớm nếu bạn kiểm tra trước khi ký hợp đồng thuê hay bán.

• So giá thuê mỗi lượt mà không định nghĩa một lượt là gì và không nhân với khối lượng thực tế.
• Coi thuê AI là chuyển được trách nhiệm, trong khi dữ liệu đầu vào, việc ghép vào quy trình và kết quả cuối vẫn của bạn.
• Gọi mọi thứ có chữ AI là sản phẩm AI, dù gỡ AI ra sản phẩm vẫn sống và khách không trả thêm cho phần AI.
• Tin rằng thêm dữ liệu thì mô hình tự khá lên, bỏ qua gán nhãn, kiểm thử và theo dõi trôi dữ liệu.

Giới hạn của bài: tài liệu nguồn có bản quyền năm 2022 và văn phong thiên về quảng bá; số liệu thực tế đến từ bảng giá do nhà cung cấp tự công bố và báo chí đưa tin về một doanh nghiệp; bài chưa tìm được ví dụ công khai về doanh nghiệp Việt Nam mua dịch vụ AI kèm chi phí và kết quả. Chưa nên dùng AI khi chưa có bài toán đo được, khi dữ liệu chưa đủ hoặc chưa được phép dùng, hay khi phần mềm thông thường đã giải quyết được với chi phí thấp hơn.

Kế hoạch thử nghiệm 2–4 tuần và câu hỏi tự kiểm

Kế hoạch dưới đây dành cho nhóm 2 đến 4 người muốn quyết định thuê, bán hay làm sản phẩm mà chưa cần chi tiền lớn. Mỗi tuần kết thúc bằng một đầu ra cụ thể, và tuần cuối là điểm quyết định.

• Tuần 1: làm xong các bước 1 đến 3 ở phần trên.
• Tuần 2: lấy bảng giá của ít nhất hai nhà cung cấp; chuẩn bị 50 mẫu dữ liệu thật đã gỡ thông tin nhạy cảm, kèm đáp án đúng.
• Tuần 3: chạy thử, ghi độ chính xác, thời gian xử lý, số ca cần người sửa và chi phí thật.
• Tuần 4: so với chỉ số đặt trước rồi quyết định tiếp tục thuê, tự làm hoặc dừng.

Câu hỏi tự kiểm: nếu nhà cung cấp tăng giá gấp đôi hoặc đổi phiên bản làm kết quả lệch, bạn phát hiện bằng cách nào và mất bao lâu để chuyển? Nếu gỡ AI khỏi sản phẩm, khách còn trả tiền không? Trạm nào trong sáu trạm hiện chưa có ai đứng tên?

Kết luận

Mô hình kinh doanh AI bắt đầu bằng việc chọn chỗ đứng trong chuỗi giá trị: thuê năng lực, cung cấp năng lực hay bán sản phẩm lấy AI làm lõi, rồi chuẩn bị cho phần chi phí và trách nhiệm đi kèm vị thế đó. Phần hai của chuỗi bàn tiếp các cách thu tiền còn lại, gồm giải pháp theo dự án, cấp phép, dữ liệu, mã nguồn mở và mô hình lai, cùng điều kiện sinh lời và rủi ro. Phần ba bàn pháp lý, đạo đức, xu hướng và cách tự dựng mô hình.

Nguồn và phương pháp

Bài là tổng hợp và phân tích có hỗ trợ AI, diễn đạt lại bằng lời riêng, không phải bản dịch. Phần khái niệm dựa trên tài liệu “AI Business Models” (Daniel Pereira, bản quyền 2022), phần đầu (trang 1 đến 72 của bản PDF), được sắp xếp lại theo câu hỏi của người đọc; ba vị thế, ba điều kiện để thuê có lời, phép thử gỡ AI, ví dụ hoà vốn, hình so sánh và các bước áp dụng là phân tích của bài, không phải của tài liệu.

Số liệu và sự kiện thực tế lấy từ các nguồn web đánh số trong bài, truy cập ngày 20/10/2026. Điều chưa kiểm chứng: bảng giá FPT.AI do nhà cung cấp tự công bố, trang không ghi mã tiền tệ lẫn ngày cập nhật, và trang giá nhận dạng giấy phép lái xe chỉ được đọc một lần; số liệu ELSA do công ty công bố và báo chí đăng lại; lịch sử AI theo một bài phân tích duy nhất của Julius Baer; mô tả công nghệ lấy từ tài liệu nguồn năm 2022. Nên đọc tài liệu gốc để có đầy đủ chi tiết.