Ứng dụng AI trong tuyển dụng: chỗ nào nên giao, chỗ nào đừng

Bạn mở tuyển một nhân viên kinh doanh. Tin đăng lên ba nơi. Hai tuần sau, hồ sơ về theo bốn đường: hộp thư công ty, Zalo cá nhân của bạn, tin nhắn trang Facebook, và một người quen gửi thẳng file vào nhóm chat. Bạn kéo hết về một thư mục. Đếm được 164 file. Gần bốn chục file là ảnh: ảnh chụp CV in ra giấy, ảnh chụp màn hình điện thoại, một file tên "IMG_2098.jpg". Bảy file trùng tên "CV.pdf".

Câu hỏi thật của bạn lúc này không phải "ứng dụng AI trong tuyển dụng có hay không", mà "giao được khâu nào". Trả lời ngắn: AI mạnh ở hai việc, là đọc nhanh tài liệu lộn xộn và chấm mọi hồ sơ theo đúng một bộ tiêu chí bạn đặt sẵn, kèm câu trích làm bằng chứng. Nó yếu ở mọi thứ cần phán đoán, cần đọc vị con người, hoặc cần bối cảnh mà bạn chưa hề cho nó biết. Chia việc theo đúng đường ranh đó thì nó chạy tốt. Bảo nó quyết thay bạn thì một tháng sau bạn mới phát hiện danh sách phỏng vấn toàn năm phiên bản của cùng một người.

Bài này không tung hô và cũng không doạ. Nó chia toàn bộ công đoạn tuyển dụng thành ba nhóm rõ ràng: giao hẳn được, giao nhưng phải soát, và giữ cho người. Sau đó là phần các buổi giới thiệu phần mềm không bao giờ nói tới, tức là cách bạn kiểm chứng xem cái điểm số kia có đúng không. Rồi tới nỗi lo mà ai cũng có nhưng ít ai nói ra trong buổi demo: liệu AI có loại nhầm người giỏi. Cuối cùng là hai thứ ảnh hưởng tới quyết định mua nhiều hơn mọi tính năng cộng lại, là chi phí thật và chuyện hồ sơ ứng viên nằm ở đâu.

Ứng dụng AI trong tuyển dụng làm được gì và không làm được gì?

Cách nghĩ có ích nhất là hỏi: việc bạn định giao thuộc loại nào. Có một loại việc máy móc nhưng không viết thành luật được. Đọc một CV là ví dụ hoàn hảo. Không có định dạng cố định, không có khuôn, không ai bảo đảm ngày tháng lần này xếp giống lần trước. Một câu lệnh tìm kiếm theo mẫu không làm nổi. Nhưng bản thân việc đọc đó cũng chẳng có phán đoán gì: bạn chỉ đang tìm xem tờ giấy này có nói một điều cụ thể hay không, và nếu có thì nó nằm ở dòng nào.

Đúng loại việc đó là chỗ mô hình ngôn ngữ mạnh, và cũng đúng là chỗ phần mềm tuyển dụng đời trước yếu. Một hệ thống quản lý hồ sơ truyền thống bóc theo ô: tên, email, nơi làm việc, mốc thời gian. Nó làm được với PDF sạch và làm rất tệ với mọi thứ còn lại, và nó không bao giờ có ý kiến gì về nội dung. Bản dài hơn về chuyện các hệ thống đó gánh được gì và bỏ trống chỗ nào nằm ở bài Phần Mềm Quản Lý Tuyển Dụng ATS Là Gì? Dùng Để Làm Gì. Tóm lại thì nó là cái kho, cái sổ theo dõi và cái tủ hồ sơ, không cái nào trong ba thứ đó đọc CV giúp bạn.

Việc thứ hai AI làm tốt là chấm đều tay. Nghe không hoành tráng nhưng đây mới là thứ thay đổi kết quả. Bạn không đều tay. Không ai đều tay cả. Hồ sơ thứ bốn mươi trong một buổi chiều được đọc khác hẳn hồ sơ thứ tư, và cái mở ra ngay sau một cuộc họp căng thẳng thì lại khác nữa. Một mô hình áp cùng một bảng tiêu chí thì không chán, không mỏi, và không rộng tay hơn chỉ vì công ty cũ của ứng viên là cái tên bạn có nghe qua.

Để ý điểm chung của hai việc này: không việc nào đòi hệ thống phải biết thứ bạn chưa nói cho nó. Việc đọc bị giới hạn trong tờ hồ sơ. Việc chấm bị giới hạn trong bộ tiêu chí. Ngay khi bạn hỏi một câu vượt ra ngoài hai đường biên đó, kiểu như người này có gắn bó được hai năm không, có hợp với đội không, có phải kiểu người công ty đang cần không, là bạn đã rời khỏi vùng công nghệ chạy được và bước vào vùng nó sinh ra những câu trôi chảy, tự tin và không có căn cứ.

Ba việc AI làm tốt hơn bạn thật

Nói cho cụ thể, vì cụm "AI sàng lọc hồ sơ" gộp ít nhất ba khả năng khác nhau, và ba cái đó hỏng theo ba kiểu khác nhau.

Đọc được đống file mà máy đời trước bó tay

Đây là chỗ bối cảnh Việt Nam khác hẳn tài liệu nước ngoài. Ở nhiều đội, tỉ lệ hồ sơ không phải PDF chữ sạch là rất lớn. Ứng viên chụp màn hình bản CV trên điện thoại rồi gửi Zalo. Ứng viên in CV ra, ký tên, chụp lại bằng camera, ảnh hơi nghiêng. Ứng viên gửi bản scan sơ yếu lý lịch viết tay. Ứng viên dùng mẫu CV nhiều cột, chữ nằm trong khối đồ hoạ. Có người dán thẳng nội dung vào thân email, không đính kèm gì.

Cách bóc chữ truyền thống xử lý được khoảng một nửa số đó và làm hỏng phần còn lại một cách im lặng. Bạn từng thấy bản ghi bóc ra ghi tên trường đại học vào ô nơi làm việc hiện tại, vì bản CV chia hai cột làm nó đọc so le. Một mô hình ngôn ngữ đọc phần chữ đã bóc thì xử lý bố cục rối tốt hơn nhiều, vì nó bám vào nghĩa chứ không bám vào toạ độ trên trang. Còn với những file bóc chữ ra không nổi, tức là bản scan, ảnh chụp, CV thiết kế nặng đồ hoạ, thì mô hình nhìn thẳng vào ảnh và đọc như bạn đọc.

Đây là khác biệt thật, không phải khác biệt trên tờ rơi. Nó là khoảng cách giữa một xấp file "không xử lý được" nằm im trong góc thư mục và việc mọi hồ sơ đều thật sự được đọc. Với đội Việt Nam, xấp file nằm im đó thường là xấp lớn nhất trong vòng tuyển.

Áp một thước cho tất cả, kể cả hồ sơ thứ 160

Đưa cho mô hình một tiêu chí, ví dụ "đã tự đi tìm khách mới chứ không chỉ nhận danh sách có sẵn", nó sẽ áp đúng phép thử đó cho CV số 1 và CV số 164 y như nhau. Nó không tự thấy mình khắt khe quá rồi nới ở giữa chừng. Nó không cộng thêm điểm vì bản CV trình bày đẹp mắt.

Đây mới là tính chất khiến cả cách làm này đứng vững. Không phải "chính xác" nói chung, mà "lặp lại được". Chạy lại 164 file đó với cùng bộ tiêu chí, bạn nhận về kết quả gần như y hệt. Nếu bạn không nói được câu đó về cách làm hiện tại của mình, mà nếu bạn tự đọc thì bạn không nói được, thì phép so sánh đúng không phải "AI so với hoàn hảo" mà là "AI so với một người đã đọc sáu tiếng và đang muốn về".

Bóc thông tin rời rạc thành cột

Tên, email, số điện thoại, số năm kinh nghiệm, vị trí gần nhất. Toàn ô chán, và việc điền tay mấy ô đó cho vài trăm file là chỗ một phần thật của tuần làm việc bốc hơi. Mô hình đọc tờ hồ sơ rồi bóc ra, đủ tin cậy tới mức trường hợp sai thì bạn nhìn thấy được và sửa được. Đó mới là chuẩn bạn nên đòi hỏi. Không phải sai bằng không. Mà là sai thì thấy.

Để ý cả ba việc trên đều là việc đọc. Không cái nào là một quyết định. Đó không phải trùng hợp, đó là toàn bộ kết luận của bài này.

Bốn chỗ AI hỏng, và hỏng theo kiểu khó thấy

Các kiểu hỏng không ngẫu nhiên. Chúng gom thành cụm, và khi biết cụm rồi thì bạn thiết kế quy trình để né được.

Phán đoán mà không có dữ kiện để phán đoán

Hỏi mô hình xem ứng viên này "có hợp với công ty đang tăng trưởng nhanh không", nó sẽ trả lời. Trả lời chắc nịch, câu cú mạch lạc, kèm lý do. Câu trả lời đó vô giá trị, vì mô hình không biết công ty bạn một ngày thứ Ba thì như thế nào, ba người trước ở vị trí này vấp ở đâu, sếp bạn khó tính chuyện gì, và trong hai người quản lý thì người này sẽ báo cáo cho ai.

Vấn đề không phải mô hình đoán dở. Vấn đề là nó có đoán, và đầu ra của nó trông không giống một lời đoán. Trôi chảy chính là cái bẫy. Một người khi không chắc thì câu chữ nghe ra là không chắc; mô hình khi không chắc vẫn viết ra một đoạn nghe như kết luận đã kiểm chứng.

Hợp văn hoá không nằm trong tờ giấy

Cái này đáng tách riêng vì nó là thứ người ta hay nhờ AI làm nhất, và nó bất khả thi về mặt cấu trúc. Hợp văn hoá là một nhận định về sự tương tác giữa một người và một nhóm người cụ thể khác. Một bản CV không chứa bên nào trong hai bên đó. Bất cứ điều gì công cụ nói với bạn về độ hợp văn hoá đều được suy ra từ dấu hiệu thay thế: quy mô công ty cũ, ngành, kiểu gắn bó dài ngắn, từ ngữ trong đoạn giới thiệu bản thân.

Mà dấu hiệu thay thế đúng là chỗ thiên lệch trú ngụ. Một mô hình học được rằng "người từng làm ở công ty giống công ty mình thì hợp" là đã học cách nhân bản đúng thói quen tuyển của bạn, tức là ngược hẳn với điều hầu hết đội nói mình muốn. Giữ câu hỏi về văn hoá cho vòng phỏng vấn, chỗ bạn hỏi thẳng được. Cách dựng bảng điểm cho vòng đó nằm ở bài kỹ năng phỏng vấn và quy trình phỏng vấn.

Đường nghề lạ bị chấm như nhiễu

Khoảng trống ba năm. Người chuyển từ dạy học sang phân tích dữ liệu. Người tự mở công ty nhỏ bốn năm rồi giờ muốn đi làm công ăn lương. Người đọc cũng hay chấm hỏng những hồ sơ này, nhưng mô hình chấm hỏng một cách có hệ thống, mà có hệ thống thì tệ hơn: mọi ứng viên cùng dáng hình đó đều bị đối xử như nhau, vòng nào cũng vậy, và không ai nhìn thấy.

Kiểu hỏng cụ thể là mô hình chấm theo hình dáng thông thường của một tiêu chí. "Năm năm kinh nghiệm liên quan" dễ xác nhận khi một người giữ một chức danh suốt năm năm, và khó khi cùng năm năm đó rải rác qua các việc nhận khoán, không có tên công ty nào. Bằng chứng vẫn có đó, chỉ là nó không hiện ra đúng cái dáng người ta chờ.

Sai một cách rất trôi chảy

Một mô hình bị bắt chấm tiêu chí mà nó không xác nhận được thì thường không nói "tôi không xác nhận được". Nó sẽ đưa ra một điểm số nghe hợp lý và một đoạn giải thích nghe cũng hợp lý, và nếu bạn không bắt nó trích thẳng câu chữ từ hồ sơ thì đoạn giải thích đó đôi khi là đồ tự dựng từ ngữ cảnh xung quanh. Chuyện này không hiếm và không phải lỗi vá được, nó là hình dạng của công nghệ. Mọi phép kiểm ở mục sau tồn tại chỉ vì tính chất này.

File nó không đọc nổi

Có file hỏng. Có file khoá mật khẩu. Có ảnh chụp mờ tới mức không ra chữ nào. Hành vi nguy hiểm là công cụ lặng lẽ chấm mấy file này thành điểm thấp thay vì đánh dấu, vì một con số 12 trong danh sách sắp xếp trông y hệt một ứng viên yếu thật. Một file không đọc được phải nằm ở trạng thái riêng của nó, nhìn thấy được, chờ bạn mở ra xem tay hoặc nhắn ứng viên gửi lại. Nó không được ăn tiền của bạn và không được sinh ra một con số.

Chia ba nhóm: giao hẳn được, giao nhưng phải soát, giữ cho người

Đây là toàn bộ đường đi của một vòng tuyển, kèm phán quyết cho từng công đoạn. Các phán quyết cố tình đặt về phía dè dặt, vì cái giá của việc giao quá tay trong tuyển dụng là một người không bao giờ được gọi và không bao giờ biết vì sao.

Công đoạn	Xếp nhóm	Vì sao
Viết nháp tin tuyển dụng	Giao nhưng phải soát	Ổn ở mức bản nháp. Riêng phần yêu cầu phải có người đọc lại, không thì bạn thừa hưởng những dòng chung chung chấm không được.
Dịch JD thành bộ tiêu chí	Giao nhưng phải soát	Đề xuất danh sách có cấu trúc thì tốt. Bạn phải đọc từng dòng, cắt bớt nhóm bắt buộc và sửa trọng số.
Gom hồ sơ từ Zalo, email, form về một chỗ	Giao hẳn cho phần mềm, không phải cho AI	Việc chuyển file, đặt tên, chống trùng. Không cần mô hình nào ở đây cả.
Bóc chữ ra khỏi PDF, DOCX, ảnh chụp	Giao hẳn	Máy móc thuần tuý. Thứ duy nhất bạn cần nhận lại là danh sách file thất bại, hiện rõ.
Bóc tên, email, số điện thoại, số năm, vị trí gần nhất	Giao hẳn	Chán, số lượng lớn, và sai thì đối chiếu với file gốc là thấy ngay.
Chấm 0–100 từng tiêu chí kèm bằng chứng	Giao nhưng phải soát	Đây là phần ăn tiền. Đòi hỏi câu trích và một thói quen chấm đối chứng, không phải niềm tin.
Cộng điểm tổng theo trọng số	Giao hẳn cho phần mềm, không giao cho AI	Phép tính thuộc về đoạn mã. Bảo mô hình tự cộng điểm của chính nó là điểm sẽ trôi.
Xếp Đạt / Cân nhắc / Không đạt theo ngưỡng	Giao hẳn	Chỉ là so số với ngưỡng. Ngưỡng và dải là của bạn, phép so là của máy.
Xếp thứ tự đọc trong danh sách rút gọn	Giao nhưng phải soát	Danh sách sắp xếp là gợi ý thứ tự đọc, không phải bảng xếp hạng năng lực.
Quyết định loại một hồ sơ	Giữ cho người	Hành động duy nhất không đảo ngược được trong cả phễu. Không bao giờ để nó tự chạy theo điểm.
Soạn thư mời phỏng vấn và thư từ chối	Giao nhưng phải soát	Giỏi phần câu chữ, dở phần biết bạn đã hứa gì với người này trong cuộc gọi hôm trước.
Gọi sàng qua điện thoại	Giữ cho người	Giá trị nằm ở câu hỏi đuổi theo, mà câu hỏi đuổi theo sinh ra từ điều vừa nghe.
Soạn câu hỏi phỏng vấn từ tiêu chí	Giao nhưng phải soát	Rất mạnh ở việc biến một tiêu chí thành ba câu hỏi đào sâu. Bạn chọn câu nào thật sự hỏi.
Chấm buổi phỏng vấn	Giữ cho người	Bối cảnh nằm trong phòng, mà mô hình không ngồi trong phòng.
Đánh giá độ hợp văn hoá	Giữ cho người	Không nằm trong hồ sơ. Mọi câu trả lời của AI ở đây đều là dấu hiệu thay thế.
Chốt tuyển và thương lượng lương	Giữ cho người	Không phải trường hợp gây tranh cãi.

Đọc dọc cột lý do sẽ thấy một quy luật. Mọi thứ được xếp "giao hẳn" đều bị chặn trong một đầu vào do bạn cung cấp. Mọi thứ "giữ cho người" đều cần thông tin chưa từng có trong file. Nhóm giữa, tức "giao nhưng phải soát", không phải một sự thoả hiệp nửa vời: đó là chỗ chứa phần lớn giá trị, và chính động tác soát mới là thứ biến giá trị đó thành tiền cầm được.

Một điều đáng nói thêm: công nghệ trong tuyển dụng không phải một khối duy nhất. Trong bảng trên có ít nhất ba loại công nghệ khác nhau đang lẫn vào nhau, là phần mềm chuyển và lưu file, phần mềm tính toán, và mô hình ngôn ngữ. Nhiều buổi giới thiệu gọi cả ba là "AI". Khi bạn tách được chúng ra thì câu hỏi mua bán trở nên dễ trả lời hơn nhiều, vì bạn biết mình đang thiếu loại nào. Ranh giới giữa việc chạy theo luật cứng và việc để mô hình tự đọc rồi quyết được bàn kỹ ở bài AI Agent là gì? Khác gì tự động hoá theo luật thông thường.

Sàng lọc CV bằng AI: năm phép kiểm chứng trước khi tin một điểm số

Đây là mục các buổi demo bỏ qua. Mọi kết quả sàng lọc CV bằng AI mà bạn nhìn thấy đều phải sống sót qua năm phép kiểm dưới đây. Nếu công cụ đang dùng không đỡ nổi cả năm, thì bạn không đang sàng lọc bằng AI, bạn đang đánh cược có thêm vài bước.

Phép 1: mỗi điểm số phải kèm một câu trích

Một tiêu chí được chấm 85 mà không có bằng chứng là con số bạn không cãi được và cũng không kiểm được. Cũng tiêu chí đó chấm 85 kèm dòng "phụ trách nhóm bán hàng 4 người khu vực miền Trung, từ 3/2023 đến 5/2025" trích thẳng từ CV thì là một lời khẳng định bạn xác minh xong trong bốn giây bằng cách mở file ra.

Riêng yêu cầu này gỡ được phần lớn rủi ro mô hình bịa, vì một mô hình bị bắt phải xuất trình câu chữ gốc thì khó dựng chuyện hơn nhiều. Nó cũng đổi luôn cách bạn soát: từ chỗ phải đọc lại cả CV thành chỗ chỉ đọc các câu trích, nhanh hơn khoảng một bậc.

Khi câu trích không đỡ nổi điểm số, mà bạn sẽ gặp trường hợp như thế, đó không phải thảm hoạ, đó là hệ thống đang chạy đúng. Bạn bắt được rồi. Sửa cách viết tiêu chí rồi chấm lại. Tiêu chí sinh ra bằng chứng lệch gần như luôn là tiêu chí viết mơ hồ, và cách viết cho hết mơ hồ ngay từ khâu JD nằm ở bài biến mẫu mô tả công việc thành bộ tiêu chí.

Phép 2: điểm tổng do hệ thống tính, không để AI tự cộng

Mô hình ngôn ngữ làm toán kém, và càng kém hơn khi bị bắt vừa làm toán vừa viết văn. Nếu công cụ hỏi mô hình một "điểm tổng", bạn nhận về con số có tương quan với các điểm thành phần nhưng không suy ra được từ chúng. Nó sẽ trôi về phía ấn tượng chung của mô hình, mà ấn tượng chung chính là thứ cảm tính bạn đang cố gỡ bỏ.

Thiết kế đúng: mô hình chấm từng tiêu chí 0 đến 100 kèm bằng chứng, còn máy chủ tính bình quân theo trọng số từ các điểm đó và trọng số của bạn. Hết. Đây là một ví dụ có số, tự đặt ra cho dễ hình dung, cho vị trí nhân viên kinh doanh bán phần mềm cho doanh nghiệp, tám tiêu chí.

Tiêu chí	Nhóm	Trọng số	Điểm	Đóng góp
Đã bán cho khách doanh nghiệp, không phải bán lẻ	Bắt buộc	10	80	17,0
Có ít nhất một năm chịu chỉ tiêu doanh số hằng tháng	Bắt buộc	9	60	11,5
Tự đi tìm khách mới, không chỉ nhận danh sách có sẵn	Quan trọng	8	75	12,8
Dùng được phần mềm quản lý khách hàng ở mức ghi và tra	Quan trọng	6	40	5,1
Từng bán sản phẩm công nghệ hoặc dịch vụ phần mềm	Ưu tiên	5	90	9,6
Viết được email chào hàng gọn, không sai chính tả	Cơ bản	4	70	6,0
Đi công tác tỉnh được vài ngày mỗi tháng	Cơ bản	3	100	6,4
Đọc hiểu tài liệu kỹ thuật tiếng Anh	Linh hoạt	2	30	1,3

Tổng trọng số là 47. Điểm tổng bằng tổng của trọng số nhân điểm, chia cho 47, ra 69,6. Mỗi ô ở cột cuối là trọng số nhân điểm rồi chia 47, và cộng lại đúng bằng 69,6 nếu không làm tròn. Bạn kiểm được toàn bộ phép tính này trên giấy trong hai phút, và đó chính là điểm mấu chốt. Một con số dựng lại được là một con số bạn bảo vệ được trước người quản lý đang không đồng ý với nó.

Hãy nhìn biểu đồ đó lâu hơn một chút so với mức cần thiết. Nó nói cho bạn một điều mà con số tổng không nói: ứng viên này đang được nâng lên bởi kinh nghiệm bán cho doanh nghiệp và khả năng tự tìm khách, và bị kéo xuống ở chỗ dùng phần mềm quản lý khách hàng. Đó là một buổi phỏng vấn hoàn toàn khác so với cũng 69 điểm nhưng mạnh về công cụ và yếu về tự tìm khách. Điểm tổng là cái sàng. Bảng chi tiết là tờ giấy giao việc cho người phỏng vấn.

Phép 3: tiêu chí bắt buộc phải ép rớt, bất kể điểm tổng

Bình quân theo trọng số có một lỗ hổng về cấu trúc: mạnh ở nhiều tiêu chí nhỏ có thể lấp mất một điểm yếu chí mạng ở tiêu chí lớn. Lấy đúng ứng viên trên và đổi một con số. Giả sử tiêu chí "một năm chịu chỉ tiêu doanh số" chấm 45 thay vì 60. Điểm tổng rơi xuống khoảng 66,7. Nếu ngưỡng đạt của bạn là 65 thì người này vẫn Đạt trên giấy, trong khi trượt đúng cái thứ bạn tự tay ghi là không thương lượng.

Cách vá là một luật cứng ngồi trên phép tính: tiêu chí thuộc nhóm bắt buộc mà dưới một mức sàn thì ép kết luận Không đạt, bất kể tổng bao nhiêu. Năm mươi trên một trăm là mức sàn hợp lý. Quan trọng hơn con số cụ thể là luật đó tồn tại và được máy áp mỗi lần, không phụ thuộc vào việc ai đó có nhớ kiểm hay không.

Luật này còn có tác dụng phụ rất tốt: nó bắt bạn viết nhóm bắt buộc cho tử tế. Khi biết một dòng có quyền tự mình đánh rớt một ứng viên mạnh, bạn sẽ nghĩ kỹ hơn trước khi gắn nhãn bắt buộc cho sáu thứ. Hai tới bốn dòng thường là vừa. Phần còn lại chuyển sang quan trọng, ưu tiên, cơ bản, linh hoạt, và phát huy ảnh hưởng qua trọng số thay vì qua quyền phủ quyết.

Phép 4: "không đọc được" là một trạng thái, không phải điểm 0

Khi một file không đọc được, đầu ra trung thực là dòng chữ "không đọc được". Không phải điểm thấp. Không phải biến mất khỏi danh sách. Một trạng thái nhìn thấy được, giữ ứng viên nằm trong hàng chờ và đẩy file đó tới trước mặt một con người.

Ba việc phải kéo theo. Công cụ không được gọi mô hình trên file nó bóc chữ không ra, vì có gì đâu mà gửi. Nó không được tính tiền cho lần thử đó. Và nó phải giữ nguyên file để bạn mở ra, tự nhìn, rồi hoặc gõ lại nội dung hoặc nhắn ứng viên gửi bản khác. Một ứng viên vô tình gửi bản scan không phải là ứng viên yếu hơn, và hệ thống đối xử với họ như người yếu hơn là đang lặng lẽ phân biệt theo định dạng file. Ở Việt Nam, nơi bản scan và ảnh chụp chiếm tỉ lệ lớn, chi tiết này không nhỏ chút nào.

Phép 5: mỗi vòng tự chấm tay năm hồ sơ

Không phải chấm tay một lần lúc dùng thử. Mỗi vòng. Chọn năm hồ sơ: hai cái đạt thoải mái, hai cái rớt, một cái nằm giữa dải cân nhắc. Mở CV bên cạnh bảng kết quả và đọc từng câu trích đối chiếu với tờ hồ sơ.

Bạn đang tìm bốn thứ. Bằng chứng không nói đúng điều mà điểm số khẳng định. Tiêu chí mà ai cũng được điểm na ná nhau, nghĩa là tiêu chí đó không phân loại được ai và nên viết lại hoặc bỏ. Tiêu chí mà mô hình rõ ràng hiểu khác ý bạn. Và bất kỳ ứng viên nào bạn nhìn phát là muốn gọi nhưng hệ thống lại cho rớt, đây là tín hiệu quý nhất trong cả năm loại.

Năm file mất khoảng mười lăm phút. Đây là biện pháp kiểm soát chất lượng rẻ nhất trong toàn bộ quy trình, và bỏ qua nó chính là cách một đội đi được nửa năm rồi mới biết bộ tiêu chí của mình sai từ đầu.

Nỗi lo "AI loại nhầm người giỏi" đúng tới đâu?

Có, đôi khi vẫn loại nhầm. Bạn cũng vậy. Câu hỏi có ích không phải là "có sai không" mà là "sai thì có nhìn thấy, giải thích và sửa được không". Ở điểm này thì phép so sánh trung thực lại khá bất lợi cho cách đọc tay, vì một lần loại hồ sơ lúc năm giờ chiều thứ Sáu không để lại bất kỳ dấu vết nào về lý do.

Dù vậy nỗi lo là chính đáng và xứng đáng được trả lời cụ thể chứ không phải được trấn an. Người giỏi bị mất theo đúng ba đường dưới đây, và cả ba đều sửa được.

Nguyên nhân 1: tiêu chí viết sai

Nếu bạn ghi "tối thiểu 5 năm kinh nghiệm bán phần mềm cho doanh nghiệp" vào nhóm bắt buộc, hệ thống sẽ đánh rớt rất chính xác một ứng viên xuất sắc có 4 năm và một bảng thành tích mạnh hơn hẳn. Đó không phải lỗi của AI. Đó là luật của bạn, được thi hành đúng từng chữ, và nếu một người áp cũng ra kết quả y thế. Khác biệt duy nhất là người thì sẽ lặng lẽ phá luật, cảm giác dễ chịu hơn nhưng không ai kiểm lại được.

Cách sửa: áp phép thử 90 ngày cho mọi dòng bắt buộc. Hỏi thẳng, người này có thể làm được việc trong ba tháng đầu mà thiếu điều kiện này không. Nếu có thì nó không phải điều kiện bắt buộc. Con số năm kinh nghiệm gần như không bao giờ qua nổi phép thử này, và nó là nguyên nhân số một khiến người giỏi bị cắt, bởi vì số năm chỉ là dấu hiệu thay thế cho thứ bạn thật sự muốn, mà dấu hiệu thay thế thì hỏng đúng ở những ứng viên khác thường.

Nguyên nhân 2: file đọc không ra chữ

Đây là nguyên nhân nặng nhất ở Việt Nam và gần như không thấy trong tài liệu nước ngoài. Bản scan độ phân giải thấp. Ảnh chụp CV in ra, chụp nghiêng, có bóng tay. CV mẫu hai cột với chữ nằm trong khối ảnh. Ảnh chụp màn hình một trang web hồ sơ, cắt mất nửa dưới. Nội dung của ứng viên hoàn toàn ổn. Chỉ có việc đọc nó là không ổn.

Cách sửa gồm hai lớp. Lớp thứ nhất là chọn công cụ đọc được ảnh, không phải công cụ chỉ bóc chữ từ PDF. Lớp thứ hai là đối xử với xấp file thất bại như một hàng chờ có người trực, làm tay từng cái. Thường mỗi vòng chỉ vài file, mất mười lăm phút, và trong mười lăm phút đó hay có một hai người rất đáng gọi.

Nguyên nhân 3: ngưỡng đặt quá cao

Nhiều đội đặt ngưỡng đạt 80 vì 80 nghe có vẻ giỏi. Rồi cả vòng chỉ có ba người qua, hai người trong đó đã nhận việc chỗ khác, và đội kết luận rằng thị trường không có người. Thực tế là thước đo bị vặn quá chặt.

Điểm tổng theo trọng số không phải điểm thi. Một ứng viên rất khá hiếm khi chạm 85, vì luôn có vài tiêu chí họ không mạnh, và mấy tiêu chí đó vẫn kéo bình quân xuống. Cách đặt ngưỡng đúng là làm ngược: chấm hai mươi hồ sơ đầu, nhìn phân bố điểm, rồi đặt ngưỡng ở chỗ lọc ra số người bạn có thời gian phỏng vấn. Nếu tuần này bạn phỏng vấn được tám người thì ngưỡng phải là con số cho ra khoảng tám tới mười hai người, chứ không phải một con số đẹp.

Nguyên nhân	Dấu hiệu nhận ra	Cách chặn
Tiêu chí viết sai	Nhiều hồ sơ rớt vì đúng một dòng bắt buộc; câu trích đúng nhưng kết luận thấy vô lý	Phép thử 90 ngày, cắt nhóm bắt buộc còn 2–4 dòng, viết theo bằng chứng chứ không theo bằng cấp hay số năm
File đọc không ra chữ	Nhóm điểm rất thấp mà bằng chứng trống hoặc chỉ có một hai dòng lẻ	Chọn công cụ đọc được ảnh; lập hàng chờ "không đọc được" và làm tay từng file mỗi vòng
Ngưỡng đặt quá cao	Số người Đạt ít hơn hẳn số buổi phỏng vấn bạn xếp được trong tuần	Đặt ngưỡng theo phân bố điểm của hai mươi hồ sơ đầu, mở dải cân nhắc rộng 10 điểm dưới ngưỡng

Dải cân nhắc là thứ cứu bạn

Lớp bảo vệ về mặt cấu trúc là dải cân nhắc, tức một khoảng nằm dưới ngưỡng đạt mà kết luận không phải Đạt cũng không phải Không đạt, mà là "cái này để người đọc". Nếu ngưỡng của bạn là 65, một dải cân nhắc từ 55 đến 65 nghĩa là mọi hồ sơ sát biên đều rơi vào hàng chờ có mắt người, thay vì rơi vào thư mục loại.

Gần như toàn bộ sai sót còn cứu được đều nằm trong dải này. Một ứng viên yếu thật hiếm khi được 61. Một ứng viên mạnh nhưng CV trình bày lạ thì rất hay được 61. Nới dải ra khi bạn sợ bỏ sót người và còn thời gian đọc; thu hẹp lại khi số lượng đang đè bạn và bạn chấp nhận đánh đổi. Chỉ đừng đặt dải bằng không, vì một nhát cắt cứng tại một con số đúng là nơi sinh ra mọi câu chuyện mất người giỏi.

Chi phí thật của một vòng sàng lọc, tính ra con số

Phần này ít ai làm, và làm rồi thì quyết định mua bán trở nên rất dễ. Chi phí một vòng tuyển gồm hai khoản: tiền trả cho công cụ, và giờ người còn lại sau khi công cụ đã làm phần của nó. Khoản thứ hai thường lớn hơn khoản thứ nhất và hầu như không ai tính.

Lấy một ví dụ có số, tự đặt ra để dễ hình dung. Vòng tuyển của bạn có 160 hồ sơ. Đọc kỹ một CV theo tám tiêu chí rồi ghi lại lý do cho tử tế mất khoảng 4 phút. Vậy đọc tay hết là 640 phút, tức khoảng 10,7 giờ. Đó là hơn một ngày làm việc trọn vẹn của một người, và trong thực tế nó không bao giờ diễn ra thành một ngày liền mạch mà rải ra hai tuần, nên phải cộng thêm chi phí quên và chấm lệch giữa các buổi.

Bây giờ tính phía có công cụ. Giờ người còn lại gồm: dựng bộ tiêu chí lần đầu khoảng 60 phút, soát năm hồ sơ đối chứng 15 phút, xử tay xấp file không đọc được 15 phút, đọc bằng chứng của nhóm nằm trong dải cân nhắc và nhóm rớt vì một tiêu chí bắt buộc khoảng 30 phút. Tổng khoảng 2 giờ. Cộng thêm tiền công cụ, thường tính theo lượt chấm.

Từ đó ra được điểm hoà vốn về thời gian, và nó là con số đáng nhớ. Phần giờ người bạn phải bỏ ra dù thế nào là khoảng 3 giờ mỗi vòng, gồm 1 giờ dựng tiêu chí và 2 giờ soát. Chia cho 4 phút mỗi hồ sơ, ra khoảng 45 hồ sơ. Nghĩa là: dưới khoảng 45 hồ sơ một vòng, đọc tay vẫn là lựa chọn hợp lý, vì thời gian dựng và soát ăn hết phần tiết kiệm được. Trên con số đó, khoảng cách nới rộng rất nhanh. Ở mức 160 hồ sơ, bạn đổi 10,7 giờ lấy 2 giờ.

Ba khoản chi ẩn cần biết trước. Thứ nhất là giờ dựng bộ tiêu chí lần đầu, và nó chỉ đắt đúng một lần cho mỗi vị trí, vì lần tuyển sau bạn mở lại bộ cũ ra sửa. Thứ hai là chi phí chấm lại khi bạn phát hiện một tiêu chí viết hỏng giữa vòng, nên chấm hai mươi hồ sơ đầu để hiệu chỉnh trước khi chạy hết. Thứ ba là giờ soát mỗi vòng, khoản này không bao giờ mất đi, và ai bán cho bạn một sản phẩm nói rằng nó mất đi thì đang bán cho bạn rủi ro.

Còn một khoản tiết kiệm không nằm trong giờ nhưng đáng kể: thời gian phản hồi ứng viên. Ở thị trường Việt Nam, ứng viên khá thường nhận việc trong vòng một tới hai tuần kể từ lúc rải hồ sơ. Một vòng sàng kéo dài hai tuần vì bạn không có thời gian đọc đồng nghĩa với việc bạn đang phỏng vấn phần còn lại của thị trường. Rút khâu đọc từ hai tuần xuống hai ngày thay đổi chất lượng danh sách phỏng vấn nhiều hơn bất cứ mẹo nào ở khâu đăng tin.

Hồ sơ ứng viên là dữ liệu cá nhân, hỏi cho rõ trước khi tải lên

Một bản CV chứa họ tên, ngày sinh, số điện thoại, email, địa chỉ, nơi làm việc cũ, và rất hay chứa cả ảnh chân dung, tình trạng hôn nhân, đôi khi cả số căn cước. Ở Việt Nam, việc xử lý những dữ liệu này chịu điều chỉnh của Nghị định 13/2023/NĐ-CP về bảo vệ dữ liệu cá nhân, trong đó có các nghĩa vụ về sự đồng ý của người cung cấp dữ liệu, thông báo mục đích xử lý, và xoá khi hết mục đích. Quy định về dữ liệu cá nhân ở Việt Nam đang siết dần chứ không nới ra, nên cách làm cẩu thả hôm nay sẽ thành việc phải dọn về sau.

Trước khi bàn tới nhà cung cấp phần mềm, hãy nhìn tình trạng hiện tại đã. Nếu hồ sơ đang về Zalo cá nhân của bạn thì chúng đang nằm trong điện thoại và máy tính cá nhân của bạn, không ai gỡ ra được, và ngày bạn đổi vị trí là ngày cả kho hồ sơ đó đi theo bạn ra khỏi công ty. Nếu hồ sơ nằm rải trong hộp thư của ba người thì không ai trả lời được câu "công ty mình đang giữ hồ sơ của bao nhiêu người". Đây là rủi ro có thật và nó tồn tại trước khi bạn dùng bất kỳ công cụ AI nào.

Vậy nên câu hỏi đúng không phải "dùng công cụ có an toàn hơn không", mà là "công cụ này giải quyết được mấy vấn đề đang có". Sáu câu nên hỏi thẳng nhà cung cấp, và nên đòi câu trả lời bằng chữ:

• File lưu ở đâu và có mở công khai bằng đường dẫn không. Câu trả lời đúng là file lưu dưới tên ngẫu nhiên, không đoán được, và muốn tải phải đăng nhập đúng nơi làm việc của bạn. Rất nhiều công cụ nhỏ để file ở đường dẫn công khai chỉ vì làm thế thì tiện.
• Trong công ty tôi, ai xem được hồ sơ. Phải có phân quyền theo vai trò, chứ không phải ai có đường dẫn cũng vào.
• Nội dung CV có được dùng để huấn luyện mô hình không. Đây là câu phải hỏi và phải nhận câu trả lời rõ ràng.
• Xoá là xoá thật hay chỉ ẩn đi. Nên có thùng rác để bạn khôi phục khi lỡ tay, nhưng cũng phải có nút xoá hẳn để file thật sự biến mất khi hết mục đích.
• Ai đã tải file nào lên và lúc nào. Không có dòng ghi này thì khi có chuyện, không ai truy lại được.
• Tôi lấy dữ liệu của mình ra được không. Nếu không xuất ra được thì bạn không sở hữu kho hồ sơ của chính mình.

Thêm hai việc tự làm được ngay, không cần công cụ nào. Một là ghi vào cuối tin tuyển dụng một dòng nói rõ hồ sơ được dùng cho việc gì, giữ trong bao lâu, và liên hệ ai để yêu cầu xoá. Hai là đặt một mốc dọn dẹp: hết vòng tuyển ba tháng thì xoá hồ sơ của những người không vào vòng nào, trừ những người bạn xin phép giữ lại cho vị trí sau. Hai việc này mất tổng cộng chừng ba mươi phút mỗi quý.

Bốn cái sai hay gặp khi đưa AI vào tuyển dụng

Cái nào cũng sửa được trong một buổi chiều, và cái nào cũng đang xảy ra ở đâu đó ngay lúc này.

Để công cụ tự viết bộ tiêu chí rồi không đọc lại

Hầu hết công cụ AI tuyển dụng sẽ đọc JD của bạn rồi đề xuất một danh sách tiêu chí. Việc này thật sự hữu ích, và nó cũng là chỗ can thiệp có sức bẩy lớn nhất, vì mọi thứ phía sau đều dựng trên nó. Một danh sách sinh tự động thường mắc ba tật: nhồi quá nhiều dòng vào nhóm bắt buộc, biến tính từ mơ hồ trong JD thành tiêu chí không chấm được, và gán trọng số gần bằng nhau cho tất cả. Mười phút đọc và sửa danh sách đó làm đổi mọi điểm số trong cả vòng. Bỏ qua mười phút ấy nghĩa là bạn vừa cho chạy tự động quan điểm của người khác về vị trí của bạn.

Coi điểm số là bảng xếp hạng thay vì cái sàng

Ứng viên 78 điểm không giỏi hơn ứng viên 74 điểm theo bất kỳ nghĩa nào có ý nghĩa. Độ chính xác đó là giả: các điểm thành phần vốn là đánh giá trên thang thô, và khoảng cách bốn điểm trong một bình quân có trọng số chỉ là nhiễu. Dùng điểm để quyết ai được đọc, rồi đọc. Phỏng vấn theo đúng thứ tự điểm từ cao xuống thấp là một cách giao đi cái quyết định mà bạn vừa tuyên bố là giữ lại cho mình.

Đổi tiêu chí giữa vòng

Sau ba mươi hồ sơ đầu bạn sẽ thấy ngứa tay muốn sửa. Nhịn tới hết vòng, hoặc sửa xong thì chấm lại từ đầu. Không thì ba mươi hồ sơ đầu và một trăm ba mươi hồ sơ sau được đo bằng hai cái thước khác nhau, và so sánh giữa hai nhóm trở nên vô nghĩa. Ghi lại điều muốn sửa, chạy hết vòng, áp vào vòng sau. Hoặc chấm lại cả lô, việc này rẻ khi máy làm phần đọc.

Tự động gửi thư từ chối theo điểm

Đây là luật duy nhất đáng tuyệt đối. Loại một hồ sơ là hành động không đảo ngược được trong cả phễu: người ta nhận việc chỗ khác, và không cách nào sửa lại. Cứ để hệ thống sắp xếp và đánh dấu. Nhưng để một con người bấm nút từ chối, kể cả khi người đó bấm bốn mươi lần liên tiếp sau khi lướt qua bốn mươi bộ câu trích. Chính bốn mươi cái lướt đó là thứ đứng chắn giữa một tiêu chí viết sai và bốn mươi lần từ chối sai.

Một vòng lặp giữ cho mọi thứ trung thực

Mỗi vòng tuyển, đây là khoảng hai giờ công người rải ra trong một tuần, và nó là thứ biến một công cụ chấm điểm thành một quy trình chấm điểm.

1. Trước khi đăng tin. Viết bộ tiêu chí, gắn mỗi dòng vào một nhóm, đặt trọng số 1 đến 10, cắt nhóm bắt buộc còn nhiều nhất bốn dòng bằng phép thử 90 ngày. Đặt ngưỡng đạt và dải cân nhắc, ghi cả hai con số vào cùng một chỗ. Khoảng 25 phút.
2. Sau hai mươi hồ sơ đầu. Chấm hai mươi cái đó, rồi tự soát tay năm cái. Bạn đang kiểm bộ tiêu chí, không kiểm ứng viên. Sửa câu chữ của tiêu chí nào có bằng chứng nhìn lệch, rồi chấm lại hai mươi cái đó. Khoảng 20 phút.
3. Nhìn phân bố điểm. Nếu ai cũng rơi vào khoảng 60 đến 75, bộ tiêu chí của bạn không phân loại được ai và trọng số đang quá phẳng. Nếu ai cũng rớt, có một dòng bắt buộc phi thực tế. Đặt lại ngưỡng ở mức lọc ra đúng số người bạn phỏng vấn nổi trong tuần. Khoảng 10 phút.
4. Xử xấp file không đọc được. Mở từng file, gõ lại nội dung hoặc nhắn ứng viên gửi bản khác, rồi chấm tay. Thường dưới mười file. Khoảng 15 phút.
5. Trước khi gửi thư từ chối. Đọc bằng chứng của toàn bộ nhóm nằm trong dải cân nhắc và toàn bộ nhóm rớt vì đúng một tiêu chí bắt buộc. Hai nhóm này chứa gần hết số sai sót còn cứu được. Khoảng 25 phút.
6. Sau vòng phỏng vấn. Với mỗi người qua vòng hồ sơ nhưng hỏng rõ ràng ở buổi phỏng vấn, tìm cho ra tiêu chí lẽ ra phải bắt được điều đó. Tiêu chí ấy, viết lại, chính là cải tiến của vòng sau. Khoảng 15 phút.

Để ý rằng không bước nào trong đây là "đánh giá xem AI đúng tới đâu nói chung". Tất cả đều là kiểm tiêu chí của bạn trên ứng viên của bạn, và đó là phép đánh giá duy nhất có ý nghĩa với công ty bạn. Bảng so sánh độ chính xác của một nhà cung cấp, đo trên một công ty khác tuyển vị trí khác, không nói gì về vòng tuyển bạn đang chạy.

Khi nào cần công cụ, và làm tay tới đâu thì hết sức

Bạn không cần phần mềm để làm mọi thứ trong bài này. Một file bảng tính với tiêu chí xếp dọc bên trái và ứng viên xếp ngang bên trên chạy rất tốt, và với một vị trí ba mươi hồ sơ thì đó gần như chắc chắn là câu trả lời đúng: bạn sẽ tốn nhiều thời gian dựng công cụ hơn là đọc ba mươi cái CV.

Làm tay hết sức ở hai điểm. Điểm thứ nhất là số lượng, và như phần chi phí đã tính, mốc đó rơi vào khoảng 45 hồ sơ mỗi vòng. Qua đó, việc đọc từng file theo tám tiêu chí rồi ghi bằng chứng thôi không còn là một việc bạn làm xong, mà thành một việc bạn bỏ dở giữa chừng. Điểm thứ hai là lặp lại: tuyển cùng một vị trí ba lần một năm, và mỗi lần lại dựng lại bộ tiêu chí từ trí nhớ, vì bản của vòng trước nằm trong một file bảng tính ai đó đã dọn đi mất.

Tới lúc đó, thứ một công cụ cần đưa cho bạn khá hẹp và kiểm được hết. Nó phải nhận JD dạng file hoặc chữ dán vào rồi đề xuất bộ tiêu chí bạn sửa được, có nhóm, có trọng số, có ngưỡng gợi ý. Nó phải nhận đúng những định dạng ứng viên Việt Nam thật sự gửi, gồm cả bản scan và ảnh chụp, và đọc được chúng. Nó phải chấm từng tiêu chí kèm bằng chứng trích từ CV, để máy chủ tính điểm tổng theo trọng số của bạn chứ không để mô hình tự cộng, áp luật ép rớt cho tiêu chí bắt buộc, và xếp từng ứng viên vào Đạt, Cân nhắc hay Không đạt theo ngưỡng bạn đặt. Nó phải đánh dấu file không đọc được là không đọc được, không tính tiền và không bịa ra điểm. Và nó phải giữ đủ hồ sơ theo từng ứng viên, có thùng rác để lỡ tay còn khôi phục, có ghi ai tải file nào lên.

Danh sách đó cố tình không có gì gây phấn khích, và nó chính là bản đặc tả mà Orova Recruit được làm theo. Công cụ này đọc JD rồi đề xuất 8 đến 16 tiêu chí chia năm nhóm là bắt buộc, quan trọng, ưu tiên, cơ bản và linh hoạt, mỗi tiêu chí một trọng số 1 đến 10 kèm ngưỡng đạt gợi ý, tất cả đều sửa được. Nó nhận PDF, DOCX, DOC, TXT, MD, RTF, ODT và ảnh JPG, PNG, WEBP, tối đa 10MB mỗi file và 500 CV mỗi vị trí, tải lên từng file, nhiều file hoặc cả thư mục. Nó chấm từng tiêu chí 0 đến 100 kèm bằng chứng trích thẳng từ CV, máy chủ tính bình quân theo trọng số chứ không lấy con số mô hình tự cộng, tiêu chí bắt buộc dưới 50 điểm thì ép Không đạt dù tổng cao, và file không bóc được chữ thì đánh dấu Không đọc được, không gọi AI, không trừ quota.

Phần phỏng vấn cũng theo đúng bản đặc tả đó. Từ bộ tiêu chí đã duyệt, công cụ soạn câu hỏi riêng cho từng ứng viên, mỗi câu một tiêu chí chấm và một trọng số. Trong buổi, bạn gõ ghi chú từng dòng hoặc bấm mic cho trình duyệt nghe và gõ hộ, chọn được 56 ngôn ngữ và không tốn lượt AI vì dùng bộ nhận giọng sẵn có của trình duyệt; buổi phỏng vấn có ghi âm để nghe lại. Khi chấm, mỗi câu được cho 0 đến 5 rồi quy về thang 100 theo trọng số, câu nào cả ghi chú lẫn bản ghi âm đều không nhắc thì để 0 và ghi rõ chưa hỏi. Có từ hai ứng viên đã chấm trở lên, AI so sánh và đề xuất thứ tự — chỉ là đề xuất, còn nút chọn hay loại vẫn do người bấm và hệ thống ghi lại ai bấm. Ai được xem vị trí nào cũng đặt riêng theo từng vị trí, không mở chung cả nơi làm việc.

Cùng nguyên tắc đó được áp cho nửa sau của vòng tuyển, vốn là nơi AI hay bị dùng ẩu nhất. Câu hỏi phỏng vấn sinh riêng theo từng hồ sơ nhưng kèm sẵn tiêu chí chấm và trọng số, để buổi phỏng vấn có phiếu chứ không có cảm giác. Ghi chú thì máy nghe và gõ hộ ngay trong buổi, chọn được ngôn ngữ nghe, còn việc đánh giá vẫn dựa trên phiếu. Khi chấm phỏng vấn, câu nào ghi chú không nhắc tới thì bị tính 0 điểm và ghi rõ là chưa hỏi — máy không suy diễn hộ. Phần so sánh ứng viên chỉ dừng ở xếp hạng kèm lý do và đề xuất, còn nút chọn hay loại thì người có quyền mới bấm được, và thư mời nhận việc do AI soạn vẫn để trống chỗ lương và ngày bắt đầu. Đăng ký miễn phí và được tặng 1.000 quota, không cần thẻ, đủ để bạn thử trên một vị trí thật thay vì một vị trí trình diễn.

Dùng cái gì cũng được, nhưng hãy bắt nó chịu đủ năm phép kiểm ở trên. Một công cụ không cho bạn xem bằng chứng đằng sau một điểm số thì không tiết kiệm việc cho bạn, nó chỉ dời việc sang cái ngày có người hỏi vì sao một ứng viên cụ thể không bao giờ được gọi.

Bảy chỗ AI dùng được trong một vòng tuyển, và ba chỗ không nên

Câu hỏi "ứng dụng AI trong tuyển dụng" thường được trả lời quá rộng, kiểu "AI giúp tự động hoá tuyển dụng". Rộng như thế thì không làm gì được. Bên dưới là bản liệt kê theo từng việc cụ thể, kèm nhận xét về mức độ AI làm được thật đến đâu.

Bảy chỗ dùng được

1. Viết bản mô tả công việc từ vài gạch đầu dòng. Đây là việc AI làm tốt và rủi ro thấp, vì bạn đọc lại toàn bộ trước khi đăng. Lợi ích thật không phải là tiết kiệm hai mươi phút, mà là bạn không còn viện cớ để dùng lại bản mô tả cũ từ hai năm trước.

2. Tách bản mô tả thành tiêu chí có trọng số. Việc này AI làm nhanh, nhưng giá trị nằm ở chỗ bạn sửa lại. Bản AI đưa ra chỉ là bản nháp để tranh luận với trưởng bộ phận, và tranh luận trên một bản nháp cụ thể bao giờ cũng nhanh hơn tranh luận trên giấy trắng.

3. Đọc và chấm hồ sơ theo tiêu chí. Đây là ứng dụng rõ ràng nhất, với điều kiện mỗi điểm phải kèm bằng chứng trích từ hồ sơ. Không có bằng chứng thì đây chỉ là đổi cảm tính của người lấy cảm tính của máy.

4. Bóc thông tin ứng viên thành bảng. Tên, email, số điện thoại, số năm kinh nghiệm, vị trí gần nhất. Việc thuần cơ học, không có gì để tranh cãi, và tiết kiệm nhiều thao tác gõ lại nhất.

5. Soạn câu hỏi phỏng vấn theo từng hồ sơ. AI đọc CV rồi chỉ ra chỗ nào là tuyên bố chưa được chứng minh — đó chính là chỗ nên hỏi. Người phỏng vấn vẫn phải đọc lại và bỏ bớt, nhưng xuất phát từ mười câu để cắt còn năm dễ hơn nhiều so với nghĩ ra năm câu từ đầu.

6. Nghe và gõ hộ ghi chú trong buổi phỏng vấn. Đây là ứng dụng bị đánh giá thấp nhất so với giá trị thật. Nó không thông minh gì cả, nó chỉ giải phóng đôi mắt và đôi tay của người phỏng vấn.

7. Soạn thư gửi ứng viên. Thư mời, thư từ chối, thư hẹn lịch. Vì đây là văn bản lặp lại, AI viết nhanh và bạn chỉnh giọng một lần rồi dùng mãi.

Ba chỗ không nên giao cho AI

1. Quyết định loại người. Không phải vì máy chấm kém, mà vì trách nhiệm không chuyển giao được. Khi ứng viên hỏi vì sao bị loại, câu trả lời "hệ thống đánh giá không phù hợp" là câu trả lời của một tổ chức không dám nhận trách nhiệm. Cấu trúc đúng là: máy xếp hạng và ghi lại bằng chứng, người bấm nút và ký tên.

2. Suy đoán những thứ hồ sơ không nói. Tính cách, mức độ gắn bó, khả năng hoà nhập văn hoá — suy đoán từ chữ trong CV về những thứ này là chỗ thiên lệch sinh ra nhiều nhất, và thường là thiên lệch có hệ thống theo trường học, theo tên công ty cũ, theo cách hành văn. Nếu công cụ của bạn đưa ra những nhận định loại này, hãy tắt nó đi.

3. Chấm điểm câu hỏi chưa từng được hỏi. Nghe hiển nhiên nhưng đây là lỗi rất phổ biến: mô hình ngôn ngữ có xu hướng điền vào chỗ trống. Quy tắc nên cứng: không có trong ghi chú thì là chưa hỏi, chưa hỏi thì 0 điểm và ghi rõ, chứ không cho điểm trung bình.

Một cách thử trước khi tin

Cách kiểm tra rẻ nhất mà bất kỳ đội nào cũng làm được: lấy hai mươi hồ sơ của một vị trí đã tuyển xong từ vài tháng trước, đưa vào công cụ, rồi so danh sách máy xếp hạng với thực tế những người bạn đã gọi phỏng vấn và người cuối cùng nhận việc. Bạn không kỳ vọng trùng khớp hoàn toàn — nếu trùng khớp hoàn toàn thì công cụ chẳng thêm gì. Điều đáng nhìn là hai nhóm lệch: người máy xếp cao mà bạn đã bỏ qua (đọc lại bằng chứng xem máy sai hay bạn sót), và người bạn đã gọi mà máy xếp thấp (thường là do tiêu chí của bạn viết thiếu một thứ mà bạn vẫn coi trọng trong đầu). Cả hai nhóm đều dạy bạn điều gì đó, và cả hai đều là lý do chính đáng để dùng hay không dùng công cụ.

Câu hỏi thường gặp

AI chấm hồ sơ có công bằng hơn người không?

Không hẳn, nhưng nó minh bạch hơn. Thứ mà tiêu chí viết ra giấy cộng với bằng chứng trích dẫn mang lại không phải là sự vắng mặt của thiên lệch, mà là sự nhìn thấy được của nó. Nếu một tiêu chí đang lọc theo một xuất thân mà chỉ một nhóm người có, bạn đọc tiêu chí đó, thấy vấn đề, và sửa. Thiên lệch trong đầu người đọc thì không mở ra xem được. Thiên lệch trong một mô hình được huấn luyện để đoán kết quả tuyển trong quá khứ cũng không. Thiên lệch trong một danh sách tiêu chí viết bằng chữ thì có, và đó là toàn bộ lý do nên làm theo cách này.

Ứng viên gửi CV qua Zalo thì làm sao đưa vào hệ thống?

Tải file về một thư mục trên máy, đặt tên theo họ tên ứng viên để khỏi có bảy file "CV.pdf", rồi tải cả thư mục lên một lượt. Với những người gửi ảnh chụp màn hình, cứ nhận, vì công cụ đọc được ảnh thì ảnh cũng là hồ sơ hợp lệ. Về lâu dài, nên đưa một đường dẫn nộp hồ sơ vào tin tuyển dụng và trả lời tin nhắn Zalo bằng chính đường dẫn đó, nhưng đừng lấy việc này làm điều kiện: ứng viên giỏi ít khi kiên nhẫn với thủ tục nộp hồ sơ.

CV chụp bằng điện thoại thì AI đọc được không?

Được, nếu công cụ có khả năng đọc ảnh chứ không chỉ bóc chữ từ file. Ảnh chụp thẳng, đủ sáng, chữ không bị che thì đọc tốt. Ảnh mờ, chụp nghiêng nhiều, hoặc chụp thiếu sáng thì có thể ra thiếu chữ, và đây đúng là loại file phải rơi vào trạng thái không đọc được để bạn xử tay, chứ không được lặng lẽ nhận điểm thấp.

Đội bốn người, một năm tuyển hai vị trí, có nên dùng AI không?

Tuỳ số hồ sơ mỗi vòng chứ không tuỳ quy mô đội. Hai vị trí nhưng mỗi vị trí hơn trăm hồ sơ thì có. Hai vị trí, mỗi vị trí hai mươi hồ sơ, thì phần đáng làm nhất vẫn là viết ra bộ tiêu chí có trọng số và chấm bằng bảng tính. Chính bộ tiêu chí mới là thứ tạo ra khác biệt, công cụ chỉ là thứ giúp bạn áp nó cho một trăm sáu mươi người thay vì hai mươi người.

Ứng viên dùng AI viết CV thì sao?

Cứ mặc định là phần lớn có dùng. Đây là lý do nên chấm theo bằng chứng chứ không theo độ trau chuốt: một bản CV viết hay và một bản CV có bằng chứng là hai thứ khác nhau. Tiêu chí gọi tên vật chứng cụ thể, kiểu "có sản phẩm đã đưa ra thị trường mà tôi xem được" hay "đã tự chạy trọn một việc từ đầu tới cuối", khó thoả mãn bằng văn máy hơn nhiều so với tiêu chí thưởng cho từ khoá. Nó cũng làm vòng gọi điện có giá hơn, vì ở đó lời khai gặp câu hỏi đuổi theo.

Có nên nói với ứng viên là công ty dùng AI để đọc hồ sơ không?

Nên. Một dòng ghi rằng hồ sơ được đánh giá theo bộ tiêu chí công bố sẵn và mọi quyết định loại đều có người xem lại thì không tốn gì của bạn, và nó mô tả đúng một quy trình dựng theo cách bài này nói. Nếu bạn thấy khó nói ra, thì đó là thông tin về quy trình chứ không phải về việc công bố.

Việc nên làm trong tuần này

Lấy đúng vị trí bạn đang mở và làm bốn việc, tổng cộng chưa tới hai tiếng.

Một, viết bộ tiêu chí ra giấy trước khi đụng vào bất cứ công cụ nào. Tám tới mười hai dòng, mỗi dòng gắn một nhóm, mỗi dòng một trọng số từ 1 tới 10, và sau phép thử 90 ngày thì nhóm bắt buộc còn nhiều nhất bốn dòng.

Hai, với mỗi dòng, hoàn thành câu này: "Tôi biết điều này từ CV nhờ dấu hiệu ___". Dòng nào bạn không điền nổi thì nó thuộc về bảng điểm phỏng vấn, không thuộc về bảng sàng hồ sơ.

Ba, mở thư mục hồ sơ ra và đếm xem có bao nhiêu file là ảnh hoặc bản scan. Con số đó quyết định bạn cần loại công cụ nào, và nó thường lớn hơn bạn đoán.

Bốn, chấm hai mươi hồ sơ bằng cách bạn đang dùng, rồi tự soát tay năm cái đối chiếu với bằng chứng. Bạn đang kiểm bộ tiêu chí, không kiểm ứng viên.

Làm xong bốn việc đó, trong vòng một buổi bạn sẽ biết chính xác AI đang làm gì cho mình và tiêu chí nào sắp gây rắc rối. Đó là vị trí tốt hơn nhiều so với chỗ mà slide mở đầu buổi demo đặt bạn vào, nơi mọi thứ đều êm cho tới ngày có người hỏi vì sao một ứng viên cụ thể không bao giờ được gọi, và câu trả lời duy nhất bạn có là "hệ thống xếp bạn ấy hạng thấp".