Tốn bao nhiêu tiền cho 1 task chuyên gia Marketing thời đại AI?

Tuần vừa rồi, Perplexity có cập nhật lớn: mỗi tài khoản Personal Pro được tặng 4.000 token credit, Enterprise Pro được tặng 8.500 token credit để người dùng trải nghiệm tính năng mới mang tên Perplexity Computer. Computer là một lớp “AI coworker” cho phép mình build task, viết skill YAML, tự động hoá workflow theo đúng trào lưu Agent Code / Agentic Code đang làm rần rần cộng đồng IT, Marketing và các chủ doanh nghiệp đam mê AI, nối tiếp làn sóng Claude Code, Antigravity và các hệ multi-agent khác.

Tranh thủ ít thời gian cuối tuần, mình cũng ngồi vọc thử. Vừa để không bị tụt lại trước nhịp phát triển công nghệ, vừa để xem có thể tận dụng gì cho công việc cá nhân và vận hành trong một Digital Marketing Agency. Sau một hồi ngồi vọc, mình quyết định chốt lại 02 luồng ứng dụng AI cho nhu cầu cá nhân và 01 ứng dụng cho team tư vấn giải pháp – để đủ cảm nhận và gần với thực tế nhu cầu mình cần.

Kịch Bản 01 – Skill Tự Động Ghi Chú YouTube → Notion Cho Việc Học Cá Nhân

Trước đây, mỗi lần xem một podcast YouTube hay, mình sẽ dùng một lệnh Shortcuts đã cấu hình sẵn trong Perplexity để tóm tắt và ghi chú tự động vào Notion. Perplexity chạy ở chế độ assistant, tự xử lý rồi đẩy text lên. Tiện – nhưng không phải lúc nào cũng đưa ra kết quả hết sẩy 100%.

Vấn đề gặp phải khá thường xuyên:

• Sai định dạng khi xuất ra Notion

• Thiếu dấu, lỗi dấu tiếng Việt trong những đoạn dài hoặc câu phức tạp

Với kịch bản này mình tự viết một skill theo chuẩn YAML để Computer đảm nhận luôn cả luồng này một cách có kiểm soát hơn.

name: "youtube-to-notion-summary" version: "1.0.0" description: > Convert YouTube videos (talks, lectures, podcasts) into a Notion-ready Markdown page with Main Notes, Key takeaways, Quotes, and a Summary. inputs: - name: video_url type: string required: true description: "YouTube URL of the video to process." - name: language type: string required: false default: "vi" enum: ["en", "vi"] description: > Language for the Key takeaways and Summary sections. 'en' = English, 'vi' = Vietnamese. output: format: "markdown" template: | # {Video Title or a clear descriptive title} **Type:** Video Notes **Topic:** {main topics / keywords} **Author/Speaker:** {speaker name if known, otherwise "Unknown"} **Source:** {video_url} **Date Captured:** {today's date} --- ## Main Notes {cleaned full transcript, in paragraphs} --- ## Key takeaways - Point 1 - Point 2 - ... --- ## Quotes - "Quote 1" - "Quote 2" - ... --- ## Summary {1–2 paragraphs} ---

Kết quả chạy thử:

• ⏱ Thời gian thực thi: khoảng 11 phút 36 giây

• 💳 Chi phí: 258 credits

• ✅ Output: nội dung được tóm tắt đầy đủ, format chuẩn, tiếng Việt có dấu rõ ràng, tự động xuất ra format theo chuẩn Notion đúng như kỳ vọng.

• Với mình thay vì mỗi lần làm gì mà phải lặp lại 5–7 thao tác giống nhau, mình thường đóng nó thành qui trình các bước rồi tìm cách đưa vài thao tác tự động hoặc ứng dụng AI vào. Lần này mình thử nghiệm đóng gói tất cả thành một skill, để AI làm việc nền, còn mình tập trung vào việc hiểu và ứng dụng kiến thức. Người làm marketing và digital vốn đã quá nhiều thứ phải lo và nhiều thứ phải làm; cắt được những khâu vặt thì tiết kiệm được mớ thời gian để dành cho các công việc quan trọng hơn.

Kịch Bản 02 – Skill Phân Tích Đối Thủ (Marketing – Competition Analysis) Cho Team Tư Vấn

Kịch bản thứ hai mình chọn cách không cần tự viết, mà sử dụng luôn skill có sẵn trong Computer: Marketing – Competition Analysis.

Ngay khi khởi chạy, skill này không chỉ “nhận lệnh rồi làm”, mà hỏi lại mình khá kỹ như một chuyên gia phân tích thật:

• Phân tích ở góc độ nào (thị phần, định vị, thông điệp, kênh…)?

• Ngành gì?

• Danh sách đối thủ cụ thể là ai?

• Muốn xuất ra dạng văn bản hay file trình chiếu PowerPoint?

Sau khi cung cấp thông tin về công ty và danh sách đối thủ, Computer bắt đầu xử lý theo một chuỗi bước khá dài.

Kết quả:

• 🔄 Hơn 16 bước lớn trong toàn bộ workflow

• ⏱ Thời gian thực thi: khoảng 14 phút 26 giây

• 💳 Chi phí: 372 credits

• 📄 Output: báo cáo 14 trang, format chuẩn, cấu trúc rõ ràng, đủ để dùng ngay cho buổi tư vấn ở mức cơ bản mà gần như không cần chỉnh sửa quá nhiều

Nếu so với cách mình vẫn làm trước đây – gom tài liệu từ nhiều nguồn, ném vào AI cho phân tích, deep research, chạy vài vòng, rồi dùng chức năng tổng hợp file để viết lại thành một báo cáo hoàn chỉnh, đa góc nhìn – thì quy trình cũ thường tốn từ 30 phút đến 2 tiếng cho một bộ báo cáo tương đương. Ở đây, toàn bộ công việc “chân tay” copy và ném qua ném lại dữ liệu được thực thi phần lớn.

Vậy 1 Task Chuyên Gia Marketing Tốn Bao Nhiêu Tiền?

Để dùng được giải pháp trên, hiện tại nếu giả sử mình chưa cần đầu tư nhiều thời gian nghiên cứu và học thêm các chức năng khác và cần ứng dụng AI ngay thì có thể mua ngay gói của Perlexity , tối đa là gói Perplexity Max – 200 USD/tháng, đi kèm 10.000 credits Computer mỗi tháng, kèm bonus một lần 20–35k credits cho giai đoạn đầu tuỳ thời điểm. Các tài khoản mới đang được ưu đãi token như tài khoản mình đến ngày 13 tháng 04.

Nếu tạm lấy con số 10.000 credits / tháng:

• 1 task phân tích đối thủ như mình mô tả: ~ 372 credits

• Với 10.000 credits, có thể chạy khoảng 26–27 task tương tự mỗi tháng (10.000 / 372 ≈ 26,8) trước khi đụng trần giới hạn.

Quy đổi chi phí:

• 200 USD / 26 task ≈ 7,7 USD / task

• Tức khoảng 180.000–200.000đ cho 1 báo cáo 14 trang ở mức “chuyên gia ảo” – chưa tính tháng đầu có bonus credits thì chi phí này đã rẻ và tiện hơn.

So với thị trường:

• Thuê freelancer/consultant làm 1 bản phân tích đối thủ tử tế có thể từ 1,5–5 triệu hoặc hơn, tuỳ level

• Dùng nhân sự in-house: ít nhất 4–8 giờ công cho 1–2 bạn trong team marketing

Từ phân tích trên thì AI không “miễn phí”, nhưng chi mỗi lần “triệu hồi 1 chuyên gia ảo” đang rẻ đi rất nhiều nếu mình biết cách đóng gói thành task rõ ràng và đo đạc lại hiệu quả. Chưa kể chúng ta có thể nâng cấp và tối ưu cho các lần làm việc tiếp. Còn nếu trực tiếp build từ đầu với Claude Code, Antigravity hay bất kỳ giải pháp nào khác thì có thể rẻ nữa nhưng mất thời gian, xây dựng, kiểm thử đi nhiều lần. Tuy nhiên bước này có thể xem xét triển khai sau khi các luồng và skill đã chạy ổn.

Sau 2 kịch bản trên, thì chúng ta có thể rút ra điều gì?

Điểm mạnh:

• Tốc độ xử lý đáng kể so với quy trình thủ công nhiều bước

• Skill có thể tái sử dụng — viết một lần, dùng lại nhiều lần, đây là lợi thế cạnh tranh, chưa kể còn nâng cấp tối ưu.

• Output chuyên nghiệp hơn khi skill được định nghĩa rõ ràng, đã tối ưu luồng qui trình, đặc biệt với content tiếng Việt trong trường hợp của mình đang dùng.

• Computer đang tích hợp 19 AI model song song, mỗi subtask được phân công cho model phù hợp nhất thay vì ép một model làm tất.

Điểm cần lưu ý:

• Credit tiêu thụ khá nhanh — với tác vụ phức tạp như phân tích đối thủ, một lần chạy tốn ~372 credits. Cần lên kế hoạch sử dụng, không nên chạy thử tùy tiện.

• Kết quả đầu ra vẫn phụ thuộc vào chất lượng đầu vào input — đầu vào rác thiếu thông tin thì đầu ra cũng như nồi lẩu thập cẩm hay cái máng heo (garbage in, garbage out) dù AI mạnh đến đâu

• Với nội dung tiếng Việt, chuyên ngành, số liệu: cần review trước khi gửi khách hàng, không nên tin tuyệt đối vào AI dù phiên bản tốt đến đâu.

Xu hướng Agentic AI đang dịch chuyển rõ rệt — từ chỗ “dùng AI như công cụ tìm kiếm” sang “AI như một nguồn lực số (digital worker) thực sự”. Với MOODBIZ và các Digital Marketing Agency, hoặc anh em doanh chủ muốn tối ưu vận hành, mở rộng cơ hội kinh doanh đây không phải là câu hỏi “có nên dùng không” mà là “ai trong team sẽ đi đầu? bộ phận nào? qui trình nào sẽ tối ưu trước để mở rộng nguồn lực cho doanh nghiệp”. Hay trước sợ hãy thì Founder/CEO là người đi đầu để chuyển hóa toàn bộ tổ chức và doanh nghiệp của mình.

Hiện tại mình chưa deploy ngay vào quy trình chính thức, nhưng 2 kịch bản trên đã cho thấy tiềm năng rõ ràng ở 3 ứng dụng cụ thể: tự động hoá research & báo cáo nội bộ, phân tích đối thủ nhanh cho pitch deck, và xây dựng knowledge base cá nhân từ nội dung học tập.

Bạn đang dùng AI theo kiểu nào? Vẫn đang “chat” hay đã bắt đầu “program” nó làm việc cho mình? — Chia sẻ bên dưới nhé.