TechCrunch đã tiếp cận OpenAI và đưa ra một loạt số liệu đối chiếu trong và ngoài công ty: tháng 6 năm nay, 98% nhân viên OpenAI từng dùng Codex; ra bên ngoài, chỉ 17% người dùng gói tổ chức sử dụng công cụ dạng agent, còn ở người dùng cá nhân trả phí tỷ lệ này chưa đến 1%. Làm mẫu số so sánh, số người dùng ChatGPT ở chế độ nhập lệnh thông thường đã vượt 1 tỷ, lượt cài ứng dụng desktop đạt 20 triệu.
Một công ty coi agent là hình thái sản phẩm thế hệ tiếp theo, nhưng gần như toàn bộ nhân viên của họ đang dùng, còn khách hàng thì gần như không ai dùng. Khoảng trống này nói lên chỗ agent đang mắc kẹt rõ hơn bất kỳ bài benchmark nào.
Ngoài lập trình ra, không có tiêu chuẩn nghiệm thu
Kỹ sư dùng agent có sẵn một thước đo tự nhiên: code có chạy được không, test có qua không, PR có merge được không. Việc hoàn thành nhiệm vụ là nhị phân, còn việc người dùng có quay lại lần hai hay không phụ thuộc vào lần đầu có thực sự tiết kiệm thời gian hay không. Công việc văn phòng không có thước đo kiểu này — một bản tóm tắt gửi khách hàng viết có ổn không, lịch trình sắp có đúng không, chỉ có thể dựa vào con người xem lại, mà chính việc "xem lại" đó đã ngốn hết phần thời gian mà agent tiết kiệm được.
"Everything is coding agent shaped...the reason is that they only have training data for coding agent tasks."
Mario Zechner, tác giả của Pi, nói thẳng: mọi agent đều mang dáng dấp của agent lập trình, vì các hãng chỉ có dữ liệu huấn luyện cho tác vụ lập trình mà thôi.
Câu này lật ngược quan hệ nhân quả: không phải các hãng thiên vị lập trình viên, mà tín hiệu giám sát khả dụng vốn chỉ dày đặc ở mảng code. Trên GitHub chất đầy hàng tỷ bản ghi công khai "sửa đổi – kiểm thử – hợp nhất", mỗi bản ghi đều tự mang nhãn đúng sai; công việc bàn giấy không có kho ngữ liệu tương ứng, cũng chẳng ai gán nhãn cho nó. Muốn huấn luyện agent đủ sức tự giao một bản biên bản cuộc họp, trước hết phải có người xếp ra hàng chục triệu bản biên bản tốt và xấu — hiện chưa hãng nào làm việc này.
Rào cản quyền truy cập cao hơn tưởng tượng
Andrew Ambrosino, kỹ sư trưởng phụ trách ứng dụng desktop, nêu một mối lo: khi để agent viết một tài liệu, liệu nó có tiện tay lướt qua nội dung trong một đoạn chat riêng tư nào đó không. Muốn agent làm việc, phải giao quyền đọc/ghi email, lịch, tệp tin, công cụ chat cho nó; muốn người dùng yên tâm giao quyền, sản phẩm phải nói rõ trước nó thấy được gì và không thấy được gì. Chi phí thiết kế cho lớp này cao hơn nhiều so với việc nối thêm vài công cụ.
Nội bộ OpenAI cũng chưa thống nhất về chuyện này. Joe Gershenson, phụ trách mảng harness, nói thẳng: "The honest answer is that I really don't look at the harnesses that they're building." — về cơ bản anh không xem lớp vỏ mà người khác đang xây. Thibault Sottiaux, phụ trách sản phẩm cốt lõi, nói theo kiểu tuyên ngôn hơn: "It's the very mission of OpenAI — to bring everyone along."
Trợ giá không gánh nổi một tỷ người
Còn một khoản chưa cân đối. TechCrunch nêu một ví dụ: một người dùng đốt 80 triệu token trong bốn ngày, tính theo giá niêm yết thô vào khoảng 65 đô la, trong khi người này chỉ trả gói thuê bao 20 đô la một tháng. Ở nhóm lập trình viên, kiểu lệch này còn chịu được — sẵn sàng chi trả cao, giữ chân tốt, có trần rõ ràng; đem áp cho một tỷ người dùng phổ thông, cùng độ lệch đó sẽ trở thành một khe hở tự nới rộng.
Cách OpenAI ứng phó là ép chi phí trên mỗi đơn vị đi xuống, chẳng hạn giảm 80% giá cho người dùng mô hình Luna. Giá hạ một bậc, mức dùng bình quân đầu người thường tăng còn nhanh hơn, khoản này cuối cùng phải trông vào hiệu suất mô hình bắt kịp chứ không phải giới hạn lưu lượng. Khung năm giờ của ChatGPT Plus hiện nay về bản chất là dùng luật lệ để cầm cự trước khi hiệu suất theo kịp. Phía doanh nghiệp có cách đi trực tiếp hơn — chia bậc theo số ghế, người dùng nặng tính giá riêng, chi phí ghi rõ trong hợp đồng. Phía thuê bao cá nhân không có khoảng trống đó — ngưỡng tâm lý 20 đô la một tháng đã cố định, nhích lên một bậc là mất người dùng.
Dẫn trước nửa bước
Cục diện cạnh tranh năm nay đã đảo hai lần. Claude Code dẫn trước liên tục đến tháng 4 năm 2026, sau đó Codex giành lại lợi thế nhẹ. Khoảng cách giữa hai bên trong tác vụ lập trình đã nhỏ tới mức phải nhìn vào từng nhiệm vụ cụ thể mới phân biệt được, còn ván bài quyết định của chặng tiếp theo rõ ràng không nằm ở đó — ai kéo được 99% người không viết code vào dùng trước, người đó chuyển thị trường từ vài triệu lập trình viên thành một tỷ người.
Trên chặng từ 98% xuống 1%, khoảng trống không nằm ở năng lực mô hình. Để vượt qua nó, cần một người chưa từng nghe tới "phạm vi quyền truy cập" sẵn lòng giao email của mình cho một chương trình tự chạy, và sau khi nó chạy xong không cần kiểm tra lại từng chữ. Ba việc này — cấp quyền, thực thi, miễn kiểm tra — hiện chưa việc nào được làm chắc.
Nguồn tham khảo: bài điều tra của TechCrunch về đội ngũ OpenAI, CocoLoop, trang giá công khai của OpenAI; tỷ lệ sử dụng nội bộ/bên ngoài, lượt cài ứng dụng desktop và chi phí token đã được đối chiếu theo bài báo gốc và bảng giá công khai, các phép quy đổi chi phí đã được ghi chú là ước tính thô.