Sao chép phần mềm – Phần mềm trả phí thực sự đã hết thời?

Các tin tức gần đây về việc nhà phát triển dùng công cụ AI để sao chép những phần mềm trả phí phổ biến, nổi bật nhất là Adobe đã làm dấy lên nhiều phản ứng trái chiều: từ cáo buộc ăn cắp đến sự hoan nghênh các công cụ mã nguồn mở miễn phí.

Nhưng điều đó có ý nghĩa gì với các công ty công nghệ sở hữu phần mềm gốc, hoặc với những người phải trả phí đăng ký đắt đỏ để sử dụng phần mềm ấy?

Matt Wood, Giám đốc cấp cao phụ trách Kiến trúc an ninh mạng, Vận hành và An ninh AI tại ABBYY, đã tìm hiểu mối lo ngại ngày càng tăng này và chia sẻ nhận định của mình về những rủi ro cũng như cơ hội trong phát triển phần mềm ứng dụng AI.

Năm 1996, Fatboy Slim tạo nên “Rockafeller Skank” từ một đoạn riff guitar lấy từ một bản thu âm thập niên 1960 mà suốt nhiều thập kỷ, rất ít người từng nghe. The Chemical Brothers lặp lại các nhịp breakbeat từ những bản thu funk bị lãng quên, biến chúng thành những ca khúc vang dội khắp các sân vận động. The Prodigy lấy mẫu tiếng còi báo động, lời thoại trong phim và những đĩa nhựa ít người biết đến, tạo ra thứ âm thanh chưa từng có trước đó. Việc lấy mẫu không chỉ làm giảm chi phí sản xuất âm nhạc. Nó thay đổi những ai có thể làm nhạc, đồng thời buộc cả ngành phải đặt ra một câu hỏi khó hơn: điều gì mới thực sự được xem là nguyên bản?

Ngày nay, AI đang buộc các doanh nghiệp phải đặt ra chính câu hỏi đó, nhưng điều quan trọng không còn là thứ hạng trên bảng xếp hạng. Đó là kết quả vận hành, rủi ro về tuân thủ và niềm tin mà khách hàng dành cho mỗi quyết định của doanh nghiệp.

Tái tạo thì rẻ. Thấu hiểu thì không.

Các mô hình ngôn ngữ lớn giúp việc phối trộn lại tri thức hiện có trở nên dễ dàng đến kinh ngạc: soạn một điều khoản hợp đồng, tóm tắt báo cáo, tạo câu trả lời nghe có vẻ hợp lý từ bất kỳ văn bản nào chúng truy cập được. Khả năng đó mang lại giá trị thực sự. Nhưng tái tạo không đồng nghĩa với khám phá, và việc đánh đồng hai điều này là lý do khiến nhiều sáng kiến AI trong doanh nghiệp âm thầm đình trệ.

Sự khác biệt này rất quan trọng vì các hệ thống tạo sinh rất giỏi tạo ra thứ trông có vẻ hoàn chỉnh. Chúng có thể bắt chước giọng điệu, cấu trúc và sự tự tin một cách trôi chảy đáng kinh ngạc. Nhưng tự thân chúng không thể bảo đảm rằng nội dung tạo ra dựa trên đúng bằng chứng, gắn với đúng quy trình hay được định hình bằng phán đoán phù hợp.

Mâu thuẫn đó không chỉ tồn tại trong kinh doanh. Nó cũng thể hiện trong sáng tạo. Một nghiên cứu năm 2024 đăng trên Science Advances cho thấy sự hỗ trợ của AI cải thiện chất lượng và tính sáng tạo được cảm nhận ở từng câu chuyện riêng lẻ, đặc biệt là với những người viết ít sáng tạo hơn, đồng thời khiến tổng thể các câu chuyện giống nhau hơn. Nói cách khác, sản phẩm đầu ra được cải thiện ở cấp độ cá nhân nhưng lại hội tụ ở cấp độ tập thể. Sản lượng tăng không nhất thiết đồng nghĩa với tính nguyên bản cao hơn. Thường thì điều đó chỉ có nghĩa là có thêm những ý tưởng tương tự, được diễn đạt trôi chảy hơn.

Đó là rủi ro của doanh nghiệp, thu nhỏ lại. Khi mọi người đều có thể tiếp cận cùng những công cụ đa dụng, lợi thế cạnh tranh không đến từ việc tạo ra thêm văn bản, bản tóm tắt hay đề xuất. Lợi thế nằm ở việc biết điều gì quan trọng, điều gì đáng tin và điều gì cần được hành động.

Vấn đề của doanh nghiệp không nằm ở khâu tạo sinh, mà ở khả năng tiếp cận thực tế.

Phần lớn doanh nghiệp không thiếu ngôn từ. Họ thiếu bối cảnh đáng tin cậy, dễ tiếp cận.

Tri thức thực sự của một công ty thường nằm rải rác trong hợp đồng, hóa đơn, biểu mẫu tiếp nhận, hồ sơ yêu cầu bồi thường, email, báo cáo, tệp PDF được quét và các quy trình luân chuyển những tài liệu đó giữa các nhóm. Một trường hợp thanh toán ngoại lệ trong bộ phận tài chính, một vấn đề tuân thủ trong quy trình tiếp nhận hay một sự chậm trễ dịch vụ trong hoạt động vận hành thường khởi đầu dưới dạng thông tin chỉ được cấu trúc một phần, định dạng không nhất quán và không kết nối với những hệ thống mà lãnh đạo dựa vào để ra quyết định.

Đó là lý do rất nhiều dự án AI trong doanh nghiệp gây ấn tượng khi trình diễn nhưng có thể thất bại khi triển khai thực tế. Mô hình có thể đủ năng lực, nhưng bối cảnh lại không đầy đủ. Mô hình chỉ có thể suy luận dựa trên những gì nó truy cập được, mà ở nhiều tổ chức, đó chỉ là một phần nhỏ của bức tranh thực tế.

Đây không chỉ là một điểm yếu trên lý thuyết. Nó ảnh hưởng đến chất lượng quyết định. Nếu mô hình tóm tắt hợp đồng mà không được tiếp cận các sửa đổi liên quan, kết quả có thể nghe rõ ràng nhưng lại không đầy đủ. Nếu mô hình phân tích các vấn đề về khoản phải trả mà không thể xem các trường hợp ngoại lệ trên hóa đơn thuộc nhiều định dạng và nhà cung cấp khác nhau, nó có thể đưa ra những đề xuất gọn gàng nhưng không hữu ích. Nếu mô hình hỗ trợ tiếp nhận khách hàng trong khi thông tin quan trọng vẫn bị mắc kẹt trong các biểu mẫu được quét hoặc quy trình rời rạc, nó có thể khiến doanh nghiệp nhanh chóng đi đến kết luận sai.

Kết quả không phải là sự thấu hiểu. Đó là những phỏng đoán nghe có vẻ chắc chắn.

Vì sao bắt chước lan rộng nhanh hơn thấu hiểu

Đây là lúc phép so sánh với việc lấy mẫu âm thanh trong âm nhạc trở nên hơn cả một phép ẩn dụ.

Việc lấy mẫu âm thanh giúp sản xuất âm nhạc nhanh hơn, rẻ hơn và dễ tiếp cận hơn. Nhưng những nhà sản xuất trụ lại lâu dài không phải là những người chỉ sao chép các đoạn nhạc. Họ là những người có gu thẩm mỹ và tính kỷ luật để biến đổi chúng. Ai cũng có thể lấy một nhịp nhạc; nhưng không phải ai cũng có thể xây dựng một âm thanh mới quanh nó.

AI đang tạo ra sự phân hóa tương tự trong lĩnh vực phần mềm và công việc trí óc. Rào cản đối với việc bắt chước đã giảm mạnh. Chưa bao giờ việc sao chép giao diện, tái tạo đầu ra, mô phỏng quy trình làm việc và bắt chước chuyên môn lại dễ dàng đến thế. Ngày càng có nhiều danh mục phần mềm đối mặt với nguy cơ bị tái tạo ở cấp độ bề mặt.

Điều đó không có nghĩa là phần mềm trả phí đã hết thời, như nhà phát triển Brandon Thomas, người đã tạo ra các lựa chọn thay thế miễn phí cho Adobe, khẳng định. Điều đó có nghĩa là giá trị của phần mềm đang dịch chuyển.

Khi việc bắt chước trở nên rẻ hơn, giá trị sẽ chuyển sang những yếu tố khác: độ tin cậy, khả năng tích hợp, óc phán đoán và khả năng tạo ra kết quả vững vàng trong điều kiện thực tế. Câu hỏi không còn là liệu một hệ thống AI có thể đưa ra câu trả lời giống với sản phẩm của chuyên gia hay không. Câu hỏi là liệu hệ thống đó có thể làm được điều ấy một cách đáng tin cậy, phù hợp với ngữ cảnh và đủ minh bạch để mọi người tin tưởng khi rủi ro ở mức cao hay không.

Tạo ra một đầu ra sao chép thì dễ. Tạo ra một kết quả đáng tin cậy thì không.

Giá trị cốt lõi ẩn sau mức phí cao chính là chuyên môn

Đó là lý do trong thời đại AI có thể sao chép, chuyên môn càng trở nên quan trọng hơn chứ không phải kém đi.

Trong nhiều năm, giá trị của không ít công cụ số nằm ở việc giúp những năng lực chuyên biệt trở nên khan hiếm. Nếu phần mềm có thể mã hóa một quy trình, chuẩn hóa một nhiệm vụ hoặc đơn giản hóa quy trình làm việc vốn khó thực hiện, khách hàng sẽ trả tiền để tiếp cận chuyên môn đã được đóng gói đó. AI tạo sinh làm lung lay mô hình này vì giờ đây nó có thể bắt chước nhiều biểu hiện bề ngoài của chuyên môn với chi phí thấp.

Nhưng việc bắt chước chỉ nắm bắt được lớp vỏ bên ngoài.

Chuyên môn thực sự là biết ngoại lệ nào đáng quan tâm, điểm mơ hồ nào không thể bỏ qua, nguồn nào có thẩm quyền và khi nào cần chất vấn câu trả lời của hệ thống thay vì chấp nhận nó. Đó là sự khác biệt giữa việc trích xuất văn bản từ một tài liệu và hiểu liệu văn bản đó có đủ căn cứ để hỗ trợ một quyết định kinh doanh hay không. Đó cũng là sự khác biệt giữa việc tóm tắt chính sách và nhận ra những hệ quả trong hoạt động vận hành nếu bản tóm tắt ấy sai.

Đây cũng là điểm khiến nhiều cuộc thảo luận về AI và tính nguyên bản đi chệch hướng. Trong kinh doanh, tính nguyên bản hiếm khi chỉ là sự mới lạ vì chính nó. Đó là khả năng nhận ra điều người khác bỏ sót: một rủi ro ẩn trong những nhiễu loạn của quy trình, một khuôn mẫu bị chôn vùi trong thông tin rời rạc, một cơ hội bị che khuất bởi các hệ thống thiếu kết nối. Tính nguyên bản kiểu đó phụ thuộc ít hơn vào khả năng tạo ra lời lẽ trôi chảy, và nhiều hơn vào khả năng diễn giải chính xác.

Tài liệu không phải toàn bộ câu chuyện, nhưng thường là nơi câu chuyện bắt đầu

Tài liệu đóng vai trò quan trọng ở đây vì chúng vẫn là một trong những nơi phổ biến nhất lưu trữ thông tin thực tế của doanh nghiệp, nhưng thông tin đó chưa thể được khai thác đầy đủ.

Điều đó không có nghĩa “AI xử lý tài liệu” là nhân vật chính của câu chuyện. Đơn giản là việc hiểu tài liệu chỉ là một phần trong nỗ lực rộng lớn hơn nhằm chuyển thông tin vận hành thành dạng mà các hệ thống AI có thể sử dụng một cách có trách nhiệm. Nếu muốn các mô hình tạo sinh mang lại kết quả tốt hơn, các tổ chức cần truy cập tốt hơn vào những bằng chứng mà các mô hình này dựa vào. Trong nhiều trường hợp, điều đó đồng nghĩa với việc trích xuất, xác thực và cấu trúc hóa thông tin vốn sẽ bị mắc kẹt trong biểu mẫu, tệp tin và các khâu bàn giao rời rạc.

Nếu được sử dụng hiệu quả, năng lực này không nhằm quảng bá danh mục sản phẩm này hơn danh mục khác. Mục đích là thu hẹp khoảng cách giữa những gì doanh nghiệp biết và những gì các hệ thống AI của họ thực sự có thể nhìn thấy.

Sự khác biệt đó rất quan trọng. Những chiến lược AI doanh nghiệp hiệu quả nhất không chỉ dựa vào khả năng tạo sinh. Chúng được xây dựng trên sự kết hợp giữa dữ liệu có thể sử dụng, hiểu biết về quy trình và sự giám sát của con người. Chẳng hạn, nghiên cứu gần đây về doanh nghiệp của Dự án NANDA thuộc MIT cho rằng những rào cản lớn nhất đối với việc ứng dụng AI thường không nằm ở chất lượng mô hình nếu xét riêng lẻ, mà ở khả năng tích hợp kém với quy trình làm việc và sự thiếu tin tưởng vào cách các công cụ vận hành trong thực tế.

Điều đó hẳn nghe rất quen thuộc. Doanh nghiệp không giành chiến thắng nhờ tạo ra nhiều đầu ra tổng hợp nhất. Họ chiến thắng bằng cách đưa ra quyết định tốt hơn, nhanh hơn và nhất quán hơn, dựa trên những thông tin mà họ có thể bảo vệ bằng lập luận và bằng chứng.

Giá trị cao tiếp theo nằm ở óc phán đoán

Việc lấy mẫu không làm giảm giá trị âm nhạc. Nó đã thay đổi ý nghĩa của tính nguyên bản.

Khi các nguyên liệu thô trở nên dễ tái sử dụng hơn, giá trị cao chuyển sang khâu lựa chọn, sắp xếp và chủ đích. Óc phán đoán trở nên quý giá hơn khả năng tiếp cận. Điều tương tự đang diễn ra trong lĩnh vực AI doanh nghiệp. Khi việc sao chép phần mềm ngày càng dễ dàng, lợi thế bền vững sẽ không đến từ việc sở hữu một mô hình có thể bắt chước công việc ở mức khá. Lợi thế ấy sẽ đến từ việc biết cách kết nối AI với ngữ cảnh phù hợp, đặt ra những giới hạn thích đáng và ứng dụng AI vào những nơi mà sức sáng tạo cùng óc phán đoán chuyên ngành của con người vẫn có ý nghĩa quan trọng nhất.

Đó là khía cạnh mà nhiều lập luận kiểu “AI thay thế phần mềm” bỏ qua. Nếu mọi công cụ đều có thể bị sao chép ở cấp độ giao diện, thì lợi thế thực sự không nằm ở giao diện. Nó nằm ở chiều sâu hiểu biết đằng sau giao diện ấy: logic của quy trình làm việc, cách xử lý ngoại lệ, dữ liệu đáng tin cậy, tri thức tích lũy trong tổ chức và chuyên môn của con người cần thiết để biến đầu ra thành quyết định.

Vậy phần mềm trả phí thực sự sắp hết thời sao? Chỉ khi chúng ta tin rằng giá trị của phần mềm từ trước đến nay chỉ nằm ở lớp bề nổi.

Đối với những tính năng phần mềm phổ thông, áp lực sẽ ngày càng gia tăng. Một số sản phẩm sẽ bị sao chép. Một số phân khúc sẽ thu hẹp. Một số chức năng từng có thể bán với giá cao sẽ trở thành tiêu chuẩn tối thiểu. Nhưng những công cụ và công ty trụ vững sẽ là những bên giúp các tổ chức chuyển từ bắt chước sang thấu hiểu.

Đó là lý do thời điểm AI bước vào thời đại lấy mẫu lại có ý nghĩa. Điều này nhắc chúng ta rằng giảm chi phí sao chép không đồng nghĩa với việc không còn cần đến tính nguyên bản. Nó chỉ đơn giản làm thay đổi nơi tính nguyên bản hiện diện.

Trong âm nhạc, tính nguyên bản đã chuyển từ việc trình diễn nguyên liệu thô sang nghệ thuật biến đổi.

Trong AI doanh nghiệp, điều đó đang chuyển từ việc tạo ra những kết quả có vẻ hợp lý sang việc sử dụng thông tin đáng tin cậy, phán đoán chuyên môn và khả năng giải quyết vấn đề sáng tạo một cách có kỷ luật.

Sao chép thì rẻ. Thấu hiểu sâu sắc thì không. Vì vậy, giai đoạn tiếp theo của AI sẽ không thuộc về những hệ thống chỉ nghe có vẻ thông minh. Nó sẽ thuộc về các tổ chức biết cách biến những gì họ đã biết thành thứ đủ hữu dụng để khám phá ra điều gì đó thực sự mới.