Triết lý tiết kiệm trong thời đại AI: Làm thế nào để chi tiêu mỗi Token một cách hiệu quả

作者：Sleepy.md

在那个按字收费的电报年代，筆墨即是金錢。人们习惯将万语千言浓缩至极致，「速归」抵得过一封长信，「平安」是最重的叮咛。

后来，电话牵进了家门，但长途费按分秒计费。父母的长途电话总是言简意赅，正事说完便匆匆挂断，一旦话头稍微延展，心疼话费的念头便会掐断刚冒头的寒暄。

再后来，宽带进家，上网按小时收费，人们盯着屏幕上的计时器，网页一开即关，视频只敢下载，流媒体在当时是个奢侈的动词。每一个下载进度条的尽头，都藏着人们对「连接世界」的渴望与对「余额不足」的忌惮。

计费的单位变了又变，省钱的本能亘古不变。

如今，Token 成了 AI 时代的货币。然而，大多数人尚未学会如何在这个时代精打细算，因为我们还没学会如何在看不见的算法里计算得失。

2022 年 ChatGPT 刚出来的时候，几乎没人关心 Token 为何物。那是 AI 的大锅饭时代，每月花个 20 美元，想聊多少聊多少。

但自从最近 AI Agent 火起来之后，Token 花销变成了每一个用 AI Agent 的人都必须关注的事情。

不同于一问一答的简单对话，一个任务流的背后是成百上千次的 API 调用，Agent 的独立思考是有代价的，每一次自我修正、每一次工具调用，都对应着账单上数字的跳动。然后你会发现你充值进去的钱突然就不够用了，而且你还不知道 Agent 到底都干了什么。

现实生活里，大家都知道怎么省钱。去菜市场买菜，我们知道把带泥的烂叶子择干净再上秤；打车去机场，老司机知道避开早高峰的高架。

数字世界里的省钱逻辑其实也一样，只不过计费单位从「斤」和「公里」，换成了 Token。

在过去，节省是由于匮乏；而在 AI 时代，节省是为了精准。

我们希望通过这篇文章，帮你梳理出一套 AI 时代下的省钱方法论，让你把每一分钱都花在刀刃上。

上秤前，先择掉烂菜叶

Trong kỷ nguyên điện tín thu phí theo chữ đó, từng nét chữ chính là tiền bạc. Mọi người có thói quen cô đọng vạn lời ngàn ý đến tận cùng; 「tăng tốc về ngay」 có thể sánh bằng một lá thư dài, và 「bình an」 là lời dặn nặng trĩu nhất.

Sau đó, điện thoại bước vào nhà, nhưng cước đường dài lại tính theo từng giây từng phút. Những cuộc gọi đường dài của bố mẹ luôn ngắn gọn súc tích, việc nói xong là vội vàng cúp máy; hễ câu chuyện kéo dài thêm một chút, ý nghĩ đau lòng vì tiền cước lập tức cắt đứt những câu chào hỏi lạnh lẽo vừa mới manh nha.

Rồi sau này, băng thông rộng vào tận nhà; lên mạng tính theo giờ. Người ta nhìn đồng hồ đếm trên màn hình: mở web là tắt ngay, video chỉ dám tải xuống, còn phát trực tuyến lúc đó là một động từ xa xỉ. Mỗi điểm dừng ở cuối thanh tiến trình tải xuống đều giấu trong đó khao khát của người ta về 「kết nối thế giới」 và nỗi e dè trước 「không đủ số dư」。

Đơn vị tính phí thay đổi hết lần này đến lần khác, nhưng bản năng tiết kiệm thì vẫn không đổi từ xưa đến nay.

Ngày nay, Token trở thành tiền tệ của thời đại AI. Tuy nhiên, phần lớn vẫn chưa học cách tính toán thật kỹ càng trong thời đại này, vì chúng ta vẫn chưa biết cách cân đo được mất lợi khi mọi thứ diễn ra trong những thuật toán vô hình.

Khi ChatGPT ra mắt vào năm 2022, hầu như chẳng ai quan tâm Token là gì. Đó là thời đại “ăn chung một nồi” của AI: mỗi tháng chỉ tốn 20 USD, muốn trò chuyện bao nhiêu thì trò chuyện bấy nhiêu.

Nhưng từ khi gần đây AI Agent bùng nổ, chi phí Token đã trở thành điều mà mỗi người dùng AI Agent đều phải để ý.

Không giống hội thoại đơn giản hỏi–đáp, phía sau một luồng tác vụ là hàng trăm đến hàng nghìn lần gọi API. Việc Agent “tự suy nghĩ” là có cái giá; mỗi lần tự hiệu chỉnh, mỗi lần gọi công cụ đều tương ứng với những lần nhảy của con số trên hóa đơn. Và rồi bạn sẽ nhận ra tiền bạn nạp vào bỗng dưng không đủ nữa, trong khi bạn lại không biết chính xác Agent đã làm những gì.

Trong đời thực, ai cũng biết cách tiết kiệm. Đi chợ mua rau, ta biết nhặt sạch lá hỏng dính đất rồi mới cân; đi taxi ra sân bay, tài xế giỏi biết tránh đường cao tốc vào giờ cao điểm buổi sáng.

Logic tiết kiệm trong thế giới số cũng giống vậy—chỉ khác là đơn vị tính phí từ “cân” và “km” được đổi thành Token.

Trong quá khứ, tiết kiệm là vì thiếu thốn; còn trong thời đại AI, tiết kiệm là để chính xác.

Chúng tôi hy vọng thông qua bài viết này sẽ giúp bạn hệ thống hóa một phương pháp luận tiết kiệm cho thời đại AI, để bạn có thể chi từng đồng đúng chỗ.

Trước khi lên cân, hãy loại bỏ lá rau hỏng

Trong kỷ nguyên AI, giá trị của thông tin không còn do độ rộng quyết định, mà do độ tinh khiết quyết định.

Logic tính phí của AI dựa trên số chữ mà nó “đọc”. Dù bạn đưa vào là những điều chân thực, hay chỉ là lời thoại định dạng vô nghĩa—miễn là nó đọc, bạn đều phải trả tiền.

Vì vậy, cách suy nghĩ đầu tiên để tiết kiệm Token là khắc 「tỷ lệ tín hiệu trên nhiễu」 vào tiềm thức.

Mỗi chữ, mỗi hình ảnh, mỗi dòng mã bạn đưa cho AI đều phải trả tiền. Do đó, trước khi giao bất cứ thứ gì cho AI, hãy nhớ tự hỏi: trong này có bao nhiêu phần AI thật sự cần? Bao nhiêu là lá rau hỏng dính đất?

Ví dụ như lời mở đầu dài dòng kiểu “Xin chào, hãy giúp tôi…” , phần giới thiệu bối cảnh lặp lại, hoặc chú thích mã chưa xóa sạch—tất cả đều là lá rau hỏng dính đất.

Ngoài ra, thứ lãng phí phổ biến nhất là cứ ném thẳng PDF hoặc ảnh chụp màn hình trang web cho AI. Đúng là bạn thấy nhẹ công hơn, nhưng trong thời đại AI, “nhẹ công” thường đồng nghĩa với “đắt đỏ”.

Một bộ PDF có định dạng đầy đủ, ngoài phần nội dung chính còn chứa đầu trang, chân trang, chú thích biểu đồ, watermark ẩn và một lượng lớn mã định dạng phục vụ cho bố cục. Những thứ này chẳng giúp AI hiểu vấn đề của bạn được gì, nhưng tất cả đều bị tính phí.

Lần sau nhớ chuyển PDF thành văn bản Markdown sạch rồi mới đưa cho AI. Khi bạn biến một file PDF 10MB thành văn bản 10KB sạch, bạn không chỉ tiết kiệm được 99% tiền, mà còn khiến “bộ não” của AI chạy nhanh hơn rất nhiều so với trước.

Hình ảnh là một “cỗ máy nuốt tiền” khác.

Theo logic của các mô hình thị giác, AI không quan tâm ảnh của bạn chụp có đẹp hay không; nó chỉ quan tâm bạn đã chiếm diện tích pixel bao nhiêu.

Lấy ví dụ logic tính toán chính thức của Claude: Token tiêu thụ của hình ảnh = chiều rộng (pixel) × chiều cao (pixel) ÷ 750.

Một bức ảnh 1000×1000 pixel tiêu tốn khoảng 1334 Token; quy đổi theo giá của Claude Sonnet 4.6 thì mỗi ảnh khoảng 0.004 USD;

nhưng nếu nén cùng một bức ảnh xuống 200×200 pixel, chỉ còn tiêu tốn 54 Token, chi phí giảm xuống 0.00016 USD—chênh lệch lên tới 25 lần.

Nhiều người cứ ném thẳng ảnh chụp độ phân giải cao từ điện thoại hay ảnh chụp màn hình 4K cho AI, không hề biết rằng số Token tiêu tốn cho các hình ảnh đó có thể đủ để AI đọc gần nửa cuốn tiểu thuyết vừa. Nếu tác vụ chỉ là nhận diện chữ trong ảnh hoặc thực hiện phán đoán thị giác đơn giản—ví dụ yêu cầu AI nhận ra số tiền trên hóa đơn, đọc chữ trong sách hướng dẫn, hoặc xác định trong ảnh có đèn giao thông hay không—thì độ phân giải 4K đúng là “lãng phí thuần túy”; chỉ cần nén ảnh xuống độ phân giải tối thiểu dùng được là đủ.

Nhưng nguyên nhân dễ làm lãng phí Token ở phía đầu vào, thực ra không phải do định dạng file, mà do cách nói thiếu hiệu quả.

Rất nhiều người xem AI như một người hàng xóm thật, quen giao tiếp bằng những lời “tỉ tê” kiểu xã giao; họ ném cho AI câu “giúp tôi viết một trang web”, rồi để AI nhả ra một bản nháp nửa vời, sau đó lại bổ sung chi tiết, rồi tiếp tục giằng co sửa đi sửa lại. Kiểu đối thoại “vắt răng” này khiến AI phải sinh nội dung lặp lại nhiều lần; mỗi vòng sửa đều cộng dồn mức tiêu hao Token.

Các kỹ sư của Tencent Cloud khi thực hành đã phát hiện: với cùng một nhu cầu, những cuộc hội thoại nhiều vòng kiểu “vắt răng”, rốt cuộc lượng Token tiêu tốn thường là từ 3 đến 5 lần so với việc trình bày rõ ràng một lần.

Con đường tiết kiệm thật sự là từ bỏ cách thử dò hỏi kiểu xã giao kém hiệu quả này; hãy nói rõ ngay một lần các yêu cầu, điều kiện ràng buộc, và ví dụ tham chiếu. Ít tốn sức giải thích “đừng làm cái gì”, vì câu phủ định thường tốn chi phí hiểu hơn câu khẳng định; hãy nói trực tiếp “nên làm như thế nào”, và đưa ra một ví dụ đúng đắn, rõ ràng.

Đồng thời, nếu bạn biết đích đến nằm ở đâu, hãy nói thẳng cho AI, đừng để AI đóng vai thám tử.

Khi bạn ra lệnh cho AI “tìm mã liên quan đến người dùng”, nó buộc phải tiến hành quét, phân tích và đoán mò quy mô lớn ở hậu trường; nhưng khi bạn trực tiếp nói “hãy xem file src/services/user.ts này”, mức tiêu hao Token khác xa nhau. Trong thế giới số, sự tương xứng về thông tin chính là sự tiết kiệm lớn nhất.

Đừng trả tiền cho “lịch sự” của AI

Việc tính phí của các mô hình lớn có một “luật ngầm” mà nhiều người không để ý: Token tạo ra (output) thường đắt hơn Token đầu vào (input) từ 3 đến 5 lần.

Nghĩa là lời AI nói ra sẽ đắt hơn rất nhiều so với lời bạn nói cho nó. Lấy ví dụ giá của Claude Sonnet 4.6: phần input cho mỗi một triệu Token chỉ cần 3 USD, còn phần output lại nhảy vọt lên 15 USD—chênh lệch tới 5 lần rưỡi.

Những câu mở đầu lịch sự kiểu “Vâng, tôi đã hiểu đầy đủ nhu cầu của ngài, giờ tôi bắt đầu trả lời cho ngài…” , và những kết thúc xã giao kiểu “Hy vọng nội dung trên sẽ hữu ích cho bạn”—trong giao tiếp người với người thì đó là phép lịch sự; nhưng trong hóa đơn API, mọi lời chào hỏi xã giao không tạo thêm thông tin này cũng đều là tiền của bạn.

Cách hiệu quả nhất để giảm lãng phí ở phía output là đặt ra luật lệ cho AI. Hãy dùng chỉ thị hệ thống để nói rõ: không cần chào hỏi, không cần giải thích, không cần lặp lại yêu cầu, hãy đưa ra đáp án ngay.

Những quy tắc này chỉ cần thiết lập một lần, sẽ có hiệu lực trong mọi cuộc hội thoại—đó là cách quản lý tài chính thật sự kiểu “đầu tư một lần, hưởng lợi mãi mãi”. Nhưng khi thiết lập luật lệ, nhiều người lại rơi vào một hiểu lầm khác: dùng ngôn ngữ tự nhiên dài dòng để chất đống chỉ thị.

Dữ liệu đo đạc thực tế của các kỹ sư cho thấy: hiệu quả của chỉ thị không nằm ở số lượng chữ, mà nằm ở mật độ. Khi nén một đoạn prompt hệ thống 500 chữ xuống 180 chữ bằng cách xóa các câu lịch sự vô nghĩa, gộp các chỉ thị lặp lại, và tái cấu trúc đoạn văn thành danh sách gọn gàng theo mục—chất lượng output của AI hầu như không thay đổi, nhưng mức tiêu hao Token cho mỗi lần gọi lại giảm đột ngột 64%.

Một biện pháp kiểm soát chủ động hơn nữa là giới hạn độ dài output. Nhiều người không bao giờ đặt trần output; cứ để AI “tự do phát huy”. Sự buông lỏng quyền biểu đạt này thường dẫn đến việc chi phí bị mất kiểm soát nghiêm trọng. Có thể bạn chỉ cần một câu ngắn “đúng trọng tâm”, nhưng AI lại vì muốn thể hiện một thứ “thành ý trí tuệ”, không nói một tiếng đã tạo cho bạn một bài tiểu luận dài 800 chữ.

Nếu bạn muốn chỉ lấy dữ liệu thuần túy, hãy bắt buộc AI trả về định dạng có cấu trúc, chứ không phải mô tả bằng ngôn ngữ tự nhiên dài dòng. Trong khi mang cùng lượng thông tin, Token tiêu thụ của định dạng JSON thấp hơn rất nhiều so với các đoạn văn rải rác. Điều này là vì dữ liệu có cấu trúc đã loại bỏ mọi từ nối dư thừa, hư từ về giọng điệu và các phần diễn giải bổ trợ; chỉ giữ lại lõi logic nồng độ cao.

Trong thời đại AI, bạn cần tỉnh táo nhận ra: thứ xứng đáng để bạn trả tiền không phải là giá trị của phần tự giải thích vô nghĩa của AI, mà là giá trị của kết quả.

Ngoài ra, “tư duy quá mức” của AI cũng đang điên cuồng bào mòn số dư tài khoản của bạn.

Một số mô hình cao cấp có chế độ “mở rộng tư duy” (extended thinking). Chế độ này sẽ tiến hành suy luận nội bộ quy mô lớn trước khi trả lời. Quá trình suy luận này cũng phải tính phí; và do được tính theo giá của phần output, nên nó rất đắt.

Chế độ này về bản chất dành cho các tác vụ phức tạp cần nền tảng logic sâu. Nhưng đa số mọi người lại chọn chế độ đó ngay cả khi hỏi những câu đơn giản. Với những tác vụ không cần suy luận sâu, hãy nói rõ với AI “không cần giải thích suy nghĩ, đưa ra đáp án trực tiếp”, hoặc tự tắt mở rộng tư duy, cũng đã giúp bạn tiết kiệm kha khá tiền rồi.

Đừng để AI “lật lại sổ cũ”

Các mô hình lớn không có trí nhớ thật sự; chúng chỉ đang điên cuồng lật lại sổ cũ.

Đây là một cơ chế tầng nền mà nhiều người không biết. Mỗi khi bạn gửi tin nhắn mới trong một cửa sổ hội thoại, AI không bắt đầu hiểu từ đúng câu bạn vừa gửi; mà nó sẽ đọc lại toàn bộ nội dung đã từng trao đổi trước đó—tất cả các vòng hội thoại, mọi đoạn mã, mọi tài liệu trích dẫn—rồi mới trả lời.

Trong hóa đơn Token, kiểu “ôn cũ để biết mới” này chắc chắn không hề miễn phí. Khi số vòng hội thoại cộng dồn, dù bạn chỉ hỏi lại một từ đơn giản, chi phí AI phải đọc lại toàn bộ “quyển sổ cũ” ở phía sau cũng sẽ tăng theo cấp số nhân. Cơ chế này quyết định rằng: hội thoại càng nặng nề lịch sử, thì mỗi câu hỏi của bạn càng đắt.

Có người đã theo dõi 496 cuộc hội thoại thực tế có từ hơn 20 tin nhắn trở lên, và phát hiện: tin nhắn thứ 1 trung bình đọc 14,000 Token, chi phí khoảng 3.6 xu; đến tin nhắn thứ 50, trung bình đọc 79,000 Token, chi phí khoảng 4.5 xu—đắt hơn tới 80%. Hơn nữa bối cảnh ngày càng dài: đến tin nhắn thứ 50, phần bối cảnh AI phải xử lý lại là 5.6 lần so với tin nhắn thứ 1.

Để giải quyết vấn đề này, thói quen đơn giản nhất là: một tác vụ, một cửa sổ hội thoại.

Khi đã xong một chủ đề, hãy dứt khoát mở một cuộc hội thoại mới; đừng xem AI như một cửa sổ chat không bao giờ tắt. Thói quen này nghe thì đơn giản, nhưng nhiều người lại không làm được. Họ cứ nghĩ “lỡ như sau này cần dùng lại phần trước thì sao”. Trên thực tế, phần lớn những “lỡ như” mà bạn lo tới sẽ không bao giờ xảy ra; nhưng vì một “lỡ như” đó, bạn đã phải trả thêm nhiều lần tiền cho mỗi tin nhắn mới.

Khi hội thoại thực sự cần được tiếp nối nhưng bối cảnh đã trở nên quá dài, chúng ta có thể dùng một số công cụ để nén. Claude Code có lệnh /compact, có thể cô đọng lịch sử hội thoại dài dòng thành một đoạn tóm tắt ngắn, giúp bạn làm một lần “thanh lọc cyberspace” kiểu cắt bỏ rác.

Ngoài ra còn một logic tiết kiệm khác gọi là Prompt Caching（bộ nhớ đệm prompt）. Nếu bạn lặp lại cùng một đoạn prompt hệ thống, hoặc mỗi cuộc hội thoại đều phải trích dẫn cùng một tài liệu tham chiếu, AI sẽ cache phần đó; lần gọi sau chỉ tính một khoản chi phí đọc cache rất nhỏ, thay vì tính phí toàn giá mỗi lần.

Theo bảng giá chính thức của Anthropic, giá của Token khi cache hits là 1/10 so với giá bình thường. Prompt Caching của OpenAI cũng có thể giảm chi phí input khoảng 50%. Một bài luận đăng trên arXiv vào tháng 1 năm 2026 đã thử nghiệm các tác vụ dài trên nhiều nền tảng AI, và phát hiện rằng prompt caching có thể giảm chi phí API từ 45% đến 80%.

Nghĩa là cùng một nội dung: lần đầu đưa cho AI thì trả toàn giá, còn từ những lần sau mỗi lần chỉ trả 1/10. Với những người dùng phải lặp lại mỗi ngày cùng một bộ tài liệu chuẩn hoặc prompt hệ thống, tính năng này có thể tiết kiệm lượng lớn Token.

Nhưng Prompt Caching có một điều kiện: nội dung và thứ tự của prompt hệ thống và tài liệu tham chiếu của bạn phải giữ nguyên, đồng thời phải đặt ở vị trí đầu tiên của cuộc hội thoại. Chỉ cần nội dung thay đổi dù một chút, cache sẽ vô hiệu và bạn sẽ bị tính phí toàn giá trở lại. Vì vậy, nếu bạn có một bộ quy chuẩn công việc cố định, hãy “đóng đinh” nó lại, đừng sửa tùy tiện.

Mẹo quản lý bối cảnh cuối cùng là nạp theo nhu cầu. Nhiều người thích nhét hết mọi thứ—quy định, tài liệu, lưu ý—một mạch vào prompt hệ thống, với lý do vẫn là “phòng khi cần”.

Nhưng cái giá của cách đó là: bạn rõ ràng chỉ đang làm một tác vụ rất đơn giản, vậy mà lại bị buộc phải tải lên hàng nghìn chữ quy tắc, vô ích đốt cháy một đống Token. Tài liệu chính thức của Claude Code khuyên nên giữ CLAUDE.md trong vòng 200 dòng; đồng thời tách các quy tắc chuyên biệt cho từng tình huống thành các tệp kỹ năng độc lập—chỉ khi gặp tình huống đó mới tải các quy tắc tương ứng. Giữ cho bối cảnh tuyệt đối “tinh khiết” chính là sự tôn trọng đối với hiệu năng tính toán cao nhất.

Đừng lái Porsche đi mua rau

Các mô hình AI khác nhau có chênh lệch giá rất lớn.

Claude Opus 4.6 tính 5 USD input cho mỗi một triệu Token, output là 25 USD; còn Claude Haiku 3.5 chỉ cần 0.8 USD input và 4 USD output—chênh lệch gần 6 lần. Dùng mô hình hạng top để làm công việc lặt vặt như thu thập tài liệu và định dạng bố cục không những chậm mà còn rất đắt.

Cách dùng thông minh là mang tư duy “phân công theo giai cấp” vốn phổ biến trong xã hội loài người sang xã hội AI: các tác vụ có độ khó khác nhau giao cho các mô hình có mức giá khác nhau.

Giống như ngoài đời, bạn sẽ không thuê riêng một chuyên gia lương năm trăm triệu để đi khuân gạch ở công trường.

AI cũng vậy. Trong tài liệu chính thức của Claude Code cũng khuyến nghị rõ: Sonnet xử lý hầu hết các tác vụ lập trình; Opus dành cho các quyết định kiến trúc phức tạp và suy luận nhiều bước; còn các tác vụ con đơn giản thì chỉ định dùng Haiku.

Một phương án triển khai cụ thể hơn là xây dựng “quy trình làm việc hai giai đoạn”. Ở giai đoạn đầu, dùng mô hình nền tảng miễn phí hoặc rẻ để làm các việc lặt vặt bẩn thỉu: thu thập tư liệu, làm sạch định dạng, tạo bản nháp, phân loại và tóm lược đơn giản. Sang giai đoạn thứ hai, đem phần tinh luyện đã được cô đọng và có độ tinh khiết cao đó “đút” cho mô hình cao cấp để thực hiện quyết định cốt lõi và tinh chỉnh chuyên sâu.

Ví dụ, nếu bạn cần phân tích một báo cáo ngành 100 trang, bạn có thể trước tiên dùng Gemini Flash để trích xuất các dữ liệu và kết luận then chốt trong báo cáo, rồi tổng hợp thành một bản tóm tắt 10 trang; sau đó đem bản tóm tắt này giao cho Claude Opus để phân tích và phán đoán chuyên sâu. Quy trình hai giai đoạn như vậy có thể nén chi phí rất mạnh trong khi vẫn đảm bảo chất lượng.

Mức độ cao hơn so với việc chỉ xử lý theo từng đoạn là sự phân công sâu dựa trên giải cấu trúc tác vụ. Một nhiệm vụ kỹ thuật phức tạp hoàn toàn có thể được tách thành nhiều tác vụ con độc lập, và gán cho đúng mô hình phù hợp nhất.

Ví dụ, với một tác vụ cần viết mã, bạn có thể để mô hình rẻ viết khung và mã mẫu trước, rồi chỉ giao phần lõi logic cho mô hình đắt tiền để hiện thực. Mỗi tác vụ con có bối cảnh sạch và tập trung, kết quả chính xác hơn, và chi phí cũng thấp hơn.

Bạn vốn không cần phải tốn Token

Toàn bộ phần thảo luận phía trên về bản chất đều giải quyết vấn đề chiến thuật “làm sao để tiết kiệm tiền”, nhưng một mệnh đề logic tầng thấp hơn mà nhiều người bỏ qua là: thao tác này rốt cuộc có cần phải tốn Token hay không?

Mức tiết kiệm tối cực nhất không phải là tối ưu thuật toán, mà là “tư duy cắt bỏ” trong quyết định. Chúng ta đã quen hỏi AI để có câu trả lời vạn năng, nhưng lại quên rằng ở nhiều tình huống, việc gọi một mô hình lớn đắt tiền chẳng khác gì dùng pháo cao xạ bắn muỗi.

Ví dụ: nhờ AI tự xử lý email, nó sẽ coi mỗi email là một tác vụ độc lập để hiểu, phân loại và trả lời—tiêu hao Token rất lớn. Nhưng nếu bạn dành 30 giây nhìn nhanh hộp thư, tự tay lọc bỏ những email rõ ràng không cần AI xử lý, rồi mới đưa phần còn lại cho AI, thì chi phí sẽ lập tức giảm xuống chỉ còn một phần nhỏ so với trước. Năng lực phán đoán của con người ở đây không phải là trở ngại, mà là bộ lọc tốt nhất.

Người trong thời đại điện tín biết rằng cứ phát thêm một chữ thì phải tốn thêm bao nhiêu tiền, nên họ sẽ cân nhắc—đó là cảm giác trực giác về tài nguyên. Thời đại AI cũng y hệt: khi bạn thật sự biết rằng cứ để AI nói thêm một câu thì tốn bao nhiêu tiền, bạn tự nhiên sẽ cân nhắc xem việc đó có đáng hay không: có nên để AI làm không, tác vụ này cần mô hình xịn hay mô hình rẻ, và phần bối cảnh này còn hữu ích không.

Sự cân nhắc này chính là năng lực tiết kiệm nhất. Trong thời đại năng lực tính toán ngày càng đắt đỏ, cách dùng thông minh nhất không phải là để AI thay thế con người, mà là để AI và con người làm đúng phần mà mỗi bên giỏi. Khi sự nhạy cảm với Token được nội hóa thành một phản xạ có điều kiện, bạn mới thật sự thoát khỏi vị trí “thuộc hạ của năng lực tính toán” và trở thành “chủ nhân của năng lực tính toán”.