Chi phí hạ tầng AI đang vượt khỏi tầm kiểm soát
Chi phí hạ tầng AI là tổng nguồn lực mà tổ chức phải bỏ ra cho năng lực tính toán, lưu trữ, mô hình và vận hành hệ thống trí tuệ nhân tạo, bao gồm cả phần cứng, phần mềm, dịch vụ đám mây và nhân sự kỹ thuật, và nếu thiếu chiến lược kiểm soát chi phí công nghệ, các khoản đầu tư này rất dễ phình to mà không mang lại giá trị kinh doanh tương xứng. Trong một sự kiện đối thoại về AI trong tăng trưởng doanh nghiệp tại Hà Nội ngày 27/8, các chuyên gia đã thẳng thắn thừa nhận năng lực tính toán AI đang bước vào giai đoạn “đắt đỏ và phức tạp” hơn khi agentic AI xuất hiện. Điều quan trọng là ông Lê Ngọc Sơn, Giám đốc Kỹ thuật AI tại một ngân hàng lớn, khuyến nghị các tổ chức không nên coi việc mua thêm hạ tầng như phản xạ mặc định, mà phải xây dựng chiến lược kiểm soát chi phí và giảm phụ thuộc vào hạ tầng. Nói cách khác, vấn đề không còn là thiếu GPU hay tài nguyên đám mây, mà là thiếu tư duy chiến lược.
Ngân hàng chất chồng công nghệ lên quy trình cũ và cái giá phải trả
Ngân hàng là ví dụ điển hình cho cách triển khai AI tốn kém nhưng chưa hiệu quả. Nhiều tổ chức tài chính gấp rút triển khai AI vì nỗi sợ bị bỏ lại phía sau, rồi đặt thêm một lớp công cụ thông minh lên các quy trình di sản, thay vì tái thiết kế lại dòng công việc từ gốc. Kết quả là chi phí hạ tầng AI tăng đều, còn năng suất và lợi nhuận thì cải thiện cầm chừng. Một nghiên cứu chỉ ra rằng dù 84% lãnh đạo ngân hàng cho biết họ thấy ít nhất giá trị kinh doanh ở mức tương đối từ AI, chỉ 20% cho rằng khoản đầu tư mang lại lợi nhuận rộng rãi và bền vững. Đây là câu nói đáng trích lại: “84% thấy giá trị, nhưng chỉ 20% có lợi nhuận bền vững” – con số đủ để buộc mọi hội đồng quản trị phải đặt lại câu hỏi về chiến lược triển khai AI. Khi chỉ xếp chồng công nghệ lên quy trình cũ, các ngân hàng đang đổ tiền vào chi phí hạ tầng AI mà bỏ lỡ cơ hội tối ưu hóa năng lực tính toán và tái phát minh quy trình.
Từ mua thêm hạ tầng đến chiến lược kiểm soát chi phí công nghệ
Nhận định AI Compute đang trở nên đắt đỏ và phức tạp không phải lời cảnh báo chung chung; nó dẫn tới yêu cầu rõ ràng: các tổ chức phải chủ động kiểm soát chi phí công nghệ và sự phụ thuộc vào hạ tầng, thay vì tiếp tục mở rộng năng lực tính toán theo kiểu tăng dần đều. Kiểm soát chi phí hạ tầng AI không đồng nghĩa với “thắt lưng buộc bụng”, mà là tối ưu hóa năng lực tính toán: chọn đúng mô hình cho đúng bài toán, tránh dùng mô hình ngôn ngữ lớn cho những tác vụ mà mô hình nhỏ, chuyên biệt làm tốt hơn và chính xác hơn. Với cách tiếp cận này, mỗi đồng chi phí cho hạ tầng phải gắn với một bài toán kinh doanh được xác định bằng dữ liệu, bắt đầu từ đúng “điểm nghẽn” thay vì từ cảm tính. Các tổ chức cũng được khuyến nghị chuyển từ tư duy “thử nghiệm AI” sang xây dựng năng lực AI có định hướng và kết quả đo lường được. Nếu không, đồ thị chi phí sẽ tăng tuyến tính, còn giá trị thì chỉ nhích nhẹ.
Tái thiết kế quy trình để giải phóng giá trị trong khi giảm chi phí
Muốn chi phí hạ tầng AI tương xứng với giá trị thu về, tổ chức phải can đảm chạm vào quy trình. Các ngân hàng đang được khuyến khích chuyển từ các quy trình tuyến tính, tuần tự sang tư duy song song, nơi nhiều phần của một quy trình phức tạp được xử lý đồng thời bởi các tác nhân AI chuyên biệt. Khi quy trình thẩm định thế chấp được “song song hóa”, các tác nhân AI có thể đồng thời xác minh thu nhập, kiểm tra tín dụng và thẩm định tài sản, giao tiếp theo thời gian thực để bổ sung khoảng trống, rút ngắn đáng kể thời gian xử lý cho khách hàng. Tương tự, nếu dịch vụ khách hàng được thiết kế theo từng “ý định” rõ ràng – như trường hợp một ngân hàng tại Mỹ Latinh xây AI để xử lý các ý định như báo mất thẻ và triển khai trên mọi kênh – hệ thống vừa thống nhất vừa hiệu quả hơn. Những ví dụ này cho thấy: khi quy trình được tái thiết kế cho AI, doanh nghiệp không chỉ tối ưu hóa năng lực tính toán mà còn giảm khối lượng công việc lặp lại, từ đó kiểm soát chi phí công nghệ tốt hơn thay vì phải tăng hạ tầng để bù cho sự kém hiệu quả trong tổ chức.
Chiến lược triển khai AI: bài toán con người, dữ liệu và tương lai
Không có chiến lược triển khai AI nào bền vững nếu bỏ qua con người và dữ liệu. Các chuyên gia nhấn mạnh AI tạo cơ hội tăng năng suất và tối ưu hóa quy trình, nhưng đi kèm là thách thức trong quản trị dữ liệu, bảo mật, tích hợp hệ thống, chi phí đầu tư và xác định đúng bài toán phù hợp để AI tạo ra giá trị. Khi AI được tích hợp sâu, nhu cầu kỹ năng của lực lượng lao động thay đổi nhanh; doanh nghiệp phải đầu tư cho đào tạo, chuyển đổi năng lực và phân bổ lại nhân sự. Việc chuyển đổi AI vì thế không nên bị thu hẹp thành câu chuyện “mua thêm hạ tầng”, mà phải gắn với mục tiêu kinh doanh, năng lực tổ chức và con người. Những ngân hàng và doanh nghiệp thành công sẽ là những đơn vị coi AI là chất xúc tác để định hình lại cách vận hành, chứ không phải là một lớp sơn bóng lên quy trình cũ. Kết luận rõ ràng: trong kỷ nguyên AI đắt đỏ, mua thêm máy là phản xạ tốn kém; thiết kế lại cách làm việc và kiểm soát chi phí hạ tầng mới là lợi thế cạnh tranh.
