Giám đốc điều hành Palantir Alex Karp chỉ trích mô hình token của OpenAI và Anthropic phơi bày một vấn đề lớn hơn trong AI doanh nghiệp: các công ty muốn kết quả, không phải hóa đơn sử dụng vô tận.
Giám đốc điều hành Palantir Alex Karp đã thổi bùng lại một trong những cuộc tranh luận quan trọng nhất trong AI doanh nghiệp: liệu giá dựa trên token có phản ánh đúng giá trị kinh doanh hay không. Lời chỉ trích của ông đối với OpenAI, Anthropic và nền kinh tế mô hình AI tiên phong rộng lớn hơn không chỉ là phàn nàn về giá cả. Đó là một thách thức đối với cách các doanh nghiệp mua, đo lường và tin tưởng các hệ thống AI.
Mô hình token hoạt động tốt như một hình thức thanh toán hạ tầng: sử dụng mô hình nhiều hơn có nghĩa là chi phí nhiều hơn. Nhưng khách hàng doanh nghiệp cuối cùng không quan tâm đến token. Họ quan tâm đến việc giảm công việc thủ công, ra quyết định nhanh hơn, ít lỗi hơn, kết quả khách hàng tốt hơn, bảo vệ kiến thức độc quyền và lợi tức đầu tư có thể đo lường được.
Đó là lý do tại sao những bình luận của Karp có ý nghĩa vượt ra ngoài vị thế cạnh tranh của Palantir. Chúng chỉ ra một sự thay đổi trong hành vi mua AI. Các công ty đang chuyển từ thử nghiệm sang trách nhiệm giải trình, và các nhà cung cấp AI chiến thắng sẽ cần chứng minh giá trị bằng các thuật ngữ kinh doanh thay vì chỉ khả năng mô hình, hiệu suất chuẩn hoặc tăng trưởng sử dụng.
Tại sao giá token đang chịu áp lực
Giá token đơn giản, có thể mở rộng và quen thuộc với các nhà phát triển, nhưng có thể trở nên khó khăn đối với người mua doanh nghiệp. Một công ty có thể tạo ra hàng triệu hoặc hàng tỷ token qua trò chuyện, phân tích tài liệu, lập trình, hỗ trợ khách hàng và đại lý nội bộ, nhưng vẫn gặp khó khăn trong việc giải thích liệu những token đó có tạo ra giá trị có thể đo lường được hay không.
Vấn đề trở nên rõ ràng hơn khi AI tiến vào các quy trình làm việc của đại lý. Các đại lý có thể thực hiện nhiều cuộc gọi lặp lại, tìm kiếm tập tin, kiểm tra mã, duyệt công cụ, thử lại các bước thất bại và tạo ra các chuỗi suy luận dài. Điều đó có thể làm tăng nhanh việc sử dụng, nhưng doanh nghiệp chỉ hưởng lợi nếu đại lý hoàn thành nhiệm vụ chính xác và giảm tải công việc cho con người.
Chủ quyền AI là vấn đề doanh nghiệp sâu sắc hơn
Thông điệp rộng hơn của Palantir là về chủ quyền AI: các công ty nên giữ quyền kiểm soát dữ liệu, kiến thức vận hành, mô hình, quy trình làm việc và hệ thống ra quyết định của họ. Trong AI doanh nghiệp, bối cảnh độc quyền thường là tài sản thực sự. Nó bao gồm quan hệ khách hàng, logic giá cả, chuỗi cung ứng, quy trình nội bộ, đánh giá chuyên gia và kết nối dữ liệu.
Điều này tạo ra vấn đề về niềm tin cho người mua AI. Nếu nhà cung cấp sử dụng dữ liệu khách hàng theo cách không rõ ràng, hoặc nếu doanh nghiệp không thể kiểm toán cách các hệ thống AI tương tác với thông tin độc quyền, câu hỏi về chi phí trở thành câu hỏi về kiểm soát. Doanh nghiệp không muốn trả tiền để đào tạo một hệ thống có thể làm suy yếu lợi thế riêng của họ sau này.
Tại sao điều này có lợi cho các nền tảng AI dựa trên kết quả
Cuộc tranh luận ủng hộ các nền tảng có thể kết nối AI trực tiếp với kết quả quy trình làm việc. Vị thế của Palantir tập trung vào ontology, bối cảnh vận hành và triển khai an toàn, nhưng nguyên tắc tương tự áp dụng trên toàn thị trường: người mua muốn các hệ thống hiểu quy trình kinh doanh, không chỉ các mô hình tạo ra câu trả lời trôi chảy.
Điều này có thể thúc đẩy ngành công nghiệp hướng tới các mô hình giá dựa trên nhiệm vụ hoàn thành, số lượng người dùng với các chỉ số năng suất rõ ràng, ROI cấp quy trình làm việc, giá trị triển khai, hoặc các mô hình kết hợp trong đó việc sử dụng token chỉ là một phần của cấu trúc thương mại. AI càng trở thành hạ tầng vận hành, khách hàng càng yêu cầu giá cả phản ánh tác động kinh doanh.
Cách người mua AI nên đánh giá công cụ hiện nay
Người dùng NexusAI nên đánh giá các công cụ AI doanh nghiệp dựa trên các chỉ số kết quả. Các câu hỏi hữu ích bao gồm: nhiệm vụ nào được hoàn thành, giảm bao nhiêu kiểm tra của con người, dữ liệu nào được bảo vệ, lỗi được xử lý thế nào, quyết định có thể kiểm toán không, và AI có cải thiện quy trình làm việc hiện có thay vì thêm một lớp hoạt động mới không.
Sự chuyển đổi thực tế là từ giám sát token sang giám sát giá trị. Các nhóm nên theo dõi chi phí trên mỗi phiếu yêu cầu được giải quyết, chi phí trên mỗi thay đổi mã được chấp nhận, chi phí trên mỗi tài liệu được xử lý, chi phí trên mỗi khách hàng tiềm năng đủ điều kiện, chi phí trên mỗi quy trình làm việc của nhà phân tích và chi phí trên mỗi quyết định được hỗ trợ. Đó là nơi chi tiêu AI trở nên có thể quản lý.
