Khung chiến lược định giá cho AI agent

• Việc kiếm tiền từ AI agent hiện đang chuyển từ trọng tâm “mức sử dụng” sang “kết quả”
• Giới thiệu 4 mô hình định giá tiêu biểu (theo agent, theo hành động, theo workflow, theo kết quả) kèm ví dụ
• Chìa khóa là chọn chiến lược định giá phù hợp với chức năng của agent và cách khách hàng cảm nhận giá trị
• Đề xuất chiến lược định giá hướng tới tương lai để chuẩn bị cho xu hướng chi phí LLM giảm
• Với triết lý “giá cả = công cụ truyền đạt giá trị”, có thể đồng thời đảm bảo niềm tin của khách hàng và khả năng sinh lời

---

Khung chiến lược định giá mới cho AI agent

• 75% startup không biết nên định giá tính năng AI như thế nào
• Manny Medina, nhà sáng lập “Paid.ai”, đã phân tích hơn 60 công ty AI agent
• Dựa trên kết quả đó, bài viết đưa ra 4 mô hình chiến lược định giá đã chứng minh được hiệu quả trong thực tế
• Mỗi mô hình có thể được lựa chọn tùy theo vai trò của agent, nhu cầu khách hàng và cấu trúc chi phí
• Doanh nghiệp cũng có thể xây dựng cấu trúc giá bằng một mô hình duy nhất hoặc theo cách hybrid
• Tiêu chí quan trọng nhất là sự ăn khớp với giá trị mà khách hàng cảm nhận được
• Bản tóm tắt này sắp xếp lại khái niệm cốt lõi, điều kiện phù hợp, ưu và nhược điểm của từng mô hình

Mô hình 1: Per Agent – Mô hình thay thế FTE (Full Time Employee)

• Doanh nghiệp tiêu biểu: 11x, Harvey, Vivun
• Xem AI như một nhân viên số, thay thế một phần nhân sự hiện có
• Có thể được nhìn nhận là cấu trúc chi từ ngân sách nhân sự
• Tương tự mô hình tính phí theo ghế của SaaS với phí cố định hàng tháng
• Phù hợp khi
  • AI thực hiện nhiều loại công việc trên diện rộng
  • Khối lượng công việc có thể dự đoán
  • Công việc lặp đi lặp lại và có tính chuẩn hóa
• Ưu điểm
  • Có thể sử dụng ngân sách nhân sự → thường lớn hơn hơn 10 lần so với ngân sách công cụ thông thường
  • Cấu trúc chi phí dễ dự đoán
• Nhược điểm
  • Ít yếu tố khác biệt → có thể xuất hiện đối thủ “làm điều tương tự với giá rẻ hơn”
  • Việc chứng minh giá trị có thể chỉ dừng lại ở mức thay thế đơn thuần

Mẹo: Giải thích rằng một agent giá $2,000/tháng có thể thay thế một nhân viên lương $60,000/năm là cách rất dễ để khách hàng hiểu

Mô hình 2: Per Action – Mô hình dựa trên mức tiêu thụ

• Doanh nghiệp tiêu biểu: Bland, Parloa, HappyRobot
• Tính phí theo từng hành động riêng lẻ mà agent thực hiện
• Tương tự hạ tầng cloud hoặc mô hình BPO
• Có nhiều cách khác nhau như mức tiêu thụ token, theo phút
• Phù hợp khi
  • Tần suất yêu cầu không đều hoặc phải xử lý nhiều loại tác vụ khác nhau
  • Tổ chức đang ở giai đoạn thử nghiệm ban đầu
  • Khối lượng công việc biến động
• Ưu điểm
  • Thanh toán tương ứng với mức sử dụng → tạo cảm giác minh bạch và công bằng
  • Rào cản gia nhập thấp đối với khách hàng
  • Có lợi như một phương án thay thế BPO (thị trường BPO tại Mỹ năm 2025 trị giá $152B)
• Nhược điểm
  • Mô hình có mức độ khác biệt thấp nhất
  • Cạnh tranh giá ngày càng gay gắt → dễ dẫn đến cuộc đua xuống đáy

Mẹo: Khách hàng chỉ trả cho phần họ thực sự sử dụng nên rất phù hợp với nhu cầu thử nghiệm

Mô hình 3: Per Workflow – Mô hình tự động hóa quy trình

• Doanh nghiệp tiêu biểu: Rox, Salesforce, Artisan
• Định giá theo từng workflow, tức một chuỗi các tác vụ liên quan mà AI thực hiện
• Có thể bao gồm soạn email, nghiên cứu, phản hồi hội thoại, v.v.
• Phù hợp khi
  • Công việc nhiều bước có đầu ra trung gian rõ ràng
  • Lĩnh vực có thể lặp lại các quy trình chuẩn hóa
• Ưu điểm
  • Khách hàng dễ nhận ra phần chi phí được tiết kiệm
  • Có thể tạo lợi thế cạnh tranh ở cấp độ workflow
• Nhược điểm
  • Workflow đơn giản dễ bị áp lực về giá
  • Workflow phức tạp khó định giá hợp lý
  • Ví dụ: quét bảo mật, phân tích hợp đồng dài có thể có rủi ro hao hụt biên lợi nhuận

Mẹo: Có thể hiểu đây là điểm trung gian giữa mô hình dựa trên tiêu thụ và mô hình dựa trên kết quả

Mô hình 4: Per Outcome – Mô hình dựa trên kết quả

• Doanh nghiệp tiêu biểu: Zendesk, Intercom, Airhelp, Chargeflow
• Định giá theo mục tiêu hoặc kết quả đầu ra đã hoàn thành
• Cần chứng minh hiệu quả bằng POC hoặc A/B test
• Phù hợp khi
  • Có chỉ số hiệu quả có thể đo lường
  • Thị trường có nhu cầu mạnh về kết quả đầu ra
• Ưu điểm
  • Truyền đạt giá trị rõ ràng nhất cho khách hàng
  • Khả năng bị thay thế bởi đối thủ thấp
  • Có thể kết hợp với mô hình thưởng theo hiệu quả
• Nhược điểm
  • Kết quả khác nhau theo từng khách hàng nên độ phức tạp hợp đồng tăng lên
  • Sẽ khó triển khai nếu không thể chứng minh rõ mức đóng góp của agent

Mẹo: Mô hình dựa trên kết quả gắn trực tiếp với thành quả của khách hàng nên phù hợp với hợp đồng dài hạn

---

Chiến lược thích ứng tương lai cho từng mô hình

• Chiến lược định giá AI agent được dự báo sẽ tiếp tục thay đổi theo sự phát triển công nghệ và mức giảm chi phí
• Đặc biệt, chi phí của LLM (mô hình ngôn ngữ lớn) có thể giảm tới 100 lần trong vòng 3–5 năm tới
• Mô hình giá càng dựa đơn thuần vào giá vốn, càng dễ bị áp lực cạnh tranh
• Cần có chiến lược củng cố dài hạn để từng mô hình vẫn có thể tồn tại về lâu dài

Per Agent – Chiến lược tương lai cho mô hình thay thế FTE

Mô hình này nhiều khả năng vẫn còn hiệu quả trong một thời gian nữa. Tuy nhiên, để chuẩn bị cho tương lai, cần có các chiến lược sau:

• Chuyển đề xuất giá trị từ “rẻ hơn con người” sang “hiệu suất vượt con người”
• Bundle thêm nhiều tính năng và dịch vụ tích hợp trong mức phí cố định
• Áp dụng hệ thống phân hạng agent theo tính năng → phân tầng giá theo hiệu năng

Per Action – Chiến lược tương lai cho mô hình dựa trên mức tiêu thụ

Mô hình này khó duy trì trong dài hạn. Khi giá vốn công nghệ giảm, khả năng cao sẽ bị cuốn vào cạnh tranh giảm giá:

• Nhanh chóng chuyển sang mô hình giá dựa trên workflow hoặc dựa trên kết quả
• Bổ sung tính năng độc quyền mà đối thủ không có
• Chuyên sâu vào một domain ngành dọc cụ thể → dịch chuyển sang phân khúc giá trị cao

Per Workflow – Chiến lược tương lai cho mô hình tự động hóa quy trình

Mô hình này tương đối ổn định, nhưng vẫn cần được bổ sung theo các hướng sau:

• Tập trung vào workflow phức tạp, nhiều bước để tạo ROI rõ ràng
• Sở hữu các thành phần có khả năng chống bị hàng hóa hóa
• Bao gồm các tính năng cốt lõi như công cụ phân tích/tối ưu hóa trong mức giá workflow

Per Outcome – Chiến lược tương lai cho mô hình dựa trên kết quả

Đây là mô hình hứa hẹn nhất về dài hạn. Mức độ đồng bộ giá trị với khách hàng cao và chống chịu cạnh tranh giá tốt nhất:

• Thiết lập phương pháp luận theo dõi quy kết hiệu quả → dựa trên A/B test, POC
• Ký hợp đồng thưởng theo hiệu quả/chia sẻ rủi ro → được trả thêm khi khách hàng thành công
• Tập trung vào kết quả kinh doanh giá trị cao có thể đo lường

---

Khung ra quyết định cho chiến lược định giá AI agent

• Hãy tự đặt ra những câu hỏi sau để chọn mô hình định giá phù hợp cho AI agent

  Ở mỗi điểm ra quyết định, hãy tự hỏi “Vì sao là Yes/No?”. Đó là ràng buộc kỹ thuật hay ràng buộc kinh doanh? Nó có thể thay đổi trong tương lai không?

1. Agent có thực sự thay thế nhân sự (headcount) không?

• Nếu trọng tâm là tiết kiệm thời gian hơn là kết quả rõ ràng:
  • per agent: khi công việc lặp lại có thể được thực hiện theo cách dự đoán được
  • per workflow: khi công việc được hoàn thành qua nhiều bước, dựa trên thời gian tiết kiệm × chi phí nhân sự

2. Có thể đo lường Outcome không?

• Nếu agent có thể liên tục tạo ra kết quả rõ ràng:
  • per outcome: tính phí theo hiệu quả, gắn trực tiếp với giá trị kinh doanh
  • thưởng theo hiệu quả: kết hợp với mô hình khác để chi trả khi đạt hiệu quả

3. Loại công việc có đa dạng và khối lượng khó dự đoán không?

• Nếu agent phải xử lý linh hoạt nhiều loại công việc khác nhau:
  • per action: tính phí theo từng tác vụ (ví dụ: số tác vụ × đơn giá), có thể dùng hybrid

---

Tóm tắt cốt lõi

• Hãy chọn mô hình định giá phù hợp ngay từ bây giờ
  • Tự động hóa toàn bộ chức danh/công việc → per agent để khai thác ngân sách nhân sự
  • Khối lượng công việc biến động → per action
  • Quy trình phức tạp → per workflow
  • Cung cấp kết quả rõ ràng → per outcome

• Chiến lược thực thi

  • Bắt đầu bằng mô hình đơn giản, rồi mở rộng qua quá trình học từ khách hàng
  • Pilot test với khách hàng tốt nhất → thu thập phản hồi → điều chỉnh nhanh
  • Thử các cách tiếp cận sáng tạo như thưởng theo kết quả, gói giá hybrid
  • Chiến lược định giá cũng là câu chuyện về cách truyền đạt giá trị

• Cải tiến liên tục

  • Cập nhật mô hình giá dựa trên phản hồi khách hàng
  • Theo dõi liên tục các chỉ số chính:
    • Tỷ lệ chuyển đổi (Conversion rate)
    • Doanh thu mở rộng (Expansion revenue)
    • Tỷ lệ rời bỏ (Churn)

• 👉 Những công ty AI agent thành công nhất là những công ty cùng lúc phát triển chiến lược định giá theo tiến bộ công nghệ + nhu cầu khách hàng