Which moats still hold against AI?Con hào nào còn đứng vững trước AI?
Revenue is the result of an advantage. When AI makes features easy to copy, an investor has to ask what is still hard to copy.Doanh thu là kết quả của một lợi thế. Khi AI làm cho tính năng dễ sao chép, nhà đầu tư phải hỏi cái gì vẫn còn khó sao chép.

Hamilton Helmer's 7 Powers is the framework I use most when looking at a company. It names seven sources of lasting advantage, each one a reason why a business can earn good returns for years without competitors eroding them. The question I now add is how AI changes each of them. What follows is my own reading, not Helmer's, and I hold parts of it loosely.
Scale economies weaken for software because the cost of building features is falling for everyone. A large team used to be a barrier, and now a small team with good tools can match much of what it ships. Network effects mostly hold, since the value comes from other users, and a model cannot copy a community. Counter-positioning gets stronger for new entrants: a startup that prices by outcome can attack an incumbent whose revenue depends on selling seats, and the incumbent cannot follow without hurting itself.
Switching costs hold where data and workflow are deep, such as an accounting system that holds ten years of records and is wired into tax filings. They weaken where the product is shallow, because AI makes migration cheaper. Branding holds, and trust may matter more when customers cannot easily judge the quality of AI output. A cornered resource, especially proprietary data that a general model cannot access, gains value. Process power, the hard-won way a company does things, is partly copyable once machines can learn from documented procedures.
The pattern across the seven is that advantages based on doing work more efficiently weaken, while advantages based on position strengthen: who your customers are, what data only you hold, what rules you are licensed to operate under, which community depends on you. When work gets cheap, position is what is left to defend. That is a useful shift for an investor to keep in mind, because many companies still describe their advantage in terms of efficiency, a better engine or a faster team, which is exactly the kind of edge AI erodes first.
Disruption comes in stages
Not every sector feels AI at the same time. Work that is mostly text and pattern matching goes first. Work tied to regulation, physical operations or deep customer workflows comes later, and often ends up strengthened, because AI needs a reliable system underneath to act on.
The grouping helps with timing more than with prediction. For an investor, the first wave is mostly over: content businesses and answer banks have already been repriced. The second wave, horizontal software sold by the seat and outsourcing sold by the head, is happening now, and the valuations of many companies in it still assume the old economics. The third wave is where I see the most interesting new companies, because AI makes it possible to build vertical products for regulated or physical industries with a small team.
Revenue is an outcome
Chegg had strong revenue right up to the moment its advantage disappeared. Looking only at growth would have missed it. The better question was always why someone else could not offer this cheaper. When the honest answer was "because the company owns the answers", the moat was already narrow.
This is the habit I try to keep when reading a pitch deck. The top layer, revenue and growth, is what the founder wants me to look at. The middle layer, why customers pay today, is usually explained well. The bottom layer, why nobody else can offer the same value for less, is often missing or vague. A deck that says "first mover" or "strong team" at this point has not answered the question. A deck that says "every customer's compliance records live in the product, and moving them would take a year" has.
Growth can also hide a weak bottom layer for longer than it should. A company growing fast attracts money, the money buys more growth, and the question about defensibility gets postponed to the next round. AI shortens that grace period. When a competitor can reproduce the product in months, the time between a strong year and a lost advantage gets shorter, and investors who wait for the numbers to turn will be late.
One question for every deal
Putting two judgments on one chart helps: how hard the product is to copy, and how much it is worth to the customer. A thin wrapper on a model can be valuable for a while but is easy to copy. An answer bank is both easy to copy and losing value. A niche tool nobody needs can be hard to copy and still not worth investing in. The interesting quadrant is the vertical platform with its own data, valuable and defensible at the same time.
For the Vietnamese market this reading points in a fairly clear direction. General AI products will mostly come from large foreign companies, and local startups will struggle to compete on the model itself. Local advantage sits in the bottom layer: Vietnamese regulation, local data that foreign models do not see, relationships with local institutions, and workflows that depend on how business is actually done here. Startups that build on those have a chance of lasting. Startups that resell a foreign model with a Vietnamese interface are betting on a window that may close quickly.
What makes this hard to copy?
I ask founders that question in every pitch now. A good answer rarely mentions the model they use.
7 Powers của Hamilton Helmer là khung tôi dùng nhiều nhất khi nhìn một công ty. Nó gọi tên bảy nguồn lợi thế bền vững, mỗi nguồn là một lý do khiến doanh nghiệp có thể sinh lời tốt nhiều năm mà đối thủ không bào mòn được. Câu hỏi tôi thêm vào bây giờ là AI thay đổi từng nguồn ra sao. Phần dưới đây là cách đọc của riêng tôi chứ không phải của Helmer, và có những phần tôi chưa chắc chắn.
Lợi thế quy mô yếu đi với phần mềm, vì chi phí làm tính năng đang giảm với tất cả mọi người. Một đội lớn từng là rào cản, giờ một đội nhỏ với công cụ tốt có thể làm được phần lớn những gì đội lớn làm ra. Hiệu ứng mạng lưới phần lớn vẫn đứng, vì giá trị đến từ những người dùng khác, và mô hình không sao chép được một cộng đồng. Định vị đối nghịch mạnh lên với người mới vào: một startup tính giá theo kết quả có thể tấn công một doanh nghiệp đương nhiệm sống nhờ bán chỗ ngồi, và đối thủ đó không thể làm theo mà không tự làm hại mình.
Chi phí chuyển đổi đứng vững ở nơi dữ liệu và quy trình gắn sâu, như hệ thống kế toán giữ mười năm số liệu và nối thẳng vào khai thuế. Nó yếu đi ở nơi sản phẩm nông, vì AI làm việc chuyển đổi rẻ hơn. Thương hiệu vẫn đứng, và niềm tin có thể còn quan trọng hơn khi khách hàng khó tự đánh giá chất lượng đầu ra của AI. Tài nguyên độc quyền, nhất là dữ liệu riêng mà mô hình đa năng không truy cập được, tăng giá trị. Sức mạnh quy trình, cách làm việc mà công ty tích lũy vất vả mới có, có thể bị sao chép một phần khi máy học được từ các quy trình đã được ghi lại.
Mô thức chung của bảy nguồn là lợi thế dựa trên làm việc hiệu quả hơn thì yếu đi, còn lợi thế dựa trên vị thế thì mạnh lên: khách hàng của bạn là ai, dữ liệu nào chỉ bạn nắm, bạn được cấp phép hoạt động theo quy định nào, cộng đồng nào phụ thuộc vào bạn. Khi làm việc trở nên rẻ, vị thế là thứ còn lại để bảo vệ. Nhà đầu tư nên nhớ sự dịch chuyển này, vì nhiều công ty vẫn mô tả lợi thế của mình bằng hiệu quả, một cỗ máy tốt hơn hay một đội nhanh hơn, đúng loại lợi thế AI bào mòn trước tiên.
Sự xáo trộn đến theo từng đợt
Không phải ngành nào cũng chịu tác động của AI cùng lúc. Công việc chủ yếu là chữ nghĩa và khớp mẫu đi trước. Công việc gắn với quy định pháp lý, vận hành vật lý hoặc quy trình sâu của khách hàng đến sau, và thường còn được củng cố, vì AI cần một hệ thống tin cậy bên dưới để hành động.
Cách phân nhóm này giúp nghĩ về thời điểm hơn là dự đoán. Với nhà đầu tư, đợt một phần lớn đã qua: các doanh nghiệp nội dung và kho đáp án đã bị định giá lại. Đợt hai, phần mềm ngang bán theo chỗ ngồi và gia công bán theo đầu người, đang diễn ra, và định giá của nhiều công ty trong nhóm này vẫn giả định kinh tế học cũ. Đợt ba là nơi tôi thấy những công ty mới thú vị nhất, vì AI giúp một đội nhỏ xây được sản phẩm chuyên ngành cho các lĩnh vực có quản lý chặt hoặc gắn với vận hành vật lý.
Doanh thu là kết quả
Chegg có doanh thu mạnh cho tới đúng lúc lợi thế biến mất. Chỉ nhìn tăng trưởng thì sẽ bỏ lỡ. Câu hỏi đúng luôn là vì sao người khác không cung cấp được thứ này rẻ hơn. Khi câu trả lời thật lòng là "vì công ty sở hữu đáp án", con hào đã hẹp từ trước.
Đây là thói quen tôi cố giữ khi đọc bộ hồ sơ gọi vốn. Tầng trên cùng, doanh thu và tăng trưởng, là thứ nhà sáng lập muốn tôi nhìn vào. Tầng giữa, vì sao khách trả tiền hôm nay, thường được giải thích tốt. Tầng dưới cùng, vì sao không ai khác cung cấp được cùng giá trị với giá thấp hơn, hay bị thiếu hoặc mơ hồ. Bộ hồ sơ ghi "đi đầu thị trường" hay "đội ngũ mạnh" ở chỗ này là chưa trả lời câu hỏi. Bộ hồ sơ ghi "toàn bộ hồ sơ tuân thủ của khách nằm trong sản phẩm, và chuyển đi sẽ mất một năm" là đã trả lời.
Tăng trưởng cũng có thể che một tầng đáy yếu lâu hơn mức nên có. Công ty tăng trưởng nhanh thu hút tiền, tiền mua thêm tăng trưởng, và câu hỏi về khả năng phòng thủ bị dời sang vòng gọi vốn sau. AI rút ngắn quãng ân hạn đó. Khi đối thủ có thể làm lại sản phẩm trong vài tháng, khoảng cách giữa một năm rực rỡ và một lợi thế đã mất ngắn lại, và nhà đầu tư nào chờ con số đổi chiều mới hành động sẽ chậm chân.
Một câu hỏi cho mọi thương vụ
Đặt hai nhận định lên một biểu đồ sẽ giúp ích: sản phẩm khó sao chép đến đâu, và nó đáng giá bao nhiêu với khách hàng. Một lớp vỏ mỏng bọc mô hình có thể có giá trị một thời gian nhưng dễ bị sao chép. Một kho đáp án vừa dễ sao chép vừa đang mất giá trị. Một công cụ ngách không ai cần có thể khó sao chép mà vẫn không đáng đầu tư. Góc đáng quan tâm là nền tảng chuyên ngành có dữ liệu riêng, vừa có giá trị vừa phòng thủ được.
Với thị trường Việt Nam, cách đọc này chỉ ra một hướng khá rõ. Sản phẩm AI đa năng phần lớn sẽ đến từ các công ty lớn nước ngoài, và startup trong nước khó cạnh tranh ở chính mô hình. Lợi thế địa phương nằm ở tầng dưới cùng: quy định pháp luật Việt Nam, dữ liệu địa phương mà mô hình nước ngoài không thấy, quan hệ với các tổ chức trong nước, và những quy trình phụ thuộc vào cách kinh doanh thực sự diễn ra ở đây. Startup xây trên những thứ đó có cơ hội trụ lâu. Startup bán lại mô hình nước ngoài với giao diện tiếng Việt đang đặt cược vào một cánh cửa có thể đóng rất nhanh.
Điều gì khiến thứ này khó sao chép?
Giờ đây tôi hỏi nhà sáng lập câu đó trong mọi buổi gọi vốn. Câu trả lời tốt hiếm khi nhắc đến mô hình họ đang dùng.
