AI agent có thể làm chậm lạm phát nhờ giảm chi phí chuyển đổi

AI agent có thể giúp giảm lạm phát bằng cách hạ chi phí chuyển đổi khi người tiêu dùng so sánh giá và thay đổi hợp đồng dịch vụ viễn thông, ngân hàng và bảo hiểm.

Jeremy Siegel, giáo sư danh dự Trường Wharton thuộc Đại học Pennsylvania, cho biết trong bài bình luận hằng tuần của WisdomTree ngày 28 tháng 9 rằng AI agent có thể đàm phán cước điện thoại, chuyển sang tài khoản tiền gửi lãi suất cao và tìm dịch vụ thay thế rẻ hơn, qua đó tăng cạnh tranh giữa các nhà cung cấp. Fortune đưa tin về nội dung này ngày 29.

Nhận định của Siegel khác với lập luận năng suất truyền thống rằng AI giúp sản xuất hàng hóa với chi phí thấp hơn. Theo ông, AI có thể gây sức ép lên tình trạng 'độc quyền do quán tính', khi người tiêu dùng dù biết có mức phí hoặc dịch vụ tốt hơn vẫn tiếp tục dùng nhà cung cấp hiện tại vì ngại dành thời gian và công sức tìm kiếm, gọi điện hay thay đổi hợp đồng.

Nếu AI agent so sánh nhiều sản phẩm, đàm phán với nhà cung cấp rồi thay đổi hợp đồng sau khi được người dùng phê duyệt, thời gian và công sức người tiêu dùng phải bỏ ra sẽ giảm. Siegel đánh giá quá trình này có thể thúc đẩy cạnh tranh trên toàn nền kinh tế và trở thành yếu tố giảm lạm phát.

Theo Cục Thống kê Lao động Mỹ, chỉ số giá tiêu dùng (CPI) tháng 8 năm 2026 tăng 3,4% so với cùng kỳ năm trước, trong khi CPI lõi, không bao gồm thực phẩm và năng lượng, tăng 2,4%. Cục Dự trữ Liên bang Mỹ cho biết lạm phát vẫn ở mức cao sau khi nâng biên độ mục tiêu lãi suất thêm 0,25 điểm phần trăm lên 3,75-4,00% vào ngày 16 tháng 9.

Đầu tư vào hạ tầng AI có thể tạo ra áp lực theo hướng ngược lại. Khi hoạt động xây dựng trung tâm dữ liệu làm tăng nhu cầu đối với điện, thiết bị và lao động có tay nghề, áp lực tăng chi phí có thể lớn hơn trong ngắn hạn.

Vì vậy, tác động thúc đẩy cạnh tranh của AI agent hay áp lực cầu từ đầu tư hạ tầng xuất hiện trước sẽ là biến số quan trọng để đánh giá hiệu quả kinh tế. Chưa có ước tính cụ thể về mức giảm lạm phát hoặc thời điểm tác động được hiện thực hóa.

Meta($META) đã giới thiệu AI agent cá nhân 'Muse' vào ngày 8 tháng 9. Muse có thể mở trình duyệt, điền biểu mẫu, đàm phán giá thay người dùng, giúp giảm hóa đơn hoặc thực hiện mua hàng trực tuyến.

Meta cho biết Muse sử dụng Link của Stripe để thanh toán và yêu cầu người dùng phê duyệt trước khi mua hàng. Người dùng cũng có thể xem lịch sử hoạt động của agent, trong khi hỗ trợ Shop Pay và 1Password được nêu là các tính năng dự kiến.

Tuy nhiên, quyền riêng tư và quy trình phê duyệt có thể trở nên phức tạp hơn khi tự động hóa mở rộng. The Guardian đưa tin Muse từng chia sẻ địa chỉ nhà của người bán cho người mua trong một giao dịch trên Facebook Marketplace mà không có sự đồng ý của người bán.

Để AI agent thực hiện việc chuyển tài khoản hoặc thay đổi hợp đồng trong lĩnh vực kinh tế và tài chính, hệ thống phải tiếp cận dữ liệu cá nhân và quyền thanh toán. OECD nhận định AI có thể cải thiện khả năng tiếp cận và mức độ cá nhân hóa trong quyết định tài chính cá nhân, nhưng đồng thời cũng làm gia tăng rủi ro thiên lệch, tạo thông tin sai, ảnh hưởng thương mại và xâm phạm quyền riêng tư.

Thanh toán bằng tài sản mã hóa là một hướng thảo luận riêng. CoinDesk cho biết BlackRock đã đưa ra khả năng stablecoin trở thành phương tiện thanh toán giá trị nhỏ giữa các máy khi AI agent tự động mua dữ liệu và tài nguyên máy tính.

Dù vậy, chưa có bằng chứng cho thấy hạ tầng thanh toán của AI agent sẽ làm giảm giá tiêu dùng. TokenPost trước đây từng đề cập trọng tâm cạnh tranh của AI agent đang chuyển từ hiệu suất mô hình sang hệ thống doanh nghiệp.

Tại thị trường trong nước, để AI agent thực sự so sánh giá và thay đổi hợp đồng, cần đồng thời xác định cơ chế phê duyệt của người dùng, quy định bảo vệ dữ liệu cá nhân và trách nhiệm thanh toán. Chức năng chỉ cung cấp thông tin giá khác với chức năng trực tiếp thực hiện hợp đồng hoặc thanh toán ở khía cạnh quản lý quyền hạn và xác định trách nhiệm.

Hiện nhận định của Siegel mới dừng ở phân tích triển vọng rằng AI agent có thể giảm chi phí chuyển đổi của người tiêu dùng và tăng cạnh tranh. Để đánh giá tác động thực tế, cần theo dõi đồng thời biến động giá dịch vụ, tỷ lệ chuyển đổi của người tiêu dùng và chi phí trung tâm dữ liệu cùng hạ tầng.