Các doanh nghiệp đang không còn chạy theo việc mở rộng sử dụng trí tuệ nhân tạo bằng mọi giá, mà chuyển sang chiến lược kiểm soát chi phí bằng cách phân bổ các mô hình khác nhau theo tính chất từng công việc.

Theo Business Insider ngày 4/7/2026 (giờ địa phương), thay vì ưu tiên sử dụng một mô hình cho mọi nhu cầu, nhiều doanh nghiệp hiện xem “phối hợp mô hình” là cách vận hành mới. Với chiến lược này, mô hình AI được lựa chọn theo độ khó và mức độ phức tạp của từng tác vụ nhằm cân bằng giữa hiệu năng và chi phí.

Morgan Linton, Giám đốc công nghệ của startup AI Bold Metrics, cho biết ông trực tiếp chỉ định mô hình cho đội ngũ kỹ sư theo từng nhiệm vụ. Một số nhóm dùng cấu hình nhẹ Claude Fable, nhóm khác sử dụng cấu hình hiệu năng cao GPT-5.5, trong khi nhóm còn lại kết hợp Cursor và Composer 2.5. Theo ông, cách làm này giúp doanh nghiệp quản lý chi phí hiệu quả mà không cần áp trần token riêng cho từng nhóm.

Xu hướng trên xuất hiện trong bối cảnh chi tiêu AI của doanh nghiệp tăng nhanh. Uber và Microsoft cũng được cho là đang chuyển sang cách tiếp cận thận trọng hơn sau khi rà soát chi phí AI phát sinh từ hoạt động sử dụng của nhân viên.

Hồi tháng 6, Brian Armstrong, CEO sàn giao dịch tiền mã hóa Coinbase, nhận định “80% khối lượng công việc sẽ chuyển sang các mô hình rẻ hơn 99% trong vòng 12-18 tháng”. Theo ông, chỉ 20% tác vụ còn lại mới cần đến các mô hình mới nhất, nơi năng lực xử lý ở mức cao nhất thực sự quan trọng.

Trong thực tế triển khai, người dùng cũng đang điều chỉnh cách tận dụng AI. Tanvi Pissal, một nhà thiết kế trải nghiệm người dùng trong ngành Big Tech, cho biết cô từng dùng Claude để phác thảo ý tưởng UX nhưng vẫn không hoàn tất công việc, dù đã tiêu tốn lượng token tương đương vài tháng sử dụng. Sau đó, cô chuyển sang hoàn thiện thiết kế màn hình trên Figma trước, rồi đưa ảnh chụp màn hình vào Claude để dựng logic chức năng và luồng sử dụng. Theo Pissal, cách “thiết kế trước” này giúp tiết kiệm đáng kể token.

Chris Marconi, đồng sáng lập startup AI Hechura, cũng đang tích cực thử nghiệm các mô hình giá rẻ. Khi phát triển Openklo, ông trước tiên dùng mô hình Gemini có chi phí thấp hơn, sau đó chuyển sang Haiku của Anthropic. Marconi cho rằng không nên ngần ngại thử trước các mô hình cấp thấp để kiểm tra xem chúng có đáp ứng được mức độ thông minh cần thiết hay không.

Trong bối cảnh đó, các nền tảng điều phối mô hình cũng bắt đầu thu hút sự chú ý. Nhóm công ty này cung cấp phần mềm phân tích yêu cầu đầu vào và tự động phân bổ mô hình AI phù hợp theo độ khó của tác vụ. David Gilmore, người điều hành Raylin, cho biết nhiều khách hàng ban đầu bị tâm lý phải dùng bằng được mô hình mới nhất chi phối, nhưng sau khi nhận hóa đơn API thì nhanh chóng thu hẹp quy mô sử dụng.

Công ty đầu tư Blockspaceforce có trụ sở tại San Francisco hiện sử dụng OpenRouter, Fireworks và Together AI. Spencer Yang, đồng quản lý công ty, khuyến nghị nên để các mô hình chi phí thấp xử lý trước, rồi mới đánh giá liệu tác vụ đó có thực sự cần mô hình đắt hơn hay không. Theo ông, khả năng tự đánh giá độ phức tạp công việc của các mô hình AI cũng đang được cải thiện.

Dù vậy, không phải doanh nghiệp nào cũng đi theo xu hướng này. Một số vẫn mặc định chọn mô hình mới nhất và đắt nhất. Marconi nhận xét rằng nhiều người không muốn làm phần việc khó là hiểu rõ mô hình nào phù hợp với loại tác vụ nào, mà chỉ chạy theo xu hướng.

Khi bài toán kiểm soát ngân sách AI bước vào giai đoạn quyết liệt hơn, năng lực phân bổ mô hình theo từng tác vụ đang nổi lên như một lợi thế cạnh tranh mới, giúp doanh nghiệp đồng thời tối ưu hiệu năng và chi phí.