Bỏ qua tới nội dung
Ông T.vn

Ngân sách token cho mỗi kỹ sư: Jensen Huang nói gì và doanh nghiệp nhỏ nên tính thế nào

8 phút đọcCập nhật
Ngân sách token cho mỗi kỹ sư: Jensen Huang nói gì và doanh nghiệp nhỏ nên tính thế nào

Tóm tắt nhanh

Jensen Huang nói rằng với một kỹ sư lương 500.000 USD/năm, ông kỳ vọng người đó tiêu khoảng 250.000 USD token, và chỉ tiêu 5.000 USD thì ông sẽ rất lo. Doanh nghiệp nhỏ không cần copy con số đó. Điều nên học là đặt một ngân sách token rõ ràng cho từng người, đo bằng kết quả công việc, và để ý các dấu hiệu dùng AI quá ít hoặc lãng phí.

Mình đọc đoạn clip này và dừng lại khá lâu. Không phải vì con số to. Mà vì nó đảo ngược cách nghĩ quen thuộc của hầu hết chủ doanh nghiệp: tiêu ít tiền AI là tốt, tiết kiệm là giỏi.

Bài này mình đi qua ba thứ. Jensen Huang thực sự nói gì. Doanh nghiệp nhỏ nên tính ngân sách token thế nào cho hợp túi tiền. Và làm sao biết mình đang dùng AI quá ít hay đang đốt tiền vô ích.

I.Jensen Huang thực sự nói gì về kỹ sư 500.000 USD?

Ông nói rằng nếu trả một kỹ sư 500.000 USD mỗi năm, cuối năm ông sẽ hỏi người đó đã tiêu bao nhiêu token. Nếu câu trả lời là 5.000 USD, ông sẽ nổi đoá.

A.Câu nói gốc

Theo đoạn clip lan truyền trên X, ông nói đại ý: cuối năm tôi sẽ hỏi anh ta đã tiêu bao nhiêu tiền token, và nếu người đó nói 5.000 USD thì tôi sẽ rất bực. Mức ông kỳ vọng là khoảng 250.000 USD token cho một kỹ sư như vậy. Thấp hơn nhiều thì ông nói mình “deeply alarmed”, tức là thật sự lo lắng.

Mình chỉ xem được đoạn trích ngắn, nên không dám nói ông giải thích đầy đủ đến đâu. Nhưng ý chính rất rõ, và đủ để mình bàn.

B.Ba con số trong câu chuyện

Có đúng ba con số, và chúng kể một câu chuyện khá gọn.

Ba con số trong lời Jensen Huang

500.000 USDlương một năm của kỹ sư được lấy làm ví dụ
250.000 USDmức token ông kỳ vọng, bằng khoảng một nửa lương
5.000 USDmức ông coi là quá thấp, chỉ khoảng 1% lương

Nghĩa là ông không xem token là chi phí phụ. Ông xem nó như một khoản đầu tư ngang tầm lương người. Chi 1% và chi 50% là hai cách nghĩ hoàn toàn khác nhau về vai trò của AI.

C.Mình hiểu câu nói này thế nào

Ông không bảo “hãy đốt thật nhiều tiền”. Mình nghĩ ông đang nói về cách một kỹ sư làm việc. Nếu người giỏi nhất của bạn tiêu rất ít token, khả năng cao là họ vẫn làm mọi thứ bằng tay và chỉ dùng AI như công cụ tra cứu.

Con số token ở đây là cái bóng của hành vi. Bóng quá nhỏ thì người thật cũng đang đứng rất ít chỗ.

II.Vì sao tiêu ít token lại bị coi là dấu hiệu xấu?

Vì token là “giờ làm việc” của AI agent. Tiêu ít nghĩa là bạn đang thuê ít giờ làm việc của AI, và phần lớn việc vẫn dồn lên đầu người.

A.Token là giờ công của một nhân viên không ngủ

Một agent chạy một tác vụ dài sẽ đọc code, viết, chạy thử, sửa, rồi lặp lại. Mỗi vòng như vậy đều ăn token. Việc càng lớn, càng nhiều bước, token càng nhiều.

Cho nên người tiêu nhiều token thường là người giao được việc lớn cho AI. Người tiêu ít thường chỉ hỏi vài câu rồi tự làm tiếp.

B.Chi phí thật là thời gian của người giỏi

Mình hay nhắc anh em một phép tính đơn giản. Khoản tiền bạn trả cho một kỹ sư giỏi lớn hơn rất nhiều so với tiền token mà họ dùng ở mức thông thường. Nên nếu 100 USD token giúp họ rảnh thêm vài giờ để làm việc khó hơn, đó là món hời.

Sai lầm phổ biến là so hoá đơn AI với số 0. Phải so nó với giờ công người bị chiếm vào việc lặt vặt.

Hoá đơn token chỉ đáng sợ khi bạn so nó với số không. So với giờ công của người giỏi, nó thường rẻ đến bất ngờ.

Ông T

III.Doanh nghiệp nhỏ có nên bắt chước con số 50% lương không?

Không. Con số đó dành cho một công ty công nghệ khổng lồ với những kỹ sư rất đắt. Cái đáng bắt chước là thói quen: có ngân sách token, theo dõi nó, và hỏi lại nó mỗi quý.

A.Vì sao đừng copy nguyên con số

Quy mô, biên lợi nhuận và loại công việc của bạn khác hẳn. Một cửa hàng nhỏ, một agency năm người hay một xưởng thiết kế không thể ném nửa quỹ lương vào token. Mà cũng chưa chắc việc của họ cần như vậy.

Điều mình rút ra từ câu chuyện này là hướng đi, không phải con số. Hướng đi là: nếu bạn chỉ tiêu 1% so với mức có thể, hãy tự hỏi vì sao.

B.Cách đặt ngân sách token cho từng người

Mình không có công thức vàng. Đây là cách mình sẽ làm nếu mở một đội nhỏ từ đầu. Các mức phần trăm bạn tự thử và chỉnh theo thực tế, mình không đưa ra như một chuẩn.

Đặt ngân sách token trong 5 bước

  1. Chọn vài việc lặp lạiLiệt kê 3-5 việc mỗi người làm đi làm lại, như viết báo cáo, sửa lỗi, soạn nội dung
  2. Đặt mức khởi điểm nhỏChọn một con số bạn chịu mất mà không đau, cho mỗi người, cho một tháng
  3. Giao việc thật cho agentCho dùng trên công việc thật, không phải bài thử cho vui
  4. Cuối tháng nhìn kết quảSo hoá đơn với việc đã xong và giờ công đã tiết kiệm
  5. Chỉnh lên hoặc xuốngNếu hiệu quả rõ thì tăng, nếu chỉ thấy hoá đơn thì tìm nguyên nhân trước khi tăng

Bước quan trọng nhất là bước thứ ba. Ngân sách chỉ có nghĩa khi nó gắn với việc thật.

C.Một ví dụ cho dễ hình dung

Giả sử bạn có một bạn nhân viên làm nội dung. Hàng tuần bạn ấy mất nhiều giờ để gom tài liệu, soạn nháp, chỉnh định dạng. Nếu bạn ấy chỉ thỉnh thoảng nhờ AI viết một đoạn, hoá đơn gần như bằng không và thời gian vẫn thế.

Còn nếu bạn ấy giao cả quy trình cho agent, từ gom tài liệu đến nháp đầu, thì hoá đơn lên một chút. Nhưng bạn ấy giành lại được thời gian để nghĩ và quyết định, là phần mà máy chưa thay được. Đó mới là thứ bạn đang trả tiền.

IV.Đo hiệu quả khi dùng AI agent bằng cách nào?

Đo kết quả đầu ra, không đo lượng token. Token chỉ là đầu vào. Một hoá đơn lớn không chứng minh gì cả, còn một hoá đơn nhỏ cũng không chứng minh gì.

A.Đừng biến số token thành điểm thành tích

Nếu bạn thưởng cho người tiêu nhiều token, họ sẽ tiêu nhiều token. Chuyện này khá hiển nhiên mà vẫn có người mắc. Lúc đó con số mất hết ý nghĩa, đúng như quy luật quen thuộc: thước đo nào bị biến thành mục tiêu thì thước đo đó hết đo được gì.

Token nên là chỉ báo để đặt câu hỏi, không phải điểm số để so bì.

B.Những thứ đáng đo hơn

Bạn có thể nhìn hai cách đo cạnh nhau.

Đo kiểu cũĐo kiểu có agent
Cái được đoSố giờ ngồi làmViệc xong và chất lượng việc xong
Cách nhìn AIMột công cụ tra cứuMột người làm thuê chạy song song
Hoá đơn AICàng thấp càng tốtSo với giờ công mà nó đã giải phóng
Câu hỏi cuối kỳBạn đã làm bao nhiêuBạn đã giao bao nhiêu và nhận lại gì

Cái mình quan tâm nhất là câu cuối. Một người giỏi trong thời agent không phải người tự làm nhiều nhất, mà là người giao đúng việc và kiểm tra đúng chỗ.

Người giỏi không phải người tự làm nhiều nhất. Là người biết giao đúng việc cho máy và kiểm đúng chỗ.

Ông T

C.Một nhịp rà soát đơn giản

Mỗi tháng, ngồi mười lăm phút với từng người. Hỏi ba câu: tháng này bạn giao cho AI việc gì, kết quả ra sao, việc nào lẽ ra nên giao mà chưa giao. Câu cuối thường mở ra nhiều thứ nhất.

Không cần bảng tính phức tạp. Chỉ cần đều đặn.

V.Làm sao biết mình dùng AI quá ít hay đang lãng phí?

Có hai bên vực. Bên này là dùng quá ít, bên kia là đốt tiền không ra việc. Đa số doanh nghiệp nhỏ mình gặp đang ở bên đầu tiên.

A.Dấu hiệu dùng quá ít

Hoá đơn thấp chưa chắc là xấu. Nhưng nếu nó đi kèm vài dấu hiệu dưới đây thì nên xem lại.

Dấu hiệu bạn đang dùng AI quá ít

  • Người giỏi nhất vẫn tự làm các việc lặp đi lặp lại
  • AI chỉ được dùng để hỏi đáp, chưa chạy việc nhiều bước
  • Không ai nhớ lần cuối giao một việc lớn cho agent
  • Cuối tháng hoá đơn AI gần như không đổi
  • Nhân viên giấu việc dùng AI vì sợ bị chê hoặc sợ tốn tiền
  • Chưa có ai chịu trách nhiệm về chuyện dùng AI trong nhóm

Dấu hiệu thứ năm đáng nghĩ. Nếu nhân viên sợ bị mắng vì tốn tiền, họ sẽ tự tiết chế trong khi bạn lại muốn họ thử nhiều hơn.

B.Dấu hiệu lãng phí

Bên kia vực cũng có thật. Hoá đơn cao mà không có kết quả đi kèm là lãng phí. Mình hay thấy ba kiểu: để agent chạy vòng lặp mà không ai xem, đưa vào quá nhiều tài liệu không cần thiết cho mỗi lần chạy, và giao việc mơ hồ khiến agent làm đi làm lại.

Cách sửa gần như luôn giống nhau. Giao việc rõ hơn, chia nhỏ hơn, và có người kiểm tra giữa đường. Chứ không phải cấm dùng.

VI.Những sai lầm mình hay gặp khi đặt ngân sách token

Hai sai lầm lớn nhất là biến ngân sách thành chỉ tiêu phải đốt, và cắt ngân sách ngay khi thấy hoá đơn đầu tiên.

A.Biến ngân sách thành chỉ tiêu

Đặt một con số rồi bắt mọi người phải dùng cho hết là cách nhanh nhất để sinh ra lãng phí. Ngân sách là trần, không phải đích. Mục tiêu vẫn là việc xong.

B.Cắt ngay khi thấy hoá đơn lên

Thấy hoá đơn tăng là cắt, đó là phản xạ rất dễ hiểu. Nhưng đôi khi hoá đơn tăng chính vì cả đội bắt đầu dùng đúng. Trước khi cắt, hãy hỏi: việc xong có nhiều hơn không? Nếu có, hoá đơn tăng là tin tốt.

C.Quên rằng mô hình và giá thay đổi

Giá, mô hình và khả năng của agent đổi liên tục. Một ngân sách đặt năm ngoái có thể đã lỗi thời. Mình xem lại ngân sách mỗi quý, không dám để nó nằm im cả năm.

VII.Mình rút ra điều gì từ chuyện này?

Câu của Jensen Huang nghe như một lời khoe. Nhưng đọc kỹ thì đó là một câu hỏi về thái độ: bạn có thật sự để AI làm việc thay mình hay chưa.

Với doanh nghiệp nhỏ, mình sẽ làm ba việc. Đặt một ngân sách khởi điểm đủ nhỏ để không sợ. Giao việc thật cho agent. Cuối tháng nhìn kết quả chứ không nhìn hoá đơn trước. Làm đều mấy tháng, bạn sẽ tự biết con số của mình nằm ở đâu, và nó sẽ không giống ai cả.

4.8/5 · Ông T chấm

Chưa có độc giả chấm

Bài này có ích với bạn không?

Câu hỏi thường gặp

Jensen Huang kỳ vọng kỹ sư tiêu bao nhiêu token?

Theo đoạn clip lan truyền trên X, ông lấy ví dụ một kỹ sư lương 500.000 USD mỗi năm và kỳ vọng người đó tiêu khoảng 250.000 USD token. Nếu người đó chỉ tiêu khoảng 5.000 USD, ông nói mình sẽ rất lo. Đây là lời nói trong một đoạn trích ngắn, nên nên hiểu như một cách nhấn mạnh thái độ hơn là một quy định.

Doanh nghiệp nhỏ có nên chi token bằng một nửa lương nhân viên không?

Không cần, và thường cũng không hợp lý. Con số đó đến từ một công ty rất lớn với những kỹ sư lương rất cao. Doanh nghiệp nhỏ nên bắt đầu bằng một mức nhỏ chịu được, giao việc thật cho agent rồi chỉnh theo kết quả.

Làm sao biết nhân viên đang dùng AI hiệu quả?

Nhìn vào việc xong và chất lượng của nó, không nhìn riêng hoá đơn token. Mỗi tháng nên hỏi từng người đã giao việc gì cho AI, kết quả ra sao và việc nào còn chưa giao. Nếu giờ công của người giỏi được giải phóng cho việc khó hơn, đó là dấu hiệu tốt.

Hoá đơn AI thấp có phải là tốt không?

Chưa chắc. Hoá đơn thấp có thể là do làm việc hiệu quả, nhưng cũng có thể là do cả đội chỉ dùng AI để hỏi đáp và vẫn làm tay phần lớn công việc. Hãy xem nó cùng với số việc xong và thời gian tiết kiệm được.

Có nên thưởng cho người dùng nhiều token nhất không?

Không nên. Khi token trở thành điểm thành tích, mọi người sẽ tiêu cho có và con số mất ý nghĩa. Nên thưởng cho kết quả công việc, còn token chỉ dùng để đặt câu hỏi khi nhìn lại.

Bao lâu thì nên xem lại ngân sách token?

Mình xem lại mỗi quý. Giá, mô hình và khả năng của agent thay đổi nhanh, nên một con số đặt từ đầu năm có thể đã không còn hợp lý sau vài tháng.

Chuyển nhanh tới mục

  1. I.Jensen Huang thực sự nói gì về kỹ sư 500.000 USD?
    1. A.Câu nói gốc
    2. B.Ba con số trong câu chuyện
    3. C.Mình hiểu câu nói này thế nào
  2. II.Vì sao tiêu ít token lại bị coi là dấu hiệu xấu?
    1. A.Token là giờ công của một nhân viên không ngủ
    2. B.Chi phí thật là thời gian của người giỏi
  3. III.Doanh nghiệp nhỏ có nên bắt chước con số 50% lương không?
    1. A.Vì sao đừng copy nguyên con số
    2. B.Cách đặt ngân sách token cho từng người
    3. C.Một ví dụ cho dễ hình dung
  4. IV.Đo hiệu quả khi dùng AI agent bằng cách nào?
    1. A.Đừng biến số token thành điểm thành tích
    2. B.Những thứ đáng đo hơn
    3. C.Một nhịp rà soát đơn giản
  5. V.Làm sao biết mình dùng AI quá ít hay đang lãng phí?
    1. A.Dấu hiệu dùng quá ít
    2. B.Dấu hiệu lãng phí
  6. VI.Những sai lầm mình hay gặp khi đặt ngân sách token
    1. A.Biến ngân sách thành chỉ tiêu
    2. B.Cắt ngay khi thấy hoá đơn lên
    3. C.Quên rằng mô hình và giá thay đổi
  7. VII.Mình rút ra điều gì từ chuyện này?

AI & Agent · 21/11/2026 · 10 phút đọc

Prompt injection là gì? Khi tài liệu lạ ra lệnh cho AI

Prompt injection là cách đưa chỉ thị vào nội dung AI tiếp nhận để khiến nó làm lệch yêu cầu được giao. Với prompt injection gián tiếp, chỉ thị nằm trong trang web, tài liệu hoặc kết quả tìm kiếm mà agent đọc. Cách giảm rủi ro là tách rõ tài liệu khỏi chỉ dẫn, giới hạn quyền của agent và kiểm tra trước những hành động có tác động ra bên ngoài.

AI & Agent · 21/11/2026 · 8 phút đọc

Performance Factory của OpenAI: agent điều tra lỗi hiệu năng, kỹ sư duyệt trước khi sửa

Performance Factory là hệ thống OpenAI dùng để điều phối nhiều agent: điều tra hồi quy hiệu năng, đề xuất bản sửa cho kỹ sư duyệt, rồi kiểm tra bản sửa có hiệu quả trên production hay không. Điểm đáng học là agent làm phần việc nặng, còn người giữ quyền duyệt. Dự án nhỏ dùng Claude Code vẫn áp dụng được: có số đo làm mốc, giao agent điều tra, bắt nó đề xuất chứ không tự merge, rồi đo lại sau khi deploy.