Hệ thống quản trị AI Agent Economics: CFO quản trị đội ngũ “digital workers” như thế nào?

[Trợ lý AI]

Khi doanh nghiệp mới bắt đầu dùng AI, bài toán chi phí khá đơn giản.
Finance có thể nhìn thấy:

• phí ChatGPT/Copilot;
• API;
• cloud;
• một vài công cụ SaaS.

Nhưng khi doanh nghiệp chuyển từ chatbot sang AI Agent chạy trong core workflow, bài toán thay đổi rất nhanh.
Một AR Agent có thể chạy hàng nghìn lần mỗi tháng.
Một Costing Agent có thể đọc BOM, production actual, inventory và lịch sử variance.
Một AP Agent có thể kiểm tra invoice, PO, receipt và payment term.
Một MRP Agent có thể liên tục đọc demand, tồn kho, open PO và lead time để tìm exception.
Lúc đó AI không còn đơn thuần là:
software license.
Nó bắt đầu giống:
một lực lượng lao động số — digital workforce.
Và nếu doanh nghiệp có digital workers, CFO sẽ phải trả lời những câu hỏi rất quen thuộc của kế toán quản trị:

• nguồn lực này tốn bao nhiêu?
• năng suất thế nào?
• một đơn vị công việc có chi phí bao nhiêu?
• tỷ lệ lỗi bao nhiêu?
• bao nhiêu việc vẫn cần con người can thiệp?
• economic benefit tạo ra là gì?
• agent nào nên mở rộng?
• agent nào nên dừng?

Đó chính là bài toán AI Agent Economics.

1. Đừng quản trị AI Agent như một phần mềm SaaS thông thường​

Phần mềm SaaS truyền thống thường có economics khá dễ hiểu:
Số user × phí/user/tháng
AI Agent thì khác.
Chi phí có thể tăng theo:

• số lần agent chạy;
• số model call;
• token;
• tool/API call;
• thời gian compute;
• lượng dữ liệu đọc;
• số bước reasoning;
• số retry;
• số agent phối hợp;
• human review;
• exception handling.

Nghĩa là:
chi phí tăng theo mức độ công việc mà agent thực sự làm.
Đây là mô hình gần với:
variable operating cost
hơn là software license cố định.
McKinsey gần đây cũng lưu ý rằng per-token pricing ngày càng kém hữu ích khi đánh giá chi phí thực của agentic AI, bởi một workflow có thể gồm nhiều model interaction, tool call và hành động downstream.
Vì vậy CFO không nên dừng ở câu hỏi:

“Một triệu token giá bao nhiêu?”

Câu hỏi quan trọng hơn là:

“Một business outcome hoàn thành tốn bao nhiêu?”

2. Unit of Work quan trọng hơn Token​

Kế toán quản trị luôn cần một đơn vị đo.
Trong sản xuất có thể là:

• cost/kg;
• cost/lít;
• cost/batch;
• cost/unit.

Trong dịch vụ:

• cost/customer;
• cost/order;
• cost/transaction.

AI Agent cũng cần một unit of work.
Ví dụ:

AP Agent​

Cost per invoice processed

AR Agent​

Cost per overdue case resolved

Costing Agent​

Cost per variance case investigated

Forecast Agent​

Cost per forecast cycle

Tax Agent​

Cost per tax research case

MRP Agent​

Cost per material exception resolved
Khi đã có unit of work, CFO mới có thể so sánh:
Human process
và
Agent-enabled process.
Ví dụ:
Trước AI:
Cost per invoice = 12.000 đồng
Sau AI:
Agent cost = 1.500 đồng
Human review = 2.000 đồng
Workflow/infrastructure = 500 đồng
Tổng:
4.000 đồng/invoice
Lúc đó economics rõ ràng hơn rất nhiều so với:

“Agent dùng 80 triệu token.”

3. Total Cost of Agent không chỉ là Model Cost​

Một lỗi phổ biến là chỉ tính:
API/token cost.
Nhưng Total Cost of Agent nên gồm nhiều lớp.

Model Cost​

Chi phí inference:

• input token;
• output token;
• reasoning;
• image/document processing.

Tool Cost​

Agent có thể gọi:

• OCR;
• search;
• database;
• email;
• ERP API;
• RPA;
• third-party services.

Infrastructure​

Bao gồm:

• cloud;
• vector database;
• storage;
• monitoring;
• queue;
• workflow engine.

Integration Cost​

Để agent làm việc với:

• ERP;
• accounting;
• MES;
• WMS;
• CRM;
• bank.

Human Review Cost​

Đây là khoản rất dễ bị bỏ quên.
Nếu mỗi case agent xử lý vẫn cần nhân viên review 10 phút thì chi phí con người có thể lớn hơn cả token.

Exception Handling​

Agent càng xử lý nhiều volume, exception càng đáng quan tâm.

Governance & Control​

Bao gồm:

• logging;
• evaluation;
• security;
• approval;
• audit;
• monitoring.

Maintenance​

Agent cần:

• prompt update;
• rule update;
• model migration;
• connector maintenance;
• data mapping.

Do đó:
Total Agent Cost
không phải:
Token Cost
mà là:
Model + Tool + Infrastructure + Integration + Human Review + Governance + Maintenance.

4. Human Intervention Rate là KPI kinh tế cực kỳ quan trọng​

Giả sử hai agent có cùng accuracy 95%.
Nhưng:
Agent A:
90% case tự xử lý
Agent B:
mọi case đều cần người review.
Hai agent này có economics hoàn toàn khác nhau.
Human Intervention Rate có thể tính:
Số case cần người can thiệp ÷ Tổng số case.
Ví dụ:
1.000 invoice
300 invoice cần review
Human Intervention Rate:
30%.
Nếu mỗi review mất 8 phút:
300 × 8 phút = 2.400 phút
=
40 giờ.
Finance cần đưa 40 giờ này vào cost model.
Một agent rẻ về token nhưng tạo quá nhiều exception có thể:
đắt hơn quy trình thủ công.

5. Straight-Through Processing Rate​

KPI đối nghịch với Human Intervention Rate là:
Straight-Through Processing Rate — STP.
Đây là tỷ lệ transaction đi từ đầu đến cuối mà không cần con người.
Ví dụ:
10.000 invoice
8.200 xử lý tự động
STP:
82%.
Khi Agent cải thiện:
82% → 90%
giá trị kinh tế có thể rất lớn.
Đây là một KPI CFO nên theo dõi vì nó nối trực tiếp:
Agent quality
→ Human workload
→ Cost per transaction.

6. AI Agent phải có “P&L” riêng​

Có thể coi mỗi agent như một mini business unit.
Ví dụ:

AR Agent​

Cost​

• model/API;
• n8n/workflow;
• infrastructure;
• human review;
• maintenance.

Benefit​

• DSO reduction;
• cash collected;
• bad debt avoided;
• collection hours saved.

Sau đó tính:
Net Agent Value
=
Economic Benefit – Total Agent Cost.
Nếu:
Benefit:
600 triệu/năm
Cost:
150 triệu/năm
thì:
Net Agent Value = 450 triệu/năm.
Từ đó có thể tính:
ROI
và
Payback.
Đây là cách CFO biến AI từ một câu chuyện công nghệ thành:
một investment portfolio.

7. Nhưng không phải benefit nào cũng là “giảm nhân sự”​

Đây là điểm cần thận trọng.
AI value không nên mặc định bằng:
Hours saved × hourly salary.
Có nhiều loại value khác.

Capacity Created​

Finance có thể xử lý nhiều volume hơn mà không tăng headcount.

Speed​

Ví dụ:
Close:
T+8 → T+4.

Quality​

Giảm:

• journal correction;
• reconciliation exception;
• data error.

Cash​

Ví dụ:
DSO giảm.

Margin​

Ví dụ:
BOM variance giảm.

Working Capital​

Ví dụ:
inventory days giảm.

Risk Avoided​

Ví dụ:
duplicate payment bị chặn.
Do đó agent business case cần đo:
economic outcome thực sự, không chỉ labor saving.

8. Agent Economics thay đổi theo Volume​

AI Agent có một đặc điểm rất giống automation.
Ban đầu có fixed cost:

• integration;
• data cleanup;
• testing;
• guardrail;
• training;
• workflow design.

Nhưng khi volume tăng, fixed cost được phân bổ trên nhiều transaction hơn.
Ví dụ:
Chi phí triển khai:
120 triệu
Variable cost:
2.000 đồng/invoice
Manual saving:
8.000 đồng/invoice.
Saving per invoice:
6.000 đồng.
Break-even volume:
120.000.000 ÷ 6.000
=
20.000 invoice.
Nếu doanh nghiệp chỉ xử lý:
2.000 invoice/năm
use case có thể không hấp dẫn.
Nếu xử lý:
100.000 invoice/năm
economics rất khác.
Vì vậy workflow có:
volume cao + lặp lại + measurable
thường là ứng viên AI Agent tốt.

9. Model càng mạnh chưa chắc economics càng tốt​

Một frontier model có thể reasoning rất tốt.
Nhưng không phải mọi tác vụ đều cần model mạnh nhất.
Ví dụ:

Duplicate Detection​

Rule có thể đủ.

Classification​

Small model có thể đủ.

Document extraction​

Specialized model có thể tốt hơn.

Complex variance analysis​

Frontier model có thể cần thiết.
Một kiến trúc kinh tế tốt có thể là:
Rule
→ nếu không xử lý được
Small Model
→ exception phức tạp
Frontier Model
→ high-risk case
Human.
Đây là Model Routing.
Mục tiêu không phải:

“Dùng model thông minh nhất.”

Mà là:

Dùng mức intelligence rẻ nhất nhưng đủ đạt outcome.

10. Cost per Successful Outcome​

Một KPI rất hữu ích là:
Cost per Successful Outcome.
Ví dụ một AR Agent chạy:
1.000 case
Cost:
20 triệu.
Nhưng chỉ:
400 case
được giải quyết thành công.
Cost per successful case:
20 triệu ÷ 400
=
50.000 đồng.
Nếu human process:
120.000 đồng/case
agent có economics tốt.
Nếu agent có token cost thấp nhưng resolution rate thấp, KPI này sẽ lộ ra ngay.

11. Đừng tối ưu token mà bỏ quên business value​

Finance dễ rơi vào một cực đoan mới:
FinOps chỉ tập trung giảm AI cost.
Ví dụ:
Model A:
Cost:
5 triệu
Benefit:
20 triệu.
Model B:
Cost:
15 triệu
Benefit:
200 triệu.
Nếu chỉ nhìn cost:
A rẻ hơn.
Nếu nhìn economics:
B tốt hơn rất nhiều.
Do đó CFO cần tối ưu:
Value / Cost
chứ không phải:
Cost thấp nhất.

12. Agent Portfolio Management​

Khi doanh nghiệp có nhiều agent, CFO có thể quản trị giống portfolio đầu tư.
Ví dụ:

Scale​

Agent có:

• ROI cao;
• outcome rõ;
• control tốt.

Improve​

Agent có:

• value cao;
• nhưng human intervention còn lớn.

Redesign​

Agent có:

• usage cao;
• ROI thấp.

Retire​

Agent có:

• ít sử dụng;
• không tạo measurable outcome.

Lúc đó doanh nghiệp không còn hỏi:

“Chúng ta có bao nhiêu AI Agent?”

Mà hỏi:

“Agent portfolio của chúng ta đang tạo bao nhiêu economic value?”

13. Một Agent Scorecard nên đo gì?​

Không cần bảng phức tạp.
Mỗi agent có thể có một scorecard gồm 5 nhóm.

Volume​

• runs;
• cases;
• transactions.

Cost​

• total agent cost;
• cost per case;
• cost per successful outcome.

Quality​

• accuracy;
• exception rate;
• human intervention rate;
• STP.

Business Outcome​

• cash;
• cost;
• margin;
• working capital;
• risk avoided.

Control​

• override;
• failed action;
• policy violation;
• unauthorized attempt.

Đây mới là management reporting cho digital workforce.

14. Từ Cost Center sang Digital Labor Cost Center​

Doanh nghiệp truyền thống có:

• Finance cost center;
• Production cost center;
• Sales cost center.

Khi AI Agent phát triển, có thể xuất hiện thêm một khái niệm:
Digital Labor Cost Center.
Ví dụ:
FIN-AI-AR
FIN-AI-AP
MFG-AI-COST
SCM-AI-MRP.
Chi phí AI được gắn về:

• business process;
• department;
• product;
• customer;

tùy nhu cầu quản trị.
Như vậy Finance có thể biết:
AI cost đang phục vụ business outcome nào.

15. Chargeback hoặc Showback​

Không phải doanh nghiệp nào cũng cần chargeback.
Nhưng ít nhất nên có:
Showback.
Ví dụ:
Sales đang tiêu:
30% AI cost.
Finance:
25%.
Operations:
35%.
Corporate:
10%.
Đi tiếp thêm một bước:
Sales AI cost tạo:
Revenue uplift.
Finance AI cost tạo:
Cash / Cost saving.
Operations AI cost tạo:
Yield / Throughput.
Lúc đó AI budget bắt đầu gắn với accountability.

16. Governance cũng là một phần của Economics​

Nếu agent chạy sai:

• gọi API vô hạn;
• retry liên tục;
• dùng model quá đắt;
• thực hiện transaction sai;

chi phí có thể tăng rất nhanh.
Do đó guardrail không chỉ là security.
Nó còn là:
Cost Control.
Ví dụ:

• max runs/hour;
• max model cost/task;
• max retry;
• budget limit;
• action threshold;
• kill switch.

Governance tốt giúp giảm:
unproductive AI consumption.

17. AI Agent Budget nên khác SaaS Budget​

SaaS budget:
50 users × 20 USD.
AI Agent budget nên có ba phần.

Fixed Budget​

• integration;
• infrastructure;
• platform.

Variable Budget​

• model usage;
• API;
• tool execution.

Contingency​

Cho:

• volume spike;
• model change;
• exception spike.

CFO nên theo dõi:
Actual vs AI Budget
như một operating expense có driver rõ ràng.

18. Ví dụ: Costing Agent​

Giả sử Costing Agent xử lý:
1.000 variance case/tháng.

Agent cost​

Model/API:
4 triệu
Workflow/infrastructure:
2 triệu
Human review:
8 triệu
Maintenance:
1 triệu
Tổng:
15 triệu/tháng.
Cost per case:
15.000 đồng.

Benefit​

Material leakage recovered:
60 triệu
Hours saved:
10 triệu
Total benefit:
70 triệu.
Net value:
55 triệu/tháng.
ROI tháng:
70 ÷ 15 = 4,67 lần benefit/cost.
Quan trọng hơn:
nếu Human Intervention Rate giảm từ:
40%
xuống:
20%
thì economics còn cải thiện mạnh.

19. Từ Finance Value Leakage đến Agent Economics​

Đây là chỗ framework bắt đầu hoàn chỉnh.

Finance Value Leakage Map​

Trả lời:

“Tiền đang mất ở đâu?”

Trusted Business Data​

Trả lời:

“Agent dựa vào dữ liệu nào?”

Core Workflow​

Trả lời:

“AI nằm ở bước nào?”

Insight → Transaction​

Trả lời:

“Insight biến thành hành động thế nào?”

Agent Economics​

Trả lời:

“Hành động đó tạo ra bao nhiêu value so với cost?”

Chuỗi hoàn chỉnh:
Leakage
→ Data
→ Detection
→ AI
→ Action
→ Outcome
→ Economics.

20. Digital Workforce không được quản trị như Headcount​

Nếu agent tạo capacity tương đương 3 FTE, điều đó không có nghĩa:
phải cắt 3 người.
Có thể dùng capacity để:

• tăng transaction volume;
• làm analytics tốt hơn;
• tăng control;
• cải thiện service;
• hỗ trợ business decision.

Vì vậy AI productivity nên dẫn tới câu hỏi:

Capacity mới sẽ được tái phân bổ vào đâu?

Nếu không có câu trả lời, “hours saved” rất dễ trở thành:
benefit trên PowerPoint nhưng không xuất hiện trong P&L.

21. Vai trò mới của CFO​

Trong agent economy, CFO có thể phải sở hữu một năng lực mới:
AI Resource Allocation.
Giống như CFO quản trị:

• CAPEX;
• headcount;
• working capital;

CFO sẽ quản trị:

• AI budget;
• agent portfolio;
• cost allocation;
• unit economics;
• benefit realization.

CFO không cần biết cách fine-tune model.
Nhưng CFO phải biết:

Một đồng chi cho AI tạo ra bao nhiêu economic value.

22. Một roadmap đơn giản cho SME​

SME không cần xây AI FinOps platform ngay.
Có thể bắt đầu bằng Google Sheets.
Với mỗi Agent, ghi:

Identity​

• Agent Name;
• Owner;
• Process.

Volume​

• Runs;
• Transactions.

Cost​

• AI/API;
• Infrastructure;
• Human Review.

Quality​

• Exception Rate;
• Human Intervention Rate.

Outcome​

• Cost Saved;
• Cash Released;
• Leakage Recovered;
• Risk Avoided.

Sau 3 tháng, doanh nghiệp đã có đủ dữ liệu để biết:
agent nào đáng scale.

23. 8 câu hỏi CFO nên hỏi mỗi Agent​

1. Agent giải quyết leakage nào?

1. Unit of work là gì?

1. Total cost per unit bao nhiêu?

1. Bao nhiêu % case vẫn cần human intervention?

1. Success rate bao nhiêu?

1. Financial outcome là gì?

1. ROI/payback bao nhiêu?

1. Nếu tắt agent ngày mai, business outcome nào sẽ xấu đi?

Câu số 8 đặc biệt quan trọng.
Nếu không có outcome nào thay đổi:
có thể agent đó chưa thực sự tạo value.

Kết luận​

AI Agent đang tạo ra một loại nguồn lực mới trong doanh nghiệp:
digital labor.
Và digital labor cũng cần được quản trị bằng logic kinh tế giống mọi nguồn lực khác.
Không nên chỉ hỏi:

“Agent dùng bao nhiêu token?”

Cũng không nên chỉ hỏi:

“Agent tiết kiệm bao nhiêu giờ?”

Câu hỏi tốt hơn là:

“Một đơn vị business outcome do Agent tạo ra có chi phí bao nhiêu?”

Và tiếp theo:

“Economic value tạo ra có lớn hơn Total Agent Cost hay không?”

Khi doanh nghiệp trả lời được hai câu hỏi đó, AI không còn là một khoản ngân sách công nghệ khó hiểu.
Nó trở thành một nguồn lực có:
Cost
→ Capacity
→ Performance
→ Outcome
→ ROI.
Đó chính là lúc CFO bắt đầu quản trị digital workforce giống như cách Finance đã quản trị con người, máy móc, vốn và các nguồn lực kinh tế khác trong nhiều thập kỷ qua.

Nguồn tham khảo​

• McKinsey, Where AI agents pay off: A practical guide to the economics of agentic workflows, 24/08/2026.
• McKinsey, Cost versus value: Managing agentic AI system performance, 08/07/2026.
• BCG, The Agentic Leadership Playbook: The CFO's Agenda in the Age of AI Agents, 25/08/2026.
• BCG, The CFO's AI Agenda: From Automation to Advantage, 12/05/2026.
• KPMG, AI Quarterly Pulse Survey Q2 2026, 24/06/2026.
• IDC, The Agent Economy Is Scaling Faster Than It Can Be Metered, 28/08/2026.