AI is eating SaaSAI đang "ăn" phần mềm dịch vụ
AI will not end software as a service. It will end the part that was only a database with a pretty face.AI sẽ không xóa sổ phần mềm dịch vụ. Nó sẽ xóa phần chỉ là một cơ sở dữ liệu khoác giao diện đẹp.

For twenty years Chegg sold students access to a proprietary bank of 79 million step-by-step homework answers, at USD 19.95 a month. In early 2021 it was worth about USD 14.7bn. By 2026, about USD 114m.
I start with Chegg because it is the cleanest example of a business whose value was a store of answers. The answers were real and useful. They had been built up over years at real cost. The company's assumption was that this pile of content was a moat: nobody else could afford to produce it. That assumption held until a general model could produce a passable answer to most of those questions on demand, for free.
Chegg tried to adapt with an AI tutor built on GPT-4. Students saw it as a paid wrapper around something they could get for free. Decades of accumulated data did not protect the business. The lesson I take is narrow: owning data protects you only if the data does something a general model cannot, or if it is wired into a process the customer depends on.
Digested, not gone
Chegg is an extreme case. Most of the industry is going through a hard reset, and very few companies will disappear outright. The shift is easy to see when the two kinds of software sit side by side: the old kind sold seats to people who did the work inside it, the new kind does part of the work itself.
Per-seat pricing is where the pressure shows first. If a customer used to need ten licences for ten support agents, and an AI layer now lets four people handle the same volume, the vendor's revenue falls by more than half for doing a better job. Vendors respond by charging per task, per resolved ticket or per outcome. That is the same move the note on outsourcing describes for service firms, applied to products.
Pricing by outcome sounds simple and is not. The vendor has to agree with the customer on what counts as a resolved ticket or a completed task, and has to carry the risk when volumes swing. Revenue becomes less predictable, which worries investors used to steady subscription numbers. Some vendors will mix the two models for years: a base fee for access and a variable fee for work done. The vendors that suffer most will be those that keep selling seats as if nothing had changed, until a customer's procurement team does the arithmetic for them.
Where the moat holds
The clearest line I have seen is between deterministic and probabilistic work. Payroll, accounting, compliance and clinical records tolerate no error. Content generation, simple automation and basic chatbots are pattern matching, which a foundation model can replicate cheaply. Add a second axis: how much the product depends on data and workflows only it owns.
The quadrant is a judgment, and I would argue with parts of it myself. A project management tool, for example, sits in an interesting middle. Drafting a status report is probabilistic and easy to copy. Holding the single record of who committed to what, by when, with which budget, is deterministic and hard to move. The value of such a tool depends on which half it invests in.
Enterprises are not ripping out their systems of record. They are building an orchestration layer of agents on top. The ERP stays and the operator changes. That makes the deterministic platform more valuable, because it becomes the execution layer AI needs: the place where an agent's decision is recorded, checked against rules and made real.
What this means for builders in Vietnam
Many Vietnamese software startups build exactly the kind of product that sits in the danger zone: a dashboard over data the customer already has, a form-based workflow, a chatbot for a website. These were reasonable businesses five years ago. Today a customer can get much of the same value by asking a general assistant, and the founder has to explain why paying a monthly fee is still worth it.
The opportunities are on the other side of the line. Vietnamese accounting rules, tax filings, labour regulations and data law are specific, change often and punish mistakes. A product that gets these right and keeps up with each change holds a position a general model cannot easily take. The same applies to products embedded in a local process, such as a hospital's patient flow or a factory's quality checks, where the software is part of how the work gets done.
There is a second opportunity that is easy to overlook: the orchestration layer itself. If enterprises keep their systems of record and put agents on top, someone has to design, build and maintain those agents for each company's processes. That work needs people who understand both the business process and the system underneath it. It looks a lot like the integration work that Vietnamese software firms already do well, moved one level up. A firm that knows a client's ERP and its approval rules is in a better position to build the agent layer than a newcomer with a better model and no context.
Five questions for any software business
- Which side of the deterministic and probabilistic line is your core function on?
- Are you piloting usage-based or outcome-based pricing before the market forces it?
- Is AI built into the product, or bolted on beside it?
- Which features could a good question to a chatbot replace? Cut or repackage them.
- Is your data layer clean, governed and treated as a strategic asset?
Companies that panic rarely decide well. The ones that ask these questions early, and answer them honestly, tend to come out ahead.
Suốt hai mươi năm, Chegg bán cho sinh viên quyền truy cập một kho riêng gồm 79 triệu lời giải bài tập từng bước, giá 19,95 USD mỗi tháng. Đầu năm 2021, công ty được định giá khoảng 14,7 tỷ USD. Đến 2026, còn khoảng 114 triệu USD.
Tôi bắt đầu với Chegg vì đây là ví dụ rõ nhất về một doanh nghiệp có giá trị nằm ở kho câu trả lời. Các câu trả lời là thật và hữu ích. Chúng được tích lũy nhiều năm với chi phí thật. Giả định của công ty là đống nội dung đó là con hào: không ai khác đủ sức làm lại. Giả định ấy đứng vững cho đến khi một mô hình đa năng có thể trả lời tạm được hầu hết các câu hỏi đó theo yêu cầu, miễn phí.
Chegg cố thích nghi bằng một gia sư AI dựng trên GPT-4. Sinh viên coi nó là một lớp vỏ thu phí bọc quanh thứ họ có thể dùng miễn phí. Dữ liệu tích lũy hàng chục năm không cứu được doanh nghiệp. Bài học tôi rút ra khá hẹp: sở hữu dữ liệu chỉ bảo vệ bạn khi dữ liệu đó làm được điều mô hình đa năng không làm được, hoặc khi nó gắn vào một quy trình mà khách hàng phụ thuộc.
Bị tiêu hóa, chưa biến mất
Chegg là trường hợp cực đoan. Phần lớn ngành đang trải qua một đợt khởi động lại khó khăn, và rất ít công ty biến mất hẳn. Sự dịch chuyển dễ thấy khi đặt hai loại phần mềm cạnh nhau: loại cũ bán chỗ ngồi cho người làm việc bên trong nó, loại mới tự làm một phần công việc.
Giá theo chỗ ngồi là nơi sức ép lộ ra đầu tiên. Nếu trước đây khách cần mười giấy phép cho mười nhân viên hỗ trợ, và giờ một lớp AI cho phép bốn người xử lý cùng khối lượng, doanh thu nhà cung cấp giảm hơn một nửa trong khi sản phẩm làm tốt hơn. Nhà cung cấp phản ứng bằng cách tính tiền theo tác vụ, theo phiếu hỗ trợ được giải quyết hoặc theo kết quả. Đó cũng là bước đi mà bài về gia công phần mềm mô tả cho công ty dịch vụ, nay áp dụng cho sản phẩm.
Tính giá theo kết quả nghe đơn giản nhưng không hề đơn giản. Nhà cung cấp phải thống nhất với khách thế nào là một phiếu đã giải quyết hay một tác vụ đã hoàn thành, và phải chịu rủi ro khi khối lượng lên xuống. Doanh thu kém ổn định hơn, điều làm các nhà đầu tư quen với số thuê bao đều đặn lo ngại. Nhiều nhà cung cấp sẽ trộn hai mô hình trong nhiều năm: phí cơ bản để truy cập và phí biến đổi theo khối lượng việc. Những nơi chịu thiệt nhất sẽ là những nơi tiếp tục bán chỗ ngồi như chưa có gì thay đổi, cho đến khi bộ phận mua hàng của khách làm phép tính giùm họ.
Con hào còn đứng ở đâu
Đường ranh rõ nhất tôi từng thấy là giữa công việc tất định và công việc xác suất. Tính lương, kế toán, tuân thủ và hồ sơ bệnh án không chấp nhận sai sót. Tạo nội dung, tự động hóa đơn giản và chatbot cơ bản là khớp mẫu, thứ mà mô hình nền tảng làm lại được với chi phí thấp. Thêm trục thứ hai: sản phẩm phụ thuộc bao nhiêu vào dữ liệu và quy trình mà chỉ nó sở hữu.
Bảng phân vùng này là một nhận định, và chính tôi cũng muốn tranh luận vài chỗ. Công cụ quản lý dự án chẳng hạn nằm ở vùng giữa khá thú vị. Soạn báo cáo tình hình là việc xác suất, dễ sao chép. Giữ một bản ghi duy nhất về ai cam kết gì, hạn nào, ngân sách bao nhiêu, là việc tất định và khó dời đi. Giá trị của công cụ như vậy tùy thuộc nó đầu tư vào nửa nào.
Doanh nghiệp không gỡ bỏ các hệ thống lưu trữ gốc. Họ dựng một lớp điều phối bằng agent ở bên trên. ERP vẫn ở đó, chỉ người vận hành thay đổi. Điều này làm nền tảng tất định có giá trị hơn, vì nó trở thành lớp thực thi mà AI cần: nơi quyết định của agent được ghi lại, kiểm tra theo quy tắc và biến thành hành động thật.
Điều này có nghĩa gì với người làm phần mềm ở Việt Nam
Nhiều startup phần mềm Việt Nam làm đúng loại sản phẩm nằm trong vùng nguy hiểm: một bảng điều khiển trên dữ liệu khách đã có, một quy trình dựa trên biểu mẫu, một chatbot cho website. Năm năm trước đó là những mô hình kinh doanh hợp lý. Giờ khách có thể lấy phần lớn giá trị đó bằng cách hỏi một trợ lý đa năng, và nhà sáng lập phải giải thích vì sao trả phí hằng tháng vẫn đáng.
Cơ hội nằm ở phía bên kia đường ranh. Quy định kế toán, khai thuế, luật lao động và luật dữ liệu của Việt Nam rất cụ thể, thay đổi thường xuyên và phạt nặng sai sót. Một sản phẩm làm đúng những thứ này và theo kịp từng lần thay đổi sẽ giữ được vị trí mà mô hình đa năng khó chiếm. Điều tương tự cũng đúng với sản phẩm gắn vào một quy trình cụ thể ở địa phương, như luồng bệnh nhân của bệnh viện hay khâu kiểm tra chất lượng của nhà máy, nơi phần mềm là một phần của cách công việc được làm.
Có một cơ hội thứ hai dễ bị bỏ qua: chính lớp điều phối. Nếu doanh nghiệp giữ hệ thống lưu trữ gốc và đặt agent lên trên, cần có người thiết kế, xây dựng và duy trì các agent đó cho quy trình của từng công ty. Việc này cần người hiểu cả quy trình nghiệp vụ lẫn hệ thống bên dưới. Nó rất giống công việc tích hợp mà các công ty phần mềm Việt Nam vốn làm tốt, chỉ là được nâng lên một tầng. Một công ty đã hiểu ERP và quy tắc phê duyệt của khách sẽ ở vị thế tốt hơn để xây lớp agent so với một người mới đến có mô hình tốt hơn nhưng không có bối cảnh.
Năm câu hỏi cho mọi doanh nghiệp phần mềm
- Chức năng cốt lõi của bạn nằm ở phía tất định hay xác suất?
- Bạn đã thử nghiệm giá theo mức sử dụng hoặc theo kết quả trước khi thị trường ép chưa?
- AI được xây vào trong sản phẩm, hay gắn tạm bên cạnh?
- Tính năng nào có thể bị thay bằng một câu hỏi tốt gửi chatbot? Cắt bỏ hoặc đóng gói lại.
- Lớp dữ liệu của bạn có sạch, được quản trị và được coi là tài sản chiến lược không?
Doanh nghiệp hoảng loạn hiếm khi quyết định tốt. Những nơi đặt các câu hỏi này sớm và trả lời thật lòng thường đi trước.
