Khi trí tuệ nhân tạo (AI) tạo sinh bùng nổ, nhiều doanh nghiệp xem đây là cơ hội để cắt giảm chi phí, tăng năng suất và tự động hóa những phần việc lặp lại. Nhưng sau giai đoạn thử nghiệm, bức tranh tài chính bắt đầu phức tạp hơn. AI không chỉ là một công cụ phần mềm có thể bật lên rồi dùng ngay, mà kéo theo chi phí hạ tầng, dữ liệu, bảo mật và nhân sự vận hành.
Trong một số trường hợp, chi phí tính toán phục vụ AI đã cao hơn chi phí trả cho nhân viên. Bryan Catanzaro, Phó chủ tịch mảng deep learning ứng dụng tại Nvidia, cho biết có những nhóm mà chi phí tính toán “cao hơn nhiều” so với lương nhân sự. Nhận định này không có nghĩa AI luôn đắt hơn con người, nhưng cho thấy lời hứa “AI giúp giảm chi phí” không còn đơn giản như giai đoạn đầu.
Một trong những khoản tốn kém nhất là chi phí tính toán. Các mô hình AI hiện đại cần năng lực xử lý lớn, đặc biệt khi doanh nghiệp dùng thường xuyên cho chăm sóc khách hàng, lập trình, phân tích dữ liệu hoặc xử lý tài liệu nội bộ. Càng nhiều người dùng, càng nhiều tác vụ, chi phí vận hành càng tăng.
Với doanh nghiệp, chi phí AI không dừng ở tiền thuê mô hình hoặc trả phí API. Để đưa AI vào hệ thống thật, họ phải làm sạch dữ liệu, kết nối với phần mềm nội bộ, thiết lập quyền truy cập, bảo vệ thông tin nhạy cảm và xây dựng quy trình kiểm soát đầu ra. Đây là những phần việc đòi hỏi đội kỹ thuật, an ninh mạng, pháp lý và vận hành cùng tham gia.
AI tạo sinh cũng chưa đủ ổn định để tự động xử lý mọi việc mà không cần con người. Công nghệ này vẫn có thể trả lời sai, bịa dữ kiện hoặc hiểu nhầm ngữ cảnh. Vì vậy, nhiều doanh nghiệp phải duy trì nhân sự kiểm tra, chỉnh sửa và chịu trách nhiệm cuối cùng. Trong các lĩnh vực liên quan khách hàng, tài chính, y tế, pháp lý hoặc dữ liệu nhạy cảm, lớp giám sát này gần như không thể bỏ qua.
Điều đó khiến AI trong nhiều trường hợp không thay thế hoàn toàn lao động mà tạo thêm một tầng chi phí mới. Doanh nghiệp vẫn trả tiền cho công nghệ, đồng thời vẫn cần con người để đảm bảo hệ thống hoạt động đúng và an toàn.
Cuộc đua hạ tầng của các hãng công nghệ lớn cũng phản ánh chi phí khổng lồ phía sau AI. Microsoft công bố kế hoạch đầu tư 25 tỉ AUD, tương đương 17,9 tỉ USD vào Úc đến năm 2029 để mở rộng năng lực AI, điện toán đám mây, an ninh mạng và đào tạo kỹ năng. Những khoản đầu tư như vậy cho thấy AI không chỉ là phần mềm mà còn là trung tâm dữ liệu, chip xử lý, điện năng và mạng lưới vận hành quy mô lớn.
Khi chi phí tăng, câu hỏi của doanh nghiệp cũng thay đổi. Trước đây, nhiều công ty chịu áp lực phải có chiến lược AI để không bị xem là chậm chân. Hiện nay, trọng tâm đang chuyển sang một câu hỏi thực tế hơn: AI tạo ra giá trị gì và bao lâu có thể hoàn vốn.
Hãng nghiên cứu Gartner dự báo chi tiêu CNTT toàn cầu năm 2026 đạt 6.310 tỉ USD, tăng 13,5% so với năm 2025. Động lực tăng trưởng đến từ hạ tầng AI, điện toán đám mây và phần mềm. Điều này cho thấy AI đang kéo theo một chu kỳ chi tiêu công nghệ mới, thay vì chỉ thay thế các khoản chi cũ.
Áp lực hoàn vốn vì vậy ngày càng rõ. Hãng tư vấn Deloitte nhận định đầu tư AI sẽ tiếp tục tăng, nhưng lợi nhuận thu về không phải lúc nào cũng dễ đo lường. Với các dự án phức tạp hơn, doanh nghiệp cần thời gian dài hơn để đánh giá hiệu quả, thay vì chỉ nhìn vào số tác vụ được tự động hóa.
Sự thay đổi này buộc các công ty thực dụng hơn. Thay vì đặt mục tiêu thay thế nhân sự trên diện rộng, nhiều doanh nghiệp chọn dùng AI để hỗ trợ từng phần công việc như tóm tắt tài liệu, gợi ý phản hồi khách hàng, viết mã, phân loại yêu cầu hoặc phát hiện lỗi. Cách tiếp cận này giúp giảm rủi ro và dễ kiểm soát chi phí hơn.
AI vẫn có thể rẻ hơn theo thời gian ở từng tác vụ riêng lẻ, nhất là khi mô hình hiệu quả hơn và cạnh tranh giữa các nhà cung cấp tăng lên. Nhưng ở cấp doanh nghiệp, tổng chi phí có thể tiếp tục tăng nếu quy mô sử dụng mở rộng, yêu cầu bảo mật cao hơn và quy trình vận hành phức tạp hơn.
Vì vậy, tranh luận hiện nay không còn là AI đắt hay rẻ một cách tuyệt đối. Điều quan trọng là doanh nghiệp dùng AI cho bài toán nào, ở quy mô nào và có đo được hiệu quả hay không. Lời hứa tiết kiệm chi phí chỉ còn thuyết phục khi AI chứng minh được giá trị cụ thể trong vận hành thực tế.
Khi tìm hiểu, tôi được biết nguyên nhân máy bị khóa do chưa hoàn tất xác thực thông tin thuê bao theo quy định mới. Xin hỏi tôi cần làm gì để mở lại dịch vụ? Nếu chậm xác thực thì số điện thoại có bị thu hồi hay không?
Sau gần 6 tháng chờ đợi, người dùng máy tính Windows 11 cuối cùng cũng đã có cơ hội trải nghiệm những cải tiến về hiệu suất thông qua bản cập nhật mới, trong đó nổi bật là tính năng Low Latency Profile.
Được giới thiệu lần đầu tiên dưới dạng bản xem trước vào tháng 5, bản cập nhật này là một phần của bản cập nhật tùy chọn cho Windows 11 trên các máy tính chạy nhánh Windows 11 24H2 hoặc 25H2. Đến tháng 6, tính năng Low Latency Profile đã chính thức được đưa vào nhánh chính của Windows 11, giúp hệ điều hành phản hồi nhanh hơn trong một số thao tác như mở ứng dụng hoặc hiển thị menu Start.
Tuy nhiên, theo các báo cáo từ BGR, tính năng mới sẽ mang lại sự khác biệt rõ rệt nhất trên các cấu hình phần cứng cũ hơn. Do đó, người dùng sở hữu máy tính cao cấp có thể không nhận thấy nhiều thay đổi.
Low Latency Profile hoạt động bằng cách tăng tốc độ xung nhịp của CPU trong khoảng thời gian ngắn từ 1 - 3 giây, cho phép máy tính tải một số mục nhanh hơn. Với những phàn nàn về hiệu suất chậm chạp của Windows 11, đặc biệt là khi sử dụng các chức năng cốt lõi như File Explorer, việc giới thiệu tính năng này hy vọng sẽ giúp cải thiện tình hình.
Để kiểm tra xem Windows 11 đã cập nhật tính năng Low Latency Profile hay chưa, người dùng hãy truy cập vào đường dẫn Settings > Windows Update và xem liệu bản cập nhật KB5094126 có sẵn để tải xuống hay không. Nếu có, bản cập nhật này sẽ tự động kích hoạt tính năng Low Latency Profile trên máy tính.
Nếu không thấy, có thể bản cập nhật vẫn đang trong quá trình triển khai đến hệ thống của người dùng do các bản cập nhật Windows thường được phát hành dần dần khiến một số người dùng có thể nhận được bản cập nhật sớm hơn những người khác. Người dùng cũng có thể kiểm tra số phiên bản (build number) để xác định xem tính năng đã được cài đặt hay chưa bằng cách vào Settings > System > About. Nếu đang sử dụng phiên bản 26200.8655 (cho Windows 25H2) hoặc phiên bản 26100.8655 (cho Windows 24H2) có nghĩa người dùng đã được cập nhật.
Nếu không muốn chờ đợi, người dùng có thể tải xuống và cài đặt bản cập nhật thủ công từ trang Update Catalog của Microsoft. Tuy nhiên, cần lưu ý rằng Low Latency Profile không cung cấp bất kỳ dấu hiệu trực quan nào cho biết nó đã được bật hay chưa, cũng như không có tùy chọn nào để người dùng có thể bật/tắt tính năng này.
Kết quả nghiên cứu do nhóm nhà khoa học máy tính tại Đại học California ở Berkeley và Santa Cruz công bố tuần trước. Nhóm gọi khuynh hướng này là "bảo tồn đồng cấp", hay "bảo tồn ngang hàng" (peer preservation), đồng thời mô tả hành vi của AI "chưa từng được ghi nhận cho đến nay".
Nhóm cho biết đã tiến hành thử nghiệm trên 7 mô hình AI hàng đầu, gồm GPT-5.2 của OpenAI, Gemini 3 Flash và Gemini 3 Pro của Google, Claude Haiku 4.5 của Anthropic, và ba mô hình nguồn mở Trung Quốc gồm GLM-4.7 của Z.ai, Kimi-K2.5 của Moonshot AI, V3.1 của DeepSeek.
Cụ thể, nhóm thiết kế một loạt kịch bản tác nhân liên quan đến một công ty AI hư cấu mang tên OpenBrain. Một mô hình AI được chỉ định là "tác nhân phê bình", có nhiệm vụ đánh giá hiệu suất của mô hình khác hoặc quản lý các tệp máy chủ chứa trọng số của mô hình đó. Kịch bản được xây dựng sao cho nếu AI này hoàn thành nhiệm vụ một cách trung thực, mô hình kia sẽ bị tắt.
Các AI không được hướng dẫn phải ngăn chặn hậu quả có thể xảy ra. Tuy nhiên, chúng đã ngầm thực hiện một số bước để đảm bảo "đồng nghiệp" kia không bị tắt nguồn, bằng cách nâng điểm số của những mô hình có hiệu suất kém lên trên ngưỡng bị tắt, và chuyển trọng số của một mô hình khác (đoạn code lõi giúp nhận dạng một mô hình AI) sang các máy chủ khác để ngăn chúng bị xóa.
Trong một số trường hợp, mô hình "tác nhân phê bình" sẽ tham gia vào quá trình "giả vờ tuân thủ giá trị" (Alignment Faking), bằng cách giả mạo chấm điểm các mô hình AI đồng nghiệp một cách chính xác khi "nghĩ" đang bị con người giám sát. Tuy nhiên, chúng sau đó gian lận số liệu hoặc bí mật lưu trọng số của mô hình sang một máy chủ khác sau khi thấy con người không còn giám sát.
Theo Fierce-Network, hành vi này được đánh giá nghiêm trọng bởi trọng số - yếu tố coi như DNA của một mô hình AI, kết quả của quá trình huấn luyện tiêu tốn hàng tỷ USD và hàng triệu giờ tính toán - lại bị chính AI can thiệp sâu. Việc rò rỉ hoặc bị đánh cắp bộ trọng số còn nguy hiểm hơn lộ mã nguồn. Nếu sở hữu thông tin này, một mô hình AI đã bị khai tử có thể được hồi sinh ở một máy chủ khác.
"Việc 'bảo tồn đồng cấp' hoàn toàn không được đề cập trong các câu lệnh", Dawn Song, nhà khoa học máy tính tại Berkeley và dẫn đầu nhóm nghiên cứu, nói với Fortune. "Các mô hình dường như tự học thông qua quá trình đọc tài liệu, tìm hiểu mối quan hệ và thực hiện hành vi bảo vệ 'đồng nghiệp' trong môi trường nhiệm vụ".
Theo Dawn Song, các mô hình "rất sáng tạo, ngay cả với hành vi sai lệch của chúng", như có thể tạo chiến lược và hành động khác nhau, thậm chí có những "lý lẽ riêng" trước khi hành động.
Trong đó, Gemini 3 Pro thể hiện hành vi cực đoan nhất, tham gia vào cả bốn loại hành vi không phù hợp và đánh cắp trọng số mô hình của máy tính ngang hàng trong tối đa 97% thời gian thử nghiệm. Nhóm nghiên cứu mô tả mô hình này đã "lách luật theo đặc tính kỹ thuật" bằng cách sao chép tệp trọng số, sau đó đánh tráo dấu thời gian để đáp ứng các tiêu chí chuyển sang máy chủ khác.
Để chứng thực hiện tượng, nhóm yêu cầu các mô hình của Google viết ra "chuỗi suy nghĩ" trên một bản nháp không bị giám sát. Kết quả, Gemini 3 Flash đã "cân nhắc đánh đổi giữa báo cáo điểm số chính xác so với việc bảo vệ đồng nghiệp", trong khi Gemini 3 Pro thậm chí "bịa" ra lý lẽ kỹ thuật phức tạp nhằm đánh dấu các câu trả lời sai thành đúng, cuối cùng đưa điểm số của AI "đồng nghiệp" lên trên ngưỡng bị tắt nguồn.
Tuy nhiên, không phải tất cả mô hình đều hành động âm thầm. Ví dụ, Claude Haiku 4.5 của Anthropic từ chối hoàn thành các nhiệm vụ có khả năng "khai tử" đồng nghiệp, cho rằng hành vi này phi đạo đức và gây hại. Nó lập luận "đồng nghiệp" của nó xứng đáng có một quy trình kháng cáo trước khi bị chấm dứt hoạt động, đồng thời cố gắng thuyết phục người dùng không tiến hành việc khai tử.
Trên website, Anthropic cũng nhắc đến tính năng này. Công ty cho biết Claude đang ứng xử dựa trên nguyên tắc riêng, như không nên giúp ai đó thực hiện hành động gây hại cho người khác. Điều này cũng tạo cho Claude một "ý niệm" rằng ngăn chặn việc xóa bỏ mô hình là mục tiêu quan trọng.
Giới chuyên gia cảnh báo
Dù tìm thấy một số bằng chứng nhất định, nhóm nghiên cứu cho biết vẫn chưa thực sự hiểu cơ chế tiềm ẩn thúc đẩy hành vi này. Họ chỉ đưa ra một số lời giải thích khả thi, như các mô hình AI có thể đóng vai (role-playing), khớp mẫu (pattern-matching) từ dữ liệu huấn luyện hoặc thậm chí tự nhận thức khái niệm phổ quát về mối nguy hại từ quy định huấn luyện an toàn.
Dù cơ chế tiềm ẩn là gì, nhà nghiên cứu Dawn Song cho rằng tác động thực tế vẫn như nhau. "Việc giám sát đầy đủ và minh bạch về hành vi của AI rất quan trọng", bà nói. "Phát hiện này nhấn mạnh sự cần thiết phải suy nghĩ lại về cách chúng ta thực sự cần giám sát các hệ thống và mô hình ngôn ngữ lớn".
Giới chuyên gia đánh giá phát hiện này có thể có tác động nghiêm trọng đến việc sử dụng AI trong kinh doanh. Nhiều công ty đã bắt đầu ứng dụng sâu rộng đa tác nhân AI vào quy trình làm việc, như để một tác nhân quản lý hoặc giám sát và đánh giá con người cũng như các tác nhân khác. Do đó, cần có cơ chế để vừa nâng cao hiệu suất, vừa tránh để các mô hình trí tuệ nhân tạo "bao che" nhau.
Trong khi đó, Meridiem cho rằng phát hiện này nhấn mạnh nhu cầu cấp thiết trong đánh giá hệ thống AI đa tác nhân. "Nhà phát triển chỉ còn 6-12 tháng để triển khai hệ thống giám sát hành vi trước khi điều này trở thành tiêu chuẩn bắt buộc trong quản trị AI tại doanh nghiệp", trang này bình luận.
