Chi phí AI của một công ty nhỏ thường đến từ ba nguồn: thuê bao chatbot tính theo người dùng, tiền gọi API tính theo lượng chữ xử lý, và tính năng AI gắn thêm vào phần mềm đang dùng. Kiểm soát nó cần kiểm kê ai đang dùng gì, đặt hạn mức chi tiêu cho phần tính theo lượng dùng, và đo xem mỗi đầu việc AI làm tốn bao nhiêu so với giá trị nó mang lại.
Bài này dành cho chủ doanh nghiệp và người phụ trách công nghệ ở công ty đã bắt đầu trả tiền cho AI, hoặc đang có lập trình viên, đối tác tích hợp AI vào website, chatbot chăm sóc khách. Bài không so sánh giá hay xếp hạng hãng; cách tính phí của từng nhà cung cấp thay đổi thường xuyên, bạn kiểm trên trang của họ ở thời điểm hiện hành.
Ba kiểu trả tiền cho AI mà doanh nghiệp nhỏ hay gặp
Mỗi kiểu có một cách phát sinh chi phí khác, nên cách kiểm soát cũng khác.
| Kiểu | Chi phí phát sinh thế nào | Rủi ro chính | Cách kiểm soát |
|---|---|---|---|
| Thuê bao chatbot theo người dùng | Cố định theo số tài khoản mỗi tháng hoặc năm | Mua dư chỗ, người không dùng vẫn giữ chỗ | Rà số người dùng thật, như mọi thuê bao phần mềm |
| Gọi API theo lượng dùng | Theo lượng chữ đưa vào và nhận ra, tính bằng token | Hoá đơn tăng vọt khi có lỗi lặp hoặc lưu lượng tăng | Hạn mức chi tiêu, cảnh báo, theo dõi theo dự án |
| Tính năng AI trong phần mềm sẵn có | Phụ phí thêm vào gói, có khi tính theo lượt | Bật cho cả công ty khi chỉ vài người cần | Bật có chọn lọc, ghi vào danh mục thuê bao |
| Dịch vụ do đối tác làm hộ | Trọn gói hoặc theo lượng dùng chuyển lại | Không thấy chi phí gốc, khó so sánh | Hợp đồng ghi rõ cách tính và báo cáo lượng dùng |
Phần lớn công ty nhỏ bắt đầu với kiểu thứ nhất, rồi khi có người làm chatbot cho website hay tự động trả lời tin nhắn thì phát sinh kiểu thứ hai. Kiểu thứ hai là nơi cần chú ý nhất, vì nó không có trần tự nhiên như thuê bao.
Token là gì và vì sao hoá đơn API khó đoán
Các dịch vụ AI tính phí API theo token, một đơn vị nhỏ của văn bản. Một token có thể là một từ ngắn, một phần của từ dài hoặc một dấu câu; tiếng Việt có dấu thường tốn nhiều token hơn tiếng Anh cho cùng một ý, tuỳ mô hình. Mỗi lần gọi, bạn trả cho token đưa vào (câu hỏi, hướng dẫn, tài liệu kèm theo) và token nhận ra (câu trả lời), thường với đơn giá khác nhau.
Hoá đơn khó đoán vì lượng token phụ thuộc vào cách hệ thống được viết, không chỉ vào số khách hỏi. Một chatbot gửi lại toàn bộ lịch sử hội thoại mỗi lượt sẽ tốn token tăng dần theo độ dài cuộc trò chuyện. Một hệ thống đính kèm cả bộ tài liệu sản phẩm vào mỗi câu hỏi sẽ tốn nhiều hơn hẳn hệ thống chỉ chọn đoạn liên quan. Một lỗi lập trình khiến hệ thống tự gọi lại liên tục có thể đốt hết ngân sách trong một đêm.
Thêm vào đó, các mô hình lớn và mô hình nhỏ của cùng một hãng có đơn giá chênh lệch nhiều lần. Dùng mô hình mạnh nhất cho mọi việc, kể cả những việc đơn giản như phân loại tin nhắn, là nguồn lãng phí phổ biến. Bạn không cần thuộc bảng giá, nhưng cần hỏi người làm hệ thống ba câu: mỗi lượt gửi bao nhiêu token, dùng mô hình nào cho việc nào, và có giới hạn nào nếu hệ thống chạy sai.
Kiểm kê ai đang dùng AI gì và trả bằng gì
Trước khi đặt hạn mức, bạn cần biết bức tranh hiện tại. Việc này có thể gộp vào lần rà soát thuê bao phần mềm chung.
- Liệt kê mọi tài khoản chatbot trả phí, người dùng, gói, kỳ thanh toán.
- Liệt kê mọi khoá API AI công ty đang có: ai tạo, dùng cho hệ thống nào, gắn với phương thức thanh toán nào.
- Với mỗi hệ thống dùng API, xin người phụ trách số liệu lượng token và chi phí từng tháng gần đây. Trang quản trị của các nhà cung cấp API thường có báo cáo lượng dùng.
- Liệt kê phần mềm đang dùng có bật tính năng AI tính phí thêm.
- Hỏi các phòng ban có ai dùng tài khoản AI cá nhân cho việc công ty không. Câu hỏi này không nhằm bắt lỗi mà để biết nhu cầu thật và dữ liệu công ty đang đi đâu.
- Gom tất cả vào danh mục, thêm cột "chi phí trung bình mỗi tháng" và "việc chính nó làm".
Kết quả thường cho thấy hai điều: chi phí chatbot theo người dùng khá rõ ràng, còn chi phí API thì không ai trong ban điều hành biết chính xác. Đó là chỗ cần làm tiếp.
Đặt hạn mức và cảnh báo cho phần tính theo lượng dùng
Tách khoá API theo hệ thống. Mỗi hệ thống, mỗi dự án một khoá riêng. Khi hoá đơn tăng, bạn biết ngay hệ thống nào gây ra, và khi cần tạm dừng một hệ thống thì không ảnh hưởng hệ thống khác.
Đặt giới hạn chi tiêu ở phía nhà cung cấp. Nhiều nền tảng API cho phép đặt mức cảnh báo và mức trần chi tiêu theo tháng, có nơi theo dự án. Tên và vị trí cài đặt khác nhau giữa các hãng và thay đổi theo thời gian, nên kiểm trong trang quản trị hiện hành. Đặt mức cảnh báo thấp hơn mức trần một khoảng đủ để kịp phản ứng.
Đặt giới hạn trong chính hệ thống của bạn. Yêu cầu người làm hệ thống giới hạn số lượt gọi mỗi phút, độ dài tối đa của câu trả lời, số lượt mỗi khách mỗi ngày với chatbot công khai. Đây là lớp chặn khi có lỗi lặp hoặc có người cố tình lạm dụng.
Gắn với ngân sách tháng. Đưa chi phí AI thành một dòng trong ngân sách chi phí hằng tháng, có người giữ dòng, áp dụng cùng cơ chế cảnh báo theo tốc độ chi như các dòng biến đổi khác.
Thanh toán bằng thẻ có hạn mức riêng. Dùng một thẻ hoặc tài khoản riêng cho các dịch vụ AI tính theo lượng dùng, hạn mức vừa đủ. Đây là lớp bảo vệ cuối cùng nếu các lớp trên đều trượt.
Giảm chi phí API mà không làm giảm chất lượng
Phần lớn cách giảm chi phí API nằm ở thiết kế hệ thống. Bạn không cần tự làm, nhưng nên biết để hỏi đúng người làm:
- Chọn mô hình theo việc: mô hình nhỏ cho phân loại, trích thông tin, trả lời câu hỏi thường gặp; mô hình lớn chỉ cho việc cần suy luận phức tạp.
- Cắt bớt ngữ cảnh gửi đi: chỉ gửi đoạn tài liệu liên quan tới câu hỏi thay vì cả bộ, tóm tắt lịch sử hội thoại dài thay vì gửi nguyên văn.
- Giới hạn độ dài câu trả lời phù hợp với việc, ví dụ trả lời khách hàng không cần dài như một bài viết.
- Dùng tính năng lưu đệm phần hướng dẫn lặp lại nếu nhà cung cấp hỗ trợ; một số nền tảng tính rẻ hơn cho phần đã lưu đệm.
- Xử lý theo lô những việc không cần trả lời ngay, như phân loại hàng loạt đánh giá của khách, nếu nền tảng có chế độ xử lý theo lô với giá thấp hơn.
- Lưu lại kết quả đã có cho những câu hỏi lặp lại y hệt thay vì gọi lại mô hình.
- Thử nghiệm trên một mẫu nhỏ, đo token và chất lượng, trước khi chạy cho toàn bộ dữ liệu.
Mỗi biện pháp nên được thử trên dữ liệu thật và kiểm chất lượng đầu ra trước khi áp dụng rộng. Giảm chi phí mà câu trả lời cho khách tệ đi là lỗ chứ không phải lãi. Cách tổ chức người duyệt và bộ câu hỏi kiểm tra đầu ra AI có trong danh mục kiểm soát đầu ra của AI trên trang.
Đo chi phí trên mỗi đầu việc thay vì nhìn tổng hoá đơn
Tổng chi phí AI tăng chưa chắc là xấu, nếu AI đang làm nhiều việc hơn và làm tốt. Con số hữu ích hơn là chi phí trên mỗi đầu việc: mỗi tin nhắn khách được trả lời, mỗi đơn hàng được phân loại, mỗi bản mô tả sản phẩm được soạn. Từ báo cáo lượng dùng và số đầu việc trong tháng, bạn chia ra được con số này.
Ví dụ giả định: chatbot trả lời tin nhắn fanpage xử lý vài nghìn tin mỗi tháng, chi phí API chia ra mỗi tin rất nhỏ so với thời gian một nhân viên phải bỏ ra cho tin đó. Nhưng nếu một phần đáng kể số tin vẫn phải chuyển cho người xử lý lại vì chatbot trả lời sai, phép tính phải cộng cả thời gian xử lý lại. Đôi khi điều đó cho thấy nên giới hạn chatbot ở một số loại câu hỏi nó trả lời chắc chắn đúng.
Với thuê bao chatbot theo người dùng, cách đo tương tự nhưng thô hơn: hỏi người dùng mỗi tháng họ dùng cho những việc gì, đỡ được khoảng bao nhiêu giờ. Không cần chính xác, nhưng nếu một tài khoản trả phí mà người dùng không kể ra được việc gì, đó là chỗ đáng xem lại.
AI có thể giúp bạn dựng bảng đo này và viết nhận xét hằng tháng, như mọi dòng chi phí khác. Điều quan trọng là có số đầu việc đi kèm số tiền, nếu không thì chỉ thấy tiền đi ra mà không thấy giá trị đi vào.
Quy định nội bộ khi mua công cụ AI mới
Một quy định ngắn giúp tránh việc mỗi phòng tự đăng ký một công cụ. Gợi ý các bước:
- Người đề xuất ghi một đoạn: công cụ gì, dùng cho việc gì, bao nhiêu người, chi phí dự kiến mỗi tháng, dữ liệu nào sẽ đưa vào.
- Kiểm danh mục hiện có xem công ty đã có công cụ làm được việc đó chưa.
- Người phụ trách xem điều khoản dữ liệu của công cụ: dữ liệu có được dùng để huấn luyện không, lưu ở đâu, xoá thế nào. Phần đánh giá bảo mật chi tiết thuộc phạm vi trang AI Bảo Mật.
- Chạy thử với số người ít, gói thấp nhất hoặc bản dùng thử, có ngày kết thúc thử rõ ràng.
- Sau thời gian thử, người đề xuất báo cáo việc đã làm được và chi phí thật, rồi mới quyết mua chính thức.
- Ghi vào danh mục thuê bao, chỉ định người chủ, đặt nhắc gia hạn.
Quy định này không nhằm làm chậm việc dùng AI. Ngược lại, khi có quy trình rõ, nhân viên biết đề xuất thế nào và nhận câu trả lời nhanh, thay vì tự dùng tài khoản cá nhân rồi mang dữ liệu công ty đi theo.
Câu hỏi thường gặp
Một token bằng bao nhiêu chữ tiếng Việt?
Không có tỉ lệ cố định, vì mỗi mô hình chia văn bản theo cách riêng. Tiếng Việt có dấu thường tốn nhiều token hơn tiếng Anh cho cùng nội dung. Cách chắc nhất là gửi thử vài văn bản tiêu biểu của bạn và xem báo cáo lượng token trên trang quản trị.
Có nên cho mọi nhân viên một tài khoản chatbot trả phí không?
Tuỳ công việc. Người viết, dịch, tổng hợp tài liệu hằng ngày thường dùng nhiều; người làm việc tay chân ít dùng. Bắt đầu với nhóm dùng nhiều, đo việc đã làm được trong vài tháng, rồi mới mở rộng.
Đối tác làm chatbot cho website tính trọn gói thì cần kiểm soát gì?
Hợp đồng nên ghi rõ giới hạn lượng dùng trong gói, cách tính khi vượt, ai chịu chi phí khi có lỗi làm tăng lượng dùng, và báo cáo lượng dùng hằng tháng. Hỏi thêm dữ liệu khách đi qua những đâu và được lưu bao lâu.
Hoá đơn API tăng đột biến thì làm gì trước?
Xem báo cáo lượng dùng theo khoá API để biết hệ thống nào gây ra, tạm dừng hoặc hạ hạn mức khoá đó, rồi tìm nguyên nhân: lỗi lặp, lưu lượng tăng thật, hay bị lộ khoá và người ngoài sử dụng. Nếu nghi lộ khoá, thu hồi và tạo khoá mới ngay.
Dùng bản miễn phí của chatbot cho công việc có ổn không?
Bản miễn phí thường có giới hạn lượt dùng và điều khoản dữ liệu khác bản trả phí dành cho tổ chức. Với dữ liệu không nhạy cảm và việc thỉnh thoảng, có thể chấp nhận. Với dữ liệu khách hàng hay bí mật kinh doanh, nên dùng gói có cam kết dữ liệu phù hợp và kiểm điều khoản hiện hành.
Chạy mô hình AI trên máy riêng có rẻ hơn không?
Không có câu trả lời chung. Chạy trên máy riêng tránh được phí theo token nhưng tốn chi phí phần cứng, điện, người vận hành, và mô hình chạy được trên máy nhỏ thường yếu hơn. Chỉ nên tính khi lượng dùng lớn, ổn định, và có người đủ chuyên môn.