AI viết code đang trở nên đắt đỏ — và các tập đoàn công nghệ bắt đầu xem xét lại

Ngoài ra, người dùng ngày càng sử dụng các mô hình mạnh hơn hoặc gửi nhiều ngữ cảnh hơn trong mỗi phiên làm việc, khiến lượng tính toán và chi phí tăng lên.

Uber: ngân sách AI cả năm hết chỉ sau vài tháng

Một ví dụ thường được nhắc đến là Uber. Theo các báo cáo truyền thông, công ty đã cung cấp các công cụ AI coding — đặc biệt là Claude Code — cho khoảng 5.000 kỹ sư.

Kết quả là chi phí tăng nhanh ngoài dự đoán. Báo cáo cho biết ngân sách AI của Uber cho năm 2026 đã bị tiêu hết vào tháng 4, chỉ sau khoảng bốn tháng triển khai.

Trường hợp này cho thấy ngay cả chi phí mỗi lập trình viên tương đối nhỏ cũng có thể trở thành con số rất lớn khi nhân lên ở quy mô doanh nghiệp.

Microsoft cũng đang điều chỉnh chiến lược

Microsoft cũng được cho là đang hủy phần lớn giấy phép nội bộ cho Claude Code sau khi trước đó mở quyền truy cập cho hàng nghìn nhân viên.

Theo các báo cáo, công ty đang chuyển trọng tâm sang GitHub Copilot CLI, một công cụ nằm trong hệ sinh thái của chính Microsoft.

Động thái này được mô tả như một phần của nỗ lực tăng "trách nhiệm chung" trong việc kiểm soát chi tiêu AI — cho thấy chi phí đang trở thành yếu tố chiến lược chứ không chỉ là chi phí phụ.

Một nghịch lý của AI trong lập trình

Lý thuyết phổ biến cho rằng AI sẽ làm phát triển phần mềm nhanh hơn và rẻ hơn. Nhưng thực tế đang phức tạp hơn.

Ngay cả khi AI giúp tăng tốc một số công việc, chi phí sử dụng công cụ có thể trở thành một khoản vận hành đáng kể. Nếu chi phí đó tăng nhanh hơn lợi ích năng suất, tổng chi phí phát triển phần mềm có thể không giảm.

Các nghiên cứu học thuật cũng cho thấy bức tranh không hoàn toàn rõ ràng. Một thử nghiệm ngẫu nhiên với các lập trình viên mã nguồn mở giàu kinh nghiệm cho thấy khi được phép dùng AI, họ mất nhiều thời gian hơn khoảng 19% để hoàn thành nhiệm vụ so với khi không dùng AI.

Một số nghiên cứu khác cũng cảnh báo rằng khi AI giúp tạo ra nhiều code hơn nhưng chất lượng không đồng đều, các nhóm phát triển có thể phải dành thêm thời gian để kiểm tra, sửa lỗi và xử lý “technical debt” (nợ kỹ thuật).

Điều mà dữ liệu hiện nay cho thấy

Từ các báo cáo và nghiên cứu hiện có, một số xu hướng đang nổi lên:

• Chi phí AI coding ở quy mô doanh nghiệp đang tăng hoặc khó dự đoán hơn.
• Một số công ty lớn đang siết quyền truy cập, chuyển sang công cụ khác hoặc giảm giấy phép để kiểm soát chi tiêu.
• Hiệu quả năng suất của AI trong lập trình không đồng đều giữa các môi trường và loại công việc.

Nói cách khác, AI viết code vẫn rất hữu ích trong nhiều tình huống — nhưng khi triển khai ở quy mô hàng nghìn kỹ sư, bài toán không chỉ là công nghệ mà còn là quản trị chi phí và quy trình làm việc.

Mức độ chắc chắn của thông tin

Một số thông tin về Uber và Microsoft đến từ các báo cáo truyền thông và nguồn thứ cấp, không phải tuyên bố chính thức từ doanh nghiệp. Vì vậy, chúng nên được xem là các báo cáo được ghi nhận, chứ chưa phải xác nhận chính thức đầy đủ.

Tuy vậy, các trường hợp này đang trở thành ví dụ nổi bật cho một vấn đề lớn hơn: khi AI trở thành hạ tầng làm việc hàng ngày, chi phí thực tế có thể khác rất xa so với dự báo ban đầu.