Rippling giải bài toán AI ROI bằng AI Spend Console sau khi đốt hàng triệu USD

Rippling, nhà cung cấp phần mềm quản trị nhân sự, vừa công bố AI Spend Console – công cụ chống tokenmaxxing giúp doanh nghiệp kiểm soát chi phí AI. Sản phẩm ra đời sau khi Rippling suýt đốt 40% ngân sách nhân sự R&D (nghiên cứu và phát triển) vào token AI hồi tháng 3/2026, rồi giúp hãng giảm xuống còn khoảng 15%.

Rippling giải bài toán AI ROI như thế nào?

Đầu năm 2026, Rippling theo đuổi tokenmaxxing – dùng AI với lượng token (đơn vị dữ liệu mà mô hình AI xử lý) tối đa, nhưng nhanh chóng phát hiện nhân viên đang “đốt tiền” không kiểm soát. Hồi tháng 3/2026, trong cuộc họp ban điều hành, Giám đốc tài chính (CFO) Adam Swiecicki trình bày con số khiến lãnh đạo sốc: Rippling có nguy cơ đốt 40% ngân sách nhân sự của khối R&D vào token AI, tức số tiền chi cho AI tương đương 40% tổng lương trả cho nhân viên trong bộ phận này – hàng triệu USD.

“Chúng tôi không thể tin nổi”, Giám đốc sản phẩm Matt MacInnis kể lại với TechCrunch. Chi phí AI khi đó tăng 80% mỗi tháng; nếu xu hướng tiếp tục, sang năm Rippling sẽ dành tới 90% quỹ lương nhân viên R&D để trả cho token AI. Ban quản lý lập tức triển khai dự án “khẩn cấp” nhằm hiểu khoản chi này và giá trị nhận lại. Quảng cáo ra mắt AI Spend Console còn khắc họa cảnh CFO Swiecicki ngồi trên ghế đẩu trong khi nhân viên vơ từng xấp tiền và cho vào máy hủy giấy.

AI Spend Console đo lường năng suất của từng nhân viên

Khi phân tích dữ liệu, Rippling phát hiện khoảng 10–15% nhân viên tạo ra gần 60% tổng chi phí AI; một kỹ sư tiêu tới 50.000 USD/tháng. AI Spend Console giúp doanh nghiệp theo dõi chi tiêu của từng cá nhân, nhóm và vai trò, đồng thời chỉ ra “kỹ sư nào có chi phí AI cao mà đồng nghiệp thường phải nhờ làm lại mã trong các buổi review code”.

Công cụ cung cấp bảng điều khiển (dashboard, trước đây gọi là bảng xếp hạng trong thời tokenmaxxing) chấm điểm các chỉ số như số lời nhắc (prompt) mỗi ngày, sản lượng công việc – số dòng mã hoặc số pull request – và chi phí AI. Nhờ đó, doanh nghiệp phân biệt được người dùng AI hiệu quả và người chỉ tạo ra nội dung AI kém chất lượng (AI slop).

Kết quả sau 8 tháng: chi phí AI giảm từ 40% xuống 15%

Rippling không muốn cấm AI mà chỉ muốn kiểm soát lại. Hãng thương lượng giới hạn chi tiêu với các nhà cung cấp gồm Cursor (trợ lý lập trình AI), OpenAI (công ty phát triển ChatGPT) và Anthropic (công ty đứng sau chatbot Claude). Vấn đề đầu tiên lộ ra: nhân viên mặc định dùng mô hình AI tiên tiến nhất, đắt nhất cho mọi tác vụ. Theo MacInnis, các nhà cung cấp hạ tầng AI như Anthropic và OpenAI không có động lực giúp khách hàng tiết kiệm chi phí; họ có xu hướng để hóa đơn “chạy không phanh”.

Bối cảnh tương tự đã xuất hiện phổ biến đầu năm 2026. Sau tám tháng, các doanh nghiệp nhận ra cần dùng nhiều mô hình AI từ nhiều hãng với mức giá khác nhau, gồm cả lựa chọn mô hình tiên tiến mã nguồn mở, có thể đến từ Trung Quốc. Nhà sáng lập kiêm CEO Rippling, Parker Conrad, cho biết hồi tháng 7 rằng khi tự kiểm thử nội bộ, mô hình Grok của SpaceX (công ty công nghệ vũ trụ Mỹ) dẫn đầu toàn diện, nhưng “GLM 5.2 của Z.ai rẻ hơn 85% mà hiệu năng gần như tương đương” các mô hình tiên tiến. SpaceX hiện sở hữu Cursor – nền tảng cho phép truy cập Grok và hàng chục mô hình khác; mô hình GLM 5.2 của hãng AI Z.ai đang được cộng đồng kỹ thuật ưa dùng cho tác vụ lập trình, và Databricks (công ty dữ liệu và AI) cũng tích cực quảng bá mô hình này.

Rippling cũng tự xây AI gateway – lớp định tuyến yêu cầu tới mô hình AI phù hợp và tiết kiệm nhất. AI Spend Console vẫn có thể dùng chung với gateway của bên thứ ba, nhưng các tính năng quản lý chi tiêu yêu cầu dùng gateway của Rippling.

Nhờ AI gateway và định tuyến tới các mô hình hiệu quả hơn, Rippling giảm chi phí token AI từ 40% ngân sách nhân sự R&D xuống còn khoảng 15% mà không hạn chế việc dùng AI. Tháng 7/2026, nội bộ Rippling tiêu thụ 600 tỷ token nhưng chi phí chỉ bằng 37% chi phí tháng 4/2026, theo MacInnis. Ông nói đùa: “Chúng tôi không để phòng sales dùng mô hình AI Fable để sửa ngữ pháp”.

Bài học quản trị chi phí AI: công nghệ chưa đủ

Rippling cho rằng giải pháp công nghệ không phải là tất cả. Hãng tìm những người sử dụng AI hiệu quả và phong họ làm “AI captain” để hỗ trợ phần còn lại của công ty. Việc mở rộng AI ra ngoài khối kỹ thuật vẫn đang trong quá trình thử nghiệm, khi hiện tại kỹ sư phần mềm là nhóm người dùng chính.

Chẳng hạn, Rippling đang nghiên cứu ứng dụng AI cho đội ngũ hỗ trợ khách hàng nhằm tự động hóa một số công việc như gửi thư và đối soát dữ liệu; bảng điều khiển khi đó sẽ đo năng suất bằng số khách hàng tiếp nhận thêm. Theo MacInnis, doanh nghiệp phải gắn lượng token tiêu thụ ở khối hành chính và khối tiếp xúc khách hàng với năng suất; nếu không làm được, “mọi thứ đều vô nghĩa” khi tính đến chuyện mở quyền dùng AI cho toàn bộ nhân viên.

Bài học từ Rippling cho thấy tokenmaxxing có thể đang bị đẩy ngược quá xa: quyền truy cập AI của nhân viên có thể không còn được rộng rãi như Slack hay email, nếu công ty không đo lường được năng suất. AI Spend Console được tích hợp sẵn cho khách hàng thuê bao HR của Rippling, kèm chi phí phụ thuộc vào mức độ sử dụng AI; sản phẩm cũng có thể mua độc lập và tích hợp với hệ thống quản trị nhân sự khác.

Ý nghĩa với người đọc Việt Nam

Câu chuyện của Rippling là tín hiệu cho các doanh nghiệp Việt đang đẩy mạnh ứng dụng AI: ngoài việc lựa chọn công cụ, cần sớm xây cơ chế theo dõi chi phí token và gắn chi tiêu AI với năng suất thực tế, thay vì để nhân viên mặc định dùng mô hình đắt nhất. Mô hình GLM 5.2 của Z.ai được cho là rẻ hơn 85% trong khi hiệu năng gần tương đương các mô hình tiên tiến – một lựa chọn chi phí thấp đáng cân nhắc cho đội ngũ kỹ thuật đang tối ưu ngân sách AI.

Theo TechCrunch

Ảnh: Matheus Bertelli / Pexels