Có thể thay thế Looker 150.000 USD bằng một đống file HTML?

Một nhóm kỹ sư dữ liệu đã thay thế công cụ BI trị giá 150.000 USD mỗi năm bằng những trang HTML do AI tạo ra, với chi phí chỉ khoảng 8.300 USD trong 8 tháng. Câu chuyện đáng chú ý không nằm ở con số tiết kiệm, mà ở chỗ nó cho thấy phần giá trị nào của các công cụ phân tích doanh nghiệp đang thực sự bị AI xói mòn.

Bối cảnh: một công ty 500 người và 3 kỹ sư dữ liệu

Như nhiều doanh nghiệp khác, công ty trong câu chuyện này trả khoảng 150.000 USD mỗi năm cho Looker, tương đương mức bản quyền trung bình với khoảng 300 người dùng. Nhóm data platform chỉ có 3 người, và phần lớn thời gian của họ dành cho những việc kém hào nhoáng: nuôi dưỡng Snowflake, chăm sóc dự án dbt đã vượt 2.000 model, và vận hành hệ thống Airflow, Airbyte, DataHub cùng Kubernetes bên dưới.

Dashboard dạng tự do do AI tạo ra

Tháng 2, một thành viên trong nhóm dựng thử một dịch vụ nhỏ để lưu trữ file HTML. Công việc chỉ mất một buổi chiều. Tám tháng sau, công cụ đó đã có lượng người dùng hàng tuần ngang ngửa Looker — thậm chí có thể nhiều hơn — trong khi số người dùng Looker giảm đi một phần ba.

Từ câu chuyện "SaaS đã chết" đến một XSS có chủ đích

Điểm khởi đầu là một nhận định quen thuộc trên mạng: AI sẽ giết chết các sản phẩm B2B SaaS. Nhóm kỹ sư này thử kiểm chứng bằng chính bài toán của mình.

Khoảng đầu năm, các mô hình như Claude Code với Opus trở nên đủ tốt để làm việc trực tiếp trong kho mã nguồn của công ty. Điều quan trọng không phải là câu trả lời nghe có vẻ thông minh, mà là khả năng chạy truy vấn để kiểm tra số liệu trước khi trả lời. Chỉ trong vài tuần, nhân viên tài chính, vận hành và marketing — những người chưa từng mở terminal — bắt đầu "prompt" cả ngày.

Rồi Claude bắt đầu sinh ra rất nhiều HTML. Người dùng hỏi một câu phân tích và nhận về một file duy nhất chứa biểu đồ, đẹp hơn hẳn dashboard Looker hiện có. Vấn đề là file đó nằm trong thư mục Downloads và được chia sẻ qua Slack một cách may rủi.

Giải pháp đến từ một thành viên trong nhóm: đưa tất cả lên một web server nội bộ. Trong một ngày, cô dựng xong dịch vụ lưu file trên S3, có SSO phía trước và một số test cơ bản. Vì hạ tầng đã chạy trên Kubernetes, việc triển khai chỉ cần thêm một module Terraform và một Helm chart.

Tháng 3, nhóm bổ sung API truy vấn trực tiếp sử dụng token Snowflake OAuth của người xem. Đây hóa ra là quyết định đúng đắn nhất trong năm: không cần tự viết mô hình phân quyền, vì Snowflake đã có sẵn các role được duy trì suốt nhiều năm. Nếu Snowflake nói bạn không được đọc bảng doanh số, thì dashboard cũng không đọc được.

Lý do người dùng thích công cụ này lại khá "đau" cho ngành BI: dashboard trông thực sự đẹp. Một ô Looker là một khung với danh sách biểu đồ cố định và bảng màu cố định, ô nào cũng giống ô nào, thiếu cá tính. Còn HTML tự do do LLM tạo ra cho phép người dùng tinh chỉnh cho đến khi vừa mắt.

Số người xem hàng tuần tăng từ 23 vào tháng 3 lên 136 vào tháng 6. Ban lãnh đạo bắt đầu gửi link cho nhau. Người dùng tự tạo ra những trường hợp sử dụng mà nhóm phát triển chưa từng nghĩ tới: dashboard tự làm mới theo lịch, thêm nút bấm, thiết kế giao diện mà không công cụ BI nào cho phép.

Vấn đề bảo mật: khi "XSS chính là sản phẩm"

Giai đoạn đầu, bảo mật ở mức rất tệ. JavaScript của dashboard chạy cùng origin với phiên đăng nhập, không có phân quyền, và mọi nhân viên đều đọc được mọi dashboard. Về bản chất, đó là một lỗ hổng XSS lớn: bất kỳ dashboard nào cũng có thể chạy mã dưới danh nghĩa người mở nó và lấy dữ liệu ra. Nhóm biết rõ nhưng vẫn triển khai, vì đây là công cụ nội bộ, nằm sau VPN và SSO.

Khi công cụ lan rộng, nhóm buộc phải làm nghiêm túc. Họ đặt ra bốn bài toán.

Một connector thay cho nhiều script. Script tải lên từng bị sao chép ra hai repo và một plugin, mỗi bản một khác. Nhóm thay tất cả bằng một MCP server từ xa dùng chung cho toàn công ty, để claude.ai, Claude Code, Claude trong Slack và agent phân tích nội bộ đều gọi cùng một bộ công cụ. Mọi thứ AI tải lên đều ở dạng bản nháp, và phải có người bấm Publish.

Coi mọi dashboard là đối thủ. Toàn bộ sản phẩm về bản chất là XSS: ai cũng có thể tải lên JavaScript chạy trong trình duyệt đồng nghiệp, không ai kiểm duyệt, và đồng nghiệp đó có thể là giám đốc tài chính. Vì không thể chặn XSS — XSS chính là sản phẩm — nhóm chuyển sang đảm bảo nó không thể chạm tới thứ gì khác. Mỗi dashboard chạy trong một iframe sandbox trên origin riêng, không có cookie và có CSP nghiêm ngặt. Nó chỉ có thể nói chuyện với trang cha qua postMessage, còn trang cha kiểm tra người gửi, gắn phiên đăng nhập và gọi API. Content token chỉ sống một giờ và gắn với một dashboard, một người xem, một host.

Để Snowflake lo danh tính và phân quyền. Mọi truy vấn chạy bằng token của chính người xem. Chia sẻ dashboard không bao giờ chia sẻ quyền truy cập dữ liệu. Đây vừa là tính năng bảo mật, vừa là cách "lười" hợp lý: nhóm không phải xây hay duy trì hệ thống phân quyền dữ liệu, vì ai đăng nhập cũng đã có tài khoản Snowflake với role phù hợp.

Quản lý nội dung. Phần này chỉ mất khoảng một tuần và gần như không cần thiết kế nhiều. Với không gian, thư mục và chia sẻ, nhóm sao chép mô hình của Google Drive vì ai cũng đã quen: viewer, editor, owner, quyền kế thừa xuống cây thư mục, quyền mạnh nhất thắng.

Dashboard tự do hiển thị số liệu trực tiếp

Con số biết nói: 0,50 USD cho một dashboard

Sau 8 tháng: 325 commit, khoảng 74.000 dòng code (trong đó 20.000 dòng là test), và khoảng 6.400 USD tiền token Claude. Claude viết phần lớn code; con người phụ trách vẽ sơ đồ, tranh luận và review mọi thứ.

Nhóm dùng agent phân tích làm đối tượng đo chuẩn, vì mọi lần chạy đều được ghi log kèm token và chi phí. Kết quả: mỗi dashboard tiêu tốn khoảng 1 triệu token từ câu hỏi đầu tiên đến trang hoàn chỉnh. Khi chuyển sang Opus 5.5, chi phí giảm từ khoảng 2,50 USD xuống còn 0,50 USD một dashboard.

Cốt lõi ở đây là: chi phí tạo ra phần mềm giờ đây phụ thuộc vào giá token, mà giá token thì ngày càng giảm.

Một công cụ BI chủ yếu là cách biến truy vấn thành hình ảnh, và một hình ảnh giờ chỉ tốn khoảng 0,50 USD. Thật khó để biện minh cho mức bản quyền 150.000 USD cho riêng phần việc đó.

Chi phí vận hành hiện khoảng 6.000 USD một năm tiền AWS, cộng thêm khoảng 1.300 USD mỗi tháng tiền Claude để phát triển tính năng mới — tạm tính 20.000 USD một năm, so với 150.000 USD của Looker.

Nhìn lại: Looker thực chất bán cái gì?

Khi mua Looker, doanh nghiệp mua bốn thứ: giao diện để vẽ biểu đồ, mô hình phân quyền, lớp ngữ nghĩa (semantic layer) và nơi lưu trữ. Claude giờ vẽ biểu đồ, từng dashboard một. Snowflake đã có sẵn phân quyền. dbt đã nắm phần ngữ nghĩa. Còn việc lưu trữ HTML tốn khoảng 500 USD một tháng.

Bỏ bốn thứ đó đi, phần còn lại là một hóa đơn 150.000 USD.

Tuy nhiên, cần nhìn nhận công bằng: bảng chi phí trên không tính phần đắt nhất, chính là con người — 3 kỹ sư dành 8 tháng làm việc này song song với mọi việc khác của một đội data platform. Nếu phải thuê một đội riêng để xây dựng, bài toán sẽ khác hoàn toàn. Điều kiện tiên quyết là doanh nghiệp đã có một nền tảng vững chắc và một đội ngũ hiểu rõ nó.

Về câu hỏi liệu có nên chờ Claude Dashboards của Anthropic hay không, nhóm này thừa nhận nếu bắt đầu lại từ đầu vào thời điểm hiện tại, họ sẽ cân nhắc sản phẩm đó trước. Nhưng với họ, dashboard chỉ là một phần: công cụ đã gắn chặt với agent control plane, nền tảng phân tích và Slack — những quy trình riêng mà một sản phẩm đóng gói khó thay thế trọn vẹn.

Bài học cho doanh nghiệp Việt Nam

Câu chuyện này đáng chú ý với các đội dữ liệu trong nước, nơi ngân sách cho công cụ BI doanh nghiệp thường là gánh nặng với các công ty quy mô vừa.

• Giá trị của BI đang dịch chuyển về phía dữ liệu và phân quyền, không phải phía giao diện. Nếu dữ liệu đã được mô hình hóa tốt trong warehouse và phân quyền được quản lý tập trung, lớp trình bày trở nên rẻ đi rất nhiều.
• Đừng tự xây mô hình phân quyền nếu hạ tầng dữ liệu đã có sẵn cơ chế role. Tận dụng những gì đã có giúp giảm cả chi phí lẫn rủi ro.
• XSS không phải lúc nào cũng là lỗi cần vá, nhưng phải được cô lập nghiêm ngặt bằng sandbox, CSP và token ngắn hạn.
• Chi phí token là biến số mới trong bài toán make-or-buy, và nó đang giảm nhanh qua từng thế hệ mô hình.

Ranh giới mà tác giả đặt ra rất rõ: những sản phẩm có lợi thế quy mô thật sự — trung tâm dữ liệu, lưu trữ petabyte, hạ tầng tính toán — vẫn khó bị thay thế. Nhưng lớp BI mỏng manh nằm phía trên thì đang là vùng dễ tổn thương nhất, và nhiều doanh nghiệp có thể sẽ sớm tự thay thế nó.