Kiếm tiền từ AI: Khung hiện đại về cách các công ty có thể tối đa hoá tăng trưởng kinh doanh

AI đã nhanh chóng chuyển từ một yếu tố tạo lợi thế cạnh tranh sang một kỳ vọng cơ bản đối với các công ty phần mềm. Tuy nhiên, nó cũng đã trở thành “tính năng miễn phí” đắt nhất trong lịch sử phần mềm trên mọi phân khúc của ngành. Tại sao lại như vậy?  Các công ty phần mềm xây dựng khả năng AI vào sản phẩm của họ đang chi tiêu 12–23% doanh thu cho hạ tầng và phát triển cần thiết để cung cấp chúng, nhưng 71% nhà cung cấp có chức năng AI vẫn chưa tính phí cho nó, có nghĩa chỉ 29% được trả tiền cho khoản đầu tư này. Đó không phải là kết quả của vấn đề sản phẩm; mà là kết quả của vấn đề kiếm tiền. Thực tế, tôi đã chứng kiến trực tiếp cách các công ty tích hợp khả năng AI miễn phí và sau đó gặp khó khăn trong việc lấy lại lợi nhuận.

Sự thật là, mỗi công ty xây dựng khả năng phần mềm AI đều gặp khó khăn trong việc định giá những giá trị vô hình mà công nghệ mang lại, như kết quả cải thiện hoặc hiểu biết sâu hơn. Kết quả là, AI đã tạo ra kỳ vọng cao từ khách hàng nhưng đồng thời làm xói mòn biên lợi nhuận. Chúng ta hiện đang bước vào một giai đoạn mà người chiến thắng trong AI sẽ không chỉ dựa vào khả năng mà còn dựa vào thiết kế kinh tế. Thách thức hiện nay đối với các công ty là cách tốt nhất để kiếm tiền từ công nghệ này. Tuy nhiên, theo kinh nghiệm của tôi, cách nhanh nhất để làm chậm đà tiến của AI là cố gắng kiếm tiền quá sớm trước khi khách hàng tin tưởng vào giá trị. Các công ty cần đảm bảo khách hàng hiểu giá trị để nó không trở thành điểm ma sát.

Trong thách thức này, lại ẩn chứa một cơ hội chưa từng có, vì những công ty có thể giải quyết việc kiếm tiền từ AI sớm sẽ có lợi thế cạnh tranh đáng kể trong việc định giá cao cấp, xây dựng mối quan hệ khách hàng sâu sắc hơn và nắm bắt nhiều doanh thu hơn. Hơn nữa, khi việc kiếm tiền từ AI được gắn liền với niềm tin và giá trị có thể đo lường, nó sẽ không còn là trung tâm chi phí mà trở thành động cơ tăng trưởng.

Trong bài viết này, tôi đưa ra một khung thực tiễn về cách biến AI từ một lỗ hổng chi phí thành động lực doanh thu có thể mở rộng, dù bạn mới bắt đầu xây dựng AI vào các giải pháp của mình hay tích hợp nó vào các nền tảng công nghệ hiện có. Chìa khóa là luôn tuân thủ những nguyên tắc sau: đồng bộ giá cả với việc cung cấp giá trị, phù hợp mô hình kinh doanh với cấu trúc chi phí, và xây dựng hạ tầng cho phép thử nghiệm nhanh chóng.

Vấn đề là mô hình tính phí theo chỗ ngồi giả định rằng càng nhiều người dùng thì giá trị càng cao. AI đảo ngược giả định này, đồng nghĩa với việc cuốn sách hướng dẫn định giá cũ không còn hiệu quả.

Cuộc cách mạng cấu trúc chi phí AI

AI đã cơ bản phá vỡ các giả định kinh tế mà các mô hình định giá phần mềm truyền thống từng dựa trên. Kinh tế SaaS truyền thống được xây dựng dựa trên chi phí biên hầu như bằng không. AI đưa lại chi phí biên vào phương trình. Điều này là do AI tạo ra độ phức tạp chi phí biến đổi trên các khâu suy luận, hạ tầng và chi phí vận hành, cùng với việc mở rộng phi tuyến tính, khi gấp đôi mức sử dụng thường đòi hỏi ba lần tài nguyên. Nó cũng tạo ra các danh mục chi tiêu mới, bao gồm hệ thống an toàn và chất lượng, quy trình quản trị và tuân thủ, và nhân lực cần thiết để vận hành chúng.

Đây là lý do tại sao mô hình tính phí theo chỗ ngồi có thể phản tác dụng. Nếu một quy trình AI tự động hoá công việc vốn cần con người, việc tính phí theo người dùng có thể trở nên phản hiệu quả. Tôi đã chứng kiến chiến lược này: các công ty áp dụng AI để giảm số lượng chỗ ngồi và tăng tự động hoá, trong khi các nhà cung cấp cố gắng kiếm tiền bằng cách đưa lại ma sát dựa trên chỗ ngồi vào trải nghiệm. Các công ty cần nhớ rằng giá trị nên mở rộng cùng với kết quả, không phải với số lượng người nhấp vào công cụ.

Thêm vào đó, các cấu trúc phí cố định cũng không hiệu quả vì việc cung cấp giá trị AI mở rộng theo mức sử dụng. Nếu cả giá trị và chi phí đều mở rộng theo mức sử dụng, giá cũng phải mở rộng theo mức sử dụng. Ví dụ, một khách hàng sử dụng AI để xử lý 1.000 tài liệu so với 100.000 tài liệu sẽ nhận được giá trị rất khác nhau, và phí đăng ký cố định không nắm bắt được sự khác biệt này.

Điều quan trọng cần rút ra ở đây là nếu việc sử dụng AI tạo ra giá trị và chi phí, mô hình kiếm tiền của bạn phải được thiết kế để mở rộng cùng cả hai. Việc kiếm tiền hiện nay phải trở thành một phần của chiến lược sản phẩm cốt lõi.

Xác định giá trị AI theo cách khách hàng có thể hiểu

Như tôi đã đề cập trước đó, gần như không thể định lượng các lợi ích trừu tượng tổng thể của AI. Làm sao bạn có thể gắn nhãn giá lên “trí thông minh”? Cuối cùng, khách hàng tập trung vào việc mua các kết quả có thể chạm tới và đo lường được, như tiết kiệm thời gian, tăng doanh thu, giảm rủi ro và nâng cao sự hài lòng.

Cầu nối giữa khả năng của AI và giá trị kinh doanh cần phải đo lường được và bao gồm các chỉ số mà khách hàng của bạn có thể theo dõi và các bộ phận tài chính có thể biện hộ. Các ví dụ bao gồm số lần gọi API, tài liệu được xử lý, phút được phân tích, quy trình làm việc hoàn thành, tự động hoá được kích hoạt và nhiệm vụ được giải quyết, tất cả đều liên quan trực tiếp đến năng suất.

Khi độ trưởng thành của việc đo lường cải thiện, các giá trị này sẽ gần hơn với kết quả kinh doanh, bao gồm các khách hàng tiềm năng đủ tiêu chuẩn, giải quyết thành công, dự báo chính xác, phát hiện rủi ro, phòng ngừa gian lận và giảm thời gian chốt giao dịch. Trong thời gian chờ đợi, các công ty nên ưu tiên lựa chọn các chỉ số giá trị gắn trực tiếp với KPI của khách hàng và có thể quan sát ngay trong sản phẩm. Hãy nhớ, nếu khách hàng của bạn không thể nhìn thấy hoặc tin tưởng vào giá trị họ sẽ nhận được, họ chắc chắn sẽ không trả tiền cho nó.

Một lý do khiến các công ty bị kẹt là họ cho rằng giá phải “đúng” ngay từ ngày đầu tiên. Trong thực tế, việc kiếm tiền hiệu quả từ AI là một quá trình tiến hóa.

Tiến trình Kiếm tiền AI bốn giai đoạn

Để thu được lợi ích từ việc kiếm tiền AI thành công, các công ty trước hết phải đảm bảo có hạ tầng thanh toán và khả năng kỹ thuật sẵn sàng, bao gồm xử lý sử dụng theo thời gian thực, thanh toán đa chiều ở quy mô và hiệu suất toàn cầu, và khả năng điều chỉnh giá mà không cần nhiều tháng phát triển.

Khi những yếu tố này đã sẵn sàng, các công ty sau đó phải theo một tiến trình chiến lược cân bằng giữa khả năng dự đoán doanh thu và sự phù hợp giá trị.

Khi nền tảng này đã được thiết lập, sẽ có một tiến trình tự nhiên để theo – một tiến trình cân bằng khả năng dự đoán doanh thu với mức độ giá phản ánh giá trị. Tiến trình này thường đi qua bốn giai đoạn khi khả năng AI phát triển và chi phí trở nên dễ xác định hơn.

Giai đoạn 1: Nền tảng Đăng ký để Đảm bảo Dự đoán Doanh thu

Cách này hoạt động tốt nhất trong ba tình huống: tính năng AI giai đoạn đầu mà giá trị vẫn khó định lượng, các công ty SaaS truyền thống gắn AI vào sản phẩm hiện có lần đầu tiên, và các thị trường nơi khách hàng muốn dự đoán chi phí hơn hầu hết mọi thứ.

Trong thực tế, điều này có nghĩa là định giá AI dưới dạng đăng ký hàng tháng và nêu rõ những gì khách hàng nhận được – truy cập mô hình nâng cao, tạo video, hoặc bất kỳ tính năng thực tế nào – thay vì gộp nó vào như một nâng cấp mơ hồ. Từ đó, việc phân tầng dựa trên khả năng AI là bước tiếp theo tự nhiên nếu sản phẩm hỗ trợ.

Lợi ích là rõ ràng: doanh thu dự đoán được, dễ báo cáo và quy trình tiếp cận khách hàng đơn giản với độ phức tạp triển khai tối thiểu. Nhược điểm là giá đăng ký không mở rộng cùng giá trị khách hàng. Người dùng nhẹ và nặng trả cùng mức, khiến doanh thu bị bỏ lỡ khi mức sử dụng tăng.

Giai đoạn 2: Chuyển đổi dựa trên mức sử dụng để Giá phản ánh Giá trị

Đối với hầu hết các công ty, đây là nơi việc kiếm tiền từ AI cuối cùng sẽ hướng tới.

Thực tế, nghiên cứu của OpenView cho biết 61% các công ty SaaS đã áp dụng mô hình định giá dựa trên mức sử dụng vào năm 2023, tăng từ 27% vào năm 2018. 

Mô hình dựa trên mức sử dụng là sự kết hợp tự nhiên cho AI vì chúng mở rộng cùng mức tiêu thụ. Các ví dụ nổi bật nhất của AI trả phí theo mức sử dụng thuần túy là các mô hình định giá dựa trên token của các mô hình ngôn ngữ lớn (LLM) được các công ty như OpenAI cho GPT và Anthropic cho Claude.

Một cách tiếp cận thực tiễn phổ biến là sử dụng mô hình hỗn hợp kết hợp đăng ký và mức sử dụng để tối đa hoá khả năng dự đoán. Với cách này, các công ty có thể áp dụng phí sử dụng vượt quá giới hạn đã bao gồm, chẳng hạn $99 mỗi tháng cộng $0.002 cho mỗi lần gọi API trên 50.000.

Lợi thế chính của mô hình này là khách hàng trả nhiều hơn khi họ nhận được nhiều giá trị hơn và doanh thu có thể tăng khi mức sử dụng AI tăng theo thời gian. Thêm nữa, mô hình này có khả năng mở rộng toàn cầu và tạo ra rào cản gia nhập thấp cho sự tăng trưởng khách hàng tự nhiên.

Giai đoạn 3: Tối ưu hoá phân tầng để Tạo Phân khúc Khách hàng và Lộ trình Nâng cấp

Khi bạn hiểu và triển khai các mẫu sử dụng, việc phân tầng tạo ra các lộ trình nâng cấp rõ ràng. Điều này có thể dựa trên khối lượng (nhiều sử dụng, kinh tế đơn vị tốt hơn) và/hoặc phân biệt dựa trên tính năng, chẳng hạn mô hình tiêu chuẩn với giới hạn tốc độ, mô hình pro với tính năng nâng cao, và thậm chí mô hình doanh nghiệp được tùy chỉnh với các cam kết SLA.

Một ví dụ điển hình của chiến lược này là Stability AI. Phiên bản miễn phí cung cấp 25 credit mỗi tháng, phiên bản pro có giá $10 mỗi tháng cộng credit dựa trên mức sử dụng, trong khi phiên bản doanh nghiệp có giá tùy chỉnh với chiết khấu theo khối lượng, tùy thuộc vào nhu cầu cụ thể của mỗi công ty.

Lợi ích của mô hình này là nó có các động lực nâng cấp tự nhiên, phân khúc khách hàng dựa trên giá trị, và chiết khấu theo khối lượng giúp cải thiện kinh tế đơn vị.

Giai đoạn 4: Mô hình Cao cấp dựa trên Kết quả, Tính Phí dựa trên Kết quả Kinh doanh

Định giá dựa trên kết quả là mô hình kiếm tiền AI tinh vi nhất vì giá được dựa trên các kết quả kinh doanh có thể đo lường được, như số khách hàng tiềm năng đủ tiêu chuẩn, giảm thời gian giải quyết ticket, hoặc chi phí tiết kiệm nhờ tự động hoá, thay vì tiêu thụ tài nguyên. Mô hình này đòi hỏi hệ thống đo lường mạnh mẽ và quan hệ đối tác khách hàng thành công.

Một ví dụ thành công cho mô hình này là Talkdesk, nền tảng dịch vụ khách hàng được hỗ trợ AI, tính phí $2.50 cho mỗi ticket được AI xử lý thành công, đã tạo ra $23 triệu doanh thu trong năm đầu tiên đồng thời giảm chi phí khách hàng trung bình 34%.

Tuy nhiên, mô hình này đi kèm với độ phức tạp trong triển khai vì nó đòi hỏi hệ thống đo lường tinh vi và hạ tầng thành công khách hàng, thường được triển khai sau khi đã thành công ở các giai đoạn trước.

Sức mạnh chiến lược của mô hình này là nó mang lại biên lợi nhuận cao nhất thông qua giá trị đã được chứng minh, quan hệ đối tác khách hàng sâu hơn phù hợp với các chỉ số thành công và sự khác biệt cạnh tranh khó sao chép. Khi được triển khai thành công, cách tiếp cận này hoàn toàn thay đổi cuộc trò chuyện, vì bạn không còn bán việc sử dụng AI – mà đang bán tác động kinh doanh.

Kiếm tiền từ AI và Con đường phía trước

AI đang viết lại nền kinh tế phần mềm và tạo ra sự chuyển đổi nền tảng lớn nhất kể từ điện toán đám mây. Các công ty sẽ thành công không nhất thiết phải có công nghệ tốt nhất, mà là những mô hình kinh doanh thông minh giúp họ cải thiện việc giữ chân khách hàng và đạt tăng trưởng doanh thu cao hơn. Và, dựa trên những gì tôi đã học, các công ty xây dựng đội ngũ tốt nhất, suy nghĩ như kiến trúc sư và làm việc liền mạch trong lĩnh vực sản phẩm, định giá và hạ tầng thực sự không thể ngăn cản.

Để có con đường tốt nhất phía trước, các công ty nên đánh giá trạng thái hiện tại để hiểu cấu trúc chi phí và khoảng trống doanh thu. Họ cũng nên đầu tư vào hạ tầng giúp xây dựng khả năng thanh toán, cho phép thử nghiệm và mở rộng, để có thể lựa chọn mô hình phù hợp nhất với nhu cầu kinh doanh.

Bây giờ là thời điểm các công ty cần hành động với chiến lược kiếm tiền AI giúp họ nắm bắt giá trị thay vì giới hạn nó.