Chi phí chatbot AI cho doanh nghiệp: Cách dự toán 2026

Câu trả lời ngắn: chatbot AI có những lớp chi phí nào?

Không có một mức giá chatbot AI đúng cho mọi doanh nghiệp. Một chatbot chỉ trả lời menu và FAQ cố định khác hoàn toàn trợ lý dùng dữ liệu nội bộ, kết nối CRM, tra cứu đơn hàng và chuyển nhân viên theo quyền. Dự toán đáng tin cậy phải tách ít nhất ba lớp: phí kênh hoặc nền tảng, chi phí triển khai ban đầu và chi phí vận hành định kỳ.

Với Zalo OA, bảng giá chính thức hiện hành từ ngày 01/06/2026 công bố gói Tiêu chuẩn 1.000.000 đồng/năm, Tăng trưởng 2.500.000 đồng/năm và Toàn diện 6.000.000 đồng/năm. Gói Tăng trưởng và Toàn diện mở các mức chatbot, tự động hóa và tích hợp API khác nhau. Đây chỉ là phí nền tảng Zalo, không phải giá của lớp AI tùy chỉnh, dữ liệu RAG, CRM hay công triển khai.

Phí model thường được tính theo lượng token đầu vào, token được cache và token đầu ra. Giá thay đổi theo model và nhà cung cấp, vì vậy báo giá nên ghi model dự kiến, giả định sản lượng và ngày đối chiếu bảng giá thay vì đóng đinh một con số không có điều kiện.

• ✓Chi phí ban đầu: khảo sát, thiết kế hội thoại, chuẩn hóa dữ liệu, phát triển, tích hợp, kiểm thử và đưa vào vận hành.
• ✓Chi phí định kỳ: phí kênh, model, hạ tầng, cơ sở dữ liệu, log, giám sát và cập nhật tri thức.
• ✓Chi phí biến đổi: số cuộc hội thoại, độ dài ngữ cảnh, số lần gọi công cụ, tin nhắn ngoài gói và nhu cầu hỗ trợ.

Bảng giá hữu ích nhất không phải một con số trọn gói, mà là một mô hình chi phí cho biết phần nào tăng khi dữ liệu, sản lượng hoặc độ rủi ro tăng.

Công thức dự toán tổng chi phí sở hữu

Có thể lập ngân sách năm đầu theo công thức: tổng chi phí sở hữu = triển khai ban đầu + 12 tháng vận hành + dự phòng thay đổi. Phần triển khai ban đầu gồm discovery, kiến trúc, dữ liệu, kênh, tích hợp, kiểm soát an toàn, đánh giá chất lượng và đào tạo người vận hành.

Chi phí hàng tháng = phí nền tảng kênh + model theo sử dụng + hạ tầng và lưu trữ + quan sát hệ thống + công cập nhật nội dung và xử lý ngoại lệ. Nếu chatbot có thể tạo đơn, đặt lịch hoặc đọc dữ liệu khách hàng, cần thêm xác thực, phân quyền, audit log, retry và quy trình đối soát.

Dự phòng thay đổi không phải khoản tùy tiện. Nó dành cho việc dữ liệu nguồn đổi schema, chính sách kênh thay đổi, danh mục sản phẩm tăng hoặc doanh nghiệp bổ sung một use case chưa có trong phạm vi nghiệm thu ban đầu.

• ✓Tách một lần và định kỳ để tránh nhầm phí API rẻ với tổng dự án rẻ.
• ✓Tách phần cố định và phần theo sản lượng để biết chi phí tăng theo yếu tố nào.
• ✓Gắn mỗi khoản với một đầu ra hoặc chỉ số nghiệm thu, không gom thành mục AI chung chung.

Ba kịch bản để chọn đúng phạm vi trước khi hỏi giá

Kịch bản thứ nhất là chatbot flow hoặc từ khóa. Nó phù hợp lời chào, menu, FAQ ổn định và thu thập biểu mẫu. Phần lớn chi phí nằm ở thiết kế luồng, nội dung, cấu hình kênh và bảo trì khi quy trình thay đổi; chưa cần trả chi phí cho một hệ thống RAG phức tạp.

Kịch bản thứ hai là chatbot AI hỏi đáp trên một nguồn tri thức có kiểm soát. Phạm vi thường gồm nhập tài liệu, chia đoạn, truy xuất, prompt, trích dẫn nguồn, bộ câu hỏi đánh giá, giới hạn chủ đề và chuyển người. Chi phí tăng theo độ sạch của dữ liệu, số loại tài liệu, yêu cầu cập nhật và tiêu chuẩn độ chính xác.

Kịch bản thứ ba là AI Agent có hành động: đọc CRM, tra tồn kho, tạo ticket, đặt lịch hoặc cập nhật trạng thái. Đây không còn là dự án giao diện chat đơn thuần. Ngân sách chủ yếu đi vào tích hợp hệ thống, quyền truy cập, idempotency, kiểm soát giao dịch, quan sát và xử lý khi công cụ hoặc API nguồn lỗi.

• ✓Flow cố định: tối ưu cho tính ổn định và chi phí vận hành thấp.
• ✓RAG hỏi đáp: đầu tư vào dữ liệu, truy xuất và đánh giá câu trả lời.
• ✓Agent có hành động: đầu tư vào tích hợp, quyền, kiểm soát và khả năng khôi phục.

Ước tính phí model theo token mà không đoán mò

Trước hết cần đo bốn biến: số phiên trò chuyện mỗi tháng, số lượt trong một phiên, token đầu vào trung bình và token đầu ra trung bình. Sau đó cộng lượng token của truy vấn, lịch sử hội thoại, đoạn tài liệu RAG và phản hồi. Chi phí model tháng được tính bằng lượng token từng loại nhân với đơn giá model tại thời điểm sử dụng.

Ví dụ, cùng 25.000 phiên mỗi tháng nhưng chatbot giữ toàn bộ lịch sử và đưa nhiều tài liệu vào mỗi lượt sẽ tốn hơn đáng kể so với chatbot tóm tắt trạng thái, truy xuất ít đoạn liên quan và giới hạn độ dài trả lời. Vì vậy tối ưu retrieval, cache và ngữ cảnh thường đáng giá hơn việc chỉ đổi sang model rẻ hơn.

Không dùng giá ChatGPT theo người dùng để dự toán API. Tài khoản ChatGPT và API là hai cơ chế thanh toán khác nhau. Khi so sánh nhà cung cấp, phải đối chiếu thêm phí tool call, embedding, reranking, realtime, vùng dữ liệu và mức dịch vụ nếu có.

• ✓Chạy thử bằng log thật hoặc một tập hội thoại đại diện trước khi ngoại suy cả năm.
• ✓Theo dõi token theo use case và khách hàng thay vì chỉ xem tổng hóa đơn.
• ✓Đặt hạn mức, cảnh báo và đường lui khi model hoặc dịch vụ phụ trợ tăng giá.

Những khoản thường bị bỏ sót trong báo giá chatbot AI

Dữ liệu hiếm khi sẵn sàng để nạp ngay. Tài liệu trùng, phiên bản cũ, bảng biểu khó đọc và quyền truy cập không rõ có thể làm phần chuẩn hóa tốn hơn phần gọi model. Nếu không tính việc cập nhật dữ liệu sau khi ra mắt, chatbot sẽ nhanh chóng trả lời theo chính sách cũ.

Đánh giá chất lượng cũng là một hạng mục thật. Doanh nghiệp cần bộ câu hỏi chuẩn, câu hỏi ngoài phạm vi, trường hợp mơ hồ, dữ liệu nhạy cảm và lỗi công cụ. Prompt injection không thể xử lý chỉ bằng một câu nhắc trong prompt; cần giới hạn quyền, kiểm tra đầu vào/đầu ra, xác nhận hành động và log để điều tra.

Cuối cùng là vận hành con người: ai duyệt nội dung, ai nhận cuộc hội thoại chuyển tiếp, khi nào tạm dừng bot và ai chịu trách nhiệm khi API nguồn lỗi. Một chatbot có tỷ lệ tự động hóa cao nhưng làm tăng thời gian sửa sai vẫn là một hệ thống đắt.

• ✓Làm sạch, phân quyền và cập nhật dữ liệu.
• ✓Bộ test, đánh giá định kỳ và giám sát câu trả lời rủi ro.
• ✓Human handoff, hỗ trợ sự cố, backup và khôi phục.

Giảm chi phí mà không tạo nợ vận hành

Bắt đầu bằng một use case có tần suất cao, dữ liệu có chủ sở hữu và kết quả đo được. Không nên mở đồng thời website, Zalo, Facebook và ứng dụng nội bộ nếu một kênh chưa chứng minh được chất lượng. Một pilot hẹp giúp đo sản lượng, token, tỷ lệ chuyển người và lỗi trước khi quyết định kiến trúc lớn hơn.

Dùng flow cho phần chắc chắn, truy xuất dữ liệu cho câu hỏi cần kiến thức và AI tạo sinh chỉ ở nơi ngôn ngữ thật sự biến thiên. Có thể phân tuyến model theo độ khó, cache phần ổn định và giới hạn số tài liệu đưa vào ngữ cảnh. Những tối ưu này vừa giảm chi phí vừa làm hành vi dễ kiểm soát hơn.

Đừng cắt hạng mục đánh giá, log hoặc chuyển người để giảm báo giá. Đây là các bộ phận giúp phát hiện lỗi sớm và ngăn một câu trả lời sai trở thành chi phí chăm sóc khách hàng, uy tín hoặc bảo mật lớn hơn.

• ✓Pilot một kênh, một nhóm người dùng và một mục tiêu kinh doanh.
• ✓Ưu tiên dữ liệu có cấu trúc, nội dung ngắn và quyền sở hữu rõ.
• ✓Mở rộng sau khi đạt ngưỡng chất lượng, không mở rộng chỉ vì demo trông thuyết phục.

Checklist để nhận báo giá chatbot AI có thể so sánh

Trước khi gửi yêu cầu, hãy mô tả một hành trình cụ thể: người dùng hỏi gì, bot được phép trả lời hoặc làm gì, dữ liệu nằm ở đâu, trường hợp nào chuyển người và kết quả nào được tính là thành công. Cung cấp sản lượng hiện tại, mùa cao điểm, kênh triển khai, hệ thống phải tích hợp và yêu cầu lưu trữ dữ liệu.

Yêu cầu báo giá tách discovery, triển khai, phí bên thứ ba, vận hành và hạng mục ngoài phạm vi. Với chi phí theo sử dụng, đề nghị nhà cung cấp nêu rõ giả định token, số phiên, số tool call và cách xử lý vượt hạn mức. Với tích hợp, cần nêu API nào đã sẵn sàng và phần nào phụ thuộc đội nội bộ.

Friday Works có thể bắt đầu bằng workshop phạm vi và pilot đo được cho website hoặc Zalo OA, sau đó mới chốt kiến trúc production. Cách này tạo một baseline thật về độ chính xác, tỷ lệ chuyển người, thời gian phản hồi và chi phí trên mỗi cuộc hội thoại hữu ích.

• ✓Use case, kênh, sản lượng và mùa cao điểm.
• ✓Nguồn dữ liệu, chủ sở hữu, tần suất cập nhật và quyền truy cập.
• ✓Tích hợp, SLA, bảo mật, tiêu chí nghiệm thu và trách nhiệm vận hành.