Điểm số 87 của ứng viên có thể trông rất thuyết phục trong một đợt tuyển dụng đông đảo. Nhưng liệu các chuyên viên tuyển dụng có thể tin tưởng vào điểm số AI khi con số đó có thể ảnh hưởng đến việc ai sẽ được phỏng vấn vòng đầu, ai sẽ được chuyển đến quản lý tuyển dụng, và ai sẽ bị loại? Chỉ khi điểm số được xem là một tín hiệu đánh giá có thể truy vết, chứ không phải là một phán quyết cuối cùng. Con số này phải được liên kết với bằng chứng liên quan đến công việc, một quy trình đánh giá nhất quán và sự xem xét có trách nhiệm từ con người.
Đối với các đội ngũ nhân tài doanh nghiệp, câu hỏi không phải là liệu AI có nên thay thế đánh giá của chuyên viên tuyển dụng hay không. Câu trả lời là không. Câu hỏi mang tính vận hành là liệu AI có thể giúp việc đánh giá đó nhanh hơn, nhất quán hơn và dễ bảo vệ hơn trên hàng ngàn hồ sơ ứng tuyển. Một hệ thống được quản trị tốt có thể làm được điều đó. Một điểm số mập mờ không có giải thích thì không thể.
Tại Việt Nam, với sự phát triển mạnh mẽ của các doanh nghiệp FDI và nhu cầu tuyển dụng số lượng lớn, đặc biệt là từ các chương trình tuyển dụng sinh viên mới ra trường (campus recruitment), việc quản lý hàng ngàn hồ sơ ứng tuyển là một thách thức lớn. Phản hồi từ các quản lý tuyển dụng thường nhấn mạnh tầm quan trọng của việc sàng lọc hiệu quả và công bằng, đồng thời đảm bảo chất lượng ứng viên đầu vào. Do đó, việc áp dụng AI trong tuyển dụng cần được cân nhắc kỹ lưỡng để không chỉ tăng tốc độ mà còn nâng cao tính minh bạch và độ tin cậy, đáp ứng kỳ vọng của cả ứng viên và doanh nghiệp.
Điểm số AI thực sự nên đại diện cho điều gì
Điểm số AI nên đại diện cho một sự so sánh rõ ràng giữa bằng chứng của ứng viên và các yêu cầu của vị trí. Bằng chứng đó có thể bao gồm kinh nghiệm trong các chức năng liên quan, năng lực đã được chứng minh, câu trả lời phỏng vấn cụ thể cho vị trí, bằng cấp, khả năng ngôn ngữ hoặc các tiêu chí khác đã được phê duyệt cho công việc.
Sự phân biệt này rất quan trọng vì điểm số không phải là thước đo giá trị tổng thể của một người, tiềm năng trong mọi vai trò, hay sự phù hợp văn hóa một cách trừu tượng. Nó là một chỉ số có cấu trúc về mức độ phù hợp với một khuôn khổ tuyển dụng cụ thể. Nếu mô tả công việc mơ hồ, không nhất quán hoặc được xây dựng dựa trên những giả định mà quản lý không thể giải thích, điểm số sẽ kế thừa những điểm yếu đó.
Các quy trình chấm điểm hiệu quả nhất bắt đầu trước khi ứng viên nộp hồ sơ. Chuyên viên tuyển dụng và quản lý tuyển dụng xác định các năng lực cần thiết, phân biệt tiêu chí thiết yếu với tiêu chí ưu tiên, và thống nhất về bằng chứng nào sẽ hỗ trợ cho từng đánh giá. AI sau đó đánh giá ứng viên dựa trên một tiêu chuẩn đã được ghi nhận thay vì tái tạo lại sở thích cá nhân của từng người đánh giá.
Điều đó tạo ra một lợi thế đáng kể trong tuyển dụng số lượng lớn. Thay vì yêu cầu chuyên viên tuyển dụng quét sơ yếu lý lịch để tìm kiếm các tín hiệu khác nhau dưới áp lực thời gian, tổ chức có thể áp dụng cùng một logic vị trí cho mọi ứng viên. Điểm số trở nên hữu ích vì tiêu chuẩn cơ bản là nhất quán.
Liệu chuyên viên tuyển dụng có thể tin tưởng điểm số AI mà không cần xem bằng chứng?
Không. Một điểm số không có bằng chứng hỗ trợ yêu cầu chuyên viên tuyển dụng chấp nhận một kết luận mà họ không thể đánh giá. Nó có thể nhanh, nhưng chưa sẵn sàng để đưa ra quyết định.
Chuyên viên tuyển dụng nên có thể thấy lý do tại sao một ứng viên được xếp hạng cao hoặc thấp. Đối với điểm số dựa trên sơ yếu lý lịch, điều đó có thể có nghĩa là kinh nghiệm, kỹ năng, thâm niên, trình độ học vấn, chứng chỉ và mức độ phù hợp với vị trí được xác định trong hồ sơ ứng viên. Đối với một cuộc phỏng vấn video không đồng bộ, điều đó có thể có nghĩa là các phát hiện về cấp độ năng lực, các đoạn trích hoặc câu trả lời đã ghi, kết quả câu hỏi có cấu trúc và các lĩnh vực được gắn nhãn rõ ràng cần theo dõi.
Khả năng hiển thị bằng chứng thay đổi vai trò của chuyên viên tuyển dụng. Thay vì tự tay tái tạo câu chuyện của ứng viên từ sơ yếu lý lịch và các ghi chú không có cấu trúc, chuyên viên tuyển dụng có thể xác thực cách diễn giải của hệ thống. Một chuyên viên tuyển dụng có thể nhận ra rằng kinh nghiệm trong ngành liên quan của ứng viên phù hợp hơn so với điểm số ban đầu gợi ý. Một quản lý tuyển dụng có thể quyết định rằng một ứng viên được xếp hạng thấp hơn lại có một năng lực kỹ thuật hiếm có đáng để tìm hiểu. Đây không phải là lỗi của AI. Đây là những ví dụ về sự giám sát có trách nhiệm của con người.
Một tiêu chuẩn thực tế rất đơn giản: nếu người đánh giá không thể giải thích cơ sở của một điểm số cho quản lý tuyển dụng, ứng viên hoặc kiểm toán viên, thì điểm số đó không nên là cơ sở duy nhất cho một quyết định quan trọng.
Sự tin cậy phụ thuộc vào thiết kế công việc và chất lượng dữ liệu
AI không sửa chữa một quy trình tuyển dụng được thiết kế kém. Nó chỉ mở rộng quy mô của nó.
Hãy xem xét một doanh nghiệp có ba đội ngũ khu vực đang tuyển dụng chuyên viên kinh doanh (account executives). Một đội ưu tiên chu kỳ bán hàng phức tạp, một đội khác coi trọng kiến thức ngành, và đội thứ ba chủ yếu sàng lọc dựa trên số năm kinh nghiệm. Nếu cả ba đội đều sử dụng cùng một điểm số chung, kết quả có thể trông có vẻ tiêu chuẩn hóa trong khi che giấu sự bất đồng về những gì cần thiết để thành công trong vai trò đó.
Cách tiếp cận tốt hơn là xây dựng một mô hình đánh giá cụ thể cho từng vị trí với trọng số rõ ràng. Một số tiêu chí có thể không thể thương lượng, chẳng hạn như giấy phép bắt buộc hoặc giấy phép lao động ở những nơi pháp luật yêu cầu. Những tiêu chí khác nên được đánh giá như bằng chứng để cân nhắc, chứ không phải là các rào cản tự động. Một ứng viên có ít năm kinh nghiệm hơn có thể có bằng chứng mạnh mẽ hơn về năng lực cốt lõi mà vị trí thực sự yêu cầu.
Chất lượng dữ liệu cũng cần được xem xét kỹ lưỡng. Thông tin sơ yếu lý lịch có thể không đầy đủ, được định dạng khác nhau giữa các quốc gia, hoặc bị ảnh hưởng bởi sự quen thuộc của ứng viên với các quy ước ứng tuyển. Các câu trả lời phỏng vấn video có thể bị ảnh hưởng bởi sở thích ngôn ngữ, kết nối, nhu cầu tiếp cận hoặc sự thoải mái với các định dạng không đồng bộ. Các đội ngũ doanh nghiệp nên cung cấp hướng dẫn phù hợp cho ứng viên, các lựa chọn thay thế dễ tiếp cận khi cần, và đối xử nhất quán giữa các nhóm ứng viên tương đương.
Sự tin cậy tăng lên khi tổ chức hiểu rõ điểm số có thể đo lường tốt điều gì và ở đâu nó cần sự kiểm tra của con người. Điều đó hữu ích hơn là tuyên bố rằng bất kỳ hệ thống nào cũng không thể sai sót.
Các biện pháp kiểm soát giúp điểm số AI có thể bảo vệ được
Một quy trình chấm điểm AI đáng tin cậy là một quy trình làm việc có kiểm soát, chứ không phải là một tính năng hộp đen. Nó nên bao gồm các tiêu chí vị trí được ghi nhận, quyền truy cập được cấp phép, khả năng hiển thị cho người đánh giá và một dấu vết kiểm toán cho thấy các quyết định đã được đưa ra như thế nào trong quy trình.
Bốn biện pháp kiểm soát đặc biệt quan trọng:
- Đầu vào có cấu trúc: Ứng viên nên được đánh giá dựa trên cùng một bộ câu hỏi và tiêu chí liên quan đến công việc càng nhiều càng tốt. Điều này giúp giảm thiểu nhiễu loạn do các buổi phỏng vấn vòng đầu không nhất quán và việc ghi chú thiếu hệ thống.
- Đầu ra minh bạch: Điểm số cần đi kèm với bằng chứng năng lực, lý do xếp hạng và tài liệu nguồn để người đánh giá có thể kiểm tra.
- Quyết định của con người: Chuyên viên tuyển dụng và quản lý tuyển dụng cần giữ quyền quyết định cho ứng viên đi tiếp, tạm giữ, từ chối hoặc yêu cầu đánh giá thêm. Quy trình làm việc nên ghi lại ai đã đưa ra quyết định và lý do.
- Xác thực liên tục: Các nhóm nên xem xét các mẫu chấm điểm, kết quả ứng viên, tỷ lệ ghi đè và tác động tiêu cực tiềm ẩn. Một mô hình hoạt động tốt cho một vị trí, khu vực địa lý hoặc nhóm ứng viên có thể cần điều chỉnh cho trường hợp khác.
Quản trị cũng bao gồm các yêu cầu ít được nhìn thấy hơn mà các doanh nghiệp không thể xem nhẹ: bảo mật dữ liệu, kiểm soát lưu trữ, quản lý quyền truy cập, trách nhiệm giải trình của nhà cung cấp và giám sát mô hình có tài liệu. Chứng nhận và xác thực độc lập có thể mang lại sự đảm bảo hữu ích, nhưng chúng không loại bỏ sự cần thiết của một quy trình quản trị nội bộ. Chúng cho thấy các biện pháp kiểm soát đã tồn tại và có thể được kiểm tra.
MIND Interview áp dụng phương pháp quản trị này thông qua chấm điểm có thể kiểm toán, bằng chứng năng lực có cấu trúc, quy trình đánh giá cộng tác và các biện pháp kiểm soát phù hợp với ISO 42001 và chương trình AI Verify của Singapore. Đối với các lãnh đạo tuyển dụng, giá trị thực tiễn không chỉ là một chứng nhận tuân thủ. Đó là khả năng tuyển dụng nhanh hơn trong khi vẫn giữ được bằng chứng cần thiết để hỗ trợ mỗi quyết định.
Tại Việt Nam, với sự phát triển mạnh mẽ của các doanh nghiệp FDI và thị trường lao động cạnh tranh, việc thu hút và giữ chân nhân tài là ưu tiên hàng đầu. Các chương trình tuyển dụng sinh viên mới ra trường (campus recruitment) và việc thu thập phản hồi từ quản lý tuyển dụng (hiring manager feedback) đóng vai trò then chốt. Trong bối cảnh này, một quy trình tuyển dụng minh bạch, công bằng và hiệu quả, được hỗ trợ bởi công nghệ, không chỉ giúp tối ưu hóa nguồn lực mà còn nâng cao trải nghiệm ứng viên và chất lượng tuyển dụng tổng thể.
Khi chuyên viên tuyển dụng cần xem xét lại điểm số
Việc xem xét của con người cần phải chủ động, không chỉ mang tính hình thức. Chuyên viên tuyển dụng cần có những thời điểm rõ ràng trong quy trình làm việc để kiểm tra điểm số dựa trên bối cảnh thực tế.
Điều này đặc biệt quan trọng đối với các ứng viên có lộ trình sự nghiệp không truyền thống, kỹ năng có thể chuyển đổi, bằng cấp quốc tế, khoảng thời gian tạm dừng sự nghiệp hoặc kinh nghiệm được mô tả bằng thuật ngữ không quen thuộc với tổ chức. Nó cũng có ý nghĩa khi yêu cầu tuyển dụng thay đổi giữa chừng. Nếu quản lý tuyển dụng định nghĩa lại vai trò sau khi 200 ứng viên đã được chấm điểm, bảng xếp hạng ban đầu có thể không còn phản ánh nhu cầu thực tế.
Chuyên viên tuyển dụng cũng nên xem xét lại điểm số khi bằng chứng còn mỏng. Một ứng viên có thể nhận được xếp hạng cao dựa trên các từ khóa trong CV nhưng lại đưa ra ít bằng chứng về năng lực yêu cầu. Ngược lại, một ứng viên có thể thể hiện kinh nghiệm liên quan mạnh mẽ trong một buổi phỏng vấn có cấu trúc mà không rõ ràng từ một CV ngắn gọn. Hệ thống nên hiển thị cả hai tín hiệu này thay vì buộc nhóm phải dựa vào một nguồn dữ liệu duy nhất.
Một mô hình vận hành hữu ích là sử dụng AI để ưu tiên xem xét, tiêu chuẩn hóa đánh giá và phát hiện các lỗ hổng trong bằng chứng. Sử dụng con người để giải thích các trường hợp ngoại lệ, cân nhắc bối cảnh kinh doanh và đưa ra quyết định tuyển dụng cuối cùng. Điều này giúp duy trì tốc độ mà không giả định rằng tuyển dụng là một bài toán hoàn toàn toán học.
Đánh giá mức độ đáng tin cậy của điểm số
Sự tin cậy cần được xây dựng từ kết quả hoạt động, không phải từ những lời hứa của nhà cung cấp. Các lãnh đạo tuyển dụng có thể đánh giá chấm điểm AI bằng một bộ câu hỏi có thể đo lường được.
Liệu chuyên viên tuyển dụng có dành ít thời gian hơn cho việc sàng lọc vòng đầu mà vẫn tìm được các ứng viên vòng cuối đủ tiêu chuẩn không? Liệu quản lý tuyển dụng có nhận được các ứng viên có bằng chứng phù hợp với tiêu chí vai trò đã thống nhất không? Các quyết định ghi đè có cho thấy một lỗ hổng lặp lại trong thiết kế đánh giá không? Thời gian xem xét, tỷ lệ từ phỏng vấn đến đề nghị và các chỉ số chất lượng ban đầu có được cải thiện mà không tạo ra sự chênh lệch không giải thích được giữa các nhóm ứng viên không?
Câu trả lời sẽ khác nhau tùy theo vai trò. Một chương trình tuyển dụng sinh viên mới ra trường (campus program) có thể tập trung vào đánh giá nhất quán trên một lượng lớn ứng viên và quy trình xem xét nhanh chóng của quản lý. Một nhóm săn đầu người chuyên biệt có thể coi trọng khả năng xác định kinh nghiệm hiếm có và ghi lại những đánh giá tinh tế của chuyên viên tuyển dụng. Một tổ chức đa quốc gia có thể cần báo cáo đa ngôn ngữ để các bên liên quan có thể xem xét cùng một bằng chứng trên các khu vực. Một thiết kế điểm số không nên bị áp đặt cho mọi hoạt động tuyển dụng.
Các tổ chức nên thiết lập một đường cơ sở trước khi triển khai, giám sát hiệu suất sau khi ra mắt và xem xét kết quả với các chuyên viên tuyển dụng và quản lý tuyển dụng sử dụng quy trình hàng ngày. Phản hồi của họ thường xác định các vấn đề thực tế mà bảng điều khiển (dashboards) có thể bỏ sót, chẳng hạn như định nghĩa năng lực không rõ ràng, các bước sàng lọc trùng lặp hoặc các báo cáo không trả lời được các câu hỏi thực sự của quản lý.
Điểm số AI đáng tin cậy nhất không phải là điểm số yêu cầu sự tin tưởng mù quáng. Đó là điểm số cung cấp cho chuyên viên tuyển dụng đủ bằng chứng, quyền kiểm soát và khả năng truy vết để đưa ra quyết định tốt hơn vào thời điểm quan trọng.