Năm mươi tư phần trăm lãnh đạo nhân tài nay nói rằng CV, đơn ứng tuyển và phần chuẩn bị phỏng vấn do AI tạo ra đã khiến việc đánh giá năng lực thực sự của ứng viên khó hơn — và họ nói điều đó trong cùng một hơi thở mà hơn 90% trong số họ báo cáo đang dùng AI xuyên suốt việc tìm nguồn và sàng lọc, trong khi chưa tới 5% gọi kết quả là mang tính chuyển đổi (ManpowerGroup, 2026). Đọc ba con số này cùng nhau, câu chuyện không phải "AI đang giúp chúng ta tuyển dụng". Câu chuyện là: bạn đã dành hai năm tự động hóa một phía của phễu, ứng viên của bạn đã dành đúng hai năm ấy tự động hóa phía kia, và tác động ròng lên điều thực sự quan trọng — đọc được ai có thể làm được việc — lại đi lùi.
Đó là cái bẫy mà phần lớn bộ máy tuyển dụng tầm trung đang ngồi trong đó lúc này. Bản năng, khi việc sàng lọc có vẻ hỏng, là mua một hệ thống theo dõi ứng viên tốt hơn hoặc lắp thêm một bộ lọc AI nữa. Dữ liệu của ManpowerGroup và Everest Group nói rằng bản năng đó nhắm sai tầng. Đây không phải khoảng trống công cụ. Đây là vấn đề tín hiệu, và không lượng tự động hóa sàng lọc nào sửa được một tín hiệu đã bị làm cho có thể giả mạo ở quy mô lớn.
Cả hai phía của phễu tự động hóa cùng lúc
Hãy bắt đầu từ tính đối xứng, vì đó là phần gần như không ai tính đến. Khi bạn triển khai AI để tìm nguồn, xếp hạng và sàng lọc, bạn giả định các đầu vào ở phía bên kia vẫn giữ nguyên — rằng một CV mang gần như cùng lượng thông tin như năm 2022. Không phải vậy. Ứng viên giờ có cùng loại công cụ như bạn. AI tạo sinh viết CV, tinh chỉnh thư xin việc cho khớp với tin tuyển dụng của bạn, soạn câu trả lời cho các câu hỏi sàng lọc của bạn, và diễn tập phỏng vấn.
Nghiên cứu của ManpowerGroup/Everest Group — một khảo sát trên 80 lãnh đạo cấp C-suite, CHRO và cấp cao về thu hút nhân tài tại Mỹ và Anh — đặt một con số lên hệ quả: 54% báo cáo rằng hành vi ứng viên có AI hỗ trợ khiến việc đánh giá chính xác năng lực thực sự khó hơn (ManpowerGroup, 2026). Đó là đa số lãnh đạo tuyển dụng cấp cao đang nói với bạn rằng đầu vào đã suy thoái. Cả hai phía tự động hóa cùng nhau, và cuộc chạy đua vũ trang kết thúc ở nơi các cuộc chạy đua vũ trang thường kết thúc — chi tiêu nhiều hơn hẳn ở cả hai bên, và không ai có lợi thế bền vững.
Tín hiệu không trở nên ồn ào hơn — nó trở nên có thể giả mạo
Ở đây có một khác biệt then chốt làm thay đổi cách xử lý. Vấn đề không phải là có nhiều nhiễu hơn trong phễu. Vấn đề là tầng CV-và-đơn nay đã bơm phồng được bằng AI — và một khi một tín hiệu có thể được chế tạo với giá rẻ, thì xếp hạng ứng viên theo nó không còn đo được điều bạn quan tâm.
Hãy nghĩ xem AI sàng lọc của bạn thực sự tối ưu hóa cái gì. Nó chấm điểm và xếp hạng ứng viên theo sức mạnh của đơn ứng tuyển viết ra: từ khóa, cách diễn đạt, sự khớp bề ngoài với mô tả công việc. Khi tầng viết đó được tạo ra bằng nỗ lực của chính ứng viên, nó là một chỉ dấu yếu nhưng có thật về sự chỉn chu và mức phù hợp. Khi nó được một mô hình tạo ra trong chín giây, việc xếp hạng ngày càng tưởng thưởng sự thành thạo tạo prompt — ứng viên (hay công cụ của họ) đã đảo ngược kỹ thuật tin tuyển dụng của bạn tốt đến đâu — thay vì mức phù hợp với vai trò. Bạn vẫn nhận được một danh sách xếp hạng rõ ràng, tự tin. Chỉ có điều nó đang đo sai biến số. Đó là kiểu thất bại nguy hiểm nhất trong tuyển chọn: không phải một hệ thống sập một cách thấy được, mà là một hệ thống tiếp tục cho ra kết quả tự tin sau khi thứ nó đo đã âm thầm trở nên vô nghĩa.
Đó cũng là lý do "chưa tới 5% mang tính chuyển đổi" không phải một vấn đề trưởng thành mà thêm một quý áp dụng nữa sẽ giải quyết (ManpowerGroup, 2026). Bạn không thể rút ra một kết quả chuyển đổi từ một tầng mà tín hiệu đã bị rút ruột. Thêm sức mạnh sàng lọc áp lên một đầu vào có thể giả mạo chỉ cho ra việc phân loại nhiễu nhanh hơn, tự tin hơn.
Vấn đề khối lượng ẩn bên dưới
Vấn đề tín hiệu cưỡi lên một vấn đề khối lượng, và cả hai cộng dồn. Vì nộp đơn nay gần như miễn phí, số lượng đơn đã tách rời khỏi sự quan tâm thực chất. Một nhà tuyển dụng báo cáo một vị trí chuyên viên phân tích nghiệp vụ mà trước kia thu hút 100 đến 150 đơn nay lại kéo về hơn 2.000 — một cú nhảy 13 đến 20 lần cho một vị trí duy nhất (The Irish Times, 2026). Đó không phải một làn sóng quan tâm đủ tiêu chuẩn. Đó là sản phẩm cơ học của những ứng viên đang chạy cùng loại tự động hóa như bạn.
Chi phí rơi vào thời gian của đội ngũ bạn. Trong cùng bài báo, một khảo sát của Greenhouse phát hiện 38% nhà tuyển dụng nay dành một nửa công sức để lọc bỏ đơn rác, thư rác và đơn hoàn toàn không đủ tiêu chuẩn (The Irish Times, 2026). Chồng điều đó lên vấn đề tín hiệu, bạn có bức tranh đầy đủ: nhiều đơn hơn bao giờ hết, mỗi đơn là một chỉ báo yếu hơn bao giờ hết, và một đội tuyển dụng đốt một nửa năng lực để tách khối lượng do máy tạo khỏi ý định của con người. Mua thêm AI sàng lọc để xử lý nhanh hơn không thu nhỏ vấn đề. Nó công nghiệp hóa vấn đề.
Vì sao một ATS tốt hơn sẽ không sửa được điều này
Câu trả lời hấp dẫn — một ATS thông minh hơn, một mô hình phân tích CV sắc bén hơn, một AI "phát hiện AI" — thua cuộc chạy đua vũ trang ngay từ thiết kế. Mỗi bộ phát hiện bạn triển khai là một mục tiêu mà các công cụ tạo sinh tự tối ưu để vượt qua, và các công cụ ấy lặp nhanh hơn và được hàng triệu ứng viên sử dụng. Bạn sẽ đem ngân sách đi bảo vệ đúng cái tầng đã bị xâm phạm.
Lý do sâu xa hơn khiến nó thất bại là nó chấp nhận một tiền đề gãy: rằng CV là nơi năng lực cư ngụ. Nó chưa bao giờ hoàn toàn như vậy — và giờ, có thể chứng minh, là không. Lời giải không phải là đọc tầng có thể giả mạo một cách khôn ngoan hơn. Lời giải là ngừng cân nặng tầng có thể giả mạo đến thế và dịch trọng số quyết định sang những đầu vào mà ứng viên không thể chế tạo rẻ ở quy mô lớn. Đó là một thay đổi thiết kế trong cách bạn sàng lọc, không phải một lần mua sắm.
Còn có một chi phí thầm lặng hơn của việc ở lại trong cuộc chạy đua vũ trang: những cú từ chối sai. Khi việc xếp hạng của bạn tưởng thưởng sự thành thạo tạo prompt, thì ứng viên thực sự giỏi nhưng kém tiếp thị bản thân — hoặc người đã từ chối cho đơn của mình chạy qua một bộ tối ưu — chìm xuống dưới người đã làm vậy. Bạn không chỉ bỏ sót những đơn thổi phồng; bạn đang chủ động hạ bậc năng lực thật đã không thèm chơi trò với cái tầng đó. Trong một thị trường mà một vị trí duy nhất nay kéo về hàng nghìn đơn, những âm tính giả ấy là vô hình và không thể lấy lại. Bạn sẽ không bao giờ biết tín hiệu có thể giả mạo của mình đã chôn vùi người đủ tiêu chuẩn nào.
Cân lại trọng số về phía những đầu vào ứng viên không thể giả mạo ở quy mô lớn
Ở đây nghiên cứu vững chắc một cách khác thường, và nó có trước cơn hoảng loạn AI hàng thập kỷ. Điểm tham chiếu là phân tích tổng hợp của Schmidt và Hunter, tổng hợp khoảng 85 năm nghiên cứu tuyển chọn, và phát hiện rằng các bài kiểm tra mẫu công việc, phỏng vấn có cấu trúc và các thước đo năng lực nhận thức nằm trong số những yếu tố dự báo mạnh nhất về hiệu suất công việc — trong khi các tín hiệu gần với CV, tức học vấn và số năm kinh nghiệm, lại tương đối yếu (Schmidt & Hunter, 1998). Một đánh giá có cấu trúc, đại diện cho công việc, mang giá trị dự báo cao hơn nhiều so với tài liệu ứng tuyển — và nó đã là công cụ tốt hơn ngay cả khi tài liệu ứng tuyển được viết một cách trung thực.
AI chuyển điều này từ một luận điểm thực hành tốt thành một luận điểm cấp bách. Những phương pháp trụ vững chính là những phương pháp tốn kém để giả mạo ở quy mô lớn. Một mô hình có thể tạo ra một CV hoàn hảo trong vài giây; nó không thể cho ứng viên thật của bạn ngồi làm một mẫu công việc đại diện và tạo ra lập luận đích thực của họ trong điều kiện có cấu trúc. Một đánh giá tâm trắc đã được kiểm định đo lường những đặc điểm và năng khiếu mà một đơn ứng tuyển được đánh bóng đơn giản là không bộc lộ. Tín hiệu bạn đã mất ở tầng CV có thể lấy lại — nhưng chỉ bằng cách dời phép đo tới nơi mà tự động hóa không với tới.
Cụ thể, "những đầu vào ứng viên không thể giả mạo ở quy mô lớn" nghĩa là hai thứ mà một đội ops tầm trung có thể thực sự triển khai. Thứ nhất, một mẫu công việc có cấu trúc: một nhiệm vụ ngắn, đại diện cho vai trò, được chấm theo một khung tiêu chí nhất quán, để bạn nhìn người đó làm một lát cắt của công việc thật thay vì đọc lời khẳng định của họ về nó. Thứ hai, một đánh giá tâm trắc đã kiểm định: một phép đọc có đo lường về những năng khiếu và đặc điểm dự báo hiệu suất trong vai trò, thực hiện trong điều kiện ứng viên không thể thuê ngoài. Cả hai dời tín hiệu quyết định từ tài liệu sang hành vi — và cả hai, đáng chú ý, dễ bảo vệ về mặt pháp lý hơn sàng lọc CV vì chúng lấy mẫu trực tiếp từ công việc.
Bước duy nhất cho quý này
Bạn không cần gỡ bỏ ATS hay tái kiến trúc việc tuyển dụng để hành động về điều này. Bạn cần thay đổi nơi trọng số quyết định rơi vào trong một vai trò.
Vậy bước cụ thể là hẹp và có thể kiểm chứng: hãy lấy vị trí đang mở có khối lượng lớn nhất — vị trí đang chết chìm trong những đơn bị AI thổi phồng — và chèn một mẫu công việc đại diện cộng với một đánh giá đã kiểm định vào giai đoạn sớm của quy trình, rồi cân lại việc xếp hạng để những kết quả đó vượt trên điểm CV. Chỉ dùng tầng CV để loại những người rõ ràng không đủ tiêu chuẩn; để những đầu vào không thể giả mạo quyết định ai đi tiếp. Sau đó đo nó đối chứng với một vai trò tương đương mà bạn để nguyên ở sàng lọc CV-trước, và theo dõi hai con số suốt một quý: các tín hiệu chất lượng tuyển dụng như tốc độ bắt nhịp và hiệu suất giai đoạn đầu, và tỷ lệ thời gian nhà tuyển dụng giành lại được từ việc lọc rác.
Nếu vai trò được cân lại tạo ra những lần tuyển tốt hơn với ít công sức sàng lọc bị lãng phí hơn, bạn sẽ chứng minh, ngay bên trong phễu của chính mình, điều mà dữ liệu ManpowerGroup đang chỉ tới: câu trả lời cho một tín hiệu bị rút ruột chưa bao giờ là một bộ sàng lọc tốt hơn cho tầng có thể giả mạo. Câu trả lời là ngừng tin vào cái tầng mà ứng viên của bạn đã học cách tự động hóa — và đo lường điều duy nhất họ vẫn chưa thể. 54% nói rằng họ không còn đọc được năng lực nữa là đúng về vấn đề. Họ đang tìm nó ở đúng một nơi mà AI đã đảm bảo rằng nó sẽ không còn ở đó.
