Claude Code Sau hai tháng tiêu hết ngân sách hàng năm của Uber, COO thẳng thắn: Tiêu thụ token và đầu ra hữu ích không tỷ lệ thuận

Uber COO Andrew Macdonald trong cuộc phỏng vấn mới nhất thẳng thắn thừa nhận, chi tiêu cho AI của công ty ngày càng khó giải thích nội bộ, CTO Praveen Naga cách đây hai tháng đã tiết lộ ngân sách Claude Code đã tiêu hết từ lâu, nhưng vấn đề cốt lõi là: tiêu thụ token cao hơn, không đổi lấy được chức năng người dùng tăng tương ứng.
(Thông tin tiền đề: Không chỉ gọi xe》Uber hợp tác Expedia thêm dịch vụ đặt phòng khách sạn, hướng tới siêu ứng dụng du lịch một cửa)
(Thông tin bổ sung: Báo cáo của Anthropic: Cuộc chiến giành vị trí thống trị AI năm 2028, Mỹ nếu không giữ vững lợi thế về sức mạnh tính toán có thể bị Trung Quốc vượt mặt)

Mục lục bài viết

Toggle

• Một cuộc khủng hoảng ngân sách
• Chuỗi nhân quả đứt đoạn: Token nhiều, chức năng chưa chắc nhiều
• Chênh lệch ngành nghề: Tiêu nhiều hay hỏi rõ rồi mới tiêu

Khi mỗi kỹ sư của một công ty tiêu tối đa 2.000 USD mỗi tháng cho công cụ AI, 70% mã nguồn gửi lên là do AI tạo ra, nhưng không ai có thể trả lời câu hỏi "Điều này mang lại bao nhiêu chức năng" thì đó không còn là vấn đề kỹ thuật nữa, mà là khủng hoảng quản lý.

Andrew Macdonald, COO của Uber, gần đây trong cuộc phỏng vấn Rapid Response đã nói ra điều mà ngành công nghệ thường ngầm hiểu: Tiền dành cho AI ngày càng khó giải thích.

Một cuộc khủng hoảng ngân sách

Trước đó, CTO của Uber Praveen Neppalli Naga trong cuộc phỏng vấn với The Information vào tháng Tư đã nói một câu: "Ngân sách tôi nghĩ đã tiêu hết từ lâu rồi."

Bối cảnh lúc đó là: Tỷ lệ áp dụng Claude Code của 5.000 kỹ sư Uber trong vài tháng đã tăng từ 32% lên 84%. Mỗi kỹ sư tiêu trung bình từ 500 đến 2.000 USD mỗi tháng; Naga từng trong một buổi trình diễn nội bộ, chỉ trong hai giờ đã tiêu hết 1.200 USD token.

Macdonald mô tả câu nói này đã gây chấn động trong giới lãnh đạo Uber, kích hoạt một loạt cuộc thảo luận về tiêu thụ token AI, bao gồm việc liệu các khoản chi này có đáng giá hay không, và áp lực lựa chọn về nhân sự mà chúng mang lại.

CEO Dara Khosrowshahi trong cuộc họp báo tài chính tháng này đã rõ ràng phát biểu: Uber đang chậm lại tuyển dụng, một phần là để bù đắp cho chi tiêu đầu tư AI. Nói cách khác, hóa đơn cho công cụ AI bắt đầu ảnh hưởng đến quyết định tuyển dụng thực tế.

Chuỗi nhân quả đứt đoạn: Token nhiều, chức năng chưa chắc nhiều

Macdonald trong cuộc phỏng vấn mô tả phát hiện sau khi trao đổi với các lãnh đạo kỹ thuật cao cấp của Uber: việc tiêu thụ token cao hơn không chuyển thành tăng trưởng chức năng người dùng tương ứng.

"Liên kết đó vẫn chưa tồn tại, đúng không?" ông nói, "Có thể có nhiều thứ được giao hơn, nhưng để vẽ ra một đường thẳng giữa những con số đó và 'chúng ta đã tạo ra 25% chức năng hữu ích cho người dùng' thì rất khó."

Vấn đề này phản ánh mâu thuẫn cốt lõi của làn sóng áp dụng AI hiện nay: tiêu thụ token là có thể đo lường, nhưng nó đo lường "mức độ sử dụng", chứ không phải "giá trị sản phẩm tạo ra". Salesforce gần đây gọi các chỉ số kiểu này là "chỉ số phù phiếm", và rõ ràng phản đối việc dựa vào tiêu thụ token để đánh giá hiệu suất nhân viên.

Điều đáng chú ý là Macdonald cũng chỉ ra một điểm mù nhận thức: đối với các kỹ sư không phải tự bỏ tiền túi, công cụ AI "cảm giác như là miễn phí", có thể thử nghiệm mọi tình huống sử dụng; nhưng cuối cùng, chính công ty mới là người trả tiền. Sự lệch lạc về chi phí giữa cá nhân và tổ chức này chính là một trong những nguyên nhân cấu trúc khiến tiêu thụ token mất kiểm soát.

Chênh lệch ngành nghề: Tiêu nhiều hay hỏi rõ rồi mới tiêu

Nỗi băn khoăn của Uber không phải là cá biệt, chỉ là sớm bị các lãnh đạo chỉ ra và thẳng thắn nói ra.

Google tại I/O 2026 đã mạnh mẽ đề xướng "tokenmaxxing", tức là sử dụng AI càng nhiều càng tốt, và lấy đó làm một trong các chỉ số đo lường mức độ đầu tư của kỹ sư. Logic của hướng đi này là: lượng sử dụng sẽ thúc đẩy khả năng tiến bộ, biến đổi về chất sẽ theo sau.

Nhưng cũng có doanh nghiệp bắt đầu đi theo hướng khác. Duolingo từng đưa tần suất sử dụng AI vào đánh giá hiệu suất, nhưng sau khi nhân viên đặt câu hỏi "Chẳng lẽ phải dùng AI chỉ để dùng AI?", họ đã âm thầm rút lại chính sách này. CEO Luis von Ahn trong một podcast tháng Tư nói: "Cảm giác như thay vì khiến mọi người chịu trách nhiệm về kết quả thực tế, chúng tôi lại đang thúc đẩy một thứ trong nhiều trường hợp không phù hợp."

Một ví dụ cực đoan hơn là một doanh nghiệp y tế đã tiêu thụ 1 nghìn tỷ token trong sáu tháng, tạo ra hơn 6 triệu USD chi phí ngoài kế hoạch, bộ phận tài chính thậm chí còn không rõ nguyên nhân chính là gì. Đây không phải là vấn đề sử dụng AI, mà là không ai biết ai đang dùng, dùng ở đâu, tiêu bao nhiêu tiền.

Macdonald trong cuộc phỏng vấn không công bố kế hoạch cắt giảm cụ thể nào, cũng không nói Uber từ bỏ công cụ AI. Ông chỉ đơn giản nói ra một vấn đề phổ biến trong giới doanh nghiệp, nhưng ít khi được các lãnh đạo thẳng thắn đề cập.

Hiện tại, chưa có câu trả lời tiêu chuẩn để đo lường lợi nhuận đầu tư AI. Nhưng ngày càng nhiều dấu hiệu cho thấy, khoảng cách giữa "dùng bao nhiêu" và "được bao nhiêu" vẫn còn rất lớn.