BÀI VIẾT
Khi AI làm code rẻ đi: vì sao mô hình bán giờ của gia công phần mềm đang bị đập đi xây lại
AI làm một giờ code đáng giá hơn nhưng khiến việc tính tiền theo giờ mất giá. Dịch chuyển từ T&M sang outcome-based nhìn từ CEO, kỹ sư, khách hàng và nhà đầu tư.

Trong bài viết
Suốt hơn hai mươi năm, các công ty gia công phần mềm vận hành theo một công thức đơn giản đến mức ai cũng thuộc:
Doanh thu = Số nhân sự × Số giờ làm × Đơn giá mỗi giờ
Khách hàng nước ngoài chấp nhận trả tiền theo giờ, tức mô hình Time & Materials (T&M), vì họ hiểu rằng muốn viết xong một khối lượng code và kiểm thử nó thì cần từng ấy người ngồi từng ấy thời gian. Giờ công là thước đo gần đúng nhất cho khối lượng công việc, nên nó trở thành đơn vị tính tiền.
Claude, Copilot, Cursor và các coding agent đã làm thước đo đó lệch đi. Khi một việc từng cần hai người làm trong một tuần nay có thể do một người làm xong trong vài ngày, câu hỏi không còn là “đội của anh làm bao nhiêu giờ” mà là “tôi đang trả tiền cho cái gì”.
Bài này đi qua bốn phần: AI thực sự tăng năng suất đến đâu, vì sao mô hình bán giờ tự mâu thuẫn với AI, rủi ro dịch chuyển ra sao khi chuyển sang bán kết quả, và từng vai trò trong chuỗi giá trị (kể cả khách hàng và nhà đầu tư) nhìn thay đổi này như thế nào. Cuối bài là vài phản biện, vì câu chuyện không đơn giản như “giờ công đã chết”.
1. AI tăng năng suất thật, nhưng không đều như người ta nghĩ
Con số hay được nhắc nhất đến từ thí nghiệm có đối chứng của GitHub và MIT năm 2023: 95 lập trình viên chuyên nghiệp được chia ngẫu nhiên làm hai nhóm cùng viết một HTTP server bằng JavaScript. Nhóm dùng Copilot hoàn thành nhanh hơn 55,8%, mất khoảng 1 giờ 11 phút so với 2 giờ 41 phút của nhóm còn lại (Peng và cộng sự, arXiv 2302.06590; GitHub Blog).
Nhưng đó là một bài tập nhỏ, viết từ đầu, trên một codebase trống. Khi METR làm một thử nghiệm ngẫu nhiên khác vào giữa năm 2025, với 16 kỹ sư open source giàu kinh nghiệm làm 246 task thật trên chính repo họ quen thuộc, kết quả ngược lại: có AI thì họ chậm hơn 19%. Điều thú vị nhất là trước khi làm, họ dự đoán AI sẽ giúp nhanh hơn 24%, và sau khi làm xong vẫn tin mình đã nhanh hơn khoảng 20% (The Register; DX newsletter).

Báo cáo DORA 2025 của Google, khảo sát gần 5.000 người làm kỹ thuật, đưa ra một cách hiểu dễ nhớ: AI là bộ khuếch đại. Đội đã có quy trình tốt thì tăng throughput rõ rệt; đội yếu thì độ bất ổn khi giao hàng (delivery instability) tăng lên, vì khối lượng code sinh ra nhanh hơn khả năng review, test và vận hành của họ (DORA 2025 report; InfoQ).
Ghép ba nguồn lại, bức tranh thực tế là:
- Với việc mới, rõ yêu cầu, ít ràng buộc (prototype, CRUD, script, test case, migration lặp lại), mức tăng 1,5–2 lần là có thật.
- Với hệ thống cũ, nghiệp vụ phức tạp, nhiều phụ thuộc, mức tăng nhỏ hơn nhiều, đôi khi âm.
- Phần tốn thời gian nhất của dự án (làm rõ yêu cầu, thiết kế, tích hợp, kiểm thử hồi quy, vận hành) chưa được rút ngắn tương ứng.
Nhưng đây là điểm mấu chốt: về mặt thương mại, cảm nhận của khách hàng quan trọng hơn con số trung bình. Khách đã tin rằng AI làm code rẻ đi, và họ đang đòi giá theo niềm tin đó. Reuters (8/2026) dẫn lời CEO Persistent Systems, Sandeep Kalra: khách hàng muốn cùng khối lượng công việc với giá thấp hơn 25–30% và giao nhanh hơn. CEO Wipro, Srini Pallia, cũng ước tính phát triển phần mềm có AI hỗ trợ sẽ rẻ hơn khoảng 25% (The Star / Reuters; The Star / Reuters, 1/2026).
2. Nghịch lý của mô hình bán giờ: càng giỏi AI càng mất doanh thu
Lấy một ví dụ đơn giản. Một đội 10 kỹ sư, mỗi tháng 160 giờ, đơn giá 30 USD/giờ:
| Kịch bản | Giờ bill / tháng | Doanh thu / tháng | Ghi chú |
|---|---|---|---|
| Trước AI | 1,600 | 48,000 USD | Baseline |
| AI tăng tốc 1,5×, giữ T&M | ~1,070 | ~32,000 USD | Mất ~33% doanh thu cho cùng khối lượng |
| AI tăng tốc 2×, giữ T&M | 800 | 24,000 USD | Mất 50% |
| AI tăng tốc 2×, bán trọn gói 40,000 USD | 800 (chi phí nội bộ) | 40,000 USD | Khách trả ít hơn 17%, công ty giữ được biên |

Dòng thứ hai và thứ ba là cái bẫy: công ty càng đầu tư vào AI để làm nhanh, doanh thu tính theo giờ càng giảm. Công nghệ tự bóp nghẹt mô hình kinh doanh của chính người dùng nó. Dòng cuối là lý do cả ngành đang chuyển hướng: khi bán kết quả, phần năng suất AI tạo ra được chia giữa khách và nhà cung cấp, thay vì chảy hết về phía khách.
Khách hàng không ngây thơ. Họ biết AI giúp kỹ sư nhanh đến đâu, và câu hỏi của họ rất thẳng: “Tại sao tôi phải trả tiền cho 8 tiếng làm việc của anh, khi nhờ AI anh chỉ mất 3 tiếng?” Kể cả khi câu trả lời thật là “vì 5 tiếng còn lại là review, test và sửa lỗi AI gây ra”, giờ công đã mất vai trò làm thước đo đáng tin.
3. Ngành đang chuyển sang bán kết quả: bằng chứng từ các ông lớn
Đây không còn là lý thuyết. Một số mốc đáng chú ý trong năm 2026:
- TCS: CEO K. Krithivasan nói với Reuters rằng khoảng 80% hợp đồng trong mảng tài chính, nhân sự và dịch vụ doanh nghiệp của TCS nay gắn với chỉ số kết quả. Con số này áp dụng cho một mảng, chưa phải toàn công ty (Zawya / Reuters).
- Accenture: theo tóm tắt cuộc gọi công bố kết quả quý 4 năm tài chính 2026, hơn 65% bookings là hợp đồng giá cố định (bao gồm outcome-based), giá giảm “ở nhiều mảng”, và công ty thừa nhận đang “trả lại thêm năng suất cho khách nhờ AI” (MatterFact).
- Infosys: báo cáo 20-F cảnh báo đối thủ có thể đưa ra cam kết năng suất cao hơn nhờ đầu tư AI, dẫn tới áp lực giảm giá đáng kể (SEC 20-F FY2026).
- Phía người mua: khảo sát của HFS Research và EY với 304 lãnh đạo thuộc nhóm Global 2000 cho thấy khoảng 39% doanh nghiệp đang dùng outcome-based pricing cho dịch vụ AI, 72% thấy thoải mái với mô hình này, và 82% thích cấu trúc lai (hybrid). HFS cũng nhận định AI sẽ kéo theo đàm phán lại hợp đồng IT trong vòng 24 tháng, nhất là hợp đồng trên 50 triệu USD mỗi năm (HFS Research).
Xu hướng thì rõ, nhưng con số 82% chọn hybrid cũng cho thấy thị trường chưa nhảy hẳn sang “trọn gói thuần”. Mục 6 sẽ quay lại điểm này.
4. Rủi ro xoay 180 độ
Khi đổi từ bán thời gian sang bán kết quả, thay đổi lớn nhất không nằm ở bảng giá mà ở ai chịu rủi ro.
| Time & Materials | Fixed-price / Outcome-based | |
|---|---|---|
| Ai chịu rủi ro ước lượng sai | Khách hàng | Nhà cung cấp |
| Khách đổi yêu cầu giữa chừng | Khách trả thêm giờ | Phải có change request, nếu không nhà cung cấp lỗ |
| Năng suất AI thuộc về ai | Khách (giờ bill giảm) | Nhà cung cấp (nếu giữ được giá) |
| Động lực của nhà cung cấp | Kéo dài, thêm người | Làm nhanh, tự động hóa, giảm lỗi |
| Biên lợi nhuận | Ổn định, thấp | Biến động mạnh: cao nếu làm tốt, âm nếu ước lượng sai |
Rủi ro ước lượng sai không hề nhỏ. Nghiên cứu nổi tiếng của McKinsey và Đại học Oxford trên hơn 5.400 dự án IT lớn cho thấy chúng trung bình vượt ngân sách 45%, trễ 7%, và tạo ra ít hơn 56% giá trị so với dự kiến (McKinsey). Dưới T&M, phần vượt 45% đó do khách trả. Dưới mô hình trọn gói, nó trừ thẳng vào lợi nhuận của công ty phần mềm.
Thêm vào đó là rủi ro riêng của thời AI: code sinh ra nhanh nhưng có thể chứa lỗi tinh vi, nợ kỹ thuật tích lũy nhanh hơn, và như DORA chỉ ra, độ bất ổn khi giao hàng tăng lên ở những đội chưa sẵn sàng. Một công ty nhận trọn gói mà không có năng lực kiểm soát chất lượng tương xứng đang tự đặt cược bằng biên lợi nhuận của mình.
5. Mỗi vai trò nhìn thấy một câu chuyện khác nhau
5.1. CEO và founder công ty gia công
Câu hỏi chiến lược không còn là “tuyển thêm bao nhiêu người” mà là “bán cái gì”. Doanh thu không còn tỉ lệ thuận với headcount, nên các chỉ số quen thuộc như utilization, tỉ lệ bench hay tốc độ tuyển dụng mất dần ý nghĩa. Chỉ số mới cần theo dõi là doanh thu và lợi nhuận gộp trên mỗi kỹ sư, tỉ lệ dự án trọn gói có lãi, và giá trị tài sản tái sử dụng (accelerator, template, bộ test, agent nội bộ).
Lựa chọn khó nhất là tự ăn mòn doanh thu cũ (cannibalize) trước khi đối thủ làm điều đó. Infosys thừa nhận đã chủ động bỏ những hợp đồng không còn hiệu quả kinh tế; Tech Mahindra cắt hơn 12.000 người; headcount của TCS giảm còn 584.519 vào cuối năm tài chính 2026 (Tuổi Trẻ News / Reuters). Không có lựa chọn nào dễ chịu.
5.2. Sales và presales
Trước đây sales bán “một đội 10 người, đơn giá X”. Giờ họ phải bán một kết quả đo được: “hệ thống thanh toán chạy production, chịu tải Y, giao trong 12 tuần, giá Z”. Điều đó đòi hỏi presales hiểu nghiệp vụ của khách sâu hơn, viết được định nghĩa hoàn thành (definition of done) và tiêu chí nghiệm thu rõ ràng, và biết từ chối những dự án mà yêu cầu quá mơ hồ để định giá trọn gói.
Một kỹ năng mới trở nên sống còn: định giá dựa trên giá trị cho khách (value-based pricing) thay vì cộng chi phí. Nếu hệ thống giúp khách tiết kiệm 500.000 USD mỗi năm, mức giá 150.000 USD là hợp lý, bất kể đội làm mất bao nhiêu giờ.
5.3. Project manager và delivery manager
Dưới T&M, PM tốt là người giữ đội luôn bận và báo cáo giờ đúng. Dưới mô hình trọn gói, PM tốt là người kiểm soát phạm vi. Mọi yêu cầu “nhân tiện làm thêm cái này” đều là tiền thật. Quy trình change request, việc ghi nhận giả định trong hợp đồng và nhịp nghiệm thu theo milestone trở thành công cụ quan trọng hơn biểu đồ burndown.
PM cũng phải học cách lập kế hoạch với một yếu tố mới: tốc độ của AI không đều. Một module có thể xong trong hai ngày, module kế tiếp kẹt hai tuần vì AI sinh code sai nghiệp vụ. Ước lượng cần có vùng đệm rủi ro rõ ràng, không thể cứ nhân hệ số năng suất cho mọi task.
5.4. Solution architect và tech lead
Đây là vai trò được hưởng lợi nhiều nhất. Khi khâu viết code rẻ đi, giá trị dịch chuyển về những quyết định mà AI chưa thay được: chia hệ thống thế nào, chọn ranh giới tích hợp ở đâu, chấp nhận nợ kỹ thuật nào, kiểm soát bảo mật ra sao. Một quyết định kiến trúc sai trong hợp đồng trọn gói có thể nuốt hết lợi nhuận dự án.
Tech lead cũng là người xây “nhà máy” bên trong: chuẩn prompt, bộ quy tắc cho agent, pipeline review tự động, bộ test hồi quy. Đó chính là thứ biến năng suất AI của từng cá nhân thành năng suất có thể lặp lại của cả công ty.
5.5. Lập trình viên
Với kỹ sư, thay đổi vừa là cơ hội vừa là áp lực. Công việc gõ code thuần túy giảm; công việc đọc, kiểm chứng, gỡ lỗi và chịu trách nhiệm cho code (kể cả code do AI viết) tăng lên. Kết quả METR là lời nhắc thẳng thắn: cảm thấy nhanh hơn không có nghĩa là nhanh hơn. Kỹ sư có giá trong mô hình mới là người biết khi nào nên giao cho AI, khi nào nên tự làm, và đo được kết quả thật.
Một hệ quả ít được nói tới: con đường sự nghiệp của junior đang hẹp lại. Những task trước đây dùng để đào tạo người mới (sửa bug nhỏ, viết CRUD, viết test) chính là những task AI làm tốt nhất. Dữ liệu tuyển dụng của Pave cho thấy doanh nghiệp đang nghiêng về tuyển kỹ sư senior (Pave). Công ty nào không có lộ trình đào tạo mới cho junior sẽ thiếu senior trong 5 năm tới.
5.6. QA và kiểm thử
Trong mô hình trọn gói, mỗi lỗi lọt ra production sau nghiệm thu là chi phí của nhà cung cấp, không phải của khách. Khi AI tăng tốc độ sinh code, áp lực dồn xuống khâu kiểm thử. QA chuyển từ “người chạy test case” sang “người thiết kế chiến lược chất lượng”: test tự động, test hợp đồng giữa các service, kiểm thử bảo mật, và giám sát chất lượng code do AI sinh ra.
5.7. HR và quản lý nhân sự
Khung đánh giá dựa trên giờ làm, số dòng code hay số ticket đóng trở nên vô nghĩa, thậm chí phản tác dụng. HR cần khung năng lực mới, đo theo kết quả bàn giao, chất lượng và mức độ tái sử dụng. Cơ cấu đội cũng thay đổi: ít người hơn nhưng mỗi người có phạm vi trách nhiệm rộng hơn, và chi phí công cụ AI trở thành một dòng ngân sách trên mỗi đầu người.
5.8. Tài chính (CFO)
Doanh thu T&M dễ dự báo: số người nhân số giờ. Doanh thu trọn gói thì ghi nhận theo tiến độ hoàn thành, dòng tiền gắn với milestone, và biên lợi nhuận dao động theo từng dự án. CFO phải xây năng lực mới: dự phòng rủi ro cho hợp đồng giá cố định, theo dõi biên lợi nhuận theo từng dự án gần như theo thời gian thực, và quản lý chi phí AI (token, license) như một khoản giá vốn mới.
Nghịch lý là tổng doanh thu có thể giảm trong khi lợi nhuận gộp tăng, nếu công ty giữ được giá trọn gói và làm nhanh hơn nhờ AI. Thị trường vốn có đọc đúng tín hiệu đó hay không lại là chuyện khác (xem mục 5.10).
5.9. Khách hàng
Không có một “khách hàng” chung, nên cần tách ra:
- CTO hoặc founder startup muốn tốc độ và sự linh hoạt. Họ thường chưa rõ yêu cầu, sản phẩm thay đổi hàng tuần. Với họ, trọn gói thuần là cái bẫy: mỗi lần đổi hướng là một lần đàm phán lại. Mô hình hợp lý hơn là một đội nhỏ theo dạng subscription hoặc capacity-based, có cam kết về tốc độ giao hàng.
- Phòng mua hàng (procurement) ở doanh nghiệp lớn thích giá cố định vì dễ phê duyệt ngân sách và chuyển rủi ro đi. Nhưng họ phải trả giá bằng việc viết đặc tả kỹ hơn, và nhà cung cấp sẽ cộng phí rủi ro vào giá. Trọn gói không phải lúc nào cũng rẻ hơn.
- Product owner phía khách mất một thứ quan trọng: quyền điều chỉnh linh hoạt từng sprint. Trong T&M, họ có thể nói “tuần này làm cái khác”. Trong trọn gói, mọi thay đổi phải qua change request.
- Nỗi lo chung của khách: khi nhà cung cấp tối ưu cho biên lợi nhuận, họ có động lực làm vừa đủ để qua nghiệm thu, dùng AI sinh code nhanh nhưng khó bảo trì. Khách cần tiêu chí nghiệm thu về chất lượng (độ phủ test, hiệu năng, bảo mật, tài liệu), chứ không chỉ “chạy được”.
Một phần việc còn biến mất hẳn khỏi thị trường gia công: Reuters ghi nhận nhiều khách đang tự làm những việc mà AI đã đủ đơn giản để làm nội bộ, và hợp đồng ngày càng ngắn hơn.
5.10. Nhà đầu tư
Nhà đầu tư không định giá lợi nhuận quý này; họ định giá dòng tiền nhiều năm tới. Mô hình “bán người theo giờ” từng được định giá cao vì tăng trưởng gần như tuyến tính và dễ dự báo. Khi mô hình đó bị đặt dấu hỏi, hệ số định giá (P/E) co lại trước khi lợi nhuận kịp giảm. Chỉ số Nifty IT của Ấn Độ đã giảm khoảng một phần năm trong năm nay (Tuổi Trẻ News / Reuters).
FPT là ví dụ gần nhà. Chín tháng đầu 2026, FPT lãi trước thuế 8.770 tỷ đồng (tăng 17%), doanh thu 40.023 tỷ (tăng 12,4%). Mảng dịch vụ CNTT nước ngoài tăng 11,6%, đạt 28.538 tỷ, thấp hơn tốc độ chung; doanh thu ký mới của mảng này vẫn tăng 23,1% (CafeF; Tuổi Trẻ). Cùng lúc, khối ngoại bán ròng khoảng 240 triệu cổ phiếu FPT, trị giá gần 17.957 tỷ đồng, từ đầu năm đến 17/11/2026, và giá cổ phiếu về vùng thấp nhất ba năm (CafeF).
Cần cẩn trọng khi diễn giải: bán ròng của khối ngoại có nhiều nguyên nhân (dòng vốn rút khỏi thị trường mới nổi, tỷ giá, định giá trước đó cao, tái cơ cấu danh mục). Không có nguồn nào khẳng định quỹ bán FPT chỉ vì AI. Nhưng việc cổ phiếu dịch vụ IT ở cả Ấn Độ và Việt Nam cùng bị định giá lại trong khi lợi nhuận vẫn tăng cho thấy thị trường đang chiết khấu rủi ro của mô hình bán giờ, không phải kết quả kinh doanh hiện tại.
6. Vài phản biện để không đi quá đà
“Mua phở trả theo bát, không trả theo phút đứng bếp” chỉ đúng một nửa. Bát phở là sản phẩm đã được định nghĩa: ai cũng biết thế nào là một bát phở ngon. Phần mềm thì khác: ở phần lớn dự án, khách chỉ hiểu rõ mình cần gì sau khi thấy phiên bản đầu tiên. T&M tồn tại không phải vì khách thích trả theo giờ, mà vì yêu cầu không thể đặc tả trước. AI không giải quyết được sự mơ hồ đó, thậm chí còn khiến khách thay đổi ý nhanh hơn vì thử nghiệm rẻ hơn.

Trọn gói thuần không thắng, mô hình lai mới thắng. 82% lãnh đạo trong khảo sát HFS/EY chọn hybrid. Các cấu trúc đang thịnh hành:
- Discovery trả theo T&M, xây dựng trả theo milestone cố định: làm rõ yêu cầu trước, khóa giá sau.
- Capacity-based pod: khách thuê một “đội sản xuất” có cam kết đầu ra (ví dụ số tính năng hoặc story point mỗi tháng, SLA chất lượng), không cam kết số giờ.
- Gain-share: nhà cung cấp hưởng một phần tiết kiệm hoặc doanh thu tăng thêm mà hệ thống mang lại cho khách.
- Managed service theo đơn vị: tính tiền theo ticket xử lý xong, giao dịch hoặc người dùng, phổ biến cho mảng vận hành và bảo trì.
AI có thể làm thị trường lớn hơn chứ không nhỏ đi. Theo nghịch lý Jevons, khi một thứ rẻ hơn thì người ta dùng nhiều hơn. CEO Wipro lập luận rằng phần mềm rẻ hơn sẽ tạo ra “nhiều dự án mới hơn”, nên ngân sách IT về dài hạn không co lại. Doanh thu ký mới của FPT vẫn tăng 23%. Câu hỏi thật không phải là cầu có giảm không, mà là ai nắm được phần cầu mới: công ty bán giờ hay công ty bán kết quả.
7. Gợi ý thực tế cho công ty gia công Việt Nam
- Đo năng suất AI thật trên dự án của chính mình, không dùng con số marketing. So sánh cùng loại task, có nhóm đối chứng nếu được. Bài học METR: cảm nhận của kỹ sư không đủ tin cậy.
- Bắt đầu trọn gói từ chỗ an toàn nhất: những loại việc lặp lại, rõ đầu ra (migration, nâng cấp framework, viết test, chuyển đổi dữ liệu, sửa bug theo SLA). Đừng nhận trọn gói một sản phẩm mới mà yêu cầu còn mơ hồ.
- Đầu tư vào tài sản tái sử dụng: bộ khung dự án, thư viện nghiệp vụ, agent nội bộ, bộ kiểm thử. Đây là nguồn biên lợi nhuận của mô hình trọn gói.
- Viết lại hợp đồng mẫu: định nghĩa hoàn thành, tiêu chí nghiệm thu chất lượng, quy trình change request, giả định về dữ liệu và hạ tầng phía khách, điều khoản chia sẻ rủi ro.
- Xây năng lực tài chính dự án: theo dõi biên lợi nhuận từng dự án hàng tuần, dự phòng rủi ro cho hợp đồng giá cố định, đưa chi phí AI vào giá vốn.
- Đổi KPI nội bộ: bỏ dần utilization và giờ bill, chuyển sang lợi nhuận gộp trên mỗi kỹ sư, tỉ lệ dự án đúng hạn, và chất lượng sau bàn giao.
- Giữ đường đào tạo cho junior: thiết kế lại cách người mới học nghề trong môi trường AI, nếu không 5 năm nữa sẽ không có senior.
Kết luận
Công thức “nhân sự × giờ × đơn giá” không chết ngay ngày mai. Nó vẫn hợp lý cho những dự án mà yêu cầu chưa thể đặc tả. Nhưng nó đã mất vị trí mặc định. AI khiến một giờ làm việc đáng giá hơn, và nghịch lý là chính điều đó làm cho việc tính tiền theo giờ mất giá.
Các công ty gia công sẽ phân hóa thành hai nhóm. Một nhóm tiếp tục bán người, cạnh tranh bằng giá, và nhìn biên lợi nhuận co lại theo từng vòng đàm phán. Nhóm còn lại học cách bán kết quả: chấp nhận rủi ro, nhưng đổi lại được giữ phần năng suất mà AI tạo ra. Khách hàng, kỹ sư, nhà quản lý hay nhà đầu tư, ai cũng cần biết mình đang đứng ở phía nào của dịch chuyển này.
Nguồn tham khảo
- Peng, Kalliamvakou, Cihon, Demirer (2023). The Impact of AI on Developer Productivity: Evidence from GitHub Copilot. arXiv 2302.06590
- GitHub Blog. Research: quantifying GitHub Copilot’s impact on developer productivity and happiness
- METR (2025), qua The Register và DX
- Google Cloud DORA. 2025 State of AI-assisted Software Development; InfoQ
- Reuters (8/2026). AI reshapes India’s IT services sector contracts as clients demand more for less, qua Zawya, The Star, Tuổi Trẻ News
- Reuters (1/2026). Wipro CEO sees growing demand for India’s IT services from AI
- HFS Research. AI drives IT contract renegotiations within 24 months as pricing models shift
- Newsweek. AI Is Forcing IT Services to Rethink How They Get Paid
- MatterFact. Accenture Beats and Keeps Hiring While Admitting AI Pricing Pressure
- Infosys. Form 20-F FY2026
- McKinsey & Company. Delivering large-scale IT projects on time, on budget, and on value
- Pave. Are software engineers being replaced by AI?
- CafeF. FPT công bố kết quả kinh doanh 9 tháng; Bất ngờ sở hữu khối ngoại tại FPT khi thị giá “thủng đáy” 3 năm
- Tuổi Trẻ. Sau 9 tháng, FPT báo lãi trước thuế hơn 8.700 tỉ đồng

Thảo luận
Bình luận được duyệt trước khi công khai. Email của bạn được giữ riêng tư.