Tin tức nổi bật

ROI của AI: Deutsche Telekom tiết kiệm 2,5 tỷ EUR thế nào và doanh nghiệp nhỏ đo ra sao?

Deutsche Telekom đặt mục tiêu tiết kiệm 2,5 tỷ EUR nhờ AI đến năm 2030. Tìm hiểu cách tính ROI của AI, chi phí thường bị bỏ sót và công thức áp dụng cho doanh nghiệp vừa và nhỏ.

Ban biên tập HARS20/10/20266 phút đọcSố liệu công bố ngày 05/10/2026Figures announced October 5, 2026

Doanh nghiệp đã trả tiền cho các công cụ AI trong nhiều tháng, nhưng vẫn chưa biết chính xác công nghệ này tạo ra bao nhiêu giá trị. Nhân viên làm việc nhanh hơn, báo cáo được tạo dễ dàng hơn, nhưng chi phí có thực sự giảm và doanh thu có tăng hay không?

Đây là bài toán ROI của AI (Return on Investment – tỷ suất hoàn vốn) mà nhiều doanh nghiệp cần giải quyết khi chuyển từ thử nghiệm sang ứng dụng AI trong hoạt động thực tế.

Ngày 05/10/2026, Deutsche Telekom công bố mục tiêu tiết kiệm khoảng 2,5 tỷ EUR chi phí gián tiếp đến năm 2030 nhờ AI và tự động hóa, so với năm 2023. Tuy nhiên, con số này cũng đặt ra một vấn đề quan trọng: tiết kiệm chi phí gộp không đồng nghĩa với lợi ích tài chính ròng.

Bài viết phân tích cách Deutsche Telekom ứng dụng AI, những điểm cần thận trọng khi đọc số liệu và cách doanh nghiệp vừa và nhỏ xây dựng phương pháp đo ROI phù hợp với nguồn lực của mình.

TÓM TẮT DÀNH CHO NHÀ QUẢN TRỊ

  • 2,5 tỷ EUR: Mục tiêu tiết kiệm chi phí gián tiếp của Deutsche Telekom đến năm 2030 nhờ AI và tự động hóa, so với năm 2023.
  • 1,1 tỷ EUR: Khoản tiết kiệm gộp dự kiến trong năm 2027 từ AI và tự động hóa tại các thị trường ngoài Mỹ, so với năm 2023.
  • 40% lượt liên hệ khách hàng tại Mỹ: Được các AI agent xử lý; số cuộc gọi đến bộ phận dịch vụ khách hàng giảm 55%.
  • 13% doanh nghiệp Việt Nam được khảo sát: Có khung đo lường ROI của AI rõ ràng và được áp dụng nhất quán; 46% chưa có phương pháp đo lường đáng tin cậy.
  • Bài học chính: Muốn biết AI có hiệu quả hay không, doanh nghiệp phải đo cả giá trị tạo ra lẫn toàn bộ chi phí để triển khai, vận hành và kiểm soát AI.

Lưu ý: Mục tiêu tiết kiệm của Deutsche Telekom là số liệu dự kiến, không phải kết quả tiết kiệm ròng đã được xác nhận. Các tỷ lệ về đo ROI tại Việt Nam thuộc nghiên cứu AWS năm 2026 do Strand Partners thực hiện.

1. Deutsche Telekom công bố gì về hiệu quả đầu tư AI?

Tại AI Investor Day diễn ra ở Bonn, Đức, ngày 05/10/2026, Deutsche Telekom trình bày cách tập đoàn đưa AI vào hoạt động mạng, chăm sóc khách hàng, phát triển phần mềm và quy trình hành chính.

Theo công bố chính thức của tập đoàn, mục tiêu đến năm 2030 là tiết kiệm khoảng 2,5 tỷ EUR chi phí gián tiếp nhờ AI và tự động hóa, so với năm 2023. Riêng năm 2027, khoản tiết kiệm gộp dự kiến từ các thị trường ngoài Mỹ đạt khoảng 1,1 tỷ EUR so với cùng mốc năm 2023.

Một phần khoản tiết kiệm bổ sung trong năm 2027 dự kiến được tái đầu tư vào chuyển đổi số và mở rộng mạng cáp quang tại Đức.

Deutsche Telekom cũng đặt mục tiêu tăng doanh thu từ các dịch vụ liên quan đến AI cung cấp cho khách hàng doanh nghiệp ngoài Mỹ lên khoảng 800 triệu EUR vào năm 2030. Điều này cho thấy chiến lược AI của tập đoàn không chỉ hướng đến giảm chi phí, mà còn tạo nguồn thu mới.

Có thể nhìn chiến lược này qua hai nhóm giá trị:

  • Giá trị nội bộ: Giảm thời gian xử lý công việc, tự động hóa tác vụ lặp lại và nâng cao hiệu quả vận hành.
  • Giá trị thương mại: Phát triển dịch vụ AI mới và tạo thêm doanh thu từ khách hàng.

Đây là điểm đáng chú ý với doanh nghiệp Việt Nam: một chiến lược AI có thể cần theo dõi đồng thời hiệu quả chi phí và cơ hội tăng trưởng, thay vì chỉ đếm số nhân viên đang sử dụng công cụ AI.

2. AI tạo ra giá trị ở đâu trong Deutsche Telekom?

Mảng hoạt độngCách ứng dụng AIKết quả được công bố
Chăm sóc khách hàngAI agent xử lý liên hệ và hỗ trợ nhân viên giải quyết yêu cầuTại Mỹ, AI agent xử lý 40% lượt liên hệ; số cuộc gọi dịch vụ giảm 55%
Chăm sóc khách hàng tại các thị trường khácChatbot hỗ trợ xử lý cuộc gọiChatbot “Frag Magenta” đã tiếp nhận khoảng 2,6 triệu cuộc gọi trong nửa đầu năm 2026
Vận hành mạngAI phát hiện sớm nguy cơ quá tải và hỗ trợ điều phối xử lýMột số tình huống phản ứng sự cố mạng được rút ngắn từ vài giờ xuống khoảng một phút
Phát triển phần mềmAI hỗ trợ lập trình và thay thế hệ thống IT cũHướng tới giảm công sức phát triển và chi phí vận hành hệ thống
Dịch vụ AI cho doanh nghiệpPhát triển các dịch vụ AI thương mạiMục tiêu doanh thu khoảng 800 triệu EUR vào năm 2030 từ khách hàng doanh nghiệp ngoài Mỹ

Nguồn: Công bố chính thức của Deutsche Telekom ngày 05/10/2026. Các kết quả phản ánh những ứng dụng và mục tiêu cụ thể của tập đoàn, không phải mức hiệu quả mặc định của mọi dự án AI.

Điểm chung giữa các ứng dụng trên là AI được triển khai ở nơi có khối lượng công việc lớn, quy trình lặp lại hoặc dữ liệu đủ để hỗ trợ phát hiện vấn đề sớm.

Chẳng hạn, khi AI xử lý một phần yêu cầu khách hàng, doanh nghiệp có thể giảm tải cho nhân viên. Khi AI phát hiện nguy cơ quá tải mạng sớm hơn, đội vận hành có thêm thời gian xử lý trước khi khách hàng bị ảnh hưởng.

Để chuyển các cải thiện này thành ROI, doanh nghiệp cần xác định giá trị tài chính tương ứng: chi phí nhân lực tiết kiệm được, chi phí sự cố tránh được, thời gian xử lý giảm xuống hoặc doanh thu tăng thêm. Không nên tự động quy toàn bộ cải thiện vận hành thành khoản tiết kiệm tiền mặt nếu chi phí thực tế chưa giảm.

3. Góc phản biện: 2,5 tỷ EUR chưa phải ROI ròng

Mục tiêu 2,5 tỷ EUR nghe rất lớn, nhưng cần phân biệt ba khái niệm:

  • Tiết kiệm gộp: Giá trị tiết kiệm dự kiến trước khi trừ một số chi phí liên quan đến AI.
  • Lợi ích ròng: Phần giá trị còn lại sau khi trừ chi phí để tạo ra khoản tiết kiệm đó.
  • ROI: Tỷ suất hoàn vốn dựa trên lợi ích ròng so với tổng chi phí đầu tư và vận hành theo một kỳ đo lường xác định.

Trong bài phân tích ngày 06/10/2026, Light Reading chỉ ra rằng mục tiêu tiết kiệm 2,5 tỷ EUR của Deutsche Telekom là con số gộp và chưa bao gồm chi phí token AI. Theo bài viết này, tập đoàn dự kiến quản lý chi phí token bằng cách hạn chế phụ thuộc vào một mô hình duy nhất và áp dụng ngân sách token theo từng cấp độ sử dụng.

Light Reading cũng lưu ý rằng mục tiêu tiết kiệm này tương đương chưa tới 3% tổng chi phí hoạt động của tập đoàn trong năm 2023 theo cách tính được bài báo sử dụng.

Điều đó không có nghĩa mục tiêu của Deutsche Telekom không đáng kể. Nó cho thấy một con số lớn cần được đặt trong bối cảnh chi phí, quy mô hoạt động và thời gian thực hiện.

Với doanh nghiệp vừa và nhỏ, nguyên tắc tương tự cũng rất quan trọng: không đánh giá hiệu quả AI chỉ bằng số giờ tiết kiệm hoặc số tác vụ được tự động hóa. Hãy tính cả chi phí công nghệ, triển khai, kiểm tra và sửa sai trước khi kết luận khoản đầu tư có sinh lời hay không.

4. Công thức đo ROI của AI cho doanh nghiệp vừa và nhỏ

Công thức cơ bản:

ROI =Tổng lợi ích tài chính − Tổng chi phí AITổng chi phí AI× 100%

Trong đó:

  • Tổng lợi ích tài chính: Giá trị tiết kiệm chi phí có thể quy đổi, cộng với lợi nhuận tăng thêm được xác định hợp lý.
  • Tổng chi phí AI: Bao gồm chi phí công cụ, token, triển khai, tích hợp, đào tạo, giám sát và xử lý lỗi trong kỳ đo lường.

Ví dụ minh họa

Giả sử một doanh nghiệp triển khai AI để hỗ trợ bộ phận chăm sóc khách hàng và ghi nhận các số liệu giả định sau:

Chỉ tiêuGiá trị mỗi tháng
Thời gian làm việc tiết kiệm được80 giờ
Chi phí lao động quy đổi100.000 đồng/giờ
Giá trị thời gian tiết kiệm8.000.000 đồng
Tổng chi phí AI trong tháng3.000.000 đồng
Lợi ích tài chính sau khi trừ chi phí AI5.000.000 đồng

ROI theo các giả định trên:

ROI =8 − 33× 100% ≈ 166,7%

Kết quả này chỉ đúng nếu 8 triệu đồng phản ánh lợi ích tài chính thực sự có thể quy đổi và 3 triệu đồng đã bao gồm đầy đủ chi phí thuộc phạm vi đo lường.

Nếu nhân viên tiết kiệm được 80 giờ nhưng doanh nghiệp không giảm chi phí, không tăng sản lượng và không sử dụng phần thời gian đó cho công việc có giá trị cao hơn, khoản 8 triệu đồng chỉ nên được xem là giá trị thời gian tiềm năng, chưa chắc là tiền tiết kiệm thực tế.

Đó là lý do doanh nghiệp cần xác định trước cách ghi nhận lợi ích, thay vì chỉ chọn công thức rồi đưa các con số ước tính vào.

5. Ba bước đo ROI của AI có thể áp dụng ngay

Bước 1. Đo hiện trạng trước khi triển khai

Chọn một quy trình cụ thể, chẳng hạn xử lý yêu cầu khách hàng, tổng hợp báo cáo hoặc lập kế hoạch công việc. Ghi nhận:

  • Thời gian xử lý trung bình cho một yêu cầu.
  • Số nhân sự và tổng giờ công dành cho quy trình.
  • Chi phí phát sinh và tỷ lệ lỗi.
  • Sản lượng công việc hoàn thành trong một khoảng thời gian.

Nếu không có số liệu trước triển khai, doanh nghiệp sẽ khó biết kết quả thay đổi là do AI hay do các yếu tố khác.

Bước 2. Tính lợi ích có thể kiểm chứng

Sau khi đưa AI vào sử dụng, đo lại cùng các chỉ số và so sánh với hiện trạng.

Giá trị có thể đến từ việc giảm giờ công, giảm lỗi, rút ngắn thời gian phản hồi, tăng số yêu cầu được xử lý hoặc tăng tỷ lệ chuyển đổi. Tuy nhiên, chỉ ghi nhận doanh thu tăng thêm khi có căn cứ hợp lý để xác định phần đóng góp của AI.

Đặc biệt, cần phân biệt giữa thời gian được giải phóng và chi phí thực sự được giảm. Thời gian tiết kiệm có thể tạo giá trị lớn, nhưng chỉ trở thành lợi ích tài chính khi được sử dụng hiệu quả hoặc giúp doanh nghiệp tránh được một khoản chi phí có thật.

Bước 3. Tổng hợp toàn bộ chi phí trong cùng kỳ

Tính chi phí theo tháng hoặc theo quý, tùy theo cách doanh nghiệp sử dụng AI. Đảm bảo phạm vi đo lường nhất quán giữa lợi ích và chi phí.

Nếu một dự án AI cần chi phí triển khai ban đầu lớn, doanh nghiệp nên tách khoản đầu tư ban đầu khỏi chi phí vận hành định kỳ, đồng thời theo dõi thời gian hoàn vốn. Không nên so sánh lợi ích của cả năm với chi phí chỉ trong một tháng.

6. Những chi phí AI doanh nghiệp thường bỏ quên

Một hệ thống AI có thể trông rẻ khi chỉ nhìn vào giá thuê bao. Chi phí thực tế thường rộng hơn.

  • Token và mức sử dụng: Chi phí có thể tăng khi số người dùng, số yêu cầu hoặc độ phức tạp của tác vụ tăng.
  • Chuẩn hóa dữ liệu: Làm sạch, tổ chức và kết nối dữ liệu trước khi AI có thể khai thác hiệu quả.
  • Tích hợp hệ thống: Kết nối AI với dữ liệu, phần mềm và quy trình hiện có.
  • Kiểm tra đầu ra: Thời gian nhân viên xác minh thông tin, đặc biệt với các tác vụ quan trọng.
  • Sửa lỗi và xử lý sự cố: Chi phí phát sinh khi AI trả lời sai, bỏ sót thông tin hoặc tạo ra kết quả không phù hợp.
  • Đào tạo và quản trị: Hướng dẫn nhân viên sử dụng đúng cách, phân quyền truy cập và giám sát việc sử dụng.
  • Chi phí chuyển đổi: Công sức và chi phí khi cần thay đổi mô hình, nhà cung cấp hoặc kiến trúc hệ thống.

Một nghiên cứu AWS năm 2026 do Strand Partners thực hiện cho thấy chỉ 13% doanh nghiệp Việt Nam được khảo sát có khung đo lường ROI của AI rõ ràng và được áp dụng nhất quán; 46% chưa có phương pháp đáng tin cậy để đo lường hiệu quả đầu tư.

Kết quả này cho thấy việc đo lường không nên là bước bổ sung sau khi triển khai. Nó cần được thiết kế ngay từ đầu, cùng với mục tiêu, chỉ số và phạm vi chi phí.

7. Hars và Kimmy: Minh bạch chi phí để đánh giá hiệu quả AI

Đối với doanh nghiệp sử dụng AI thường xuyên, khả năng theo dõi chi phí và gắn chi phí với hoạt động thực tế là một phần quan trọng của quản trị.

Định hướng của Hars là đưa trợ lý Kimmy đến gần hơn với dữ liệu và quy trình làm việc của doanh nghiệp, đồng thời hỗ trợ cách tiếp cận AI có kiểm soát. Khi triển khai thực tế, doanh nghiệp cần xác định rõ phạm vi sử dụng, mức tiêu thụ, quyền truy cập và cách đánh giá kết quả.

Nếu sử dụng mô hình chi phí theo gói token hằng tháng, doanh nghiệp nên kiểm tra cụ thể hạn mức, cách tính mức tiêu thụ và cơ chế cảnh báo của gói đang sử dụng. Ngân sách token giúp kiểm soát chi phí sử dụng, nhưng không tự động chứng minh ROI dương. ROI vẫn phải được tính từ lợi ích thực tế và toàn bộ chi phí liên quan.

Doanh nghiệp có thể bắt đầu bằng một quy trình có dữ liệu rõ ràng, đo hiệu quả trước và sau khi sử dụng Kimmy, rồi mở rộng khi kết quả cho thấy giá trị đủ thuyết phục.

Khám phá Hars và đặt lịch tư vấn

Kết luận: ROI của AI bắt đầu từ việc đo đúng

Deutsche Telekom cho thấy AI có thể trở thành một phần trong chiến lược tối ưu chi phí và phát triển doanh thu ở quy mô tập đoàn. Nhưng mục tiêu tiết kiệm 2,5 tỷ EUR cũng nhắc nhở doanh nghiệp rằng tiết kiệm gộp không phải lợi nhuận ròng, và mức độ sử dụng AI không đồng nghĩa với hiệu quả đầu tư.

Với doanh nghiệp vừa và nhỏ, cách tiếp cận thực tế là chọn một quy trình, đo hiện trạng, xác định lợi ích có thể kiểm chứng, tính đủ chi phí và theo dõi ROI trong cùng một kỳ.

Không cần bắt đầu bằng một hệ thống AI lớn. Điều cần thiết là biết mình đang đầu tư bao nhiêu, nhận lại giá trị gì và có cơ sở nào để mở rộng.

Muốn đo thử ROI của AI trên một quy trình cụ thể?

Đặt lịch tư vấn cùng Hars

Nguồn tham khảo

  1. Deutsche Telekom – Công bố chính thức về hiệu quả, tiết kiệm chi phí và doanh thu từ AI
  2. Reuters – Deutsche Telekom đặt mục tiêu tiết kiệm 2,5 tỷ EUR nhờ AI và tự động hóa đến năm 2030
  3. Light Reading – Góc phản biện về mục tiêu tiết kiệm, chi phí token và hiệu quả tài chính
  4. Báo Nhân Dân – Việt Nam: Từ tham vọng AI đến hiệu quả kinh doanh thực tế

Businesses have been paying for AI tools for months, yet many still cannot say precisely how much value those tools generate. Employees work faster and reports are easier to produce, but are operating costs actually falling? Is revenue increasing?

This is the AI ROI (Return on Investment) challenge businesses must address as they move from experimentation to real-world AI adoption.

On October 5, 2026, Deutsche Telekom announced a target of approximately €2.5 billion in indirect cost savings by 2030 through AI and automation, compared with 2023. However, the target also raises an important question: gross cost savings are not the same as net financial benefits.

This article examines how Deutsche Telekom is applying AI, why its savings target requires careful interpretation, and how small and medium-sized enterprises can establish a practical ROI measurement framework.

EXECUTIVE SUMMARY

  • €2.5 billion: Deutsche Telekom’s target for indirect cost savings from AI and automation by 2030, compared with 2023.
  • €1.1 billion: Expected gross savings in 2027 from AI and automation in markets outside the United States, compared with 2023.
  • 40% of customer contacts in the US: Handled by AI agents, while customer service calls declined by 55%.
  • 13% of surveyed Vietnamese businesses: Have a clearly defined and consistently applied AI ROI framework; 46% lack a reliable measurement method.
  • Key lesson: To understand whether AI is worthwhile, businesses must measure both the value generated and the full cost of deploying, operating, and controlling AI.

Note: Deutsche Telekom’s savings figures are targets, not confirmed net savings. The Vietnamese business statistics come from AWS’s 2026 study conducted by Strand Partners.

1. What Has Deutsche Telekom Announced About AI ROI?

At its AI Investor Day in Bonn, Germany, on October 5, 2026, Deutsche Telekom presented applications of AI across network operations, customer service, software development, and administrative processes.

According to the company’s official announcement, it aims to save approximately €2.5 billion in indirect costs by 2030 through AI and automation, compared with 2023. For 2027, it expects approximately €1.1 billion in gross savings from markets outside the United States, also compared with 2023.

Some of the additional savings expected in 2027 are intended to be reinvested in digital transformation and fiber-optic network expansion in Germany.

Deutsche Telekom also aims to increase AI-related revenue from enterprise customers outside the United States to approximately €800 million by 2030. Its strategy therefore focuses not only on reducing costs, but also on creating new revenue streams.

The strategy can be viewed through two categories of value:

  • Internal value: Reducing processing time, automating repetitive work, and improving operational efficiency.
  • Commercial value: Developing new AI services and generating additional revenue from customers.

This distinction matters for Vietnamese businesses. An AI strategy may need to track both cost efficiency and growth opportunities, rather than simply counting how many employees use AI tools.

2. Where Is AI Creating Value at Deutsche Telekom?

Business areaAI applicationReported result
Customer serviceAI agents handle customer contacts and assist staffIn the US, AI agents handle 40% of customer contacts; service calls have fallen by 55%
Customer service in other marketsChatbots assist with calls“Frag Magenta” handled approximately 2.6 million customer service calls in the first half of 2026
Network operationsAI detects potential congestion and helps coordinate responsesIn certain network scenarios, response times have fallen from several hours to approximately one minute
Software developmentAI assists coding and the replacement of legacy IT systemsIntended to reduce development effort and system operating costs
Enterprise AI servicesCommercial AI service developmentTarget of approximately €800 million in revenue by 2030 from enterprise customers outside the US

Source: Deutsche Telekom’s official announcement on October 5, 2026. These results and targets relate to specific company initiatives and should not be treated as guaranteed outcomes for every AI project.

The common factor is that AI is being deployed where work volumes are high, processes are repetitive, or data can help identify problems earlier.

For example, AI handling a portion of customer requests can reduce the workload on employees. When AI detects potential network congestion earlier, operations teams have more time to respond before customers are affected.

To translate these improvements into ROI, businesses must identify the corresponding financial value: labor costs genuinely avoided, incident costs prevented, shorter processing times, or additional revenue. Not every operational improvement should automatically be counted as cash savings if actual expenditure has not decreased.

3. The Critical Perspective: €2.5 Billion Is Not Net ROI

The €2.5 billion target is substantial, but three concepts need to be distinguished:

  • Gross savings: Expected savings before deducting certain costs associated with AI.
  • Net benefits: The value remaining after deducting the costs required to achieve those savings.
  • ROI: The return relative to the total investment and operating costs over a defined measurement period.

In an analysis published on October 6, 2026, Light Reading noted that Deutsche Telekom’s €2.5 billion savings target is a gross figure that excludes AI token costs. According to the publication, the company plans to manage token expenditure through measures such as avoiding dependence on a single model and applying tiered token budgets.

Light Reading also noted that the savings target represents less than 3% of the company’s total operating costs in 2023, using the basis described in its analysis.

This does not mean Deutsche Telekom’s target is insignificant. It demonstrates why a large headline figure needs to be assessed in the context of costs, operating scale, and the time required to realize the benefits.

The same principle applies to SMEs: AI effectiveness should not be judged only by hours saved or tasks automated. Technology, implementation, review, and error-correction costs must also be considered before concluding that an investment is profitable.

4. A Practical AI ROI Formula for SMEs

The basic formula is:

ROI =Total Financial Benefits − Total AI CostsTotal AI Costs× 100%

Where:

  • Total financial benefits: Quantifiable cost savings plus reasonably attributable incremental profit.
  • Total AI costs: Tool subscriptions, tokens, implementation, integration, training, monitoring, and error-handling costs within the measurement period.

Illustrative example

Suppose a business deploys AI to support its customer service team and records the following hypothetical monthly figures:

MetricMonthly value
Work time saved80 hours
Allocated labor costVND 100,000 per hour
Value of time savedVND 8,000,000
Total monthly AI costsVND 3,000,000
Financial benefit after AI costsVND 5,000,000

Based on these assumptions:

ROI =8 − 33× 100% ≈ 166.7%

This result is valid only if the VND 8 million represents a financial benefit that can reasonably be realized and the VND 3 million includes all relevant costs within the measurement scope.

If employees save 80 hours but the business does not reduce expenditure, increase output, or use that time for higher-value work, the VND 8 million should be treated as potential time value, not necessarily actual cash savings.

That is why businesses should define how benefits will be recorded before selecting a formula and entering estimated figures.

5. Three Steps to Measure AI ROI

Step 1. Establish a baseline before implementation

Choose a specific workflow, such as customer request handling, report preparation, or work planning. Record:

  • Average processing time per request.
  • Number of employees and total labor hours involved.
  • Costs incurred and error rates.
  • Work completed over a defined period.

Without a baseline, it is difficult to determine whether a change resulted from AI or from other factors.

Step 2. Calculate verifiable benefits

After introducing AI, measure the same indicators and compare them with the baseline.

Potential benefits include reduced labor hours, fewer errors, faster response times, higher processing capacity, or improved conversion rates. However, additional revenue should be attributed to AI only when there is a reasonable basis for doing so.

It is particularly important to distinguish released time from actual cost reduction. Time savings can be valuable, but they become a financial benefit only when used productively or when they help avoid a real expenditure.

Step 3. Include all costs over the same period

Calculate costs monthly or quarterly, depending on how AI is used. Keep the measurement period consistent for both benefits and costs.

If a project requires substantial upfront implementation spending, separate initial investment from recurring operating expenses and track the payback period. Do not compare a full year of benefits with only one month of costs.

6. AI Costs Businesses Often Overlook

An AI system can appear inexpensive when judged only by its subscription price. The actual cost is often broader.

  • Tokens and usage: Costs may rise as the number of users, requests, or task complexity increases.
  • Data preparation: Cleaning, organizing, and connecting data before AI can use it effectively.
  • System integration: Connecting AI with existing data, software, and workflows.
  • Output verification: Employee time spent checking information, especially for important tasks.
  • Error correction and incident handling: Costs incurred when AI produces incorrect answers, misses information, or generates unsuitable outputs.
  • Training and governance: Teaching employees to use AI appropriately, managing access, and monitoring usage.
  • Switching costs: Effort and expenditure required to change models, providers, or system architecture.

An AWS 2026 study conducted by Strand Partners found that only 13% of surveyed Vietnamese businesses had a clearly defined and consistently applied AI ROI framework, while 46% lacked a reliable method for measuring returns.

These findings suggest that measurement should not be an afterthought. It needs to be designed from the beginning alongside objectives, metrics, and cost boundaries.

7. Hars and Kimmy: Improving Cost Visibility for AI Adoption

For businesses that use AI regularly, monitoring expenditure and linking it to actual business activity are important parts of effective management.

Hars’s approach is to bring the Kimmy AI assistant closer to business data and workflows while supporting a more controlled approach to AI adoption. In practice, businesses should define the scope of use, consumption levels, access permissions, and methods for evaluating results.

If using a monthly token package, businesses should verify the applicable limits, consumption rules, and alerting mechanisms for the specific package. A token budget helps control usage expenditure, but it does not automatically prove that ROI is positive. ROI must still be calculated from actual benefits and all relevant costs.

Businesses can begin with a workflow where the data is clear, measure performance before and after using Kimmy, and expand when the results demonstrate sufficient value.

Explore Hars and schedule a consultation

Conclusion: AI ROI Starts with Measuring the Right Things

Deutsche Telekom demonstrates how AI can become part of a group-wide strategy to optimize costs and grow revenue. But its €2.5 billion target is also a reminder that gross savings are not net profit, and AI usage does not automatically translate into a positive return on investment.

For SMEs, a practical approach is to choose one workflow, measure the baseline, identify verifiable benefits, account for all relevant costs, and track ROI over a consistent period.

There is no need to begin with a large AI system. What matters is knowing how much the business is investing, what value it receives in return, and whether the evidence justifies further investment.

Want to estimate AI ROI for a specific business workflow?

Schedule a consultation with Hars

References

  1. Deutsche Telekom – Official announcement on AI-driven efficiency, cost savings, and revenue
  2. Reuters – Deutsche Telekom targets €2.5 billion in AI and automation savings by 2030
  3. Light Reading – Critical analysis of the savings target, token costs, and financial returns
  4. Nhan Dan – Vietnam: From AI ambitions to tangible business results
ĐÁNH GIÁ SỨC KHỎE DOANH NGHIỆP

Để HARS “bắt mạch”
doanh nghiệp của bạn

Bài khảo sát bằng AI giúp nhận diện điểm nghẽn trong vận hành chỉ sau vài phút. Chuyên gia HARS sẽ liên hệ trao đổi kết quả và đề xuất lộ trình phù hợp với quy mô, ngành nghề của bạn – hoàn toàn miễn phí.