Ngành startup sẽ thay đổi như thế nào sau khi AGI ra đời?

3

Masahiro Taima 對間 昌宏

18 tháng 5 năm 2026, 02:37

Giới thiệu

Mặc dù AI hiện tại (ChatGPT, Gemini, Claude, v.v.) đã được cho là có kiến thức vượt trội so với các chuyên gia tổng quát, nhưng khi AGI (Artificial General Intelligence - Trí tuệ Nhân tạo Đa dụng) với hiệu suất tiên tiến hơn được thực hiện, cuộc sống của mọi người dự kiến sẽ thay đổi drastically.
Ở đây, chúng tôi tổng hợp những thay đổi có thể xảy ra trong ngành công nghiệp khởi nghiệp.

Tài liệu tham khảo

Mặc dù có nhiều thông tin về AGI, chúng tôi tổ chức thông tin chỉ từ những tài liệu đáng tin cậy cao như các tác giả sau đây

• Các công ty phát triển AI hàng đầu: OpenAI, Google, v.v.
• Các công ty tư vấn hàng đầu: McKinsey & Company, BCG, v.v.
• Các công ty chứng khoán và đầu tư hàng đầu: Goldman Sachs, Sequoia Capital, v.v.
• Các tổ chức nghiên cứu hàng đầu: Harvard University, Stanford University, v.v.
• Các tạp chí học thuật hàng đầu: Nature, Science, v.v.
• Các tổ chức quốc tế: World Economic Forum, OECD, v.v.

Chúng tôi tổ chức dựa trên nội dung của các tài liệu sau đây. Vui lòng xem các tài liệu này để biết chi tiết nội dung.

• Accel. (2025). Accel 2025 Globalscape.
• Acemoglu, D. (2024). The simple macroeconomics of AI (NBER Working Paper No. 32487). National Bureau of Economic Research.
• Bengio, Y., Mindermann, S., Privitera, D., et al. (2025). The international scientific report on the safety of advanced AI. Department for Science, Innovation and Technology.
• Robb, N. (2026). The AI-driven SaaS industry shift in mid-2026: From point solutions to platforms. BetterCloud.
• CB Insights. (2025). State of Venture 2025.
• Cahn, D. (2024). AI in 2024: From big bang to primordial soup. Sequoia Capital.
• Crunchbase. (2025). Crunchbase 2025.
• Davenport. (2025). Davenport 2025.
• Deloitte. (2025). TMT predictions 2026. Deloitte Center for Technology, Media & Telecommunications.
• Founders Fund. (2026). Founders Fund 2026.
• Gartner. (2026). Gartner top 10 strategic technology trends for 2026.
• Gates, B. (2023). The age of AI has begun.
• Grady, P., & Huang, S. (2026). 2026: This is AGI. Sequoia Capital.
• Graham, P. (2005). How to start a startup.
• Huang, S., Grady, P., & o1. (2024). Generative AI's act o1. Sequoia Capital.
• ICONIQ Growth. (2025). 2025 state of AI report: The builder's playbook.
• Korinek, A. (2024). Economic policy challenges for the age of AI (NBER Working Paper No. 32980). National Bureau of Economic Research.
• Levy-Weiss, G. (2024). Guided AI agents: Turbocharging the SMB. NFX.
• Levy-Weiss, G. (2026). What comes next is bigger than SaaS ever was. NFX.
• Makarov, I., & da Costa, J. (2024). CFO roundtable: AI growth, pricing, and forecasting. Andreessen Horowitz.
• Tully, T., Redfern, J., Das, D., & Xiao, D. (2025). 2025: The state of generative AI in the enterprise. Menlo Ventures.
• Mohamed, N. A., Rahma, M. M. S., & Al Hemairy, M. (2025). Challenges and prospects in granting patent rights to AI-generated inventions: a global legal study with special reference to the UAE. Humanities & Social Sciences Communications, 12(1851).
• Moore, O. (2025). The path to series A: Revenue benchmarks for enterprise Gen AI startups. Andreessen Horowitz.
• OECD. (2026). Venture capital investments in artificial intelligence through 2025.
• OECD. (2026). Venture capital investments in artificial intelligence through 2025.
• Ord, T. (2024). The precipice revisited.
• Poo, M. (2026). The enchanted loom of artificial general intelligence. National Science Review, 13(nwag040).
• Ropes & Gray. (2025). Artificial intelligence H1 2025 global report.
• Schmidt, J. (2025). How will my agent pay for things? Andreessen Horowitz.
• Cahn, D. (2024). AI's $600B question. Sequoia Capital.
• Sinofsky, S. (2026). (Article on media and technology). Andreessen Horowitz.
• Strange, A., & da Costa, J. (2024). (Article on B2B software and AI). Andreessen Horowitz.
• Suleyman, M., & Bhaskar, M. (2023). The coming wave: Technology, power, and the twenty-first century's greatest dilemma. Crown.
• Tan, K. (2025). Where enterprises are actually adopting AI. Andreessen Horowitz.
• Toner-Rodgers, A. (2024). Artificial intelligence, scientific discovery, and product innovation. MIT.
• Wang, S., & Xu, S. (2025). 16 changes to the way enterprises are building and buying generative AI. Andreessen Horowitz.
• Y Combinator. (2024). Vertical AI agents could be 10X bigger than SaaS. Lightcone Podcast.

Thay đổi trong Dịch vụ và Mô hình Kinh doanh

1. Chuyển dịch Giá trị được Cung cấp: Từ Phần mềm sang Cung cấp "Lao động · Kết quả" (Service-as-a-Software)

Các startup SaaS trước đây cung cấp các công cụ để "hỗ trợ · tối ưu hóa" công việc của con người. Tuy nhiên, trong thời đại AGI, phần mềm tự nó sẽ hành động như một "lao động" tự chủ, thực hiện và hoàn thành các nhiệm vụ. Sự thay đổi này sẽ mở rộng đáng kể thị trường mục tiêu của các startup. Trong khi quy mô thị trường phần mềm doanh nghiệp truyền thống được cho là khoảng 1 nghìn tỷ đô la, các công ty AI nhắm đến chính "thị trường lao động con người" khổng lồ trị giá 50-60 nghìn tỷ đô la trên toàn thế giới. Các startup AI không bán giấy phép phần mềm mà phát triển thành các công ty bán trực tiếp "kết quả công việc (Work)" thông qua AI, dẫn dắt một mô thức mới được gọi là "Service-as-a-Software".

2. Cách mạng toàn diện trong Mô hình Tính phí: Từ Dựa trên Ghế sang "Dựa trên Sử dụng · Phần thưởng Dựa trên Kết quả"

Cùng với sự chuyển dịch từ công cụ sang cung cấp lao động, mô hình doanh thu (Định giá) cũng thay đổi đáng kể. "Định giá cố định dựa trên số lượng người dùng (ID hoặc Ghế)" từng là xu thế chính trong ngành SaaS trở nên vô nghĩa trong môi trường AI thực hiện công việc thay cho con người (Định giá dựa trên ghế được thiết kế dựa trên giả định rằng nhân viên con người sử dụng phần mềm, do đó chính chỉ số số lượng ghế không thể phản ánh giá trị của AI agent thực hiện các nhiệm vụ thay cho con người). Thay vào đó, những mô hình tính phí mới sau đây nổi lên.

• Tính phí dựa trên Kết quả (Outcome-based / Value-based): Một mô hình tính phí trực tiếp dựa trên các kết quả kinh doanh cụ thể mà AI đạt được, chẳng hạn như "số lượng vé được giải quyết" bởi AI hỗ trợ khách hàng hoặc "số lượng cuộc họp được lấy" bởi AI bán hàng.
• Tính phí Dựa trên Sử dụng (Usage-based / Token-based): Một hình thức tính phí dựa trên lượng tính toán được sử dụng của mô hình AI, lượng tiêu thụ token hoặc số lần gọi API. Mặc dù thiết lập giá trở nên linh hoạt hơn, việc dự đoán chi phí và doanh thu trở nên vô cùng khó khăn, do đó các startup cần thiết yếu có kiến thức và quản trị FinOps (quản lý tài chính chi phí đám mây).

3. Sự Phá vỡ và Thay thế của Thị trường BPO (Ngoài thầu Kinh doanh)

Đối thủ cạnh tranh lớn nhất của các startup trong tương lai không phải là các công ty phần mềm khác. Ngành BPO khổng lồ lâu nay đảm nhận các công việc như tổng đài, nhập dữ liệu, kế toán, nhân sự và quản lý IT trở thành mục tiêu trực tiếp của sự phá vỡ bởi AI. BPO truyền thống phụ thuộc vào lực lượng lao động con người đối mặt với các thách thức như thiếu khả năng mở rộng, lỗi của con người và phản ứng chậm, và là một mô hình kinh doanh sử dụng lao động chặt chẽ phụ thuộc vào markup giá nhân công để có lợi nhuận. Các startup sinh ra với AI sẽ triển khai các AI agent tự chủ hoạt động 24/7, hỗ trợ đa ngôn ngữ và tuân thủ quy định pháp lý để tiếp quản ngân sách từ BPO lạc hậu và triển khai các giải pháp có tỷ suất lợi nhuận cao và có khả năng mở rộng.

4. Mở rộng Thị trường Mục tiêu: Vertical AI (AI Chuyên ngành) Chuyển biến Thị trường Hẻm nhỏ thành Khổng lồ

Trong thế giới đầu tư SaaS truyền thống, phần mềm cho các ngành công nghiệp hẻm nhỏ cụ thể như bác sĩ thú y, dịch vụ giặt là, chiropractor (Vertical SaaS) thường bị bỏ qua vì "Tổng thị trường có thể tiếp cận (TAM) quá nhỏ". Tuy nhiên, AI lật ngược giả định này. Bằng cách AI agent thay thế hoàn toàn các công việc back-office hoặc lực lượng lao động của khách hàng, doanh thu trên mỗi khách hàng (LTV: Giá trị suốt đời của khách hàng) tăng vọt lên đến 10 lần. Hơn nữa, vì tự động hóa bán hàng và tiếp thị bằng AI giảm chi phí mua lại khách hàng (CAC), thậm chí các thị trường nhỏ trước đây không hấp dẫn cũng có thể xây dựng các kinh doanh với giá trị định giá khổng lồ. Ví dụ, các AI agent chuyên về công việc thanh toán dịch vụ y tế cho các phòng khám nha khoa, các công ty khổng lồ đang nổi lên trong các lĩnh vực cực kỳ chuyên biệt.

5. Thay đổi Dramatique trong Tổ chức và Tốc độ Tăng trưởng: Sự Nổi lên của Siêu Ít Nhân Tài Tinh Hoa ("Một Người Unicorn")

Những lợi ích của AGI cũng cách mạng hóa cấu trúc tổ chức của các startup. Vì AI đảm nhận mã hóa, tạo nội dung tiếp thị và phục vụ khách hàng, các công ty không cần phải tuyển dụng hàng loạt nhân viên để theo kịp với tăng trưởng doanh số. Ví dụ, trong khi Slack và Dropbox mất vài năm và hàng trăm nhân viên để đạt ARR (Doanh thu hàng năm thường xuyên) 1 tỷ đô la, các công ty sinh ra với AI như Cursor và Lovable đạt được doanh thu tương đương trong vòng vài tháng đến dưới 2 năm với quy mô chỉ vài chục người. Trong tương lai, "một người unicorn" có thể được bộc lộ - một công ty có giá trị 10 tỷ đô la được xây dựng bởi một nhân viên kỹ sư cực kỳ ít người hoặc thậm chí chỉ một người sáng lập duy nhất - và cách thức tập hợp vốn của công ty đầu tư mạo hiểm cũng sẽ thay đổi từ gốc.

6. "Services-Led Growth (Tăng trưởng Do Dịch vụ Dẫn dắt)" và Giá trị của Hỗ trợ Triển khai Bụi bặm

Ngược lại, khi các AI agent thực hiện các nhiệm vụ phức tạp và tiên tiến một cách tự chủ, giá trị của "hỗ trợ triển khai bởi các chuyên gia con người" tăng lên. Điều này là vì để tích hợp an toàn các AI vào các quy trình làm việc cốt lõi hoặc cơ sở dữ liệu độc quyền của doanh nghiệp (System-of-Record), tuân thủ các yêu cầu bảo mật cao cấp và sự phối hợp chặt chẽ của bối cảnh là điều cần thiết. Do đó, không chỉ "Tăng trưởng Do sản phẩm dẫn dắt (PLG)" một cách dễ dàng mới hoàn thành, mà "Tăng trưởng Do Dịch vụ dẫn dắt (Services-Led Growth)" - nơi một "Kỹ sư được Triển khai Trước mặt (Forward Deployed Engineer)" được bố trí ở giai đoạn ban đầu để đi cùng các công ty khách hàng, kết nối các hệ thống và thiết kế lại các quy trình làm việc - được coi trọng. Ngay cả khi tạm thời giảm tỷ suất lợi nhuận gộp, việc giữ lại "Hệ thống Công việc (System of Work)" và đường ống dữ liệu của khách hàng thông qua hỗ trợ triển khai bụi bặm sẽ kết quả trong việc chuyển đổi sang AI khác, tạo thành một moat mạnh mẽ (rào cản vào cơm).

Thay đổi trong Cấu trúc Nhóm

1. Sự Thu nhỏ Dramatique trong Quy mô Tổ chức và Thực hiện "Một Người Unicorn"

Lượng tài nguyên con người cần thiết cho tăng trưởng của một startup đã giảm không có gì so sánh bằng cách sử dụng AI.

• Đạt được Doanh thu Khổng lồ bởi Nhóm Siêu Ít Nhân Tài Tinh Hoa (Tiny Team): Các công ty SaaS truyền thống (như Dropbox và Slack) mất vài năm và hàng trăm nhân viên để đạt ARR (Doanh thu hàng năm thường xuyên) 1 tỷ đô la. Tuy nhiên, các startup sinh ra với AI hiện nay đạt được cột mốc này với tốc độ và quy mô nhân sự ngỡ ngàng. Ví dụ, ElevenLabs (tổng hợp giọng nói AI) đạt quy mô doanh thu 1 tỷ đô la trong 23 tháng và khoảng 20 nhân viên, và Anysphere (Cursor), một trợ lý mã hóa AI, đạt được điều tương tự trong 21 tháng với đội ngũ dưới 50 người.
• Sự Sinh ra của "Một Người Unicorn": Nhiều nhà đầu tư mạo hiểm chắc chắn rằng các công ty được sáng lập bởi chỉ một người sáng lập, hoặc một số lượng cực kỳ ít người, sẽ đạt được giá trị định giá 10 tỷ đô la (Unicorn) trong tương lai gần (một số dự đoán sớm nhất là 2026).
• Giảm số lượng Nhân viên Kỹ sư và Tiếp thị: Nhờ lợi ích của các công cụ AI mạnh mẽ, các startup có thể giảm đáng kể nhân sự kỹ thuật cần thiết khi khởi động hoặc mở rộng. Các trường hợp phát triển hoàn thành với ba phần một số lượng kỹ sư trước đây đang tăng lên, và thậm chí nhân viên tiếp thị toàn thời gian cũng trở nên không cần thiết.

2. Từ "Công cụ" sang "Đồng nghiệp": Thay thế bởi AI Agent ở mỗi Phòng ban

AI đã phát triển từ một công cụ hỗ trợ công việc của con người sang "Những người thực hiện (Doers)" tự chủ hoàn thành công việc, và trở thành mục tiêu "tuyển dụng" giống như nhân viên con người.

• "AI Hóa Quản lý" của Nhân viên: Từ 2026 trở đi, các ứng dụng AI sẽ cảm thấy như những "đồng nghiệp" hoạt động hàng ngày. Kết quả là, cách con người làm việc sẽ chuyển từ những người đóng góp cá nhân (IC) tự động tay đến vai trò quản lý và giám sát các nhóm AI agent.
• Tự động hóa Hoàn toàn các Phòng ban QA và Hỗ trợ Khách hàng: Trước đây, phần mềm hỗ trợ nhân viên đảm bảo chất lượng (QA) con người chiếm ưu thế, nhưng hiện tại các AI như "UMuch" bắt đầu thay thế chính các nhân viên QA. Đề xuất của họ không phải là "làm cho QA nhanh hơn" mà là "QA team tự nó trở nên không cần thiết". Ngoài ra, trong lĩnh vực hỗ trợ khách hàng, các AI như "Sierra" hoàn thành các phản hồi mà không cần sự can thiệp của con người.
• Thu nhỏ các Phòng ban Hỗ trợ Nhà phát triển (DevRel) và Tuyển dụng: Trong các công ty cung cấp công cụ cho kỹ sư, các nhóm DevRel (Developer Relations) trả lời các câu hỏi kỹ thuật đang được thu nhỏ đáng kể bởi các chatbot AI tiên tiến như "Capped AI" có thể đọc tài liệu và video YouTube và cung cấp các câu trả lời hoàn hảo. Ngoài ra, các hoạt động tuyển dụng được thực hiện bởi các AI recruiter như "Juicebox".
• AI hóa Chuyên môn (Vertical AI Agents): Từ luật pháp (Harvey), phân tích dữ liệu y tế (OpenEvidence), kiểm tra xâm nhập trong an ninh mạng (XBOW), đến thiết kế chip (Ricursive) và nghiên cứu toán học (Harmonic), các phòng ban yêu cầu kiến thức chuyên môn cao cấp cũng được xử lý bởi các AI agent.

3. Sự Phát triển của Vai trò Con người: Từ "Sáng tạo Ý tưởng" sang "Phán quyết · Đánh giá (Judgment)"

Khi AI đảm nhận việc thực hiện các nhiệm vụ, các kỹ năng cốt lõi được yêu cầu ở những con người còn lại trong nhóm thay đổi drastically.

• Chuyển đổi công việc từ "Sáng tạo ý tưởng" sang "Đánh giá kết quả đầu ra của AI": Dữ liệu từ một thí nghiệm triển khai AI được tiến hành tại phòng R&D của một công ty lớn cho thấy rõ ràng sự thay đổi này. Trước khi triển khai AI, các nhà khoa học dành 39% thời gian làm việc cho "Sáng tạo ý tưởng mới", nhưng khi AI bắt đầu tự động tạo công thức, thời gian này giảm xuống dưới 16%. Mặt khác, thời gian "Đánh giá (Judgment) xem liệu có nên kiểm tra" các vật liệu do AI đề xuất tăng vọt từ 23% lên 40%.
• Giá trị tuyệt đối của "Năng lực phán đoán (Judgment)" dựa trên kiến thức chuyên ngành: Để loại bỏ "Dương tính giả (False Positives)" từ khối lượng lớn kết quả đầu ra do AI tạo ra và phân biệt những gì thực sự có giá trị, "Năng lực phán đoán" của con người dựa trên kiến thức chuyên ngành sâu sắc là không thể thiếu. Khoảng cách không thể lấp đầy sẽ xuất hiện giữa những người có thể đánh giá thích hợp các đề xuất của AI và những người không thể, và tổ chức sẽ đặc biệt đánh giá cao "Những nhân viên có thể đánh giá chính xác kết quả đầu ra của AI".
• Con người trở thành "Nhà điều phối AI": Trong tương lai, vai trò của con người sẽ ngày càng có tính chất "Nhà điều phối" - huấn luyện AI, đặt mục tiêu và giám sát xử lý các trường hợp ngoại lệ. Những khả năng chỉ huy sáng tạo trong việc đưa ra hướng dẫn nào (Prompt), cách liên kết nhiều đại lý được đặt câu hỏi.

4. Sự trỗi dậy của một nghề mới quan trọng "Forward Deployed Engineer (Đội hỗ trợ triển khai)"

Trớ trêu thay, trong khi rất nhiều công việc được tự động hóa bởi AI, bên trong các startup, tầm quan trọng của những nhóm "Thực hiện triển khai vất vả bằng tay" chưa bao giờ cao hơn.

• Hỗ trợ nhân lực để thay thế hệ thống kế thừa: Để các AI Agent giành lấy quyền kiểm soát từ những hệ thống hiện có như Salesforce hay Workday, chỉ cung cấp mô hình AI là không đủ. Nếu không triển khai AI một cách chính xác và an toàn vào các quy trình làm việc phức tạp của doanh nghiệp và môi trường dữ liệu, AI sẽ sớm sụp đổ.
• Xây dựng lợi thế cạnh tranh thông qua nhóm Dịch vụ Chuyên nghiệp: Để giải quyết vấn đề này, các AI startup đang xây dựng các nhóm chuyên gia được gọi là "Forward Deployed Engineer (Kỹ sư triển khai tại hiện trường)" hoặc "Agent Product Managers", những người làm việc chặt chẽ với khách hàng để hỗ trợ tùy chỉnh và triển khai AI (các ví dụ như Decagon, một công ty cung cấp AI hỗ trợ khách hàng). Khi hiệu suất của bản thân mô hình AI có xu hướng trở nên đồng nhất, chính nhóm con người này - những người hiểu sâu sắc các vấn đề của khách hàng và tích hợp AI vào các quy trình công việc thực tế - lại trở thành lợi thế cạnh tranh vững chắc (moat) cho các startup.

5. Định nghĩa lại "Phẩm chất nhân văn" được yêu cầu đối với các nhà sáng lập và lãnh đạo

Với sự phổ biến của AI, tiêu chí mà các công ty đầu tư mạo hiểm sử dụng để đánh giá các nhà sáng lập cũng đang chuyển dịch từ kỹ năng kỹ thuật sang những phẩm chất riêng có của con người.

• "Ngoạn mục năng lực học tập (Learning Agility)": Vì công nghệ AI và thị trường thay đổi cực kỳ nhanh chóng, "Những gì bạn biết ngày hôm nay" có thể không còn hiệu lực sau nửa năm nữa. Do đó, khả năng thích ứng với tình huống không biết trước và học các công nghệ hay khái niệm mới với tốc độ nhanh nhất trở thành phẩm chất quan trọng nhất đối với các nhà sáng lập.
• Sự đồng cảm sâu sắc với khách hàng và kinh nghiệm tại hiện trường: Bằng cách sử dụng AI, bất cứ ai cũng có thể dễ dàng tạo ra các kế hoạch kinh doanh đẹp mắt hoặc nghiên cứu thị trường chung (điều này dẫn đến "Tiếng ồn" trong các bài thuyết trình cho VCs ở mức cao nhất từng thấy). Chính vì vậy, "Sự đồng cảm sâu sắc với khách hàng" - hiểu rõ các điểm đau của thị trường mục tiêu thông qua trò chuyện trực tiếp với khách hàng thay vì thông tin bề mặt do AI tạo ra - trở thành yếu tố khác biệt thực sự.
• "Năng lực thực hiện vất vả (Execution Ability)" chứ không phải ý tưởng: Hiện nay, khi có thể tạo nguyên mẫu trong vài giờ, giá trị của bản thân ý tưởng đã giảm tương đối. Các nhà đầu tư đánh giá cao những nhóm có "Năng lực thực hiện" độ phân giải cao - cách tích hợp ý tưởng đó vào hệ thống của khách hàng thực tế như thế nào, cách mở rộng quy mô như thế nào.

Sự thay đổi của thị trường mục tiêu

1. Chuyển đổi từ "Thị trường phần mềm" sang "Thị trường dịch vụ và lực lượng lao động" quy mô hàng tỷ đô la (Service-as-a-Software)  

• Cho đến nay, các startup SaaS đã nhắm mục tiêu đến "Thị trường phần mềm" quy mô hàng trăm tỷ đô la. Tuy nhiên, trong thời đại AGI, các công ty AI sẽ cung cấp "Lực lượng lao động thực tế" chứ không phải phần mềm, và mục tiêu sẽ mở rộng đến "Thị trường dịch vụ" khổng lồ quy mô hàng tỷ đô la.
• Trong thời đại điện toán đám mây, đó là "SaaS (Software-as-a-Service)" - cung cấp phần mềm dưới dạng dịch vụ, nhưng trong thời đại AI, nó chuyển sang "Service-as-a-Software" - phần mềm hóa lao động.
• Mô hình bán hàng sẽ thay đổi đáng kể từ "Phí hàng tháng theo từng người dùng (Seat-based)" truyền thống sang "Dựa trên kết quả (Outcome-based)" - tính phí trực tiếp dựa trên khối lượng thực hiện công việc hoặc kết quả của công việc.
• Các startup sẽ bước vào thị trường không phải là những cung cấp công cụ đơn thuần, mà là những "Đồng nghiệp kỹ thuật số/Người thực hiện" tự chủ hoàn thành các công việc.
  

2. Sự phá vỡ trực tiếp thị trường BPO (Ngoài thầu quy trình kinh doanh) khổng lồ  

• Với sự ra đời của AGI, thị trường BPO đã trở thành một mục tiêu cực kỳ hấp dẫn đối với các startup.
• Quy mô thị trường của ngành BPO vượt quá 300 tỷ đô la tính đến năm 2024 và dự kiến sẽ đạt 525 tỷ đô la vào năm 2030 - một thị trường khổng lồ.
• Cho đến nay, các công ty đã ngoài thầu các công việc lặp lại và khối lượng lớn như hỗ trợ khách hàng, vận hành CNTT, xử lý dữ liệu, nhân sự và kế toán cho các công ty BPO, nhưng BPO hiện có tập trung vào lao động và gặp phải các vấn đề như trễ phản hồi và lỗi của con người.
• Các mô hình AI mới nhất có thể trích xuất dữ liệu, thực hiện suy luận phức tạp và vận hành trình duyệt với tốc độ phần mềm 24/7, vì vậy các startup có thể trực tiếp chiếm lấy các chi phí ngoài thầu lớn này (ngân sách BPO).
  

3. Sự bùng nổ "TAM (Quy mô thị trường tối đa)" của các thị trường siêu ngách (Micro-Vertical)  

• Trước đây, các Vertical SaaS chuyên biệt hóa cho một ngành hẹp cụ thể đã có xu hướng bị các nhà đầu tư tránh xa vì "Quy mô thị trường (TAM) quá nhỏ". Tuy nhiên, sự ra đời của AI đã hoàn toàn lật ngược công thức này. Những ngành mà trước đây được coi là ngách - như bác sĩ chỉnh hình, giặt khô, laundromat, và bác sĩ thú y - đang biến thành các thị trường mục tiêu hấp dẫn nơi có thể xây dựng các doanh nghiệp khổng lồ.
• Bằng cách tận dụng AI, các startup có thể giảm đáng kể chi phí lao động bên trong và bên ngoài công ty khách hàng, và kết quả là có thể tăng LTV (Giá trị khách hàng suốt đời) của mỗi khách hàng lên tới 10 lần.
• Hơn nữa, với tự động hóa bán hàng và tiếp thị sử dụng AI, chi phí mua khách hàng (CAC) cũng giảm, vì vậy mọi ngành công nghiệp nhỏ đều trở thành nền tảng cho những doanh nghiệp khổng lồ.
• Trong các cuộc thảo luận của Y Combinator, người ta cũng dự đoán rằng riêng trong danh mục "Vertical AI Agent", có thể xuất hiện các công ty "quy mô 300 tỷ đô la".
  

4. Thay thế từ "Hệ thống ghi chép (SoR)" sang "Hệ thống công việc"  

• Cho đến nay, thị trường phần mềm doanh nghiệp đã bị những gã khổng lồ như Salesforce, ServiceNow và Workday - được gọi là "Hệ thống ghi chép (System of Record)" - thống trị. Tuy nhiên, khi các AI Agent bắt đầu tự chủ hoàn thành các công việc như nhân viên, điểm nhập dữ liệu và điểm bắt đầu của quy trình công việc trong các công ty sẽ chuyển sang AI.
• Các startup sẽ không chỉ hướng tới việc trở thành một trình bao bọc (công cụ) nằm trên các hệ thống hiện có, mà sẽ hướng tới việc tạo ra và lưu trữ dữ liệu có giá trị, và trở thành "Hệ thống công việc (System of Work)" - chịu trách nhiệm cho các quy trình công việc cốt lõi của công ty.
• Để thực hiện điều này, việc cung cấp cơ sở hạ tầng dịch vụ vất vả - chẳng hạn như "Kỹ sư chuyên trách triển khai (Forward Deployed Engineer)" - hỗ trợ khách hàng tích hợp an toàn AI vào quy trình công việc phức tạp trở thành một chiến lược tạo ra rào cản tham gia mạnh mẽ (moat).
  

5. Xâm nhập thị trường doanh nghiệp bắt đầu từ thị trường Prosumer (Nhà sản xuất chuyên nghiệp)

• Có sự thay đổi trong con đường tham gia thị trường mục tiêu (Chiến lược GTM). Phần lớn sự tăng trưởng trên thị trường ứng dụng AI ban đầu đã được mang lại bởi sự cuồng nhiệt của thị trường "Prosumer (Người tiêu dùng chuyên nghiệp)".
• Các startup như ChatGPT, AI viết mã Cursor và AI tạo âm thanh ElevenLabs đã thiết lập thương hiệu mạnh và sự ủng hộ trước tiên giữa những người dùng cá nhân và các nhà phát triển riêng lẻ, điều này sau đó dẫn đến nhu cầu mạnh mẽ (pull) từ thị trường doanh nghiệp (Enterprise).
• Giống như thời kỳ sơ khai của Internet, ranh giới giữa thị trường tiêu dùng và thị trường doanh nghiệp đang trở nên mờ nhạt, và việc có được sự ủng hộ của người dùng cuối từ dưới lên trở thành con đường nhanh nhất để có được những ngân sách doanh nghiệp khổng lồ.
  

6. Tạo ra một thị trường dân chủ hóa kiến thức chuyên sâu (Công việc cấp quản lý)  

• Khi tiến gần hơn đến việc nhận ra AGI, AI sẽ bắt đầu vượt ra ngoài việc chỉ nhận diện mô hình, và trang bị cho bản thân khả năng tư duy logic, giải quyết vấn đề, và khả năng suy luận cao cấp (System 2 Thinking: Quá trình tư duy bao gồm sự tập trung có ý thức và phân tích logic). Điều này sẽ phát triển những thị trường mà trước đây phụ thuộc vào các chuyên gia con người lão luyện thành một mục tiêu mới được khai thác.
• Ví dụ, hỗ trợ chẩn đoán và nghiên cứu trong y học (OpenEvidence), công việc luật pháp trong pháp lý (Harvey), kiểm tra xâm nhập (kiểm tra xâm nhập) trong an ninh mạng (XBOW). Truyền thống, công việc như kiểm tra xâm nhập tốn kém cao khi được yêu cầu từ các chuyên gia, vì vậy các công ty chỉ ngoài thầu giới hạn khi cần thiết cho tuân thủ pháp lệ.
• Tuy nhiên, khi AI có thể cung cấp hiệu suất ngang bằng với các chuyên gia con người với chi phí thấp, tất cả các công ty sẽ có thể thực hiện kiểm tra cao cấp một cách liên tục, và bản thân thị trường sẽ mở rộng (dân chủ hóa) gấp nhiều lần.
  

7. Mở rộng thị trường vào thế giới thực thông qua "AI vật lý (Embodied AI)" và Robotics

• AI với khả năng nhận thức cấp AGI cao cấp sẽ không chỉ giới hạn trong phần mềm của không gian kỹ thuật số, mà sẽ mở rộng đến thị trường của thế giới thực thông qua sự hợp nhất với Robotics như "AI vật lý (Embodied AI)".
• Với sự ra đời của các mô hình AI có thể phân tích dữ liệu cảm biến trong thời gian thực và đưa ra quyết định cũng như hành động một cách tự chủ, sự tiến hóa từ những chiếc robot truyền thống chuyên biệt cho các công việc cụ thể sang "Robot đa năng (General-Purpose Robots)" có thể thích ứng với môi trường và hoàn thành mọi công việc đang gia tốc.
• Điều này không chỉ làm cho sản xuất và xây dựng trở thành thị trường mục tiêu cho các startup, mà còn các không gian vật lý chuyên sâu về lao động như chăm sóc và công việc nhà, và dự kiến thị trường robot đa năng sẽ tăng trưởng thành một thị trường khổng lồ với quy mô 370 tỷ đô la vào năm 2040.
  

8. Sự trỗi dậy của những nhóm chuyên gia tối thiểu vô cùng (Unicorn một người) và thị trường quản lý đa đại lý

• Khi các AI Agent tự chủ hoàn thành mọi công việc từ viết mã đến tiếp thị, bán hàng và hỗ trợ khách hàng, tiền đề trước đây của việc tuyển dụng hàng loạt kỹ sư, nhân viên bán hàng khi công ty phát triển sẽ sụp đổ.
• Sự ra đời của những "Unicorn một người" – nơi một nhà sáng lập hoặc một nhóm nhỏ có thể tạo ra doanh thu khổng lồ và đạt định giá 1 tỷ đô la – sẽ trở thành hiện thực. Theo sự thay đổi này, thị trường mới nổi lên như một mục tiêu đó là thị trường các nền tảng thực hiện "Điều phối (quản lý) các Tác nhân AI".
• Nhu cầu về các công cụ nền tảng để quản lý các quy trình công việc phức tạp bằng cách liên kết liền mạch nhiều Tác nhân AI tự trị trong khi đảm bảo bảo mật và quản trị sẽ tăng vọt trên thị trường doanh nghiệp.
  

9. Giảm giá trị của "Lao động" trong Kinh tế Vĩ mô và Tập trung Đầu tư vào "Tài nguyên Tính toán" 

• Trong thế giới AGI, AI và robot sẽ hoàn toàn thay thế lao động con người trong các nhiệm vụ nhận thức và nhiệm vụ vật lý. Kết quả là, từ góc độ kinh tế vĩ mô, giá trị và tính hiếm có của "lao động con người" như một yếu tố sản xuất sẽ giảm tương đối, trong khi tầm quan trọng của "Tài nguyên Tính toán (tài nguyên tính toán)" và "Thuật toán" sẽ tăng lên ở mức cực hạn.
• Đối với các startup, cuộc chiến sẽ là làm thế nào để tạo ra và triển khai hiệu quả các tài nguyên tính toán của AI ra thị trường dưới dạng "lực lượng lao động kỹ thuật số", mà không cần nắm giữ một lượng lớn vốn nhân lực.
• Tương lai sẽ thấy các mô hình kinh doanh mà các startup nhắm tới thị trường lớn nhất: đào tạo liên tục các Tác nhân AI tự trị và "gửi" chúng đến các hoạt động cốt lõi của mọi ngành công nghiệp.

Thay đổi trong Phát triển Sản phẩm

1. Thay đổi Cơ bản trong Quy trình Phát triển và Thành phần Đội ngũ: Tự động hóa Lập trình và Chuẩn hóa "Đội ngũ Tinh nhuệ Siêu nhỏ"

• Kỹ thuật Kỹ thuật Phần mềm bằng Tác nhân AI Tự trị: Trước đây, AI chỉ là công cụ "hỗ trợ" lập trình viên viết mã, nhưng trong thời đại AGI, AI sẽ tự động lập kế hoạch, phát hiện lỗi và viết cũng như sửa chữa mã. Tỷ lệ giải quyết của các Tác nhân AI trên tiêu chuẩn "SWE-bench", đó là tiêu chuẩn so sánh cho các nhiệm vụ phát triển phần mềm, đã tăng vọt trong một khoảng thời gian ngắn, và một phần đáng kể các công việc lập trình phức tạp đã được tự động hóa bởi AI.
• Phát triển bằng Ngôn ngữ Tự nhiên và Sự Lan rộng của "Vibe coding": Một phương pháp phát triển gọi là "Vibe coding" – xây dựng hoặc sửa đổi các hệ thống chỉ bằng các hướng dẫn ngôn ngữ tự nhiên – đang dần phổ biến. Điều này cho phép các chuyên gia miền kinh doanh và nhân viên kinh doanh không có kiến thức chuyên môn về lập trình có thể trực tiếp triển khai và triển khai các sản phẩm phù hợp với nhu cầu của họ chỉ trong vài giờ.
• Tạo ra Giá trị Khổng lồ bởi Đội ngũ Cực nhỏ: Bằng cách tận dụng các Tác nhân AI, các startup không cần phải tuyển dụng một lượng lớn kỹ sư khi phát triển. Nút thắt của phát triển không còn là công việc lập trình chính nó, và các đội chỉ bao gồm một vài kỹ sư có thể xây dựng và đánh giá hệ thống bằng cách sử dụng AI, hoặc trong một ví dụ cực đoan, các "Unicorn một người" với dưới 10 nhân viên hoặc chỉ một nhà sáng lập, hiện đang được coi là tiêu chuẩn của thế hệ tiếp theo.

2. Sự Tiến hóa của Kiến trúc Sản phẩm: Từ "Trình bao bọc Mô hình Đơn" đến Xây dựng "Kiến trúc Nhận thức"

• Tầm quan trọng của "Kiến trúc Nhận thức (Cognitive Architecture)": Các ứng dụng "Trình bao bọc" chỉ đơn giản gọi API của các Mô hình Ngôn ngữ Lớn (LLM) không còn có lợi thế cạnh tranh. Trong phát triển sản phẩm tương lai, thiết kế và xây dựng một "Kiến trúc Nhận thức" riêng biệt – bắt chước các quy trình tư duy của con người và quy trình công việc phức tạp, kết hợp nhiều mô hình AI, cơ sở dữ liệu và công cụ bên ngoài – sẽ trở thành giá trị cốt lõi của sản phẩm.
• Tập trung vào Quy trình Công việc Kiểu Tác nhân: Theo nghiên cứu thực tế, khoảng 80% các công ty sinh ra từ AI đã tập trung vào phát triển "Quy trình Công việc Kiểu Tác nhân (Agentic workflows)". Thay vì chỉ trả lời theo thông tin của người dùng, các hệ thống sẽ lập kế hoạch tự trị ở phía sau, sử dụng các công cụ cần thiết (tìm kiếm web, thực thi mã, tích hợp API, v.v.) để hoàn thành các nhiệm vụ, trở thành trung tâm của phát triển.
• "Phương pháp Đa mô hình" Phù hợp: Thay vì dựa vào một mô hình khổng lồ cho tất cả các nhiệm vụ, xây dựng một môi trường đa mô hình kết hợp linh hoạt các mô hình tối ưu (mô hình suy luận mới nhất, mô hình mã nguồn mở được chuyên biệt hóa cho những nhiệm vụ cụ thể, v.v.) tùy theo bản chất của nhiệm vụ, chi phí và yêu cầu bảo mật, sẽ trở thành phổ biến.

3. Sự Chuyển đổi trong Phương pháp Kỹ thuật: Từ Đào tạo Trước đó đến Tối đa hóa Tính toán Thời gian Suy luận

• Cải thiện Độ chính xác thông qua "Tư duy (Chain of Thought)" tại Thời gian Suy luận: "Tính toán Thời gian Suy luận (Inference-time compute)" được chú ý như một quy luật mở rộng mới để cải thiện hiệu suất AI. Trong phát triển sản phẩm, thiết kế hệ thống mà thay vì yêu cầu mô hình đưa ra câu trả lời ngay lập tức, nó thực hiện một "chuỗi tư duy dài (Chain of Thought)" bên trong sẽ là chìa khóa để cải thiện đáng kể độ chính xác trong giải quyết các vấn đề phức tạp và xây dựng logic cao cấp.
• Lặp lại trong Môi trường Kiểm tra và Thực thi Dài hạn (Long-horizon): Phát triển các "Tác nhân Dài hạn (Long-horizon agents)" – những thứ không kết thúc nhiệm vụ trong vài giây, mà tự trị thực thi nhiệm vụ thay cho người dùng trong vài giờ hoặc thậm chí vài ngày, và nếu xảy ra lỗi sẽ tự sửa chữa và tiếp tục công việc – sẽ trở thành xu hướng chính trong tương lai.

4. Sự Thay đổi Mô hình Đối với Vai trò Con người: Từ "Tạo Ý tưởng" đến "Đánh giá và Phán xét Kết quả (Judgment)"

• Tự động hóa "Tạo Ý tưởng" trong R&D: Theo sự áp dụng AI, vai trò của con người trong nghiên cứu và phát triển cũng như phát triển sản phẩm sẽ thay đổi một cách kịch tính. Theo dữ liệu thử nghiệm từ Viện Khoa học Vật liệu của các nhà nghiên cứu MIT, sau khi áp dụng các công cụ AI, thời gian mà các nhà khoa học dành cho "Tạo Ý tưởng (Idea Generation)" đã giảm kịch tính, và khoảng 57% của quá trình đó đã được tự động hóa bởi AI.
• Sự Tăng vọt Giá trị của "Khả năng Đánh giá (Judgment)" và Kiến thức Miền: Mặt khác, vai trò của con người chuyển sang nhiệm vụ "đánh giá và phán xét (Judgment)" những ứng cử viên, mã hoặc giải pháp được tạo ra hàng loạt bởi AI để chọn ra những thứ hứa hẹn nhất và chính xác nhất. Để thực hiện đánh giá này một cách thích hợp, kiến thức chuyên môn cao (kiến thức miền), trực giác và kinh nghiệm sâu là không thể thiếu. Do đó, trong các đội phát triển, giá trị của những nhân viên có "khả năng nhìn thấy chất lượng và tính hợp lý của kết quả của AI" **tăng lên như chưa từng có**, vượt quá khả năng tự viết mã.

5. Sự Thay đổi Giá trị mà Sản phẩm Cung cấp và UI/UX: Từ "Những Người đối thoại (Talkers)" đến "Những Người thực thi (Doers)"

• Phần mềm trở thành "Lực lượng lao động" (Service-as-a-Software): Trước đây, các ứng dụng AI chỉ là những "Talkers (Người đối thoại)" có thể hội thoại trang nhã, nhưng tương lai chúng sẽ tiến hóa thành những "Doers (Người thực thi)" tự trị thực hiện công việc thực tế. Sản phẩm sẽ chuyển từ một công cụ hỗ trợ người dùng thành hoạt động như một đồng nghiệp kỹ thuật số cung cấp trực tiếp kết quả (Outcome).
• Thay đổi Cơ bản của UI/UX và "Con người trong Vòng lặp (Human in the Loop)": Giao diện sản phẩm sẽ tiến hóa từ một hộp chat thành một dạng bảng điều khiển để quản lý và giám sát "Ủy quyền công việc cho Tác nhân (Agent delegation)". Ban đầu, hình thức "Người trong Vòng lặp (Human in the loop)" mà con người giám sát và phê duyệt kết quả và hành động của AI sẽ trở thành chủ đạo, nhưng trong tương lai, mức độ tự trị sẽ tăng lên đến giai đoạn con người chỉ xử lý các trường hợp ngoại lệ.

6. Tăng cường Đánh giá (Evals) và Quản trị (Kiểm soát) trong Phát triển

• Xây dựng Tiêu chuẩn So sánh Nghiêm ngặt và Evals Riêng biệt: Khi các Tác nhân AI hoạt động tự trị hơn, rủi ro từ các hành động không mong muốn sẽ tăng. Công việc vô cùng quan trọng của các kỹ sư tương lai sẽ là xây dựng các chỉ số đánh giá (Evals) và bộ kiểm tra độc đáo hoàn toàn phù hợp với các trường hợp sử dụng của công ty mình, và liên tục đánh giá hành động của Tác nhân.
• Triển khai Hàng rào Bảo vệ và Tính Minh bạch: Để sản phẩm được chấp nhận trên thị trường doanh nghiệp (lớn), không chỉ cần có hiệu suất cao mà còn phải triển khai "Hàng rào Bảo vệ" – làm cho các quy trình ra quyết định của AI có thể giải thích được và đảm bảo bảo mật dữ liệu và quyền riêng tư – vào nền tảng của kiến trúc hệ thống là điều cần thiết.

Sự Thay đổi trong Phương pháp Bán hàng và Triển khai

1. Tăng trưởng Nhanh chóng từ Dưới lên Trên và Cải thiện Vọt về Tỷ lệ Chuyển đổi (Tiến hóa PLG)

• Triển khai từ Dưới lên Trên từ Người dùng Chuyên nghiệp (Product-Led Growth): Giống như trong thời kỳ phổ biến Internet và Đám mây trước đây, sự phát triển ban đầu của các ứng dụng AI hướng tới doanh nghiệp được thúc đẩy bởi một nhu cầu mạnh mẽ từ thị trường người dùng cá nhân và người dùng chuyên nghiệp (từ dưới lên trên). Tại nhiều công ty, nhận thức thương hiệu mạnh mẽ đối với người tiêu dùng đang trực tiếp chuyển thành nhu cầu doanh nghiệp, và nó thẩm lậu vào tổ chức với tốc độ nhanh hơn nhiều so với SaaS truyền thống.
• Tỷ lệ Chuyển đổi Áp đảo Khoảng gấp đôi Tỷ lệ Truyền thống: Các sản phẩm AI có thể chứng minh giá trị thông qua sử dụng thực tế trước khi ký hợp đồng chính thức, vì vậy quá trình chuyển đổi từ thử nghiệm (Thí điểm) sang hoạt động toàn quy mô (Sản xuất) là rất suôn sẻ. Theo một cuộc khảo sát, tỷ lệ chuyển đổi của người mua AI đạt khoảng 47%, đó là mức cao gấp khoảng 2 lần so với tỷ lệ chuyển đổi trong mua sắm phần mềm truyền thống (khoảng 25%). Nó đã được chứng minh rằng vì AI cung cấp giá trị nhìn thấy ngay tức thì (ROI), nó có thể rút ngắn quá trình mua sắm phần mềm phức tạp truyền thống.

2. Chuyển đổi Mô hình Tính phí sang "Dựa trên Kết quả (Outcome-based)" và Thay đổi Vai trò Bán hàng

• Chuyển đổi từ "Nhiệm vụ" sang "Kết quả (Outcome)": Khi các Tác nhân AI tự trị thực thi quy trình công việc, giá trị cung cấp của phần mềm sẽ thay đổi từ "hoàn thành các nhiệm vụ" sang "đạt được các kết quả cuối cùng". Kèm theo đó, mô hình tính phí truyền thống "Theo ghế (Seat-based)" – tính phí định lượng cho mỗi người dùng – sẽ mất ý nghĩa, và thay vào đó là sự chuyển sang "Tính phí dựa trên Kết quả (Outcome-based)" – liên kết với các kết quả thực tế như số lượng khách hàng mới được mua lại, số bài báo được tạo hoặc số lượng vé hỗ trợ khách hàng được giải quyết.
• Vai trò Mới của Nhân viên Bán hàng (Giáo dục và Hỗ trợ Giá trị): Trong bối cảnh mô hình tính phí trở nên phức tạp, vai trò của nhân viên bán hàng (Sellers) cũng sẽ thay đổi đáng kể. Bán hàng không phải chỉ bán các thông số kỹ thuật tính năng, mà phải giáo dục và thuyết phục khách hàng về "cách các Tác nhân AI cụ thể tạo ra giá trị kinh doanh (kết quả)" và "lý do tại sao chi phí sẽ không tăng ngay cả khi chuyển từ tính phí định lượng". Chính các chỉ số đánh giá và hệ thống phần thưởng cũng sẽ được cấu trúc lại, đòi hỏi xây dựng quan hệ sâu hơn, dài hạn hơn với khách hàng.
• Rào cản "phân bổ giá trị" trong thời kỳ chuyển tiếp: Một mặt, các CIO (Giám đốc Thông tin) hiện tại cảnh báo đối với mô hình tính phí dựa trên kết quả vì những lý do như "khó xác định kết quả", "chi phí khó dự đoán" và "giá trị phân bổ không rõ ràng (không biết công lao thuộc về AI hay con người)". Đội bán hàng của startup cần xóa bỏ lo ngại của khách hàng thông qua việc chứng minh ROI vượt trội.

3. Tính bắt buộc của hỗ trợ triển khai "kỹ lưỡng": Sự trỗi dậy của Services-Led Growth

• Triển khai AI "giống như tặng iPhone cho bà ngoại": Khi các công ty doanh nghiệp mua AI, điều đó giống như "bà ngoại có được chiếc iPhone mới nhất", nơi mà mặc dù có ý muốn sử dụng, nhưng cần hỗ trợ chu đáo cho cấu hình ban đầu và xây dựng hệ thống.
• Tầm quan trọng của Triển khai (Implementation): Ngược lại với "Sự phát triển tự phục vụ (PLG) dễ dàng" được ca ngợi trong thời đại SaaS, để kết nối an toàn các AI agent phức tạp với cơ sở dữ liệu nội bộ hoặc hệ thống hiện có của công ty, cần có "công việc triển khai kỹ lưỡng" của con người. Để làm cho AI agent hoạt động như một "đồng nghiệp" tự chủ, cần có những dịch vụ chuyên nghiệp cung cấp bối cảnh như cách quản lý của con người và tối ưu hóa cho quy trình làm việc độc đáo.
• Xây dựng Moat bằng Forward Deployed Engineer (Kỹ sư Triển khai Tại Chỗ): Để giải quyết vấn đề này, những AI startup tiên tiến đang xây dựng các đội chuyên gia đi cùng khách hàng gọi là "Forward Deployed Engineer (Kỹ sư Triển khai Tại Chỗ)" hoặc "Agent Product Managers". Khi những người này sâu sắc với công ty khách hàng để xây dựng hệ thống và đưa dữ liệu công ty vào "Hệ thống Công việc (System of Work)", điều này cuối cùng sẽ tạo ra một rào cản tham gia mạnh mẽ (moat) ngăn chặn sự chuyển đổi sang các AI khác, mang lại tỷ suất lợi nhuận gộp cao trong dài hạn.

4. Cung cấp giá trị nhanh chóng cho các doanh nghiệp nhỏ và vừa (SMB) và khám phá Vertical AI

• Phổ biến nhanh hơn ở SMB so với doanh nghiệp lớn: Dự kiến rằng triển khai AI agent sẽ diễn ra nhanh hơn ở các SMB (doanh nghiệp nhỏ và vừa) so với các doanh nghiệp lớn có hệ thống kế thừa phức tạp hoặc quy trình phê duyệt nghiêm ngặt. Đối với SMB, có thể thuê những chuyên gia kế toán hoặc các cơ quan tiếp thị mà trước đây ngân sách không đủ sức thuê được, dưới dạng "nhân viên tự do ảo (AI agent)" với giá rẻ là thuần túy tích cực, và vì không cần nỗ lực hủy bỏ các hệ thống hiện có, rào cản triển khai cực kỳ thấp.
• Thị trường hẻo lánh (Vertical SaaS) biến thành thị trường khổng lồ: Khi AI có thể hoàn toàn thay thế lực lượng lao động, Vertical AI cho các ngành nhỏ như dịch vụ giặt là, bác sĩ thú y, chiropractor – những ngành trước đây được coi là "thị trường khả dụng quá nhỏ" – sẽ biến thành những cơ hội kinh doanh khổng lồ. Bằng cách tự động hóa các công việc tập trung lao động, LTV (Giá trị suốt đời của khách hàng) trên mỗi khách hàng tăng vọt, và thông qua hỗ trợ bán hàng dựa trên AI, chi phí mua lại khách hàng (CAC) cũng giảm, do đó triển khai AI agent sẽ tiến hành trên toàn bộ các ngành chuyên biệt.

5. Thay đổi trong Quy trình Mua sắm Doanh nghiệp và Sự Chuyển dịch sang "Mua (Buy)"

• Chuyển từ "Xây dựng nội bộ (Build)" sang "Mua (Buy)": Ở giai đoạn đầu của cuộc bùng nổ AI, nhiều công ty doanh nghiệp đã cố gắng tự đào tạo các mô hình và xây dựng các ứng dụng AI của riêng họ. Tuy nhiên, khi hệ sinh thái ứng dụng AI trưởng thành, động thái "mua (Buy)" các ứng dụng bên thứ ba xuất sắc từ các AI startup chuyên biệt đang gia tăng. Các AI startup "AI-native" được thiết kế từ đầu với sự hiện diện của AI đang vượt trội hơn các công ty SaaS hiện có (Incumbents) chỉ gắn AI vào sản phẩm hiện có về tốc độ đổi mới và chất lượng sản phẩm.
• Sự hồi sinh của Quy trình Mua sắm Phần mềm Nghiêm ngặt: Khi triển khai cho các doanh nghiệp trở nên trưởng thành, quy trình mua sắm AI của công ty đang quay trở lại những quy trình mua sắm phần mềm doanh nghiệp truyền thống nghiêm ngặt. Bảo mật, chi phí, và các đánh giá chuẩn mực bên ngoài được áp dụng như những tiêu chí lọc quan trọng khi lựa chọn mô hình hoặc ứng dụng AI.
• Tăng Chi phí Chuyển đổi: Khi xây dựng quy trình làm việc phức tạp của "AI agent tự chủ" gồm nhiều bước thay vì các tác vụ đơn lẻ, chi phí để chuyển sang một mô hình hoặc ứng dụng AI khác (chuyển đổi) sẽ tăng nhanh chóng. Vì prompt và tích hợp hệ thống được tối ưu hóa cho môi trường cụ thể, đối với startup, nếu có thể đi sâu vào hệ thống khách hàng một lần trong giai đoạn bán hàng, có thể xây dựng một nền tảng khách hàng vững chắc và khóa (lock-in).

Sự thay đổi của Tài chính

1. Xu hướng Macro: Sự tập trung cực đoan của vốn và Sự bình thường hóa của "Mega Rounds"

Vốn đầu tư vào startup cực kỳ tập trung vào lĩnh vực AI, tạo thành cấu trúc "đầu nặng" nơi lượng vốn khổng lồ được đổ vào một số ít công ty.

• Hơn một nửa đầu tư VC vào AI: Khoảng 61% (khoảng 258,7 tỷ USD) của tổng lượng đầu tư Venture Capital (VC) toàn cầu năm 2025 được hướng tới các công ty AI, tăng gấp đôi thị phần từ 30% năm 2022 chỉ trong vòng 3 năm. Các dữ liệu khác cũng báo cáo rằng khoảng 50% của tổng lượng đầu tư toàn cầu năm 2025, tương đương 202,3 tỷ USD, đã tập trung vào lĩnh vực AI.
• Độc quyền vốn bởi "Mega Rounds": Môi trường huy động vốn bị thống trị bởi một số lượng ít các giao dịch khổng lồ. "Mega Rounds" vượt quá 100 triệu USD chiếm hơn 70% (theo một số cuộc khảo sát là 73%–79%) của tổng lượng đầu tư VC cho AI năm 2025. Hơn nữa, chỉ riêng các huy động vốn siêu lớn vượt quá 1 tỷ USD (khoảng 150 tỷ yên) chiếm khoảng một nửa tổng lượng đầu tư.

2. Phân hóa theo Lớp: Lớp Cơ sở Hạ tầng so với Lớp Ứng dụng

Trong ngăn xếp công nghệ AI, tùy thuộc vào lớp nào mà bạn cạnh tranh, rào cản huy động vốn và người chơi bị phân chia hoàn toàn.

• Lớp Mô hình Cơ sở & Hạ tầng (Phân chia "Haves" và "Have-nots" bởi vốn khổng lồ): Chỉ một số ít công ty phát triển mô hình cơ sở như OpenAI và Anthropic đã hấp thụ khoảng 40% (hàng trăm tỷ USD) tổng vốn cho AI. Ngoài ra, đầu tư vào lĩnh vực "Hạ tầng IT và Hosting" không thể thiếu cho huấn luyện và vận hành mô hình tăng vọt lên 109,3 tỷ USD vào năm 2025, chiếm hơn 42% đầu tư VC cho AI. Lĩnh vực này trở thành một trò chơi bảo đảm các tài nguyên tính toán (Compute) khổng lồ, và các công ty thiếu vốn có nguy cơ loại bỏ cao.
• Lớp Ứng dụng (Chiến trường chính của Startup): Mặc dù phát triển mô hình cơ sở đa năng yêu cầu vốn khổng lồ, nhưng cái mà VCs tìm thấy hấp dẫn nhất và có cơ hội lợi tức lớn nhất là "lớp ứng dụng" sử dụng hạ tầng đó để giải quyết các vấn đề công việc hoặc ngành cụ thể. Thực tế, các loại Vertical AI đặc hóa ngành và công cụ cho nhà phát triển, lớp ứng dụng cũng nhận được gần một nửa tổng vốn được phân tán.

3. Sự Thay Đổi Hình Thức của Scaling: "Ít vốn hơn nhưng nhanh hơn"

Bằng cách sử dụng các công cụ AI, startup có thể giảm drastically thời gian và nhân lực cần thiết cho phát triển sản phẩm và khám phá thị trường (GTM), thay đổi chính hình cách huy động vốn.

• "Bỏ qua vòng trung gian" bằng Seed và Tài chính tự có: Vì các đội nhỏ có thể xây dựng phần mềm tiên tiến bằng cách tận dụng AI, chỉ cần kết hợp vốn Seed ban đầu và bootstrap (hoạt động từ tài chính tự có) đủ để đặt trên quỹ đạo tăng trưởng đủ. Điều này dẫn đến việc một số công ty bỏ qua vòng huy động vốn trung gian trước đây bắt buộc như Series A hoặc Series B.
• Trở thành Kỳ lân với tốc độ chưa từng có: Các công ty AI-native như Cursor đạt ARR (Annual Recurring Revenue) 100 triệu USD chỉ trong 1-2 năm kể từ thành lập, đạt tốc độ tăng trưởng chưa bao giờ được thấy ở các công ty phần mềm trước đây. Năm 2025, 61% những kỳ lân (công ty chưa niêm yết có giá trị đánh giá 1 tỷ USD trở lên) mới được sinh ra là công ty AI, và những công ty này đã vượt qua giai đoạn chứng minh khái niệm đơn thuần và đã đạt doanh thu ở quy mô thương mại.

4. Sự Trỗi Dậy của những Nhà Cung Cấp Vốn Mới: CVC, Tư nhân Equity, và Vốn Quốc gia

Ngoài các Venture Capital truyền thống, các công ty công nghệ khổng lồ, các quỹ Private Equity (PE), và các quỹ hỗ trợ quốc gia đang dẫn dắt thị trường.

• Sự Mở Rộng Sức Mạnh của CVC (Corporate Venture Capital) do Big Tech Dẫn Đầu: Tỷ lệ vòng đầu tư VC cho AI ở Mỹ có sự tham gia của CVC tập trung vào các công ty công nghệ khổng lồ tăng từ 54% năm 2022 lên 75% năm 2025. Những Big Tech này thực hiện các khoản đầu tư khổng lồ để thúc đẩy sử dụng tài sản đám mây của riêng họ, xây dựng các mối quan hệ trong hệ sinh thái AI, và với tầm nhìn đến M&A hoặc tuyển dụng nhân tài trong tương lai.
• Đầu tư của Quỹ PE vào "Hạ tầng" và "Mua lại Bổ sung": Các quỹ Private Equity (PE) thể hiện thái độ thận trọng đối với đầu tư trực tiếp vào các AI startup có rủi ro cao. Thay vào đó, như "những chiếc cuốc trong Vàng tây", họ đang mở rộng nhanh chóng đầu tư vào "Hạ tầng Dữ liệu Kỹ thuật số" hỗ trợ AI như trung tâm dữ liệu và cung cấp năng lượng. Ngoài ra, họ áp dụng chiến lược mua lại các công ty có công nghệ AI để nâng cao khả năng cạnh tranh của các công ty đầu tư hiện có.
• Sự Tham Gia của Quỹ Quốc Gia với Danh Nghĩa "Chủ Quyền Công Nghệ": Sự cạnh tranh địa chính trị về quyền thống trị AI đang leo thang với tâm điểm ở Mỹ và Trung Quốc. Được đại diện bởi "Quỹ Hướng Dẫn Công Nghiệp AI Quốc gia" của Trung Quốc (quy mô khoảng 8,2 tỷ USD) v.v., những quỹ hỗ trợ quốc gia đầu tư khổng lồ vào hệ sinh thái AI từ quan điểm an ninh và sức mạnh cạnh tranh công nghiệp đang tăng cường sự hiện diện.

5. Thay Đổi Môi Trường M&A và Thoát Vốn: Sự Gia Tăng của "Mua Lại Giả (Quasi-Acquisition)"

Số lượng giao dịch M&A của AI startup đạt mức cao kỷ lục vào năm 2025 (tăng 1,5 lần so với năm trước), đặc biệt là các công ty liên quan đến AI agent và hạ tầng được mua lại với giá cao. Tuy nhiên, sự thay đổi môi trường quy định đã tạo ra những hình thức thoát vốn mới.

• "Mua Lại Giả (Quasi-Acquisition)" để Tránh Luật Chống Độc Quyền: Giữa lúc sự giám sát luật chống độc quyền (Antitrust) đối với Big Tech trở nên nghiêm khắc hơn, thay vì mua lại toàn bộ công ty, phối hợp "Cấp phép Độc quyền Công Nghệ" và "Tuyển dụng người sáng lập và các nhóm kỹ sư chính" đã trở thành một xu hướng mới gọi là "Mua Lại Giả (Quasi-Acquisition)". Ví dụ, đầu tư của Meta vào Scale AI và sự gia nhập của đội ngũ là điển hình của điều này, cho phép các nhà đầu tư tránh rủi ro pháp lý trong khi lấy lại vốn (thoát vốn) thông qua một con đường mới.

6. Sự Thay Đổi các Điểm được các Nhà Đầu Tư Đánh Giá: Từ Ý Tưởng sang "Yếu Tố Con Người" và "Khả Năng Thực Hiện Kỹ Lưỡng"

Với sự phát triển của AI sinh generative, bất kỳ ai cũng có thể tạo ra tài liệu pitch, kế hoạch kinh doanh và demo phần mềm một cách dễ dàng và chất lượng cao. Trong bối cảnh này, tiêu chí đánh giá các startup của nhà đầu tư mạo hiểm (VC) đang thay đổi đáng kể.

• Đánh giá tuyệt đối về "Con người" và "Khả năng phán đoán": Khi "tạp âm" về mặt hình thức của pitch đạt mức cao chưa từng có, các nhà đầu tư tập trung nhất vào tính cách của người sáng lập, tầm nhìn và "nhanh nhạy học tập" khi thích ứng với những tình huống không biết trước - những phẩm chất nhân tạo mà AI không thể thay thế.
• Khả năng thực thi tay nghề để xây dựng "Hệ thống làm việc": Hiện nay, giá trị của bản thân ý tưởng đã giảm so với trước, các nhà đầu tư đánh giá cao khả năng thực thi "cách triển khai công nghệ đó vào các hoạt động phức tạp trong thế giới thực". Với sự phổ biến của AI, vốn được tập trung vào các đội ngũ có thể xây dựng những rào cản vào thẳng không dễ bị bắt chước (moat) thông qua hỗ trợ triển khai chuyên nghiệp (Forward Deployed Engineer) đi sâu vào lõi các hoạt động cốt lõi của khách hàng, chứ không chỉ cung cấp một công cụ đơn thuần.

Kết luận

Với sự phát triển của AI, những yêu cầu đối với các startup đang thay đổi đáng kể. Cần phải nhanh chóng xem xét và điều chỉnh các chính sách nhằm dự kiến tình hình trong tương lai.