AI có thể kiếm được bao nhiêu tiền, phụ thuộc vào việc có thể lấy đi bao nhiêu từ quỹ lương của con người.

Các công ty AI lớn kiếm được bao nhiêu tiền? Báo cáo mới nhất của Guojin Securities đưa ra một câu trả lời mang tính đột phá: Đừng nhìn vào thị trường phần mềm nữa, hãy nhìn vào bảng lương của con người.

Doanh nghiệp mua AI không phải để theo kịp xu hướng, mà là để tiết kiệm tiền. Sử dụng AI để thay thế một phần nhân lực, nâng cao hiệu quả, giảm chi phí – đó mới là lý do thực sự khiến doanh nghiệp sẵn sàng chi tiền. Vì vậy, trần doanh thu thực sự của AI không phải là quy mô thị trường phần mềm, mà là quy mô của "quỹ lương có thể được AI định giá lại". Guojin Securities gọi đó là "quỹ lương có thể được AI định giá lại".

Báo cáo nghiên cứu mới nhất của Guojin Securities tính toán: Trong tổng quỹ lương hàng năm khoảng 10,83 nghìn tỷ USD của Hoa Kỳ, đã có 1,45 nghìn tỷ USD nằm trong phạm vi tác động của AI – nghĩa là nội dung công việc của những vị trí này, AI có thể làm, hoặc có thể hỗ trợ phần lớn.

Vậy các công ty AI kiếm được bao nhiêu từ số tiền này? Lấy công ty hàng đầu Anthropic làm ví dụ, doanh thu hàng năm hóa khoảng 47 tỷ USD, chỉ chiếm 3,2% của 1,45 nghìn tỷ. Nói cách khác, phần cắt đi thậm chí còn chưa đến một phần nhỏ.

Quỹ lương, không phải thị trường phần mềm, mới là điểm neo định giá cho ARR

Báo cáo của Guojin Securities chỉ ra rằng cách trực quan nhất để hiểu "giới hạn tăng trưởng sử thi" của doanh thu AI trong giai đoạn này là tính toán "quỹ lương có thể được AI định giá lại" lớn đến mức nào.

Báo cáo đã ghép mức độ tiếp xúc với AI của các ngành nghề khác nhau với 830 vị trí trong Khảo sát Việc làm và Tiền lương Nghề nghiệp (OEWS 2025) của Cục Thống kê Lao động Hoa Kỳ (BLS) để ước tính. Kết quả cho thấy, trong tổng thu nhập tiền lương khoảng 10,83 nghìn tỷ USD của Hoa Kỳ, theo phạm vi tiếp xúc thực tế quan sát được của Anthropic, khoảng 1,45 nghìn tỷ USD chi phí tiền lương đã nằm trong phạm vi tiếp xúc với công nghệ AI, chiếm 13,4%; nếu sử dụng phạm vi tiếp xúc lý thuyết của OpenAI/Eloundou, quy mô tác động tiềm năng có thể lên tới khoảng 5,68 nghìn tỷ USD, chiếm hơn 52%.

Tính theo số lượng người có việc làm, trong số khoảng 156 triệu người có việc làm tại Hoa Kỳ, số người tiếp xúc thực tế là khoảng 18,35 triệu, chiếm 11,8%; số người tiếp xúc lý thuyết lên tới khoảng 68,3 triệu, chiếm 43,9%.

Báo cáo nhấn mạnh rằng chi phí tiền lương 1,45 nghìn tỷ USD nên được hiểu là "giới hạn trên lý tưởng cho doanh thu ARR dưới tỷ lệ thâm nhập và khả năng công nghệ hiện tại", và giới hạn trên này còn phải đối mặt với chiết khấu – doanh nghiệp có thể chỉ cần chi 10.000 USD cho AI để thay thế tương đương 100.000 USD chi phí nhân công. Mặc dù vậy, quy mô ARR hàng trăm tỷ USD hiện tại của các mô hình lớn, so với quy mô quỹ lương nói trên, tỷ lệ thâm nhập vẫn cực kỳ thấp.

Tác động của AI có xu hướng "thiên về lương cao", các vị trí tri thức bị ảnh hưởng đầu tiên

Không giống như tự động hóa trong quá khứ chủ yếu tác động đến ngành sản xuất và lao động chân tay lặp đi lặp lại, AI trong giai đoạn này trực tiếp hơn đến các vị trí lương cao, thâm dụng tri thức và dịch vụ.

Dữ liệu báo cáo cho thấy, mức độ tiếp xúc lý thuyết với AI của các ngành nghề so với phân phối mức lương trung bình hàng năm có sự lệch phải rõ rệt – nhóm thu nhập cao đối mặt với mức độ tiếp xúc AI cao hơn đáng kể so với nhóm thu nhập trung bình và thấp. Lấy các ngành nghề cụ thể làm ví dụ, nhóm có phân vị thu nhập thấp nhất (như nhân viên giặt ủi, thợ làm bánh, thợ lốp) có mức độ tiếp xúc AI thấp; trong khi nhóm thu nhập cao, như Quản lý sản phẩm tài chính (phân vị thu nhập 96,6%, tiếp xúc 78,6%), Quản lý nhân sự (phân vị thu nhập 95,3%, tiếp xúc 76%) và Kỹ sư hàng không vũ trụ (phân vị thu nhập 92,5%, tiếp xúc 89,3%) đều đối mặt với rủi ro thay thế cao.

Xét theo ngành, ba ngành có mức độ tiếp xúc lý thuyết cao nhất lần lượt là Máy tính & Toán học (87,6%), Kinh doanh & Tài chính (78,2%) và Pháp lý (78,0%). Tuy nhiên, thứ tự tiếp xúc thực tế quan sát được không nhất quán với giá trị lý thuyết; các ngành có mức độ tiếp xúc thực tế cao nhất là Máy tính & Toán học (35,3%), Hỗ trợ Văn phòng & Hành chính (33,2%) và các vị trí liên quan đến Bán hàng (24,6%).

Sự chênh lệch này cho thấy rằng sự thay thế lao động bằng AI không chỉ đơn thuần do khả năng của mô hình quyết định, mà còn bị ràng buộc bởi thuộc tính công việc, trách nhiệm và tổ chức quy trình. Ngành pháp lý liên quan đến điều phối lợi ích, phán đoán chiến lược kiện tụng và chịu trách nhiệm suốt đời; dịch vụ tài chính phụ thuộc vào quan hệ khách hàng và phán đoán thông tin phi chuẩn hóa; ngược lại, các vị trí lập trình do đối tượng công việc rõ ràng, vòng phản hồi ngắn, tiến trình thay thế thực tế nhanh hơn.

Ngành máy tính "đối xử bình đẳng", ngành tài chính phân hóa rõ rệt

Trong số 20 ngành nghề có mức độ tiếp xúc thực tế cao nhất, có 8 ngành thuộc nhóm Máy tính & Toán học, liên quan đến khoảng 1,59 triệu lao động, chiếm 30,2% tổng số người trong ngành. Báo cáo chỉ ra rằng đối với ngành máy tính, không có mối liên hệ tất yếu giữa mức lương cao thấp và mức độ tiếp xúc AI – đối mặt với tác động của AI, toàn ngành gần như "đối xử bình đẳng", điều này làm nổi bật tính dễ tổn thương tổng thể của ngành trước sự thay đổi công nghệ.

Ngành tài chính lại cho thấy một mô hình phân hóa hoàn toàn khác. Do một số vị trí cần chịu trách nhiệm (như kiểm toán, kế toán) và mức độ chuẩn hóa đầu ra công việc giữa các vị trí khác nhau không đồng đều, mức độ tiếp xúc thực tế tổng thể của ngành tài chính thấp hơn, nhưng sự phân hóa nội bộ rõ rệt. Trong đó, Chuyên gia Nghiên cứu Thị trường có mức độ tiếp xúc thực tế lên tới 64,8%, Chuyên gia Phân tích Tài chính & Đầu tư đạt 57,2%, đối mặt với rủi ro thay thế lớn; trong khi các vị trí khác cần duy trì quan hệ khách hàng và phán đoán phi chuẩn hóa có mức độ tiếp xúc tương đối thấp.

Xét theo tổng tiền lương tiếp xúc, quỹ lương tiếp xúc thực tế 1,45 nghìn tỷ USD cơ bản tập trung vào năm ngành chính: Hỗ trợ Văn phòng & Hành chính (289,6 tỷ USD), Kinh doanh & Tài chính (247,4 tỷ USD), Quản lý (221,7 tỷ USD), Máy tính & Toán học (215,2 tỷ USD) và các vị trí liên quan đến Bán hàng (199,5 tỷ USD). Báo cáo cho rằng điều này cung cấp định hướng tham khảo cho sự phát triển của mô hình lớn chuyên dụng trong mảng B2B: theo đuổi tính chắc chắn có thể đào sâu vào các ngành đã có sự thay thế rõ rệt như hành chính, máy tính, tài chính; theo đuổi "đột phá từ 0 đến 1", các ngành như giáo dục và chẩn đoán y tế vẫn có tiềm năng lớn.

Thay thế không có nghĩa là thất nghiệp, nhưng tái cấu trúc tiền lương đang trên đường

Báo cáo phân biệt rõ ràng giữa khái niệm "tiếp xúc" và "thay thế": tiếp xúc có nghĩa là nhiệm vụ có thể được AI hỗ trợ, tự động hóa hoặc tổ chức lại, nhưng không có nghĩa là thu nhập tiền lương này sẽ biến mất theo tỷ lệ tương ứng. Điều thực sự quyết định tác động kinh tế của AI vẫn là tốc độ áp dụng của doanh nghiệp, ranh giới khả năng của mô hình, cải cách quy trình tổ chức và các ràng buộc pháp lý.

Tuy nhiên, báo cáo đồng thời chỉ ra rằng tác động vĩ mô của AI sẽ không đơn giản thể hiện dưới dạng giảm tuyến tính số lượng việc làm. Con đường có nhiều khả năng xảy ra hơn là: một số vị trí có nhiệm vụ đơn lẻ bị thay thế, một số lượng lớn vị trí có nhiều nhiệm vụ bị tái cấu trúc; một phần chi phí tiền lương bị nén, nhiều quá trình lao động hơn được định giá lại. Đặc biệt, AI Agent có thuộc tính "lương càng cao, tỷ lệ thay thế càng cao", điều này làm cho tác động tiềm tàng của AI đối với đầu ra tiêu dùng thu nhập có thể sâu rộng hơn.

Đối với các nhà đầu tư, kết luận cốt lõi của báo cáo là: không gian trung hạn của đầu ra doanh thu AI không nên chỉ được hiểu từ quy mô thị trường phần mềm, mà nên tìm kiếm điểm neo ước tính từ quỹ chi phí lao động lớn hơn. Tỷ lệ thâm nhập ARR hiện tại của các nhà cung cấp mô hình lớn vẫn ở mức cực kỳ thấp, nhưng mặt trái của đồng xu này là cấu trúc tiền lương của con người đang phải đối mặt với một cuộc tái cấu trúc có hệ thống chưa được định giá đầy đủ.

Cảnh báo rủi ro và điều khoản miễn trừ trách nhiệm

        Thị trường có rủi ro, đầu tư cần thận trọng. Bài viết này không cấu thành lời khuyên đầu tư cá nhân, cũng không xem xét đến mục tiêu đầu tư, tình hình tài chính hoặc nhu cầu đặc biệt của từng người dùng. Người dùng cần xem xét liệu bất kỳ ý kiến, quan điểm hoặc kết luận nào trong bài viết này có phù hợp với hoàn cảnh cụ thể của họ hay không. Đầu tư dựa trên đó, tự chịu trách nhiệm.