Ngày 29/6, hai tin tức AI đáng chú ý bao gồm: Ford thuê lại 350 kỹ sư kỳ cựu sau khi hệ thống AI kiểm soát chất lượng không đạt kỳ vọng; Coinbase cắt gần một nửa chi phí AI nhờ vận hành thông minh hơn dù dùng nhiều token hơn. Hai tin tức từ hai ngành rất khác nhau nhưng cùng hướng về chi phí AI và giá trị thực của con người trong quy trình vận hành.
1. Ford thuê lại 350 kỹ sư kỳ cựu sau khi hệ thống AI kiểm soát chất lượng gây thất vọng
Ford cho biết đã thuê lại 350 kỹ sư kỳ cựu mà nội bộ gọi là “gray beard”: một số từng là nhân viên cũ, một số đến từ nhà cung cấp, với kinh nghiệm thực tế tích lũy nhiều năm. Lý do trực tiếp: các hệ thống AI và tự động hóa kiểm soát chất lượng không đạt mức chất lượng mong muốn.
COO Kumar Galhotra thừa nhận Ford đã “ngày càng phụ thuộc vào hệ thống kiểm soát chất lượng tự động” nhưng kết quả gây thất vọng, nên công ty đưa các chuyên gia kỹ thuật trở lại để “truy tìm điểm lỗi trước khi một linh kiện kịp đến sàn nhà máy.” Charles Poon, Phó chủ tịch kỹ thuật phần cứng xe của Ford, chia sẻ: “Chúng tôi đã lầm khi nghĩ rằng chỉ cần đưa AI vào và cung cấp cho nó các yêu cầu thiết kế là sẽ tạo ra sản phẩm chất lượng cao.”
Với quyết định này, Ford kỳ vọng tiết kiệm 1 tỷ USD trong năm nay và giành vị trí dẫn đầu nhóm thương hiệu đại chúng trong bảng xếp hạng Chất lượng Khởi đầu JD Power vừa công bố.
Điều đáng chú ý: Ford không bỏ AI. Những kỹ sư kỳ cựu này đang huấn luyện đội trẻ và lập trình lại các công cụ AI. Ý nghĩa thực sự không phải ở chỗ AI thất bại, mà ở chỗ AI chỉ hoạt động hiệu quả khi những người hiểu sâu công việc tham gia xây dựng và vận hành nó.
Nguồn: TechCrunch / Bloomberg
Ghi chú thuật ngữ
- Gray beard: Cách Ford gọi các kỹ sư kỳ cựu có nhiều năm kinh nghiệm thực tế trong ngành.
- COO: Giám đốc vận hành, người phụ trách hoạt động vận hành hằng ngày của công ty.
- JD Power Initial Quality Survey (Khảo sát Chất lượng Khởi đầu): Khảo sát chất lượng xe trong 90 ngày đầu sử dụng, tiêu chuẩn đánh giá uy tín trong ngành ô tô Mỹ.
2. Coinbase giảm chi phí AI gần 50% nhờ mô hình mở Trung Quốc và caching thông minh
CEO Coinbase Brian Armstrong vừa chia sẻ một kết quả thú vị: công ty cắt chi phí AI gần một nửa trong khi lượng token tiêu thụ vẫn tăng mạnh. Bí quyết không phải là dùng ít AI hơn, mà là vận hành hiệu quả hơn.
Coinbase chuyển sang dùng các mô hình như GLM 5.2 và Kimi 2.7, hai open-weight model của Trung Quốc với chi phí thấp hơn đáng kể so với các frontier model phương Tây. Lập trình viên vẫn được tự chọn mô hình, nhưng theo Armstrong, 91% trong số họ chưa bao giờ chạm ngưỡng giới hạn sử dụng cũ, nghĩa là phần lớn sẽ không bị ảnh hưởng khi đổi mô hình. Công ty cũng chạy một hệ thống định tuyến tự động, chọn mô hình phù hợp cho từng yêu cầu dựa trên loại tác vụ, giá và khả năng tái dùng cache. Riêng việc cải thiện caching đã nâng tỷ lệ cache hit từ 5% lên 60%, tức 60% truy vấn lặp lại không cần gọi lại mô hình.
Điểm đáng chú ý không nằm ở chuyện mô hình Trung Quốc rẻ hơn, mà ở chỗ phần lớn chi phí AI có thể cắt được chỉ bằng cách vận hành tốt hơn, không cần dùng ít AI đi. Coinbase không đơn độc: CEO của startup Lindy gần đây cũng chuyển hẳn sang DeepSeek v4, còn Snowflake đang thử nghiệm các mô hình Trung Quốc, tạo áp lực giá thực sự lên các phòng lab phương Tây như OpenAI và Anthropic.
Một chi tiết đáng học hỏi từ Coinbase: Armstrong yêu cầu lập trình viên giữ ngữ cảnh gọn và mở phiên mới cho mỗi tác vụ mới, một cách làm thuộc về “context engineering” (kỹ thuật quản lý ngữ cảnh cho AI). Đi kèm là một nguyên tắc trách nhiệm: “Càng chi nhiều cho AI, chúng tôi càng kỳ vọng tác động lớn hơn.”
Với các đội đang dùng AI qua API, bài học từ Coinbase gợi ra hai bước thực tế có thể áp dụng ngay mà không cần đổi mô hình: kiểm tra tỷ lệ cache hit hiện tại để tăng tái dùng kết quả, và giữ ngữ cảnh gọn cho mỗi tác vụ thay vì kéo dài một phiên duy nhất.
Nguồn: The Decoder
Ghi chú thuật ngữ
- Token: Đơn vị văn bản mà mô hình AI xử lý; khoảng 0,75 từ tiếng Anh hoặc 1-2 ký tự tiếng Việt.
- Open-weight model: Mô hình AI có trọng số công bố công khai, có thể tải về và triển khai mà không cần trả phí API.
- Frontier model: Mô hình AI tiên tiến nhất hiện có, thường từ các phòng lab lớn như OpenAI, Anthropic, Google.
- Caching: Lưu tạm kết quả tính toán để dùng lại cho những truy vấn giống nhau, tránh gọi lại mô hình mỗi lần.
- Cache hit rate: Tỷ lệ truy vấn được phục vụ từ bộ nhớ đệm, không cần tính toán từ đầu.
- Context engineering (kỹ thuật quản lý ngữ cảnh): Cách tổ chức và tiết chế lượng thông tin đưa vào mô hình AI mỗi lần, nhằm tăng hiệu quả và giảm chi phí.
- API: Giao diện lập trình cho phép phần mềm bên ngoài kết nối và sử dụng một dịch vụ AI.
Bài viết của đội ngũ ZTO Labs, chuyên đào tạo và nghiên cứu AI tại Việt Nam.
