Trung KiênUber đang đối mặt với làn sóng phản ứng nội bộ về chi phí đầu tư trí tuệ nhân tạo ngày càng tăng. Nhân viên công ty cho rằng nguồn lực bỏ ra có thể không tương xứng với hiệu quả thực tế, đặc biệt khi nhiều dự án AI chưa mang lại giá trị rõ ràng cho hoạt động kinh doanh cốt lõi.
Mức chi tiêu AI của uber đang ở đâu
Uber đã gia tăng đáng kể đầu tư vào công nghệ AI trong hai năm qua. Hãng xe công nghệ này đang chi hàng trăm triệu đô la cho cơ sở hạ tầng máy chủ, thuê chuyên gia và triển khai các mô hình ngôn ngữ lớn.
Theo báo cáo tài chính, chi phí nghiên cứu phát triển của Uber tăng 23% trong năm 2023. Phần lớn mức tăng này được phân bổ cho các sáng kiến AI và machine learning. Đặc biệt, công ty đã mở rộng đội ngũ kỹ sư AI từ vài trăm lên hơn một nghìn người trong vòng 18 tháng.
Tuy nhiên, con số thực tế có thể cao hơn nhiều. Chi phí vận hành máy chủ GPU cho huấn luyện và triển khai mô hình AI có thể chiếm đến 15-20% ngân sách công nghệ tổng thể của Uber, theo ước tính của các chuyên gia trong ngành. Điều này tương đương với hàng trăm triệu đô la mỗi năm. Uber cũng đã ký hợp đồng với nhiều nhà cung cấp cloud computing lớn. Amazon Web Services và Google Cloud là hai đối tác chính cung cấp năng lực tính toán cho các dự án AI. Chi phí thuê cloud cho AI training và inference đang tăng nhanh hơn dự kiến ban đầu.
Tiếng nói từ nội bộ về sự lãng phí
Nhiều nhân viên Uber đã lên tiếng trên các diễn đàn nội bộ. Họ cho rằng công ty đang “ném tiền vào AI mà không có chiến lược rõ ràng”. Một kỹ sư cấp cao chia sẻ ẩn danh rằng nhiều dự án AI được khởi động nhưng không bao giờ đưa vào sản xuất thực tế.
Vấn đề lớn nhất là sự trùng lặp. Nhiều nhóm khác nhau đang xây dựng các mô hình tương tự nhau mà không có sự phối hợp. Một nhân viên từng làm trong bộ phận machine learning nhận xét rằng có ít nhất ba nhóm đang phát triển chatbot dịch vụ khách hàng riêng biệt, mỗi nhóm với ngân sách và cơ sở hạ tầng riêng.
Điều này làm tăng chi phí nghiêm trọng. Chi phí nhân công tăng lên vì các đội làm việc song trên cùng một vấn đề. Chi phí hạ tầng cũng cao hơn khi mỗi nhóm cần tài nguyên tính toán riêng. Một số nhân viên ước tính có thể tiết kiệm được 30-40% chi phí nếu có sự điều phối tốt hơn. Một vấn đề khác là “AI for AI’s sake” – triển khai AI chỉ vì nó là xu hướng. Nhiều tính năng được tích hợp AI không thực sự cải thiện trải nghiệm người dùng đáng kể. Một product manager cho biết team đã dành ba tháng xây dựng hệ thống gợi ý địa điểm bằng AI, nhưng người dùng vẫn có xu hướng tìm kiếm thủ công truyền thống hơn.
Áp lực từ lãnh đạo cũng góp phần vào vấn đề này. Nhiều quản lý cảm thấy bắt buộc phải “có AI trong roadmap” để không bị coi là lạc hậu, dẫn đến việc ưu tiên các dự án AI ngay cả khi các giải pháp đơn giản hơn có thể hiệu quả hơn.
So sánh với các đối thủ trong ngành
Lyft, đối thủ chính của Uber tại Mỹ, có cách tiếp cận thận trọng hơn. Công ty này tập trung vào các ứng dụng cụ thể như định tuyến và dự đoán nhu cầu. Theo báo cáo tài chính, tỷ lệ chi cho R&D của Lyft thấp hơn Uber khoảng 5-7 điểm phần trăm.
Grab ở Đông Nam Á cũng đầu tư mạnh vào AI, tuy nhiên, họ tập trung vào các mô hìnhẹ hơn, phù hợp với thị trường địa phương, sử dụng nhiều kỹ thuật tối ưu hóa để giảm chi phí vận hànhư model compression và edge computing. Chiến lược này giúp họ tiết kiệm đáng kể chi phí cloud.
Didi Chuxing ở Trung Quốc có lợi thế về dữ liệu khổng lồ.
Họ đầu tư vào AI từ rất sớm và đã xây dựng cơ sở hạ tầng riêng thay vì phụ thuộc hoàn toàn vào cloud công cộng. Mô hình này tuy tốn kém ban đầu nhưng được cho là giúp tiết kiệm chi phí dài hạn, đặc biệt khi quy mô tăng lên. (Xem thêm: Xiaomi 15 Ultra đánh giá chi tiết: Bước đột phá trong phân khúc flagship camera)
Tesla, mặc dù không phải đối thủ trực tiếp, cung cấp một điểm so sánh thú vị. Họ xây dựng siêu máy tính Dojo riêng cho AI training. Đầu tư ban đầu lên đến hàng tỷ đô la, nhưng giúp giảm 50-70% chi phí training so với thuê cloud. Uber có thể học hỏi cách tiếp cận dài hạn này.
Những dự án AI gây tranh cãi nhất
Chatbot dịch vụ khách hàng là một trong những dự án tiêu tốn nhiều tiền nhất. Uber đã đầu tư hàng chục triệu đô la vào việc phát triển hệ thống AI có thể xử lý các yêu cầu hỗ trợ, tuy nhiên, tỷ lệ giải quyết thành công hiện chỉ đạt khoảng 40-50%, thấp hơn nhiều so với mục tiêu 80% ban đầu.
Người dùng thường phải leo thang lên gặp nhân viên thực tế, làm tăng thời gian xử lý và chi phí tổng thể. Một số nhân viên cho rằng việc cải thiện quy trình với nhân viên thực có thể hiệu quả hơn so với việc đầu tư quá nhiều vào chatbot chưa hoàn thiện. Hệ thống định giá động sử dụng AI cũng là chủ đề tranh cãi trong nội bộ. Uber đã nâng cấp thuật toán surge pricing với các mô hình phức tạp hơn. Chi phí phát triển và vận hành tăng gấp đôi so với hệ thống cũ, tuy nhiên, doanh thu từ surge pricing chỉ tăng khoảng 8-12%, không đủ để bù đắp chi phí đầu tư.
Có phản ứng tiêu cực từ tài xế và khách hàng. Nhiều người cho rằng thuật toán mới không công bằng và khó dự đoán. Điều này ảnh hưởng đến thương hiệu và có thể làm giảm lòng trung thành lâu dài.
Dự án xe tự lái là khoản đầu tư lớn nhất và gây tranh cãi nhất. Uber đã chi hàng tỷ đô la vào mảng này trước khi bán lại cho Aurora vào năm 2020, mặc dù không còn phát triển trực tiếp, Uber vẫn đầu tư vào các đối tác autonomous vehicle và tích hợp công nghệ vào nền tảng. Chi phí hàng năm có thể lên đến hàng trăm triệu đô la.
Giá trị thực tế của dự án này vẫn chưa rõ ràng. Công nghệ xe tự lái được cho là còn nhiều năm nữa mới thương mại hóa rộng rãi. Nhiều nhân viên cho rằng nguồn lực này có thể được chuyển sang cải thiện dịch vụ hiện tại thay vì đặt cược vào tương lai xa vời.
Vấn đề quản lý và văn hóa công ty
Cấu trúc tổ chức của Uber có thể góp phần vào vấn đề lãng phí. Công ty có nhiều đơn vị độc lập, mỗi đơn vị có ngân sách và mục tiêu riêng. Điều này tạo ra các “silos” – những nhóm làm việc tách biệt không chia sẻ tài nguyên hoặc kiến thức.
Uber thiếu một AI Center of Excellence. Nhiều công ty công nghệ lớn khác đã thiết lập bộ phận trung tâm để phối hợp các sáng kiến AI, đặt tiêu chuẩn chung và tránh trùng lặp. Uber có một nhóm AI Lab nhưng họ chủ yếu làm nghiên cứu cơ bản, không có quyền điều phối các dự án sản phẩm.
Văn hóa “move fast and break things” cũng là một yếu tố. Uber khuyến khích đổi mới nhanh, nhưng điều này đôi khi dẫn đến thiếu kỷ luật trong việc đánh giá ROI.
Nhiều dự án được phê duyệt dựa trên sự hào hứng hơn là phân tích kỹ lưỡng.
Một data scientist chia sẻ rằng “ai cũng muốn làm AI project cho CV, nhưng ít ai muốn duy trì nó lâu dài”.
Áp lực từ cổ đông cũng đóng vai trò quan trọng. Sau khi IPO, Uber phải chứng minh rằng họ đang đổi mới và dẫn đầu công nghệ. Đầu tư mạnh vào AI là một cách để truyền tải thông điệp này, tuy nhiên, áp lực này có thể khiến công ty ưu tiên các quyết định ngắn hạn thay vì chiến lược bền vững. Quản lý hiệu suất cũng cần cải thiện. Nhiều nhóm AI không có KPI rõ ràng hoặc cách đo lường tác động thực tế. Một manager nhận xét rằng “chúng tôi đo lường độ chính xác của mô hìnhưng không đo lường xem nó tạo ra bao nhiêu doanh thu hay tiết kiệm bao nhiêu chi phí”. (Xem thêm: Vì sao điện thoại Samsung dòng A rẻ hơn dòng S? Phân tích chi tiết)
Hướng đi và giải pháp tiềm năng
Uber cần thiết lập quy trình đánh giá dự án AI chặt chẽ hơn. Mỗi sáng kiến AI nên có business case rõ ràng với các mục tiêu đo lường được. ROI cần được tính toán trước khi phê duyệt ngân sách lớn. Một số công ty công nghệ yêu cầu “AI impact statement” – tài liệu giải thích tại sao AI là giải pháp tốt nhất so với các phương án khác.
Hợp nhất các nhóm và dự án trùng lặp là việc ưu tiên. Uber nên kiểm toán toàn bộ portfolio AI hiện tại, xác định các dự án tương tự, và gộp chúng dưới một leadership thống nhất. Đây có thể là cách giảm 20-30% chi phí ngay lập tức mà không ảnh hưởng đến năng lực.
Đầu tư vào cơ sở hạ tầng chung cũng là điều quan trọng. Thay vì để mỗi nhóm xây dựng infrastructure riêng, Uber nên tạo ra một nền tảng AI chung với các công cụ và dịch vụ chia sẻ.
Mô hình platform này đã thành công ở nhiều công ty lớn như Meta và Google.
Chi phí ban đầu cao nhưng tiết kiệm dài hạn được đánh giá rất đáng kể. Tập trung vào ít dự án nhưng chất lượng cao hơn sẽ giúp cải thiện hiệu quả. Thay vì phân tán nguồn lực cho nhiều sáng kiến nhỏ, Uber nên chọn 5-7 dự án AI có tác động lớn nhất và đầu tư mạnh vào chúng. Chiến lược “tập trung” này đã giúp nhiều công ty đạt kết quả tốt hơn với ngân sách thấp hơn.
Đào tạo và thay đổi tư duy cũng rất cần thiết. Không phải mọi vấn đề đều cần AI. Nhân viên cần được đào tạo để nhận biết khi nào AI là giải pháp phù hợp và khi nào các phương pháp đơn giản hơn có thể mang lại hiệu quả hơn. Product manager nên học cách đánh giá trade-off giữa độ phức tạp và giá trị thực tế.
Hợp tác với đối tác và sử dụng giải pháp có sẵn thay vì tự xây dựng tất cả cũng là lựa chọn đáng cân nhắc. Nhiều công ty SaaS cung cấp các công cụ AI ready-to-use với chi phí thấp hơn nhiều so với phát triển nội bộ. Uber có thể tận dụng các giải pháp này cho những nhu cầu không thuộc core competency.
Tác động đến tài chính và chiến lược dài hạn
Chi phí AI cao đang ảnh hưởng đến khả năng sinh lời của Uber, mặc dù doanh thu tăng trưởng tốt, biên lợi nhuận bị thu hẹp phần nào do chi phí công nghệ tăng. Phân tích của các chuyên gia tài chính cho thấy nếu Uber kiểm soát được chi phí AI, EBITDA margin có thể được cải thiện khoảng 2-3 điểm phần trăm. Điều này là quan trọng trong bối cảnh thị trường khó khăn. Nhà đầu tư ngày càng chú trọng đến profitability hơn là tăng trưởng bằng mọi giá. Uber cần chứng minh rằng họ có thể tăng trưởng bền vững và duy trì lợi nhuận ổn định. Lãng phí trong đầu tư AI có thể làm giảm niềm tin của thị trường.
Về dài hạn, Uber vẫn cần AI để giữ vững cạnh tranh. Công nghệ này được xem là quan trọng cho việc tối ưu hóa định tuyến, dự đoán nhu cầu, cá nhân hóa trải nghiệm và cuối cùng là xe tự lái. Vấn đề không phải là có nên đầu tư AI hay không, mà làm thế nào để đầu tư hiệu quả.
Cạnh tranh trong ngành ngày càng gay gắt. Các đối thủ cũng đầu tư mạnh vào công nghệ.
Nếu Uber lãng phí nguồn lực trong khi đối thủ sử dụng hiệu quả, khoảng cách công nghệ có thể bị thu hẹp hoặc thậm chí đảo ngược.
Điều này đặc biệt đúng ở các thị trường đang phát triển, nơi Grab và Gojek đang ngày càng mạnh mẽ.
Thương hiệu nhà tuyển dụng cũng có thể bị ảnh hưởng. Kỹ sư AI tài năng thường muốn làm việc ở những nơi có tác động thực sự, không chỉ tham gia các dự án có thể bị hủy bỏ. Nếu câu chuyện về việc lãng phí lan rộng, Uber có thể gặp khó khăn trong tuyển dụng và giữ chân tài năng công nghệ hàng đầu.
Uber đang chi bao nhiêu cho AI mỗi năm?
Theo ước tính dựa trên báo cáo tài chính, Uber chi hàng trăm triệu đô la mỗi năm cho các sáng kiến AI, bao gồm nhân sự, cơ sở hạ tầng cloud và nghiên cứu phát triển. Con số chính xác không được công bố nhưng có thể chiếm 15-20% ngân sách công nghệ tổng thể. Chi phí này đã tăng khoảng 23% trong năm 2023 so với năm trước.
Tại sao nhân viên cho rằng uber lãng phí trong đầu tư aI?
Nhân viên chỉ ra nhiều vấn đề: các nhóm khác nhau xây dựng giải pháp trùng lặp mà không phối hợp, nhiều dự án AI được khởi động nhưng không bao giờ triển khai thực tế, và thiếu đánh giá rõ ràng về ROI. Một số dự án được thực hiện chỉ vì xu hướng chứ không giải quyết vấn đề kinh doanh thực sự. Việc thiếu sự điều phối tập trung khiến chi phí tăng cao trong khi hiệu quả hạn chế.
Uber có thể làm gì để cải thiện hiệu quả đầu tư aI?
Uber cần thiết lập quy trình đánh giá dự án chặt chẽ hơn với ROI Có thể thấy, hợp nhất các nhóm và dự án trùng lặp, xây dựng cơ sở hạ tầng AI chung thay vì để mỗi nhóm tự phát triển riêng, và tập trung vào ít dự án ưu tiên hơn thay vì phân tán nguồn lực. Thay đổi văn hóa để nhận biết không phải mọi vấn đề đều cần giải pháp AI phức tạp cũng rất quan trọng.
