Điểm sách: "Đầu tư vào AI: Sáu mô hình tư duy phân biệt lợi thế cạnh tranh và cạm bẫy" của tác giả Rob May

Điểm sách Điểm sách: "Investing in AI: Six Mental Models to Tell Moats from Traps" của Rob May Bài đánh giá chuyên sâu về tác giả Rob May cùng các mô hình tư duy thực tiễn dành cho các nhà đầu tư và doanh nhân trong việc xây dựng doanh nghiệp AI bền vững. Xuất bản ngày Ngày 31/10/2026 Tác giả Antoine Tardif, Giám đốc điều hành kiêm Nhà sáng lập Unite.AI Thêm Unite.AI vào danh sách nguồn tin ưu tiên trên Google Tác phẩm "Investing in AI: Six Mental Models to Tell Moats from Traps" thu hút sự quan tâm lớn từ giới chuyên môn, đặc biệt đối với những người theo dõi bản tin Investing in AI của tác giả Rob May trong nhiều năm qua. Điểm khác biệt của Rob May so với nhiều nhà đầu tư nằm ở tư duy độc lập, tránh lối mòn tâm lý đám đông và khả năng suy luận dựa trên các nguyên lý căn bản (first principles). Tác giả nhìn xuyên suốt qua các nhận định phổ biến để đặt câu hỏi về cơ chế vận hành thực chất của doanh nghiệp, nguồn gốc lợi thế cạnh tranh và khả năng duy trì các lợi thế đó trước những bước ngoặt công nghệ kế tiếp. Đây chính là giá trị cốt lõi của cuốn sách, một công trình tiên phong tiếp cận hoạt động đầu tư vào AI theo hướng phân tích chuyên sâu. Thay vì chỉ đơn thuần nhận diện một công nghệ giàu tiềm năng hay một thị trường đang tăng trưởng, tác phẩm yêu cầu người đọc phải tái cấu trúc phương pháp phân tích các mô hình kinh doanh được xây dựng dựa trên công nghệ đó. Cơ hội phát triển là rất lớn, song việc nhận biết một năng lực AI triển vọng và việc xác định một doanh nghiệp có tiềm năng đầu tư là hai năng lực hoàn toàn khác nhau. Khi bức tranh kỳ vọng về AI đối mặt thực tế Rob May đặt nền tảng cho các phân tích bằng những trường hợp điển hình trong hệ sinh thái AI. Doanh nghiệp Jasper từng nhận được sự tán dương lớn từ truyền thông và huy động thành công 125 triệu USD với mức định giá 1,5 tỷ USD. Tuy nhiên, sự xuất hiện của ChatGPT với khả năng tạo văn bản mạnh mẽ trực tiếp đến người dùng cá nhân đã tạo ra thách thức lớn đối với giá trị của một sản phẩm vốn chỉ được xây dựng xoay quanh việc khai thác các năng lực nền tảng tương tự. Rob May sử dụng bước ngoặt này để phân tích tốc độ suy giảm nhanh chóng của một lợi thế cạnh tranh biểu kiến. Trường hợp trên đặt ra câu hỏi mang tính then chốt mà mọi nhà đầu tư và nhà sáng lập đều phải đối mặt: Khách hàng còn cần gì ở doanh nghiệp khi công nghệ nền tảng đã trở nên phổ biến rộng rãi? Đâu là ranh giới giữa một doanh nghiệp sở hữu "hào kinh tế" (moat) vững chắc và một sản phẩm chỉ đóng vai trò là vỏ bọc ứng dụng AI (AI wrapper)? Lợi thế đi đầu có thể mang lại thời gian, nhưng không giải quyết được vấn đề cốt lõi này. Khả năng làm chủ quy trình công việc, năng lực phân phối, tri thức chuyên môn sâu và mối quan hệ với khách hàng đều trở nên quan trọng hơn nhiều một khi khả năng tiếp cận mô hình đã trở thành hàng hóa phổ thông. Trường hợp của DeepSeek phản ánh một khía cạnh khác của sự bất định này. Cuốn sách phân tích tác động từ việc một mô hình đạt cấp độ tương đương GPT-4 xuất hiện với chi phí huấn luyện được công bố chỉ 5,576 triệu USD. Bài học đầu tư rút ra là rất lớn: Giả định về chi phí cạnh tranh có thể thay đổi nhanh hơn nhiều so với dự báo của bất kỳ mô hình định giá nào. Sự cần thiết phải đánh giá lại mô hình SaaS Rob May nhìn lại các giai đoạn "mùa đông AI" trong quá khứ và lập luận rằng quy mô triển khai hiện nay đã phá vỡ chu kỳ cũ—vốn gồm những màn trình diễn công nghệ đầy hứa hẹn nhưng tiếp nối sau đó là sự thất vọng trên diện rộng. Quan điểm của tác giả cho thấy AI hữu dụng hiện đã thâm nhập sâu vào nhiều quy trình làm việc thực tế, không còn nguy cơ bị giới hạn trở lại trong phạm vi phòng thí nghiệm. Dẫu vậy, ngay cả khi mức độ ứng dụng tiếp tục gia tăng, việc nhận diện doanh nghiệp kỳ lân tiếp theo có khả năng tận dụng thành công xu thế này vẫn là một thách thức lớn. Tác giả chỉ ra bốn điểm khác biệt căn bản giải thích cho sự dịch chuyển này: AI có thể thực hiện các công việc nhận thức, tự học hỏi từ dữ liệu, làm thay đổi kỳ vọng của người dùng và trở thành một phần mặc định trong đời sống của thế hệ mới. Điểm thứ ba—tính phản xạ (reflexivity)—mang ý nghĩa đặc biệt quan trọng. Khi khách hàng đã trải nghiệm một năng lực công nghệ mới, họ sẽ hình thành kỳ vọng tương tự ở các lĩnh vực khác. Thị trường mà doanh nghiệp đang phục vụ sẽ thay đổi song hành cùng quá trình công nghệ được ứng dụng. Yếu tố tạo ra sự thay đổi cục diện lớn nhất là tốc độ mở rộng quy mô. Các doanh nghiệp AI có thể đạt tới quy mô lớn trong những khung thời gian mà trước đây chỉ xuất hiện ở các trường hợp ngoại lệ hiếm hoi. Tuy nhiên, việc đánh giá các doanh nghiệp này vẫn đòi hỏi sự thấu hiểu sâu sắc về mô hình kinh doanh. Việc thu phí theo từng tác vụ hoặc theo kết quả tạo ra mối quan hệ hoàn toàn khác biệt giữa giá trị, doanh thu và chi phí so với mô hình bán một lượng giấy phép phần mềm cố định. ...các vị trí sử dụng. Một số bài học về SaaS (phần mềm dưới dạng dịch vụ) vẫn giữ nguyên giá trị. Chuyên môn sâu theo lĩnh vực vẫn đóng vai trò quan trọng. Các công cụ chuyên biệt theo ngành nắm bắt được những vấn đề thực tế có thể tạo dựng lợi thế đáng kể. Các vòng lặp dữ liệu độc quyền có thể tích lũy giá trị theo thời gian, và việc tích hợp sâu có thể tạo ra chi phí chuyển đổi. Thách thức đặt ra là phân biệt những thế mạnh bền vững này với các tính năng mà khách hàng có thể tiếp cận từ hàng chục nhà cung cấp khác. Sáu mô hình tư duy nâng cao chất lượng câu hỏi Cuốn sách xây dựng lập luận trọng tâm xoay quanh sáu mô hình tư duy: hiểu AI như một tập hợp các công nghệ; xem xét lại các giả định truyền thống về SaaS; lường trước những xáo trộn lớn của thị trường; nhận diện sự thay đổi của thị trường và chiến lược doanh nghiệp; nắm bắt khả năng mở rộng quy mô nhanh hơn; và đánh giá thận trọng giá vốn hàng bán của AI. Các mô hình này mang lại hiệu quả cao khi kết hợp cùng nhau, bởi mỗi mô hình đều vạch rõ một điểm yếu khác nhau trong những luận điểm đầu tư hời hợt. Việc định danh một công ty là "doanh nghiệp AI" hầu như không phản ánh được hiệu quả kinh tế. Doanh thu tăng đột biến cũng chưa khẳng định được tính bền vững. Biên lợi nhuận gộp ở mức cao hiện tại cũng không bảo đảm cho những gì sẽ xảy ra khi khách hàng yêu cầu sản phẩm xử lý những tác vụ phức tạp hơn. Điểm giá trị nhất là thói quen đặt ra câu hỏi tiếp theo. Sau khi xác định liệu công nghệ có vận hành được hay không, cần xem xét công nghệ đó có hoạt động đủ độ tin cậy trong quy trình thực tế của khách hàng hay không. Sau khi xác định khách hàng có trả tiền hay không, cần làm rõ họ đang chi trả cho điều gì và liệu khoản chi tiêu đó có tiếp tục được duy trì hay không. Điều này giúp cuốn sách giữ nguyên giá trị thực tiễn, vượt ra ngoài khuôn khổ thời điểm các dẫn chứng được ghi nhận. Botkeeper và tầm quan trọng của quỹ đạo chi phí Một trong những điển hình nghiên cứu thực tế hữu ích nhất là Botkeeper, công ty tự động hóa kế toán do Rob May đầu tư. Doanh nghiệp này ban đầu phụ thuộc phần lớn vào đội ngũ kế toán viên và có biên lợi nhuận gộp chỉ vào khoảng 20% đến 25%. Mức này không đủ hấp dẫn đối với các nhà đầu tư kỳ vọng vào biên lợi nhuận của phần mềm truyền thống. Tuy nhiên, công việc do các nhân sự đó thực hiện lại tạo ra nguồn dữ liệu giúp tự động hóa quy trình. Theo ghi nhận của Rob May, biên lợi nhuận gộp sau đó đã vượt 70% khi phần lớn khối lượng công việc được chuyển giao cho phần mềm. Bài học rút ra là