Meta mở rộng công cụ AI MetaCode để kiểm soát chi phí và dữ liệu

Meta (META) đang mở rộng phạm vi sử dụng công cụ lập trình AI tự phát triển mang tên MetaCode trong toàn bộ đội ngũ kỹ sư. Động thái này được xem là cách để công ty quản lý chi phí sử dụng các công cụ AI bên ngoài, đồng thời thu thập dữ liệu phát triển phần mềm cần thiết cho việc huấn luyện mô hình AI của riêng mình.

Theo The Information, ông Maher Saba, Phó chủ tịch mảng Kỹ thuật AI ứng dụng (Applied AI Engineering) của Meta, đã nêu trong một bản ghi chú nội bộ rằng nhiệm vụ của bộ phận mới này là ưu tiên hàng đầu. Bộ phận mới có nhiệm vụ tạo ra dữ liệu và phản hồi chất lượng cao nhằm nâng cao hiệu suất mô hình.

MetaCode là công cụ hỗ trợ lập trình bằng AI được Meta phát triển nội bộ. Trọng tâm của công cụ này là tận dụng dữ liệu phát sinh trong quá trình phát triển thực tế - từ viết code, gỡ lỗi (debug) cho đến kiểm thử - để cải thiện mô hình lập trình AI của riêng Meta.

Việc Codex của OpenAI và Claude Code của Anthropic mở rộng vị thế trên thị trường lập trình được cho là lý do khiến Meta tăng cường ứng phó nội bộ. Khi ngày càng nhiều doanh nghiệp mở rộng sử dụng công cụ lập trình AI, cơ cấu nhân sự phát triển phần mềm cũng đang thay đổi theo.

Meta vốn đã vận hành hệ thống phát triển ứng dụng AI từ trước. Trên blog kỹ thuật, Meta từng giới thiệu hệ thống Diff Risk Score ra mắt năm 2025, dùng để đánh giá nội dung thay đổi code và metadata nhằm dự đoán khả năng xảy ra sự cố vận hành. Hệ thống này chấm điểm mức độ rủi ro của từng thay đổi code và đánh dấu những đoạn code có nguy cơ cao.

Kiểm soát chi phí cũng được xem là một trong những lý do khiến Meta mở rộng MetaCode. The Information cho biết Meta đang chuẩn bị hệ thống AI Gateway để theo dõi lượng token AI sử dụng và chi phí phát sinh theo từng nhân viên. Bản ghi chú nội bộ cũng đề cập rằng chi phí sử dụng AI trong nội bộ Meta năm 2026 có thể lên tới hàng tỷ USD.

Khi lượng sử dụng dịch vụ AI tăng lên, chi phí token cũng tăng theo, đồng thời tồn tại nguy cơ các thông tin nhạy cảm như mã nguồn và tài liệu nội bộ bị gửi ra bên ngoài. Vì vậy, kiểm soát chi phí và dữ liệu đang trở thành bài toán quan trọng trong việc vận hành AI ở doanh nghiệp.

Gánh nặng hạ tầng AI cũng thể hiện rõ trong báo cáo tài chính chính thức của Meta. Theo báo cáo kết quả kinh doanh quý 1/2026, Meta đưa ra dự báo chi tiêu vốn (capex) cả năm trong khoảng 125-145 tỷ USD. Công ty cho biết nguyên nhân điều chỉnh tăng dự báo đến từ giá linh kiện tăng và chi phí bảo đảm năng lực trung tâm dữ liệu trong tương lai.

Vấn đề quản trị dữ liệu cũng ảnh hưởng đến việc hạn chế sử dụng công cụ bên ngoài. The Information đưa tin Meta đã giới hạn việc sử dụng Claude Code và Codex trong bộ phận Kỹ thuật AI ứng dụng. Nguyên nhân là nếu đầu ra của các mô hình bên ngoài lẫn vào dữ liệu huấn luyện nội bộ, Meta có thể vướng vào tranh cãi về distillation (chưng cất mô hình) - việc dùng kết quả từ mô hình đối thủ để cải thiện mô hình khác.

Distillation là kỹ thuật sử dụng đầu ra hoặc kết quả huấn luyện của một mô hình AI để nâng cao hiệu suất của mô hình khác. Khi doanh nghiệp sử dụng đồng thời công cụ AI của nhiều công ty trong quá trình phát triển, việc phân định rõ nguồn gốc đầu ra và phạm vi sử dụng dữ liệu huấn luyện trở nên cần thiết.

Điều khoản sử dụng của OpenAI cấm dùng đầu ra để phát triển các mô hình cạnh tranh với OpenAI. Trang hướng dẫn của Anthropic cũng nêu rõ không cho phép sử dụng đầu ra của Claude để huấn luyện các mô hình AI cạnh tranh.

Hiện chưa xác định được tác động trực tiếp của việc mở rộng MetaCode đối với các dự án tiền mã hóa hay blockchain. Tuy nhiên, việc chuyển sang dùng công cụ tự phát triển và đầu tư hạ tầng AI có liên quan mật thiết đến nhu cầu chip bán dẫn hiệu năng cao, trung tâm dữ liệu, cũng như áp lực chi phí của các tập đoàn công nghệ lớn.