Trên những đơn ứng tuyển khó nhất bạn nhận được — nhóm giáp ranh, nơi một lần sàng lọc bằng một lượt gọi nói "không" mà một con người có thể nói "có" — tỷ lệ vượt qua đã đi từ 4,5% lên 26,2% khi ứng viên được một agent đại diện. Đó là mức thay đổi về khả năng tiếp cận gần sáu lần, và nó không đến từ bất kỳ thay đổi nào ở mô hình, ở CV hay ở bản mô tả công việc. Nó đến từ việc thay đổi quy trình.
Con số này lấy từ nghiên cứu của Gao và Jiang về tuyển dụng có agent làm trung gian (arXiv, 2026), được nhận vào workshop REALM tại EMNLP 2026. Nó quan trọng với một Head of Operations vì một lý do chẳng liên quan gì đến diễn ngôn về công bằng, mà liên quan trọn vẹn đến chuyện liệu việc sàng lọc CV bằng AI của bạn có thể được bảo vệ hai lần hay không. Cùng nghiên cứu đó phát hiện: những đơn mà quy trình hai agent chọn ra lại tái hiện ít hơn khi các trường hợp được chạy lại. Cái cổng đã dịch chuyển — và dịch chuyển một cách không nhất quán.
Nghiên cứu: 600 cặp, hai phía, một nhóm giáp ranh
Phần lớn việc sàng lọc tự động là một phán quyết tĩnh. Một lượt gọi mô hình đọc một CV đối chiếu một vị trí và trả về một kết luận. Gao và Jiang chỉ ra rằng tuyển dụng thực ra không được cấu trúc như vậy — nhà tuyển dụng đánh giá mức phù hợp, trong khi ứng viên trình bày và bảo vệ bằng chứng về năng lực của mình — nên họ dựng phiên bản hai phía: một agent bên nhà tuyển dụng và một agent bên ứng viên trao đổi bằng chứng và cập nhật phán quyết của mình trước khi quyết định ai được đi tiếp.
Họ chạy quy trình đó trên 600 cặp CV–vị trí được dựng sẵn với hai mô hình tiên phong, GPT-5.5 và Claude Opus 4.7, rồi so sánh với mốc nền một lượt gọi trên cùng tập tài liệu.
| Thước đo | GPT-5.5 | Claude Opus 4.7 |
|---|---|---|
| Tỷ lệ đi tiếp, một lượt gọi → hai agent | 33,3% → 39,3% | 34,0% → 35,5% |
| Tỷ lệ vượt qua ở nhóm giáp ranh, 3 lần chạy | 4,5% → 26,2% | 6,5% → 16,1% |
Hãy đọc hai dòng đó đối chiếu nhau. Tỷ lệ đi tiếp tổng thể dịch chuyển nhiều nhất sáu điểm — kiểu trôi dạt mà một lãnh đạo vận hành sẽ hấp thụ mà chẳng nhận ra. Còn nhóm giáp ranh, 191 cặp chung cho cả hai quy trình, dịch chuyển gấp nhiều lần. Hiệu ứng dồn lại đúng ngay chỗ ngưỡng của bạn đang làm việc.
Nếu việc sàng lọc của bạn được hiệu chỉnh trên một ngưỡng cắt, thì ứng viên đến cùng một agent không phải là người có lợi thế biên. Người đó đang được đánh giá bởi một quy trình khác.
Đây không phải là sự nới lỏng, và đó mới là vấn đề
Cách đọc hiển nhiên là: sàng lọc hai agent chỉ đơn giản dễ dãi hơn — ứng viên có một người bào chữa, nhiều người qua hơn, bạn hiệu chỉnh lại ngưỡng rồi đi tiếp. Bài báo đóng hẳn lối ra đó: "sàng lọc hai agent loại bỏ những đơn mà một lượt gọi cho đi tiếp, làm thay đổi quyết định theo cả hai chiều."
Từ đó có hai hệ quả, và hệ quả thứ hai mới là cái tốn kém.
Ở mức khối lượng vượt qua tương đương, hai quy trình cho đi tiếp những đơn khác nhau. Bạn không thể tái lập kết quả của hai agent bằng cách nới lỏng một lần sàng lọc một lượt gọi, bởi không ngưỡng nào của một lượt gọi lấy lại được những đơn mà sàng lọc hai agent chọn một cách nhất quán. Hai quy trình không phải là hai nấc của cùng một núm xoay. Chúng là hai hàm chọn khác nhau, chỉ tình cờ cho qua số người tương tự.
Và trong số các trường hợp được chọn ở bước khám phá rồi chạy lại trong các lượt mới, những lựa chọn chỉ riêng quy trình hai agent đưa ra tái hiện ít hơn những lựa chọn mà cả hai quy trình cùng chia sẻ — rõ ràng với GPT-5.5, ít chắc chắn hơn với Opus 4.7 — trong khi một lượt theo dõi riêng bằng một lượt gọi không cho thấy mức sụt giảm tương đương. Chính những ứng viên mà quy trình có agent trung gian tự mình tìm ra lại là những người ít có khả năng được tìm thấy lần nữa nhất.
Một quyết định không tái hiện được thì không thể giải thích được. Không giải thích được cho một ứng viên bị loại khi họ hỏi, không cho một khiếu nại nội bộ, và không cho một cơ quan quản lý. Theo EU AI Act, tuyển dụng và đánh giá ứng viên thuộc Phụ lục III, với các nghĩa vụ rủi ro cao và nghĩa vụ của bên triển khai theo Điều 26 hiện áp dụng từ ngày 2 tháng 12 năm 2027 (EU AI Act explorer, 2026). Yêu cầu giám sát của con người tại Điều 14 giả định rằng có một thứ gì đó ổn định để giám sát. Một bản ghi sàng lọc chỉ nói ứng viên này đi tiếp trong lượt chạy này không phải là nhật ký giám sát. Đó là một tờ vé số có đóng dấu thời gian.
Trong sàng lọc CV bằng AI, quy trình — không phải mô hình — là biến số bạn kiểm soát
Phát hiện này không đơn độc, và đó chính là điều nên đưa nó từ chỗ thú vị sang chỗ phải hành động. Một cuộc kiểm toán riêng trên hơn 30.000 lượt LLM đánh giá CV qua ba mô hình, cả thương mại và trọng số mở, nhận thấy các hiệu ứng nhân khẩu học là không đáng kể trong mọi điều kiện được kiểm tra — nhưng chỉ riêng cách diễn đạt prompt đã làm trỗi lại một thiên lệch về thâm niên. Khi giữ kinh nghiệm y như nhau, một prompt đánh giá có cấu trúc làm hiệu ứng tuổi sụp xuống d=0,02 (p=0,90); một prompt tùy hứng, theo cảm giác, vẫn giữ d=0,41 (p=0,03) (Pavlopoulos, 2026). Cùng mô hình, cùng CV, cùng ứng viên. Quy trình khác, câu trả lời khác.
Chiều hướng đảo lại trong những điều kiện phong phú hơn, và điều đó làm luận điểm cứng hơn chứ không mềm đi. Khi Karvonen và Marks thêm ngữ cảnh triển khai thực tế — tên công ty thật, mô tả văn hóa lấy từ trang tuyển dụng công khai, các ràng buộc chọn lọc kiểu "chỉ nhận 10% hàng đầu" — họ tạo ra các hiệu ứng nhân khẩu học lên tới 12 điểm phần trăm ở tỷ lệ được mời phỏng vấn trên sáu mô hình, và những chỉ dẫn chống thiên lệch trong prompt, thứ vẫn hiệu quả trên các benchmark sạch, đã ngừng hiệu quả (arXiv, 2025).
Ba nghiên cứu, ba phương pháp, một kết luận: phương sai của bạn không nằm ở mô hình chấm điểm. Nó nằm ở quy trình bao quanh mô hình đó.
Vì sao điều này quan trọng ngay lúc này chứ không phải năm 2028
Vì nửa bên phía ứng viên đã được triển khai rồi. ManpowerGroup và Everest Group nhận thấy 54% nhà tuyển dụng nói rằng CV, đơn ứng tuyển và việc luyện phỏng vấn do AI tạo ra đã làm việc đánh giá năng lực thực của ứng viên khó hơn, trong khi hơn 90% dùng AI trong tìm nguồn và sàng lọc, và dưới 5% mô tả kết quả là mang tính chuyển đổi (ManpowerGroup, 2026).
Khoảng cách đó — mức áp dụng gần như phổ quát, giá trị thu về gần như bằng không — thường được đọc như một vấn đề công cụ. Gao và Jiang cho thấy đó là một vấn đề quy trình. Cả hai phía đều đã tự động hóa, quy trình của cả hai phía đều không được đặc tả, và hành vi của cái cổng giờ đây là một thuộc tính nổi lên từ hai hệ thống đang thương lượng với nhau.
Những giới hạn trung thực
Hãy giữ phát hiện này ở đúng trọng lượng thật của nó. Đây là 600 cặp CV–vị trí được dựng sẵn, không phải những lần tuyển thật với kết quả thật — không có thước đo nào cho việc liệu các ứng viên mà sàng lọc hai agent cho đi tiếp sau đó có làm việc tốt hay không. Hai mô hình, cả hai đều tiên phong, tại một thời điểm. Và đây là một bài workshop, không phải một bài báo tạp chí có phản biện, nên riêng kết quả về tính tái hiện nên được coi là một tín hiệu mạnh chứ không phải một ước lượng đã định hình.
Thứ sống sót sau những dè dặt đó là luận điểm về cấu trúc, và chính nó mới làm bạn tốn tiền: các quy trình sàng lọc khác nhau ở mức độ đáng tin cậy của việc quyết định tái hiện, và hiện chẳng ai đo điều đó. Nếu hiệu ứng là thật dù chỉ bằng một nửa quy mô được báo cáo, thì các quyết định giáp ranh của bạn là phần kém ổn định nhất trong phễu và cũng là phần dễ bị chất vấn nhất.
Nên làm gì trong quý này
Phản ứng hữu ích không phải là cấm agent của ứng viên — bạn không thể phát hiện chúng một cách đáng tin cậy, và nỗ lực đó sẽ khiến bạn mất đúng những ứng viên tuân thủ hướng dẫn. Phản ứng hữu ích là biến quy trình, chứ không phải mô hình, thành thứ bạn quản trị. Bốn bước, theo thứ tự chi phí:
- Chạy một phép kiểm tái hiện trên các quyết định giáp ranh của tháng trước. Lấy năm mươi đơn rơi vào vài điểm quanh ngưỡng cắt, cho chạy lại qua đúng quy trình sàng lọc đó, và đếm xem bao nhiêu kết luận còn giữ nguyên. Con số đó là tỷ lệ tái lập của bạn; gần như chắc chắn bạn chưa có nó, và chỉ mất một buổi chiều để có.
- Cố định prompt như một cấu hình, không phải như thói quen của từng nhà tuyển dụng. Kết quả của Pavlopoulos nói rằng một prompt đánh giá có cấu trúc và một prompt tùy hứng là hai dụng cụ khác nhau. Nếu các nhà tuyển dụng của bạn được tự do sửa những gì quy trình sàng lọc hỏi, thì bạn đang chạy một số lượng quy trình không xác định và gán đầu ra của chúng cho một mô hình duy nhất.
- Tách phần tất định của điểm số khỏi phần phán quyết, và ghi nhật ký riêng cho từng phần. Một thành phần được tính toán theo số học từ các yêu cầu đã công bố của vị trí thì tái hiện do chính cách nó được dựng; còn phán quyết của mô hình thì không. Cơ chế chấm điểm của Scovai chạy trên một ngân sách trọng số cố định chia 50/50 giữa hai phần, trong đó nửa phán quyết được trả về dưới dạng bốn điểm phụ riêng biệt ở nhiệt độ thấp, mỗi điểm kèm lý do viết ra — một cách để thấy sự tách bạch đó trông như thế nào trên thực tế là kiến trúc chấm điểm.
- Đặt phần rà soát của con người ở nơi có phương sai, không phải ở nơi có khối lượng. Hiện người rà soát của bạn đang bị dàn mỏng trên toàn bộ phễu. Nghiên cứu nói rằng sự bất ổn dồn vào dải giáp ranh — nghĩa là một ngân sách rà soát nhỏ nhưng nhắm đúng dải đó mua được nhiều khả năng bảo vệ hơn một ngân sách lớn hơn nhưng dàn đều.
Không bước nào trong số này cần mua sắm mới. Cả bốn đều là quyết định cấu hình, đó là tin tốt và cũng chính là lý do chúng cứ mãi không được đưa ra.
Quyết định đang nằm trước mặt bạn
Tuyển dụng có agent làm trung gian sẽ không tự thông báo. Không có buổi demo của nhà cung cấp, không có dòng ngân sách, không có tích hợp nào cần phê duyệt. Nó đến khi đủ nhiều ứng viên mang theo công cụ của riêng họ và cái cổng của bạn thôi vận hành theo cách dashboard của bạn mô tả — và theo bằng chứng ở đây, thứ vỡ trước không phải là độ chính xác mà là tính lặp lại.
Vậy nên câu hỏi đáng đưa vào nghị trình quý này không phải là việc sàng lọc CV bằng AI của bạn có chính xác hay không. Nó hẹp hơn và dễ trả lời hơn nhiều: nếu mai bạn chạy lại các trường hợp bị loại của tháng trước, bao nhiêu sẽ cho ra kết quả y như cũ? Nếu bạn không biết, thì đó là thứ đầu tiên cần đo. Mọi điều bạn có thể muốn khẳng định về việc sàng lọc của mình — rằng nó công bằng, rằng nó giải thích được, rằng có một con người giám sát nó một cách thực chất — đều phụ thuộc vào một câu trả lời mà hiện bạn chưa có.