Khi doanh nghiệp muốn trả phí AI theo kết quả

Một hệ thống AI tiêu thụ hàng triệu token vẫn có thể không tạo ra giá trị nào cho doanh nghiệp. Chi phí chỉ có ý nghĩa khi được nối với một kết quả vận hành có thể đo được.

Một khảo sát của Andreessen Horowitz với 50 người mua AI kỹ thuật, được TechCrunch dẫn lại, cho thấy hơn một nửa muốn chi phí AI gắn với công việc hoặc kết quả tạo ra thay vì lượng token tiêu thụ. Quy mô khảo sát chưa đủ đại diện cho toàn thị trường, nhưng phản ánh một câu hỏi ngày càng rõ: doanh nghiệp đang trả tiền cho công nghệ hay cho giá trị mà công nghệ tạo ra?

Góc nhìn DUDI Software: Token không phải KPI kinh doanh

Nếu nhìn dưới góc độ xây dựng hệ thống, điều đáng chú ý không nằm ở việc xuất hiện thêm một cách tính giá. Xu hướng này cho thấy nhiều doanh nghiệp đã bắt đầu yêu cầu AI chứng minh hiệu quả bằng dữ liệu vận hành.

Token là đơn vị kỹ thuật dùng để đo lượng dữ liệu mô hình xử lý. Nó cần thiết để nhà cung cấp tính chi phí hạ tầng, nhưng không nói lên doanh nghiệp đã nhận được gì.

Một triệu token có thể được dùng để xử lý hàng nghìn yêu cầu hữu ích. Nó cũng có thể bị tiêu tốn bởi những câu trả lời không chính xác, quy trình thiết kế kém hoặc các tác vụ không tạo ra giá trị.

CEO không cần biết chatbot đã xử lý bao nhiêu token. Họ cần biết hệ thống đã giải quyết bao nhiêu yêu cầu, rút ngắn thời gian xử lý thế nào, giảm bao nhiêu thao tác thủ công và có ảnh hưởng đến doanh thu hay không.

Định giá theo kết quả không đơn giản

Trả phí theo kết quả nghe hợp lý, nhưng trước hết doanh nghiệp phải định nghĩa được “kết quả” là gì.

Với chăm sóc khách hàng, kết quả có thể là một yêu cầu được giải quyết mà không cần chuyển cho nhân viên. Với kế toán, đó có thể là một hóa đơn được kiểm tra và nhập đúng. Với kinh doanh, đó có thể là một khách hàng tiềm năng được phân loại đủ chính xác để nhân viên tiếp tục chăm sóc.

Mỗi kết quả đều cần điều kiện về chất lượng. Nếu AI đóng một yêu cầu hỗ trợ nhưng khách hàng vẫn phải liên hệ lại, công việc đó chưa thực sự hoàn thành. Nếu AI tạo ra nhiều khách hàng tiềm năng nhưng phần lớn không phù hợp, số lượng không phản ánh hiệu quả.

Doanh nghiệp cũng phải xác định đường cơ sở để so sánh. Trước khi dùng AI, một nhân viên cần bao nhiêu thời gian để hoàn thành công việc? Tỷ lệ sai sót là bao nhiêu? Chi phí xử lý trung bình thế nào? Không có dữ liệu trước khi triển khai, doanh nghiệp rất khó biết AI đã tạo ra cải thiện thực sự hay chỉ tạo thêm một lớp công nghệ.

Website phải ghi nhận được hành trình khách hàng

Nếu AI được dùng để tư vấn hoặc tạo khách hàng tiềm năng trên website, hiệu quả không thể chỉ được đo bằng số cuộc trò chuyện.

Website cần ghi nhận người dùng đến từ đâu, quan tâm nội dung nào, đã cung cấp thông tin hay chưa và có tiếp tục thực hiện hành động mong muốn không. Những dữ liệu này phải được chuyển vào hệ thống quản lý thay vì nằm riêng trong công cụ chatbot.

Nếu AI tạo ra một cuộc trao đổi tốt nhưng dữ liệu khách hàng không được đưa vào CRM, doanh nghiệp vẫn có thể đánh mất cơ hội. Khi đó, vấn đề không nằm ở khả năng của mô hình mà ở cách hệ thống được kết nối.

CRM biến hoạt động của AI thành kết quả bán hàng

CRM là nơi doanh nghiệp có thể kiểm tra một khách hàng do AI tiếp nhận đã đi đến đâu trong hành trình mua hàng.

Khách hàng có được nhân viên liên hệ không? Có nhận báo giá không? Cơ hội có chuyển thành hợp đồng không? Nếu không thành công, nguyên nhân nằm ở chất lượng khách hàng, tốc độ phản hồi hay cách tư vấn?

Khi website, AI và CRM được kết nối, doanh nghiệp mới có thể so sánh hiệu quả giữa các nguồn khách hàng, các kịch bản tư vấn và từng quy trình chăm sóc. AI lúc này không còn được đánh giá bằng số câu trả lời, mà bằng ảnh hưởng của nó đến tỷ lệ chuyển đổi và thời gian xử lý.

ERP đo giá trị ở cấp độ vận hành

Với các tác vụ liên quan đến đơn hàng, kho, sản xuất hoặc kế toán, dữ liệu kết quả thường nằm trong ERP.

Một AI dự báo nhu cầu chỉ có giá trị khi dự báo đó giúp doanh nghiệp điều chỉnh kế hoạch mua hàng hoặc sản xuất. Một hệ thống tự động xử lý đơn chỉ hiệu quả khi số lỗi giảm, thời gian giao hàng ngắn hơn và dữ liệu tài chính được cập nhật chính xác.

Nếu AI hoạt động bên ngoài ERP và quy trình nội bộ, doanh nghiệp chỉ nhìn thấy phần việc AI đã thực hiện mà không đo được ảnh hưởng đến toàn bộ hoạt động.

Vì vậy, muốn trả phí theo kết quả, doanh nghiệp phải có hệ thống đủ khả năng xác nhận kết quả đó.

Mối quan hệ giữa doanh nghiệp và nhà cung cấp sẽ thay đổi

Khi chi phí được gắn với kết quả, nhà cung cấp AI phải hiểu quy trình của khách hàng sâu hơn. Họ không chỉ cung cấp API hoặc mô hình, mà phải tham gia vào việc xác định dữ liệu đầu vào, tiêu chuẩn hoàn thành và cơ chế kiểm tra chất lượng.

Mô hình giá trong tương lai có thể kết hợp phí nền tảng, mức sử dụng và phần chi phí gắn với kết quả. Tuy nhiên, dù áp dụng cách nào, doanh nghiệp vẫn cần làm rõ quyền sở hữu dữ liệu, cách tính kết quả và trách nhiệm khi AI xử lý sai.

Doanh nghiệp nên bắt đầu từ đâu?

Trước khi lựa chọn mô hình AI hoặc thương lượng cách tính phí, doanh nghiệp cần chuẩn bị khả năng đo lường:

• Chọn một quy trình có đầu vào, đầu ra và người chịu trách nhiệm rõ ràng.
• Kết nối AI với Website, CRM hoặc ERP để ghi nhận kết quả thực tế.
• Đánh giá đồng thời tốc độ, chi phí, độ chính xác và ảnh hưởng đến toàn quy trình.

Doanh nghiệp không cần AI tạo ra nhiều hoạt động hơn. Doanh nghiệp cần AI tạo ra kết quả tốt hơn, với chi phí có thể kiểm soát và dữ liệu có thể kiểm chứng. Muốn làm được điều đó, nền tảng công nghệ và quy trình vận hành vẫn là phần phải được đầu tư trước.