AI doanh nghiệp ưu tiên chi phí và khả năng ứng dụng hơn mô hình mới nhất

Dreamforce 2026 cho thấy các doanh nghiệp đang ưu tiên tính thực tiễn và hiệu quả chi phí của những mô hình AI thế hệ trước đã được kiểm chứng, thay vì chỉ chạy theo các mô hình mới nhất. Khả năng ứng dụng vào công việc và quản lý mức sử dụng được xem là những tiêu chí chính khi triển khai AI doanh nghiệp.

Sự kiện thường niên Dreamforce 2026 của Salesforce(CRM) diễn ra tại San Francisco, Mỹ, từ ngày 15 đến 17 tháng 9. Salesforce cho biết sự kiện có hơn 50.000 người tham dự trực tiếp.

Tại sự kiện, các đại biểu thảo luận về an toàn AI và tốc độ phát triển mô hình mới. Một số người tham dự tập trung vào việc kết nối những công cụ hiện có với công việc thực tế. Alec Bronston, giám đốc Salesforce tại công ty dữ liệu bán lẻ Spins, nói: “Chỉ theo kịp những gì đang có cũng đã đủ khó”.

Phát biểu của Bronston cho thấy nếu tốc độ phát triển AI chậm lại, doanh nghiệp sẽ có thêm thời gian để đưa công nghệ hiện tại vào quy trình làm việc. Trong bối cảnh các mô hình mới liên tục ra mắt, khách hàng doanh nghiệp cho rằng không phải mọi tác vụ đều cần sử dụng mô hình có hiệu suất cao nhất.

Tim Sanders, giám đốc đổi mới của công ty đánh giá phần mềm G2, cho biết phần lớn công việc của các tác nhân AI có thể được xử lý mà không cần mô hình mới nhất. Kevin Lee, phụ trách công nghệ tại công ty điện toán đám mây NICE, cũng cho rằng mô hình thế hệ trước đã đủ hiệu quả cho công việc của khách hàng.

Salesforce ra mắt AIforce và mô hình suy luận chuyên cho CRM mang tên Koa tại sự kiện. Koa được xây dựng trên Nemotron của Nvidia(NVDA) để xử lý các tác vụ CRM phức tạp gồm nhiều bước. Salesforce giới thiệu Koa là mô hình được điều chỉnh theo dữ liệu CRM và quy trình công việc của doanh nghiệp.

Việc ra mắt Koa cho thấy AI doanh nghiệp không chỉ được đánh giá bằng hiệu suất của mô hình đa dụng. Doanh nghiệp còn xem xét khả năng mô hình vận hành phù hợp với môi trường dữ liệu và quy trình nội bộ, cũng như đáp ứng các yêu cầu về bảo mật và chi phí.

Các doanh nghiệp đang so sánh mô hình độc quyền của Anthropic và OpenAI với các mô hình có trọng số mở dựa trên chi phí và hiệu suất của từng nhiệm vụ. Thay vì áp dụng một mô hình cho mọi công việc, cách phân bổ mô hình theo độ khó của yêu cầu đang được chú ý.

Công ty chữ ký điện tử DocuSign cho biết đang sử dụng 'định tuyến mô hình', theo đó yêu cầu được chuyển đến các mô hình khác nhau tùy độ phức tạp. Những tác vụ như phân tích điều khoản hợp đồng phức tạp hoặc suy luận từ nhiều tài liệu được giao cho mô hình lớn, trong khi công việc đơn giản sử dụng mô hình có chi phí tương đối thấp hơn.

Định tuyến mô hình là kỹ thuật lựa chọn mô hình phù hợp bằng cách đồng thời xem xét hiệu suất cần thiết và chi phí gọi mô hình cho từng nhiệm vụ. Trường hợp này cho thấy doanh nghiệp đang quan tâm không chỉ đến hiệu suất mô hình mà còn đến chi phí gọi và quản lý mức sử dụng.

Cũng có ý kiến cho rằng cấu trúc chi phí có thể thay đổi nếu tác nhân AI thay thế một số chức năng của phần mềm theo mô hình thuê bao. Sanders cho biết biên lợi nhuận gộp của các doanh nghiệp SaaS truyền thống có thể giảm từ trên 85% xuống khoảng 45% trong mô hình dựa trên tác nhân AI.

Tuy nhiên, đây là dự báo do Sanders đưa ra, không phải số liệu đã được xác nhận là mức trung bình của ngành. Sanders cho rằng khối lượng công việc do tác nhân xử lý và khả năng kiểm soát chi phí gọi mô hình có thể ảnh hưởng đến khả năng sinh lời của doanh nghiệp.

Điều này không có nghĩa các mô hình mới nhất không mang lại giá trị. Patrick Wendell, phó chủ tịch kỹ thuật tại công ty phân tích dữ liệu Databricks, viết trên mạng xã hội rằng GPT-6 Astra vượt trội rõ rệt so với mô hình cao cấp trước đó trong những tác vụ phức tạp.

OpenAI công bố GPT-6 Astra vào ngày 3 tháng 9 và cho biết khả năng suy luận cùng tính an toàn của mô hình đã được cải thiện. Đồng thời, một đánh giá được công bố cho rằng khả năng giám sát Astra thấp hơn so với các mô hình trước.

Xu hướng ghi nhận tại Dreamforce không có nghĩa cuộc cạnh tranh về mô hình mới nhất đã kết thúc. Các doanh nghiệp đang kết nối những mô hình hiện có với công việc và kiểm soát chi phí, đồng thời xem xét liệu mức cải thiện hiệu suất của mô hình mới trong các tác vụ phức tạp có đủ để bù đắp chi phí bổ sung hay không.

Điều này cũng phù hợp với nhận định rằng tỷ lệ ứng dụng thực tế trong tiềm năng của mô hình AI chỉ ở mức 5-10%. Việc triển khai AI doanh nghiệp đang chuyển sang giai đoạn kiểm chứng hiệu quả theo từng nhiệm vụ và cấu trúc chi phí, thay vì chỉ chạy theo tốc độ ra mắt mô hình.