Cộng tác với AI trong nhân sự: từ bản nháp đến kết quả dùng được

Ảnh minh họa được tạo bằng AI.

Blog Nghề Nhân Sự · Góc nhìn Thành HR
Ngày cập nhật: 08/10/2026

Cộng tác với AI trong công việc HR có thể bắt đầu từ một việc rất quen: nhận bản nháp, chỉ ra chỗ chưa đúng, bổ sung thông tin và cùng chỉnh lại. Điều tạo ra giá trị là cách mình tổ chức những lượt trao đổi ấy để cuối cùng có một sản phẩm dùng được.

Một tin tuyển dụng nghe hấp dẫn nhưng thêm quyền lợi chưa được duyệt vẫn chưa thể đăng. Một bản tổng hợp gọn gàng nhưng bỏ sót ý kiến trái chiều vẫn cần làm lại. Vì vậy, khi nói đến cộng tác với AI, mình muốn bàn cả việc giao yêu cầu, phản hồi và nghiệm thu kết quả.

Bài này giúp bạn: hiểu “cộng tác” theo nghĩa thực hành, tách một công việc HR thành các phần có thể hỗ trợ bằng AI và thử một vòng làm việc có kiểm tra. Những tình huống bên dưới là ví dụ giả định để học, không phải câu chuyện khách hàng thực tế.

1. “Cộng tác với AI” nên được hiểu thế nào?

Trong bài này, đó là cách làm việc qua nhiều lượt: người làm HR xác định mục tiêu và cung cấp căn cứ; AI hỗ trợ tạo bản nháp hoặc đề xuất; người làm HR đối chiếu, phản hồi và quyết định sử dụng. Khi cần, vòng trao đổi được lặp lại.

Cách gọi “đồng nghiệp kỹ thuật số” chỉ là một hình ảnh so sánh. Nó không có nghĩa AI hiểu đầy đủ hoàn cảnh doanh nghiệp, có trách nhiệm nghề nghiệp như con người hay tự chịu trách nhiệm về một cam kết với ứng viên.

Cũng không cần chia cứng phần mềm thành “cũ” và “mới”. Một công cụ có thể kết hợp công thức, quy tắc tự động và AI. Với người làm HR, câu hỏi hữu ích hơn là: phần việc này cần tính toán chính xác, cần tạo phương án hay cần phán đoán dựa trên bối cảnh?

Giao yêu cầu rõ vẫn là nền tảng

Prompting là viết yêu cầu cho AI. AI delegation thường được dùng để nói đến việc giao một phần việc cho hệ thống AI, kèm phạm vi và điều kiện. Hai cách làm này có thể bổ trợ nhau; một yêu cầu dài hơn chưa tự động trở thành một quy trình giao việc tốt.

“Viết tin tuyển dụng” có thể đủ cho bước thử ý tưởng. Khi chuẩn bị bản để đăng, bạn cần thêm dữ kiện đã duyệt, người đọc, định dạng, điểm không được suy diễn và người kiểm tra cuối. Việc đăng tin hay gửi thư còn phụ thuộc tích hợp và quyền được cấp, không tự xuất hiện chỉ vì câu lệnh dùng từ “ủy quyền”.

Góc nhìn Thành HR: Mình cần hiểu bản mình sắp dùng

Mình không nghĩ người làm HR phải tự viết mọi câu mới thể hiện được năng lực. Có một bản nháp tốt để bắt đầu là điều rất có ích. Nhưng khi đưa bản đó cho ứng viên hay đồng nghiệp, mình cần giải thích được vì sao thông tin ấy đúng và phù hợp.

Nếu AI đưa ra ba cách diễn đạt, phần việc của mình là chọn cách sát thực tế, sửa chỗ dễ gây hiểu nhầm và biết khi nào cần hỏi lại người phụ trách. Với mình, đó là phần chuyên môn cần được rèn cùng với kỹ năng dùng công cụ.

2. Tách công việc trước khi giao cho AI

Job deconstruction có thể hiểu là phân rã công việc thành các tác vụ nhỏ hơn để xem mỗi tác vụ cần đầu vào, cách xử lý và đầu ra nào. Đây là một cách phân tích công việc, không phải kết luận rằng cứ tách nhỏ là tự động hóa được.

Ví dụ, “chuẩn bị tin tuyển dụng” có nhiều phần khác nhau. Bạn có thể thử phân công như sau:

Làm rõ nhu cầu

• AI có thể hỗ trợ: Gợi ý câu hỏi còn thiếu từ bản yêu cầu.
• Người phụ trách cần làm: Trao đổi với quản lý, xác nhận nhiệm vụ và tiêu chí.

Soạn nội dung

• AI có thể hỗ trợ: Viết vài bản nháp dựa trên thông tin được cung cấp.
• Người phụ trách cần làm: Chọn cách diễn đạt đúng công việc, đúng đối tượng.

Rà thông tin

• AI có thể hỗ trợ: Liệt kê điểm thiếu hoặc có vẻ mâu thuẫn.
• Người phụ trách cần làm: Đối chiếu từng cam kết với nguồn đã được duyệt.

Đăng tin

• AI có thể hỗ trợ: Chuẩn bị nội dung theo định dạng từng kênh.
• Người phụ trách cần làm: Duyệt bản cuối và đăng bằng tài khoản có thẩm quyền.

Phân công theo tác vụ giúp mình nhìn rõ điểm cần kiểm tra. Nó không chứng minh rằng một chức danh sẽ được giữ nguyên hay biến mất. Tác động đến nhân sự còn phụ thuộc quy mô công việc, cách tổ chức và kết quả triển khai thực tế.

3. Tình huống: Bản nháp hay nhưng quyền lợi chưa đúng

Lan nhận nhiệm vụ chuẩn bị tin tuyển nhân viên chăm sóc khách hàng. Bản yêu cầu đã duyệt ghi làm tại văn phòng, có lịch làm thứ Bảy luân phiên; chính sách thưởng chưa được chốt. Lan nhờ AI viết tin tuyển dụng với giọng thân thiện.

Bản nháp trả về có hai câu: “Linh hoạt làm việc từ xa” và “Thưởng hiệu suất hằng tháng”. Đọc lướt, nội dung có vẻ đầy đủ. Đối chiếu với bản yêu cầu, Lan thấy một chi tiết trái nguồn và một chi tiết chưa có căn cứ.

Lan có thể xử lý qua ba lượt

1. Chỉ rõ sai lệch: yêu cầu bỏ thông tin làm từ xa và thưởng hằng tháng; ghi nhận hai điểm này vào danh sách cần rà.
2. Bổ sung ràng buộc: chỉ dùng quyền lợi đã xác nhận; thông tin thiếu đưa vào mục “Cần hỏi lại”, không tự lấp chỗ trống.
3. Đối chiếu bản sửa: kiểm tra lại địa điểm, lịch làm, điều kiện ứng tuyển và toàn bộ quyền lợi, rồi gửi người phụ trách duyệt.

Lan cũng cần xem bản sửa có vô tình bỏ mất lịch thứ Bảy hay không. Sửa đúng hai câu bị nhắc chưa có nghĩa toàn bộ bản mới đã đúng. AI có thể tạo nội dung sai với cách trình bày rất tự tin; NIST gọi rủi ro này là confabulation, thường được nhắc đến như “ảo giác AI” [1].

Xem mẫu yêu cầu cho lượt làm việc tiếp theo

Tôi đang chuẩn bị bản nháp tin tuyển dụng để người phụ trách duyệt. Dưới đây là thông tin đã được phép sử dụng: [dán dữ kiện đã xác nhận].

Hãy viết bản nháp gồm nhiệm vụ, yêu cầu, điều kiện làm việc và cách ứng tuyển. Chỉ dùng dữ kiện trong nguồn. Không tự thêm mức lương, thưởng, hình thức làm từ xa hoặc cam kết thăng tiến.

Tách đầu ra thành hai phần: (1) Bản nháp để rà soát; (2) Thông tin còn thiếu, mâu thuẫn hoặc cần người phụ trách xác nhận. Sau mỗi nhóm nội dung, ghi ngắn dữ kiện nguồn đã dùng để tôi đối chiếu. Chưa đăng hoặc gửi nội dung đi.

Mẫu này giúp làm rõ yêu cầu; người dùng vẫn cần kiểm tra trực tiếp nguồn, kể cả khi AI đã tự ghi phần đối chiếu.

4. Thống nhất cách làm trong nhóm HR

Một người dùng tốt chưa đủ để cả nhóm phối hợp tốt. Nếu mỗi người dùng một nguồn khác nhau hoặc không biết bản nào được duyệt, AI có thể làm tăng số bản nháp mà công việc vẫn chậm.

Nhóm HR có thể bắt đầu bằng bốn thỏa thuận cụ thể:

• Nguồn chung: dùng tài liệu nào, phiên bản nào, ai xác nhận thông tin khi có mâu thuẫn.
• Dữ liệu được phép dùng: công cụ nào được doanh nghiệp cho phép, dữ liệu nào được đưa vào; ưu tiên dữ liệu giả lập khi thử nghiệm. Không mặc nhiên tải hồ sơ ứng viên hoặc bảng lương lên một tài khoản bất kỳ.
• Trạng thái đầu ra: phân biệt bản nháp, bản đang rà và bản đã được duyệt; chỉ định người có quyền chốt.
• Cách xử lý ngoại lệ: khi thiếu nguồn, gặp dữ liệu không nhất quán hoặc nội dung ảnh hưởng đến quyền lợi một người, dừng bước sử dụng và chuyển người phụ trách xem xét.

“Có người duyệt” chỉ có ý nghĩa khi người ấy có đủ thời gian, chuyên môn và tài liệu để kiểm tra. Không nên biến bước duyệt thành một lần bấm đồng ý theo thói quen.

Đừng dùng cảm giác trôi chảy để đánh giá chất lượng

Với nội dung tuyển dụng, hãy rà yêu cầu có gắn với công việc không, có thêm điều kiện không được duyệt không và có lời hứa vượt thực tế không. Với phần tổng hợp ý kiến, hãy kiểm tra cả ý kiến khác biệt thay vì chỉ đọc kết luận đa số. Đây là những điểm nhóm cần chủ động thiết kế vào việc nghiệm thu.

5. Đo hiệu quả sau cả vòng làm việc

Thời gian AI tạo bản nháp chỉ là một phần. Hãy ghi cả thời gian chuẩn bị đầu vào, sửa, kiểm tra và xử lý lỗi. Chẳng hạn, trong một lần thử giả định, cách cũ mất 40 phút; cách có AI mất 5 phút chuẩn bị, 3 phút tạo nháp và 25 phút rà sửa. Tổng là 33 phút, tiết kiệm 7 phút trong lần thử đó, không phải 37 phút.

Con số của một lần thử chưa đại diện cho mọi công việc. Bạn có thể so sánh vài nhiệm vụ tương đương, cùng tiêu chuẩn chất lượng, rồi nhìn thêm số lỗi còn sót, số lần phải hỏi lại và mức độ dễ bàn giao. Nếu công việc nhanh hơn nhưng người duyệt phải sửa nhiều hơn, nhóm cần điều chỉnh cách làm.

6. Thực hành: Chọn một việc nhỏ để thử

Hãy chọn một việc bạn có khả năng tự kiểm tra, chẳng hạn viết thông báo nội bộ từ dữ kiện giả lập hoặc chuyển một mô tả công việc đã được phép sử dụng thành bản tin ngắn.

1. Viết một câu mô tả đầu ra cần đạt.
2. Ghi rõ nguồn, thông tin được dùng và điều không được tự thêm.
3. Nhờ AI tạo bản nháp, sau đó chỉ ra một điểm cần sửa bằng căn cứ cụ thể.
4. Đối chiếu bản cuối với nguồn và ghi lại thời gian của cả vòng làm việc.

Gợi ý tự nhìn lại sau bài thực hành

Bạn có thể giải thích từng thông tin quan trọng trong bản cuối đến từ đâu không? Phản hồi của bạn có chỉ rõ vấn đề hay chỉ nói “viết hay hơn”? Sau khi sửa, bạn có kiểm tra lại phần nội dung không được nhắc đến không?

Nếu chưa đánh giá được độ đúng của đầu ra, hãy chọn phần việc đơn giản hơn hoặc nhờ người có chuyên môn cùng rà. Mục tiêu của lần thử là nhận ra cách phối hợp phù hợp, không phải chứng minh mình dùng được thật nhiều tính năng.

Điều mình muốn giữ lại

Cộng tác với AI có ích khi giúp mình làm việc rõ ràng hơn: rõ yêu cầu, rõ căn cứ và rõ trách nhiệm. Bản nháp nhanh là một điểm bắt đầu; một kết quả đúng, phù hợp và có người đứng ra chịu trách nhiệm mới là điều công việc HR cần.

Đọc tiếp theo nhu cầu

• Kỹ năng AI trong công việc: nhìn lại những năng lực cần rèn khi sử dụng AI.
• Agentic AI trong nhân sự: tìm hiểu phạm vi hành động và điểm duyệt khi hệ thống thực hiện nhiều bước.
• Các khóa học trên HRVN Academy để học thêm nền tảng chuyên môn.
• Blog Nghề Nhân Sự để đọc thêm góc nhìn về công việc và nghề HR.

Nguồn tham khảo

[1] NIST (2024), Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile, mục 2.2 về confabulation. Các tình huống, mẫu yêu cầu và bài thực hành trong bài là gợi ý biên tập của HRVN Academy, không phải trích dẫn từ báo cáo.

Thành HR · HRVN Academy