Vì sao tài khoản AI của công ty thường bị bỏ không?

Doanh nghiệp thường mua tài khoản trước khi thiết kế lại cách làm việc. Nhiều nhân viên không biết việc nào của mình AI làm tốt, công cụ không hiểu bối cảnh công ty, còn những câu lệnh hiệu quả chỉ nằm trong tay vài người. Trong khi đó, nhân viên lại dùng công cụ AI cá nhân mà công ty không quản lý được.

Hạn mức AI dùng chung là gì?

Hạn mức dùng chung thay các tài khoản cố định theo đầu người bằng một ngân sách sử dụng AI chung của công ty, thường tính bằng token. Mọi người dùng chung một trợ lý, quản trị viên đặt định mức theo người, nhóm hoặc trung tâm chi phí, nên người dùng nhiều không bị chặn và người dùng ít không lãng phí.

AI có thực sự giúp nhân viên làm việc năng suất hơn không?

Các nghiên cứu có đối chứng cho thấy có, với những đầu việc phù hợp. Nhân viên hỗ trợ khách hàng xử lý thêm 14% yêu cầu mỗi giờ, người mới tăng 34%. Bài viết được hoàn thành nhanh hơn 40%, chất lượng cao hơn 18%. Tuy vậy, BCG ghi nhận kết quả kém đi 23% ở việc vượt quá khả năng của mô hình.

Tối ưu thuê bao AI: dùng hết mọi tài khoản AI đã trả tiền

Dùng hết mọi tài khoản AI nghĩa là bảo đảm năng lực AI mà công ty đã trả tiền thực sự biến thành công việc hoàn chỉnh ở mọi phòng ban, vượt ra ngoài nhóm nhỏ những người thích công nghệ. Muốn vậy cần bốn điều: hạn mức dùng chung thay cho tài khoản cá nhân bỏ không, định mức sát với nhu cầu thật, đào tạo qua kỹ năng dùng chung, và đo lường đều đặn cả mức sử dụng lẫn kết quả.

Doanh nghiệp thực sự dùng bao nhiêu phần phần mềm đã mua?

Bản quyền mua về rồi để đó là chuyện không mới. Theo Zylo (2026), trung bình một tổ chức chỉ dùng 54% số giấy phép SaaS đã mua và lãng phí 19,8 triệu USD mỗi năm cho phần mềm không dùng đến.

Cần lưu ý hai điểm. Zylo là doanh nghiệp bán phần mềm quản lý SaaS, và con số này tính cho mọi loại SaaS, không riêng công cụ AI. Dù vậy, AI hiện cũng được mua theo cùng cách, từng tài khoản một, nên khó kỳ vọng kết quả sẽ khác.

Vì sao tài khoản AI bị bỏ không?

Công cụ không hiểu doanh nghiệp

Theo MIT NANDA (2025), 95% tổ chức chưa thấy lợi nhuận đo lường được từ AI tạo sinh. Báo cáo chỉ ra "khoảng trống học hỏi": phần lớn hệ thống không ghi nhớ phản hồi, không thích nghi với bối cảnh và không tự cải thiện.

Với nhân viên, điều đó có nghĩa là mỗi lần hỏi lại phải giải thích từ đầu về công ty, khách hàng, mẫu biểu. Nhiều người bỏ cuộc sau vài lần thử.

Nhân viên dùng công cụ riêng

Cũng nghiên cứu của MIT NANDA cho thấy người lao động ở hơn 90% công ty đang dùng công cụ AI cá nhân. Nhu cầu rõ ràng là có. Vấn đề là công ty không nhìn thấy, không kiểm soát và không học được gì từ đó, trong khi dữ liệu nội bộ có thể đang đi ra ngoài qua những tài khoản không ai quản lý.

Kinh nghiệm chỉ nằm ở vài người

Ở hầu hết các nhóm, chỉ một hai người tìm ra cách dùng AI cho kết quả tốt. Câu lệnh và phương pháp của họ nằm trong lịch sử chat riêng. Đồng nghiệp không bao giờ thấy, nên khoảng cách giữa người dùng giỏi và người dùng kém ngày càng lớn.

Tài khoản cố định không khớp với nhu cầu

Nhu cầu dùng AI vốn không đồng đều. Một chuyên viên phân tích có thể hết lượt dùng trước buổi trưa, trong khi một đồng nghiệp ở bộ phận vận hành mỗi tháng đăng nhập hai lần. Tài khoản cố định tính phí hai người như nhau và không giúp được ai.

Chi tiền cho AI có đáng không? Nghiên cứu nói gì

Lợi ích về năng suất là có thật với những đầu việc phù hợp. Bảng dưới tóm tắt ba nghiên cứu được trích dẫn rộng rãi.

Nghiên cứu	Bối cảnh	Kết quả
Brynjolfsson, Li và Raymond, NBER (2023), QJE (2025)	Nhân viên hỗ trợ khách hàng	Xử lý thêm 14% yêu cầu mỗi giờ; người mới tăng 34%
Noy và Zhang, Science (2023)	Viết tài liệu chuyên môn	Giảm 40% thời gian; chất lượng tăng 18%
BCG (2023)	Tư vấn viên làm bài toán sản phẩm	Tốt hơn khoảng 40% ở việc sáng tạo sản phẩm; kém đi 23% ở việc nằm ngoài khả năng của mô hình

Có hai bài học. Thứ nhất, trong nghiên cứu của NBER, người ít kinh nghiệm được lợi nhiều nhất, cho thấy AI giúp lan tỏa cách làm của những người giỏi nhất. Thứ hai, kết quả của BCG là lời cảnh báo. Năng lực của AI không đồng đều, và người tin AI ở sai đầu việc sẽ làm kém hơn người không dùng. Vì vậy, đào tạo phải chỉ rõ cả việc nên dùng AI lẫn việc không nên dùng.

Làm sao để dùng năng lực AI hiệu quả hơn?

Gộp thành hạn mức chung. Thay tài khoản cố định theo đầu người bằng một ngân sách AI chung của công ty. Mọi người dùng chung một trợ lý, năng lực chảy về nơi cần nhất trong ngày.
Đặt định mức theo vai trò. Giao định mức cho từng người, nhóm và trung tâm chi phí. Cảnh báo trước khi chạm ngưỡng, và chuyển phần vượt sang mô hình rẻ hơn hoặc mô hình nội bộ để công việc không bị gián đoạn.
Đào tạo qua kỹ năng dùng chung. Khi một người dùng giỏi tìm ra cách làm đáng tin cậy, hãy lưu thành kỹ năng chung để ai cũng chạy được. Rà soát và quản lý phiên bản các kỹ năng này như mọi quy trình khác của công ty.
Đưa shadow AI vào trong. Cung cấp một trợ lý được phê duyệt, tiện ít nhất bằng công cụ cá nhân, ngay trong ứng dụng chat nhân viên đang dùng, với quy định rõ ràng về loại dữ liệu được phép xử lý.
Đo lường và điều chỉnh hằng tháng. Xem mức sử dụng và kết quả theo từng nhóm, chuyển định mức từ nhóm ít dùng sang nhóm bận rộn, và tìm những đầu việc mà nhân viên liên tục phải sửa kết quả của AI.

Nên đo lường những chỉ số nào?

Chỉ số	Ý nghĩa
Số người dùng hoạt động mỗi tuần, theo nhóm	Năng lực AI có đến được với mọi người hay chỉ vài người
Định mức đã dùng theo trung tâm chi phí	Nên dịch chuyển ngân sách về đâu
Tỷ lệ yêu cầu có dùng kỹ năng chung	Kinh nghiệm có đang được lan tỏa không
Số đầu việc chạy theo lịch	AI tự xử lý được bao nhiêu việc định kỳ
Số lần sửa hoặc từ chối khi duyệt	Kỹ năng nào cần cải thiện, việc nào không nên giao cho AI
Số yêu cầu chuyển sang mô hình nội bộ	Tần suất chạm trần định mức hoặc áp dụng quy định dữ liệu

Ai nên chịu trách nhiệm về năng lực AI?

Hãy quản lý năng lực AI như mọi nguồn lực dùng chung có ngân sách. Ở phần lớn doanh nghiệp, việc này cần ba vai trò:

Đầu mối trung tâm, thường thuộc phòng CNTT hoặc ban chuyển đổi số, quản lý hạn mức chung, các mô hình và quy định về dữ liệu.
Trưởng nhóm, quyết định cách dùng định mức của nhóm mình và đề xuất những việc có thể trở thành kỹ năng dùng chung.
Người duyệt kỹ năng, là nhân sự cấp cao ở từng mảng, phê duyệt kỹ năng mới và bản cập nhật trước khi áp dụng cho mọi người.

Bộ phận tài chính nên xem chi phí AI theo từng trung tâm chi phí hằng tháng, đặt cạnh chi phí nhân sự và phần mềm khác. Thiếu góc nhìn này, công ty không biết việc tăng định mức đang mang lại hiệu quả hay chỉ đang bù cho lãng phí.

Redstone giải quyết điều này như thế nào

Redstone cho mỗi nhân viên một trợ lý, cùng dùng chung một hạn mức AI có quản trị. Bảng điều khiển quản trị đặt định mức token theo người dùng, nhóm và trung tâm chi phí, gửi cảnh báo khi dùng đến 80%, và tự động chuyển sang mô hình nội bộ khi chạm trần để công việc không bị dừng. Bảng theo dõi mức sử dụng, nhật ký kiểm toán và nút dừng khẩn cấp giúp quản trị viên nắm và kiểm soát toàn bộ hệ thống.

Kinh nghiệm được lan tỏa qua thư viện kỹ năng dùng chung có phiên bản. Khi tác tử tìm ra cách làm tốt hơn, nó đề xuất cập nhật và con người phê duyệt. Một tác tử điều phối giao việc cho các tác tử chuyên trách về nghiên cứu, phân tích, Word, Excel, PowerPoint và lập trình, nên nhân viên có kết quả tốt mà không cần biết viết câu lệnh chuyên sâu.

Để đưa shadow AI vào trong, Redstone hoạt động ngay trong Zalo, Slack, Mattermost và kết nối với Odoo, 1Office, Jira, Google, Outlook theo đúng quyền của từng người. Dữ liệu được chia thành bốn cấp (Công khai, Nội bộ, Mật, Tối mật); dữ liệu cấp 3 chỉ được xử lý bằng mô hình nội bộ đặt tại Việt Nam, và dữ liệu công ty không được dùng để huấn luyện mô hình. Nhân viên còn có thể nhắn trong khung chat để đặt lịch việc định kỳ, tận dụng năng lực AI cả ngoài giờ hành chính.

Liên hệ với chúng tôi để khai thác hết giá trị khoản đầu tư AI doanh nghiệp đang chi trả.