Mua AI per seat hay per token là câu hỏi sai: hãy hỏi về năng lực tạo giá trị

1. Per seat hay per token: một câu hỏi sai

Nate mở đầu bằng một quan sát: mọi thương vụ AI cho doanh nghiệp mà anh nghe kể trong năm 2026 (video đăng ngày 25/10/2026) đều mắc kẹt ở những chỗ giống nhau. Chúng kẹt quanh chuyện pricing và định giá, khi các team procurement (bộ phận mua sắm) hỏi: chúng ta trả tiền cho thứ này thế nào? Sao anh lại chào giá per seat (theo đầu người dùng)? Sao lại tính per token?

Theo anh (video đăng ngày 25/10/2026), chúng ta đang bắt đầu hỏi sai câu hỏi. Token là một cách để đo (meter) lượng compute. Seat là thước đo truyền thống của SaaS. Còn AI là intelligence, trí tuệ. Đặt AI vào khuôn seat hay token là cách nghĩ sản phẩm kiểu truyền thống.

Nate nói rằng từ khi có công ty, chúng ta có hai loại input kinh tế: con người (people) và vốn (capital). Theo anh (video đăng ngày 25/10/2026), giờ đây có thêm một loại mới: intelligence. Và anh muốn cho người xem thấy mọi thứ có thể trông khác đi thế nào từ đây.

2. Cedar và agent Kora: bệnh viện chỉ quan tâm hoá đơn đã được trả

Ví dụ đầu là Cedar, một công ty về thanh toán y tế. "Tới đây vẫn ổn", anh nói. Cedar chạy một AI agent, "tất nhiên rồi", tên là Kora. Theo Nate kể trong video đăng ngày 25/10/2026, một bệnh nhân có thể gọi điện hỏi về hoá đơn viện phí, kể cả lúc hai giờ sáng. Kora nhấc máy với giọng tươi tắn, kiểm tra người gọi là ai, giải thích từng khoản phí, xác nhận bảo hiểm, rồi cho bệnh nhân thanh toán hoá đơn ngay trong cuộc gọi.

Với bệnh nhân, theo Nate (video đăng ngày 25/10/2026), như vậy là dễ chịu: một hoá đơn khó hiểu được giải thích và được xử lý xong trong một cuộc gọi, không cần nghe nhạc chờ. Còn bệnh viện thì không quan tâm cuộc gọi đó tốn bao nhiêu token. Bệnh viện quan tâm là hoá đơn đã được trả.

Vì vậy, theo Nate (video đăng ngày 25/10/2026), trong thế giới đó chúng ta cần nghĩ khác về những gì intelligence mang lại cho doanh nghiệp và cho quan hệ với khách hàng, và cần nghĩ khác về cách định giá nó. Nếu nghe có vẻ trừu tượng, anh nói sẽ đi vào cụ thể: vì sao anh cho rằng đây là chìa khoá (key unlock) cho AI và việc làm trong năm 2026. Về cơ bản, theo anh, chúng ta đang bước vào một thế giới nơi AI agent trực tiếp mang intelligence tới tạo giá trị kinh tế thẳng cho khách hàng. Điều đó thay đổi cách chúng ta nghĩ về việc các tập đoàn làm gì, và thay đổi cách chúng ta nghĩ về công việc của chính mình.

3. Với CFO và với từng người: từ user thành manager của AI

Nếu bạn là CFO, theo Nate (video đăng ngày 25/10/2026), điều này sẽ tạo ra những vấn đề lớn từ góc nhìn phần mềm. Công ty bạn có thể biết chính xác mình đang trả tiền cho cái gì nếu bên bán tính phí per token, vân vân, nhưng có thể không biết làm sao để thu về lợi nhuận từ khoản đó, vì công ty không biết cách phân bổ (allocate) intelligence. Và điều đó thay đổi giá trị của một mối quan hệ đối tác (partnership) đối với bạn.

Còn nếu bạn là một cá nhân, anh nói (video đăng ngày 25/10/2026) đây là một cơ hội lớn: bạn có thể trở thành một manager of intelligence, người quản lý trí tuệ. Thật ra, theo anh, đó chính là điều mọi người ở cấp lãnh đạo muốn bạn trở thành, vì leadership cần từng cá nhân tìm ra cách khai thác intelligence để mang lại giá trị cho công ty. Đây là chuyện mà mọi người đang cùng nhau tìm hiểu. Học cách lấy nguồn lực đó và biến nó thành công việc có giá trị có thể thay đổi phạm vi những gì bạn được giao phó.

Anh đưa một ví dụ trong video đăng ngày 25/10/2026: hãy nghĩ tới một bản báo cáo bạn làm định kỳ. Bạn có thể bảo một agent hoàn thành nó nhanh hơn. Hoặc bạn có thể bảo nó điều tra root cause của vấn đề khách hàng và bắt đầu sửa nó. Nate thừa nhận đây là một câu trả lời rất đơn giản hoá, dù anh nói anh đã tận mắt thấy chuyện này diễn ra.

Theo Nate, những thay đổi trong tư duy kiểu đó là ví dụ cho việc người ta chuyển từ chỗ chỉ là user của AI sang chỗ là manager của AI. Công ty của bạn có lẽ đã đưa intelligence tới tay bạn, "bởi vì, này, bạn đang xem kênh này mà", anh nói. Bạn đang quyết định một phần nguồn lực của công ty sẽ làm gì. Bạn đang phân bổ intelligence, và các quyết định đó có tác động kinh tế thật. Theo anh (video đăng ngày 25/10/2026), chúng ta chưa giỏi nhận ra điều đó, cả từ góc nhìn của leadership lẫn của từng cá nhân.

4. Vì sao chuyện pricing lại được đem ra bàn

Vậy tại sao anh lại nói về pricing? Tại sao pricing cứ được đem ra? Theo Nate (video đăng ngày 25/10/2026), một trong những vấn đề cốt lõi khi một doanh nghiệp mua intelligence là nó khó định giá. Team procurement có thể đặt nó vào những chiếc hộp quen thuộc: mua per token, mua per seat, và đó thường là cách làm chuẩn. Nó là dịch vụ hay là sản phẩm?

Nhưng khi làm vậy, công ty đang ngầm giả định rằng mình biết cách định giá intelligence và biết cách biến nó thành thứ tạo ra ROI thật. Theo anh, rất nhiều công ty không biết, và họ cần được giúp để biến khoản này thành ROI. Vì thế, nếu bạn đang vật lộn với bài toán này, lời khuyên của anh là trước hết hãy lùi lại một bước và nhận ra vì sao hệ thống hiện tại không khớp (nhận định trong video đăng ngày 25/10/2026).

Token pricing có thể vừa với ngân sách của bạn và giúp bạn quản lý, định hình kỳ vọng về chi tiêu. Nate nói đó không phải chuyện xấu, và anh không đề nghị bỏ token pricing. Token là đơn vị hữu ích để đo lượng thông tin mà một model xử lý. Chúng có giá trị, nhưng theo anh (video đăng ngày 25/10/2026), chúng không mang lại một lượng "suy nghĩ hữu ích" cố định. Một token có hữu ích hay không là tuỳ vào tất cả chúng ta trong công ty, tức là tuỳ vào chúng ta với vai trò manager của AI.

5. Gánh nặng nằm ở người mua, và bạn đang đầu tư quá ít

Theo Nate (video đăng ngày 25/10/2026), kiểu hợp đồng thông thường để lại giả định quan trọng đó, gánh nặng đó, cho người mua. Bạn mua, và bạn phải tự thu đủ giá trị để biện minh cho chi phí. Anh cho rằng về gốc rễ, đó là lý do chúng ta thấy các công ty loay hoay tìm cách lập ngân sách và giới hạn chi tiêu cho AI.

Theo anh (video đăng ngày 25/10/2026), các công ty chưa tìm ra cách thu ROI thật ở quy mô lớn từ intelligence. Trong lúc chờ, họ muốn thử nghiệm và chặn trần chi tiêu để tránh rủi ro lớn. Nate nói anh hiểu điều đó. "Nhưng tôi phải nói với bạn: bạn đang đầu tư quá ít." Bạn không đầu tư đủ.

Đầu tư vào cái gì là một câu hỏi khác, anh nói. Đó là câu hỏi về tham vọng (ambition), về agency. Bạn phải nghĩ cách trao quyền cho nhân viên để họ đặt cược đúng chỗ ở quy mô lớn, và giữ họ cùng hướng. Đó là những câu hỏi khó, và theo Nate, không phải câu hỏi bạn có thể nhờ Claude giải giùm. Nhưng đó là những câu hỏi đúng. Theo nhận định của anh trong video đăng ngày 25/10/2026, những người và những công ty đặt ra các câu hỏi đó sẽ là những người tăng đầu tư vào AI và gặt hái được nhiều nhất.

6. Từ capability đến returns: phần know-how còn thiếu

Nate đề nghị nghĩ theo cách này: với intelligence đa dụng (general purpose), phần lớn giá trị của nó phải được chính người dùng khám phá ra. Bạn có thể mua capability trước khi biết nên giao việc gì cho nó, trước khi biết cách thay đổi các quy trình xung quanh, thậm chí trước khi biết cách nhận ra một câu trả lời là tốt. Và theo anh (video đăng ngày 25/10/2026), một model có thể rất ấn tượng trong một buổi demo trong khi tổ chức thì vẫn được trang bị rất kém để dùng nó. Anh nói anh thấy chuyện này rất nhiều.

Theo anh, phần know-how còn thiếu đó giải thích một phần rất lớn cho việc các công ty chật vật để thấy lợi nhuận từ AI (nhận định trong video đăng ngày 25/10/2026). Một quy trình procurement có thể xác nhận rằng bạn đã mua intelligence ở mức giá cạnh tranh, nhưng bài toán đầu tư vẫn phụ thuộc vào tất cả chúng ta, những AI manager ngoài kia, trong việc làm cho nó sinh lợi. Kể cả các individual contributor cũng là AI manager.

Vậy câu hỏi cho chúng ta là: chúng ta có mở khoá được giá trị đó không? Chúng ta có thấy có động lực không? Có thấy được trang bị đủ không? Có thấy công ty tin vào mình không? Có thấy mình đồng lòng với sứ mệnh không? Nate nói (video đăng ngày 25/10/2026) đây là những câu hỏi về con người, nhưng chúng rất thực tế trong thời đại AI, khi tất cả chúng ta đều đang phân bổ intelligence.

7. Ví dụ giả định: công ty thiết bị và người kỹ sư

Để cụ thể hơn, Nate xét một công ty thiết bị giúp khách hàng giữ cho máy móc luôn chạy. Công ty này là giả định, nhưng theo anh (video đăng ngày 25/10/2026), nó rất sát với những câu chuyện thật anh đã thấy. Anh nhắc lại rằng trước đây anh từng nói intelligence rẻ hơn có thể khiến dịch vụ hỗ trợ khách hàng sâu rộng hơn trở nên vừa túi tiền. Lần này anh muốn đi theo quyết định đầu tư đó tới cùng để người xem hình dung: ai thật sự có thể xây và vận hành dịch vụ này? Công ty nên trả bao nhiêu cho những kết quả nhận được?

Giả sử bạn là một kỹ sư ở công ty đó. Bạn nhận ra một lỗi lặp đi lặp lại mà khách hàng cứ báo về. Trong ví dụ của Nate (video đăng ngày 25/10/2026), một agent có thể gom các hồ sơ bảo trì lại và so sánh các ca trước đó giúp bạn. Còn bạn thì biết điều kiện vận hành nào là quan trọng, hồ sơ nào không đáng tin, và khi nào một "pattern" trông có vẻ đúng thật ra là hai lỗi khác nhau nhưng được mô tả bằng cùng một kiểu ngôn ngữ.

Theo Nate (video đăng ngày 25/10/2026), loại hiểu biết đó thay đổi cách bạn tiếp cận vấn đề, vì bạn có thể đào sâu, yêu cầu đúng những phép so sánh cần thiết, kiểm tra bằng chứng, và tìm ra phần cốt lõi của vấn đề để tách bạch các nguyên nhân gốc. Từ đó, bạn thật sự cần ngồi lại với khách hàng để hiểu bước tiếp theo nên làm gì.

Tới lúc đó, anh nói (video đăng ngày 25/10/2026), việc sai AI agent đi sinh thêm lời giải thích không sửa được vấn đề. Bạn phải quản lý intelligence và tự đưa ra quyết định: khi nào đào sâu cùng AI, khi nào dừng lại để nói chuyện với một con người. Rốt cuộc, với tư cách một kỹ sư individual contributor, bạn đang quyết định việc nào đáng được công ty điều tra thêm, việc nào máy xử lý được, chỗ nào cần một người khác nhảy vào, và chỗ nào bạn cần dừng lại để nói chuyện với người thật. Tất cả những điều đó là trách nhiệm của bạn.

8. Từ từng ca lẻ thành một sản phẩm mới

Giờ hãy hình dung bạn đã làm như vậy với đủ nhiều ca, tới mức team bạn bắt đầu thấy những cơ hội lặp lại được. Khách hàng có thể bắt đầu trả tiền cho dịch vụ tư vấn liên tục giúp họ ngăn ngừa hỏng hóc. Công ty lúc này có quan hệ với các khách hàng đó, có hiểu biết về thiết bị, và có những người hiểu một khuyến nghị đáng tin cần những gì. Và theo Nate (video đăng ngày 25/10/2026), nó đang dần trở thành một sản phẩm công ty có thể bán, thứ trước đây chưa hề có.

Tất nhiên sẽ phải có ai đó kết nối các mảnh lại, định giá, đóng gói, vân vân. Nate thừa nhận chuyện này không đơn giản như A, B, C rồi xong trong một tuần. Nhưng theo anh (video đăng ngày 25/10/2026), hành trình kiểu này chính là điều anh thấy mỗi khi chứng kiến việc quản lý AI xuất sắc trong các công ty.

Theo Nate (video đăng ngày 25/10/2026), trước đây công ty có thể mất một năm để tự khám phá cách làm những việc như vậy. Họ có thể thuê những người đã biết cách làm. Họ có thể làm việc với một vendor. Và lợi nhuận kỳ vọng của tất cả các con đường đó đều được đo bằng những gì công ty có thể thực thi theo cách cũ.

9. Forward-deployed engineering: OpenAI và Anthropic

Đây là lúc Nate thấy sự trỗi dậy của forward-deployed engineering như một lối đi rất thú vị (nhận định trong video đăng ngày 25/10/2026). Đó là những kỹ sư làm việc với AI, quản lý AI bên trong, hoặc sát cạnh, tổ chức của khách hàng, để biến công nghệ thành những hệ thống chạy được trong thực tế. Họ giúp bạn có khả năng lấy intelligence bạn đã mua và biến nó thành giá trị.

Theo Nate (video đăng ngày 25/10/2026), công ty triển khai của OpenAI mô tả các hợp đồng của mình đúng bằng những từ đó. Các kỹ sư của họ làm việc với lãnh đạo doanh nghiệp và các team tuyến đầu (frontline teams) để xác định cơ hội, rồi thiết kế, xây dựng, kiểm thử và triển khai các hệ thống kết nối với dữ liệu và quy trình của khách hàng. Công việc bắt đầu từ việc chọn intelligence sẽ được áp dụng ở đâu, và kéo dài tới khi chắc chắn nó sinh lợi trong vận hành hằng ngày.

Theo anh, Anthropic dùng ngôn ngữ rất giống khi nói về forward-deployed engineering, trong liên doanh (joint venture) họ công bố cùng Blackstone, Hellman & Friedman và Goldman Sachs. Thẻ trên màn hình gọi đó là một "New AI services company", nguồn ghi Anthropic, ngày 04/05/2026. Theo Nate kể trong video đăng ngày 25/10/2026, họ làm việc với những doanh nghiệp như các nhà sản xuất cỡ vừa, các hệ thống y tế khu vực, và rốt cuộc là cố gắng áp dụng AI theo những cách thật sự phù hợp với các công ty đó.

Theo Nate (video đăng ngày 25/10/2026), forward-deployed engineering là một cách tuyệt vời để hiểu việc quản lý AI tốt trông như thế nào, nếu nó được đặt trong một cấu trúc cho phép công ty thu hoạch giá trị đó theo thời gian. Nếu bạn cứ giữ nó ở dạng forward-deployed engineering như một dịch vụ mãi mãi, có lẽ bạn đang không học đủ. Nếu bạn cố đẩy nó thành sản phẩm ngay lập tức, có lẽ bạn cũng không học đủ. Phải có sự cân bằng.

Một phần điều anh muốn lập luận (video đăng ngày 25/10/2026) là: chúng ta cần những cá nhân thật sắc sảo ở tuyến đầu, những người trò chuyện với khách hàng, được trao quyền và cảm thấy được ghi nhận cho những gì họ bỏ vào công ty, để đến lượt mình họ áp dụng intelligence đó tạo ra giá trị.

10. Thrive Holdings, outcome pricing và bốn câu hỏi của CFO

Đôi khi, theo Nate, những cơ hội kiểu này đủ lớn để biện minh cho một mối quan hệ đi xa hơn. Anh muốn nói về điều đó vì đây là loại khác biệt mà intelligence có thể tạo ra trong mô hình kinh tế. Theo anh kể trong video đăng ngày 25/10/2026, OpenAI đã nhận một phần sở hữu trong Thrive Holdings và công bố sẽ cài các team nghiên cứu, sản phẩm và kỹ thuật vào bên trong các công ty của Thrive. Trọng tâm ban đầu là kế toán và dịch vụ IT, và "chúng ta sẽ xem nó đi tới đâu từ đó".

Anh muốn nhấn mạnh điểm này vì khi bắt đầu nghĩ về cách định giá intelligence, chúng ta phải nhận ra rằng một nhà cung cấp AI có thể có lượng chuyên môn phi thường trong lĩnh vực của họ, dù họ có phải là một lab hay không. Họ có thể không phải lab; theo Nate (video đăng ngày 25/10/2026), có những công ty khác trong lĩnh vực này đang làm công việc tương tự. Nhưng nhà cung cấp AI có thể có chuyên môn để mang lại giá trị mà công ty cần, vượt xa token pricing.

Trong những trường hợp đó, anh nói (video đăng ngày 25/10/2026), mô hình này có thể được gọi là outcome pricing (tính giá theo kết quả). Ở một số nơi có nhu cầu, nó có thể được gọi là joint venture. Nhưng về bản chất, có một mối quan hệ đối tác sâu hơn, nơi cả hai bên cam kết cùng nhau tìm cách tận dụng input kinh tế mới này để mở khoá giá trị vượt trội cho khách hàng.

Nếu một đối tác có thể giúp doanh nghiệp đạt được điều đó, theo Nate (video đăng ngày 25/10/2026), CFO đứng trước một quyết định rất khác. Lúc đó không còn là chuyện team procurement mặc cả để mua phần mềm rẻ hơn. Đó là chuyện nghĩ xem một mối quan hệ đối tác có thể tạo thêm bao nhiêu giá trị? Công ty giữ lại được gì trong kịch bản đó? Công ty phải cam kết những gì để tới được đó? Upside là bao nhiêu, và nó có đáng với những gì mọi bên phải cho và nhận để chốt được các thương vụ này không? Trên màn hình, bốn câu này hiện thành "The CFO's four questions": More value? What do we keep? What do we commit? Is the upside worth it?

Nate nói rõ anh không cho rằng ngày mai ai cũng sẽ bước vào các mối quan hệ đối tác. Anh cũng không nói cả thế giới sẽ chuyển sang outcome pricing vào ngày mai. Theo anh (video đăng ngày 25/10/2026), outcome pricing khó đo lường.

11. AI là input mà ai cũng áp dụng, nên team phải có động lực

Nhưng theo Nate (video đăng ngày 25/10/2026), nếu chúng ta đang có input kinh tế mới đầu tiên sau nửa thiên niên kỷ, thì có lẽ cũng hợp lý khi thử nghiệm một chút với các cấu trúc của mình, để chắc rằng chúng ta áp dụng được input đó theo những cách có lợi cho khách hàng.

Và điều đó quay lại với chúng ta, từng cá nhân. Anh nói đây là điểm anh cứ nhắc đi nhắc lại trong video đăng ngày 25/10/2026. Các input kinh tế truyền thống khác về bản chất là chuyện của quản lý. Nếu bạn là một officer (người điều hành) của công ty theo kiểu truyền thống, bạn có thể dùng team của mình và ngân sách của mình để làm việc cho công ty, còn nhân viên thì phần nào phải đi theo và làm phần việc của họ. Nhưng với AI thì không. "Không phải với AI." AI là thứ tất cả chúng ta cùng áp dụng.

Đó là lý do, theo anh (video đăng ngày 25/10/2026), anh cố ý nêu những ví dụ mà người làm thật sự là các kỹ sư tuyến đầu, những người làm việc trực tiếp với khách hàng. Chính họ là người đang tìm ra khi nào nên dùng AI và khi nào không, thật sự đưa giá trị tới tay khách hàng, và rốt cuộc tạo ra giá trị cho doanh nghiệp.

Theo Nate (video đăng ngày 25/10/2026), điều đó chỉ xảy ra nếu họ có động lực làm việc đó, nếu họ cảm thấy công ty ủng hộ họ, nếu họ thấy mình là người trong cuộc, có quyền lợi gắn với kết quả (skin in the game), và thấy việc theo đuổi giá trị cho khách hàng là đáng. Anh nói chưa bao giờ việc có một team có động lực lại quan trọng như vậy. Một team có động lực tạo ra khác biệt lớn khi áp dụng AI hiệu quả.

12. Quay lại Sierra và Cedar: outcome pricing hợp ở đâu

Nate quay lại với Sierra một chút. Anh nói anh đã bắt đầu toàn bộ câu chuyện bằng Sierra và Cedar, cùng ý tưởng rằng bạn có thể trả tiền cho kết quả kinh doanh được giao. Theo Nate (video đăng ngày 25/10/2026), đó là điều Sierra đang tích cực khám phá: họ đang tìm được những thương vụ mà họ có thể nói đây là giá tính theo từng outcome, chúng tôi thấy thoải mái khi tính giá như vậy, và người mua cũng thấy thoải mái khi mua như vậy.

Ví dụ Cedar cho thấy kiểu công việc hoàn chỉnh đó có thể diễn ra thế nào: một bệnh nhân được giải thích hoá đơn và thanh toán, và đó là một tương tác dịch vụ khép kín trọn vẹn, về nguyên tắc có thể tính phí theo điều khoản dựa trên kết quả. Nate nói rõ anh không biết điều khoản hợp đồng cụ thể của Cedar. Nhưng anh cho rằng đề xuất rộng hơn của Sierra ở đây chính là: chúng ta nên bắt đầu nghĩ cách đo kết quả và cách định giá theo kết quả, nếu muốn gắn AI với giá trị mà nó tạo ra (nhận định trong video đăng ngày 25/10/2026).

Theo anh (video đăng ngày 25/10/2026), cách đó sẽ chạy trong những trường hợp có vòng khép kín như vậy, như các ca customer service, một ví dụ kinh điển. Anh nhắc Fin đã làm điều đó với các ca customer service; thẻ trên màn hình ghi "Fin · Intercom, priced per outcome". Nhưng nó sẽ không chạy gọn gàng như vậy khi công việc phức tạp hơn.

Nếu bạn làm lại toàn bộ chương trình dịch vụ sản xuất (manufacturing service program) của khách hàng, tức kiểu ví dụ anh đưa ra ở phần trước, thì đó là chuyện khác. Đó không phải một giao dịch đơn giản, khép kín mà bạn có thể tính giá theo outcome. Nhưng theo Nate (video đăng ngày 25/10/2026), đó là chỗ đáng để nghĩ kỹ hơn, để chắc rằng người của bạn được trang bị đủ để mang lại giá trị đó với intelligence bạn đã chọn mua.

13. Per-token pricing sẽ ở lại: Shopify và Block

Dù vậy, Nate cho rằng per-token pricing sẽ còn ở lại lâu dài (nhận định trong video đăng ngày 25/10/2026). Nếu công ty bạn biết cách áp dụng intelligence, mua theo mức sử dụng cho bạn nhiều không gian để thay đổi cách giao việc, để thử nghiệm, và để giữ lại phần lợi thu được từ những gì phát triển ra. Bạn không cần chia quyền sở hữu mỗi lần muốn dùng một model. "Không ai làm vậy cả."

Nói vậy, anh cho rằng chúng ta sẽ thấy nhiều mô hình khác nhau, khi chúng ta dần tìm cách áp dụng intelligence trong những công ty có mức độ thành thạo AI khác nhau (nhận định trong video đăng ngày 25/10/2026).

Anh lấy Shopify làm ví dụ. Theo Nate kể trong video đăng ngày 25/10/2026, COO của Shopify, Jess Hertz, mô tả một mức lợi nhuận lành mạnh từ chi tiêu cho AI mà bà thấy hài lòng. Bà nói các kỹ sư nên được dùng những model tốt nhất cho từng hoàn cảnh, và bà theo dõi chi tiêu trong suốt quá trình. Bà cũng phân biệt mức độ áp dụng (adoption) với tác động thật (impact). Thẻ trên màn hình ghi nguồn là Fast Company, ngày 02/09/2026.

Theo Nate (video đăng ngày 25/10/2026), headcount của Shopify đi ngang: họ gần như hoãn tuyển người khoảng hai năm nay, và doanh thu đã tăng 34% trong khoảng thời gian đó. Thẻ trên màn hình thì ghi con số 34% là doanh thu Q2 2026 so với Q2 2025, nguồn là báo cáo kết quả Q2 2026 của Shopify. Vì vậy, từ góc nhìn của bà, bà đang có ROI thật từ các khoản đầu tư AI, vì đã đẩy mạnh được năng suất theo những cách tác động lên doanh thu (top line) của doanh nghiệp.

Theo Nate, đó ít nhất là một ví dụ công khai cho thấy điều gì xảy ra khi đi từ những câu chuyện cá nhân anh hay kể trên kênh, sang thứ tác động tới báo cáo quý, tới những con số của CFO. Có những câu chuyện khác nữa: theo anh kể trong video đăng ngày 25/10/2026, Block đã nói lợi nhuận gộp (gross profit) của họ tăng 25%; thẻ trên màn hình ghi "+25% gross profit YoY, Q2 2026", nguồn là thư gửi cổ đông Q2 2026 của Block. Anh nói Block nổi tiếng vì đã thu gọn team rất mạnh, đặt AI vào trung tâm hoạt động kinh doanh, và dồn hết sức vào hướng đó. Theo Nate (video đăng ngày 25/10/2026), cho tới thời điểm đó họ đã cho thấy lợi nhuận tăng nhờ vậy; còn chuyện đó tiếp diễn ra sao thì phải chờ xem. Mỗi công ty sẽ có một câu chuyện khác nhau ở đây.

14. AI fluency quyết định kiểu thoả thuận

Nhưng rốt cuộc, theo Nate (video đăng ngày 25/10/2026), các tổ chức đang học cách làm cho intelligence sinh lợi. Anh không thấy lý do để mọi công ty cần cùng một kiểu thoả thuận thương mại để tới được đó. Điều anh thấy là các thoả thuận thương mại khác nhau tuỳ theo mức độ thành thạo AI (AI fluency) của công ty.

Theo anh (video đăng ngày 25/10/2026), Shopify và Block đều là những công ty cực kỳ thành thạo AI, và nói thẳng ra, anh kỳ vọng họ cho thấy ROI vào thời điểm đó. Nhiều công ty anh trò chuyện thì không thành thạo AI bằng. Trong tình huống đó, bạn cần nghĩ xem phải thay đổi những gì về con người để chắc chắn mình có những người thật giỏi đang áp dụng AI, để tạo ra được giá trị khi bạn đưa AI vào giải những bài toán khó nhất của mình.

Và cách làm có thể rất khác nhau, anh nói. Có thể là một partnership. Có thể là forward-deployed engineer. Cũng có thể là một mô hình phần mềm truyền thống kèm dịch vụ tư vấn. Theo Nate (video đăng ngày 25/10/2026), có rất nhiều cách các công ty đang làm việc này. Nhưng bạn phải bắt đầu đưa sự thành thạo trong việc dùng input kinh tế mới này vào sâu trong team, để kết quả doanh thu thật sự chuyển biến, theo cách khiến cuộc nói chuyện về ROI không còn là thứ bạn phải nheo mắt nhìn, mà là thứ bạn có thể tự tin chỉ vào và nói: đúng, chính là nó.

15. Hãy làm manager of AI, trước cả khi có chức danh

Nate nói anh không muốn bỏ quên các cá nhân trong câu chuyện này, nên anh cứ quay lại điểm đó. Theo anh (video đăng ngày 25/10/2026), đây là một thời điểm quan trọng để tìm chỗ đứng của mình khi AI thay đổi công việc. Chúng ta có thể trở thành manager of intelligence trước khi ai đó trao cho mình một chức danh quản lý. Và nhờ vậy, phạm vi công việc mà chúng ta điều phối có thể dễ dàng lớn hơn những gì một mình chúng ta tự làm được. Cho nên phán đoán của chúng ta về chuyện intelligence nên được đặt ở đâu có thể trở nên cực kỳ quan trọng.

Theo kinh nghiệm của anh, điều đó càng đúng nếu công ty không thật sự thành thạo AI, vì họ cần những người tiên phong (champions), những người biết cách làm việc này. Nếu bạn làm ở một công ty như vậy và đang nghĩ: "Nate, tôi xem kênh của anh, tôi không biết phải làm gì, công ty tôi không hiểu chuyện này", thì câu trả lời của anh là bạn có thể là manager of AI ở công ty của mình. Bạn có thể ở vị trí cho mọi người thấy, qua chính sự thành thạo của bạn, cách áp dụng AI để thật sự kéo doanh thu và lợi nhuận của công ty lên. Và theo Nate (video đăng ngày 25/10/2026), điều đó sẽ được chú ý.

"Rất đơn giản", anh nói. Đây là một input kinh tế mới. Nếu bạn phục vụ khách hàng hiệu quả, bạn sẽ tạo ra nhiều giá trị hơn, và phần đó sẽ dồn vào doanh thu và lợi nhuận. Theo Nate (video đăng ngày 25/10/2026), đây là điều mà chúng ta, với tư cách cá nhân, giờ làm được và nó là mới: anh nói anh chưa từng thấy chúng ta có quyền năng làm điều này trước đây, và anh thấy điều đó thật sự trao quyền.

Trong rất nhiều trường hợp anh thấy (video đăng ngày 25/10/2026), chính những cá nhân ở tuyến đầu đang dẫn đầu làn sóng này. Họ thấy cơ hội mà các công cụ này mở ra và hăng hái đưa chúng vào việc. Nate nói đây là lúc anh cổ vũ bạn: đó hoàn toàn là cách tiếp cận đúng, và leadership đang học từ bạn cách nghĩ về chuyện này một cách chiến lược hơn. Nếu bạn đang tự hỏi phần thưởng cho sự nghiệp nằm ở đâu, thì theo anh, nó nằm ngay đó: hãy làm manager of AI, dấn thân vào vai trò đó. "Bạn sẽ không hối tiếc."

16. Một lời cho leadership: phép thử dự án tạo doanh thu

Nate cũng có một lời cho leadership (video đăng ngày 25/10/2026). Nếu bạn là CFO, là CEO, nếu bạn đang cân nhắc khoản đầu tư AI đáng kể tiếp theo, hãy đặt năng lực tạo giá trị của công ty lên bàn, cạnh cuộc nói chuyện về giá thông thường. Hãy hỏi những câu khó về việc công ty có thật sự đủ khả năng tận dụng AI mình đang mua và tự tin tạo ra giá trị hay không.

Theo anh (video đăng ngày 25/10/2026), rất thường xuyên chúng ta rơi vào sai hướng trong cuộc trò chuyện khi chỉ nghĩ tới cắt giảm chi phí. Chúng ta muốn ở vị trí thật sự nghĩ về việc giải phóng upside cho doanh nghiệp, vì upside không có trần. Bạn có thể tạo ra rất nhiều giá trị ở phía doanh thu nếu dám nghĩ lớn.

Anh đưa một ví dụ (video đăng ngày 25/10/2026). Giả sử bạn kỳ vọng năng suất của công ty sẽ cải thiện nếu áp dụng AI. Vậy hãy thử thách kỳ vọng đó. Kiểm chứng nó. Chọn một dự án sẽ tạo ra doanh thu mà trước giờ bạn chưa thể làm tới, rồi nói: chúng ta sẽ đặt một team vào dự án này, việc mà trước đây chúng ta không thể bố trí người. Giờ thì chúng ta làm được. Và nếu chúng ta thu được giá trị, nếu dự án bắt đầu tạo doanh thu, chúng ta sẽ quy phần đó cho AI, vì AI đã giải phóng năng suất và nhờ vậy chúng ta làm được việc này.

Theo Nate (video đăng ngày 25/10/2026), kiểu tư duy cụ thể đó lại không phổ biến lắm, nhưng nó cực kỳ quan trọng nếu bạn thật sự muốn tìm ra cách áp dụng AI, theo cách cho thấy bạn đang nghĩ thấu đáo về sự thành thạo và về cách dùng input kinh tế mới này để tạo giá trị cho khách hàng.

Anh biết phần này có lẽ hơi giống một bài nhập môn kinh tế học. Nhưng theo anh, không có cách nào né việc hiểu phần kinh tế ở đây nếu chúng ta muốn hiểu chỗ đứng của mình trong đó, sự nghiệp của mình, và cách chúng ta với vai trò lãnh đạo cần hành động. Nếu bạn đang ở vị trí lãnh đạo và đang cố tìm xem nên đầu tư gì vào AI, hay thậm chí nên trả tiền cho cái gì với AI, Nate muốn nói rằng bạn không đơn độc. Anh nói anh làm việc với rất nhiều team, và tại thời điểm video đăng ngày 25/10/2026, ai cũng đang vật lộn với cùng câu hỏi đó. Chúng ta đang cùng nhau tìm cách tạo ra giá trị với intelligence, và đó là một quá trình mới, đòi hỏi cách nghĩ mới.

Anh kết bằng lời mời người xem chia sẻ ở phần bình luận: bạn đang là manager of AI như thế nào, với tư cách lãnh đạo bạn đang nghĩ gì về việc thu giá trị từ AI trong công ty, ở đâu nó đang hiệu quả, per-token pricing hay outcome pricing có hợp với bạn không, và bạn đã thấy ví dụ tốt nào chưa.