Mở đầu — vì sao bài này quan trọng
Nếu bạn từng làm việc trong hoặc gần bộ phận Nhân sự (HR), bạn sẽ hiểu một sự thật: HR là "cỗ máy sản xuất chữ" khổng lồ nhất trong công ty. Một tuần của phòng HR có thể ngập trong hàng trăm CV cần sàng lọc, chục bản mô tả công việc (job description) cần viết lại, danh sách câu hỏi phỏng vấn cần chuẩn bị, email từ chối ứng viên, thư mời nhận việc, mô tả phúc lợi, và cả tá tài liệu onboarding. Phần lớn công việc này lặp đi lặp lại, tốn thời gian, nhưng lại cực kỳ nhạy cảm — vì một câu chữ sai trong JD có thể khiến ứng viên giỏi bỏ đi, hoặc một tiêu chí sàng lọc thiên lệch có thể khiến công ty bỏ lỡ nhân tài (thậm chí vi phạm nguyên tắc công bằng tuyển dụng).
Đây chính là "vùng đất vàng" của prompt engineering. Không có nghiệp vụ nào trong doanh nghiệp mà AI có thể giúp tiết kiệm thời gian rõ ràng như HR: viết JD từ 45 phút xuống còn 5 phút, sàng lọc 200 CV trong một buổi chiều thay vì ba ngày, chuẩn bị bộ câu hỏi phỏng vấn theo đúng cấp bậc và văn hóa công ty chỉ trong vài phút.
Nhưng — và đây là điểm mà rất nhiều người làm sai — HR không phải lĩnh vực bạn có thể "quăng đại một câu hỏi cho AI rồi copy-paste kết quả". Sàng lọc con người là việc có hệ quả pháp lý và đạo đức. Trong bài này, tôi sẽ hướng dẫn bạn cách viết prompt cho ba trụ cột lớn nhất của HR — viết job description, sàng lọc CV (resume screening), và chuẩn bị phỏng vấn (interview) — theo cách vừa nhanh, vừa nhất quán, vừa giữ được yếu tố con người và sự công bằng.
Khái niệm cốt lõi
Ba nghiệp vụ HR mà chúng ta xử lý trong bài này có bản chất prompt khác nhau. Hiểu rõ sự khác biệt sẽ giúp bạn viết prompt đúng ngay từ đầu.
1. Job Description — bài toán "generation" có ràng buộc
Viết JD là bài toán sinh nội dung (generation) nhưng bị ràng buộc chặt bởi bối cảnh (context). Một JD tốt không phải là JD "kêu" nhất, mà là JD phản ánh đúng vị trí, đúng văn hóa công ty, thu hút đúng đối tượng, và không phóng đại. Vì vậy prompt viết JD phải "nhồi" đủ ngữ cảnh: giai đoạn công ty (startup seed, series A, hay tập đoàn), quy mô team, sứ mệnh, dải lương, phong cách văn hóa. AI viết JD rất giỏi, nhưng nếu bạn không cung cấp context, nó sẽ cho ra một bản JD "generic" — nghe như của bất kỳ công ty nào, không thu hút ai cả.
Nguyên tắc: JD tốt = mô tả thật + giọng điệu đúng thương hiệu tuyển dụng + lời kêu gọi rõ ràng.
2. Resume Screening — bài toán "extraction + classification"
Sàng lọc CV thực chất là hai bài toán ghép lại: trích xuất thông tin có cấu trúc (extraction) từ CV dạng văn bản tự do, rồi phân loại/chấm điểm (classification/scoring) dựa trên tiêu chí đã định. Điểm mấu chốt ở đây là bạn phải yêu cầu AI chấm theo tiêu chí rõ ràng (rubric) và trả về output có cấu trúc (bảng hoặc JSON) để bạn dễ so sánh và ra quyết định.
Cực kỳ quan trọng: AI không được là người ra quyết định cuối cùng. Nó là công cụ hỗ trợ, giúp bạn nhìn nhanh 200 CV, gắn cờ những hồ sơ đáng chú ý và giải thích lý do. Con người vẫn phải review, đặc biệt để tránh loại nhầm ứng viên tốt và tránh thiên lệch (bias) về giới tính, tuổi, trường học, khoảng trống sự nghiệp.
3. Interview — bài toán "generation theo cấu trúc nghiệp vụ"
Chuẩn bị phỏng vấn là sinh ra bộ câu hỏi và tiêu chí đánh giá phù hợp với từng vòng, từng cấp bậc. Prompt tốt sẽ yêu cầu AI tạo câu hỏi theo khung (ví dụ khung STAR — Situation, Task, Action, Result — cho câu hỏi hành vi), gắn mỗi câu hỏi với năng lực cần đánh giá, và kèm gợi ý câu trả lời tốt/kém để người phỏng vấn (kể cả người ít kinh nghiệm) chấm nhất quán.
Nguyên tắc xuyên suốt: Context → Constraint → Format
Với cả ba nghiệp vụ, một prompt HR chất lượng luôn có ba tầng:
- Context (bối cảnh): công ty, vị trí, cấp bậc, văn hóa.
- Constraint (ràng buộc): độ dài, giọng điệu, tiêu chí chấm, điều KHÔNG được làm (ví dụ: không suy đoán giới tính, không dùng ngôn ngữ phân biệt tuổi).
- Format (định dạng đầu ra): bảng, JSON, hay văn bản có heading rõ ràng.
Tình huống thực tế
Tình huống 1 — Startup fintech TP.HCM viết JD tuyển Backend Engineer
Bối cảnh: MoMee là một startup fintech ở TP.HCM, vừa gọi vốn vòng seed 1,5 triệu USD, team engineering 8 người, cần tuyển một Backend Engineer (mid-level) làm về hệ thống thanh toán. Chị Lan — HR duy nhất của công ty, không rành kỹ thuật — trước đây thường copy JD của công ty khác rồi sửa, kết quả là JD nghe rất chung chung, ba tuần chỉ nhận được 6 hồ sơ, phần lớn không đạt.
Chị dùng prompt sau:
Bạn là chuyên gia tuyển dụng công nghệ. Viết một job description cho vị trí
Backend Engineer (mid-level) tại công ty chúng tôi.Bối cảnh công ty:
- Tên: MoMee, startup fintech tại TP.HCM, vừa gọi vốn seed 1,5 triệu USD
- Sứ mệnh: giúp người lao động phổ thông tiếp cận tín dụng nhỏ minh bạch
- Team engineering: 8 người, làm việc kiểu startup (nhanh, tự chủ cao)
- Stack: Go, PostgreSQL, AWS, Kafka
- Dải lương: 25–40 triệu VND/tháng + ESOP
Yêu cầu JD:
- Giọng điệu: chân thật, không sáo rỗng, không hứa hẹn quá đà
- Cấu trúc: Giới thiệu công ty (3-4 câu) / Bạn sẽ làm gì / Chúng tôi tìm ai /
Điểm cộng / Phúc lợi / Cách ứng tuyển
- Nêu rõ đây là mid-level: cần 2-4 năm kinh nghiệm, KHÔNG yêu cầu bằng cấp cụ thể
- Nhấn mạnh cơ hội học hỏi trong môi trường fintech đang tăng trưởng
- Độ dài khoảng 400-500 từ, tiếng Việt
- KHÔNG dùng ngôn ngữ gợi ý ưu tiên giới tính hay độ tuổi
Diễn giải: JD sinh ra có phần "Bạn sẽ làm gì" cụ thể (thiết kế API thanh toán, tối ưu truy vấn PostgreSQL, xử lý event qua Kafka) thay vì những gạch đầu dòng mơ hồ. Vì có dải lương và ràng buộc "không yêu cầu bằng cấp", JD lọc đúng đối tượng và tạo niềm tin. Sau khi đăng bản mới, MoMee nhận 31 hồ sơ trong 10 ngày, tỷ lệ đạt vòng sơ loại tăng gấp ba.
Bài học: Chất lượng JD tỷ lệ thuận với chất lượng context bạn đưa vào. Dải lương và sự chân thật ("không hứa hẹn quá đà") là hai yếu tố chị Lan trước đây bỏ quên, và chúng chính là thứ tạo khác biệt.
Tình huống 2 — Sàng lọc 180 CV cho vị trí Sales tại chuỗi bán lẻ
Bối cảnh: Một chuỗi cửa hàng mỹ phẩm ở Hà Nội đăng tuyển 5 nhân viên Sales, nhận về 180 CV trong một tuần. Anh Tuấn — trưởng phòng tuyển dụng — không thể đọc kỹ từng hồ sơ. Anh cần một cách sàng lọc nhanh nhưng công bằng và có thể giải thích được.
Anh dùng prompt chấm điểm theo rubric, xử lý từng CV (dán nội dung CV vào chỗ [CV]):
Bạn là trợ lý sàng lọc hồ sơ. Đánh giá CV dưới đây cho vị trí Nhân viên Sales
mỹ phẩm tại cửa hàng bán lẻ.Tiêu chí chấm (mỗi tiêu chí 0-5 điểm):
- Kinh nghiệm bán hàng trực tiếp (ưu tiên ngành làm đẹp/FMCG)
- Kỹ năng giao tiếp thể hiện qua cách viết CV
- Sự ổn định công việc (không nhảy việc dưới 6 tháng liên tục)
- Mức độ phù hợp địa lý (làm việc tại Hà Nội)
Quy tắc:
- CHỈ chấm dựa trên thông tin có trong CV. Nếu thiếu thông tin, ghi "không rõ"
và cho 0 điểm mục đó, KHÔNG suy đoán.
- KHÔNG đánh giá dựa trên giới tính, tuổi, quê quán, trường học, hay ảnh.
- Nêu 1 điểm mạnh nổi bật và 1 điểm cần làm rõ khi phỏng vấn.
Trả về JSON:
{
"diem_tung_tieu_chi": {...},
"tong_diem": <0-20>,
"de_xuat": "phong_van" | "can_xem_them" | "khong_phu_hop",
"diem_manh": "...",
"can_lam_ro": "..."
}CV: [CV]
Diễn giải: Nhờ output JSON, anh Tuấn đưa toàn bộ kết quả vào một bảng tính, sắp xếp theo tong_diem, và tập trung đọc kỹ 25 hồ sơ có đề xuất "phong_van". Quan trọng hơn, cột can_lam_ro biến kết quả AI thành đầu vào trực tiếp cho vòng phỏng vấn. Ràng buộc "không suy đoán, thiếu thông tin thì cho 0 và ghi không rõ" giúp tránh trường hợp AI "bịa" ra năng lực ứng viên.
Bài học: Sàng lọc CV bằng AI phải luôn có ba thứ: rubric rõ ràng, output có cấu trúc, và rào chắn chống thiên lệch. Anh Tuấn vẫn tự đọc top hồ sơ — AI chỉ giúp anh không phải đọc cả 180 bản một cách mù mờ.
Tình huống 3 — Chuẩn bị bộ câu hỏi phỏng vấn cho Product Manager
Bối cảnh: Một công ty SaaS B2B ở Singapore cần phỏng vấn ứng viên Senior Product Manager. Hội đồng phỏng vấn gồm ba người, trong đó có một kỹ sư chưa từng phỏng vấn PM bao giờ và lo mình sẽ hỏi lan man, chấm điểm không nhất quán với hai người còn lại.
Prompt được dùng:
Bạn là Head of Product giàu kinh nghiệm. Tạo bộ câu hỏi phỏng vấn cho vị trí
Senior Product Manager (SaaS B2B).Cần phỏng vấn 4 năng lực: (1) tư duy sản phẩm & ưu tiên, (2) làm việc với data,
(3) phối hợp cross-functional, (4) xử lý xung đột với stakeholder.
Với mỗi năng lực, tạo:
- 1 câu hỏi hành vi theo khung STAR
- Dấu hiệu của câu trả lời TỐT (2 gạch đầu dòng)
- Dấu hiệu của câu trả lời YẾU (2 gạch đầu dòng)
- 1 câu hỏi đào sâu (follow-up) để dùng khi ứng viên trả lời chung chung
Kèm 1 bài tập tình huống ngắn (case) về ưu tiên roadmap khi thiếu nguồn lực,
và thang điểm 1-4 để cả hội đồng chấm thống nhất.
Trình bày dưới dạng bảng dễ in.
Diễn giải: Bộ câu hỏi sinh ra biến người kỹ sư thiếu kinh nghiệm phỏng vấn thành người phỏng vấn "chuẩn" — vì mỗi câu hỏi đã kèm dấu hiệu tốt/yếu và câu follow-up. Thang điểm 1-4 và bài case chung giúp ba thành viên chấm trên cùng một khung, giảm mạnh sự tranh cãi "cảm tính" sau buổi phỏng vấn.
Bài học: Prompt phỏng vấn giá trị nhất không chỉ tạo câu hỏi, mà tạo cả tiêu chí đánh giá. Đó là thứ giúp phỏng vấn công bằng và có thể so sánh giữa các ứng viên.
Hướng dẫn từng bước
Dưới đây là quy trình bạn có thể áp dụng ngay cho cả ba nghiệp vụ HR.
Bước 1 — Xác định nghiệp vụ và output mong muốn. Trước khi gõ prompt, tự hỏi: mình cần một JD để đăng tuyển, một bảng chấm điểm CV, hay một bộ câu hỏi phỏng vấn? Output cuối là văn bản, bảng, hay JSON? Hình dung được đích đến giúp bạn viết ràng buộc chính xác.
Bước 2 — Thu thập context bắt buộc. Với JD: tên công ty, giai đoạn, sứ mệnh, quy mô team, stack/công cụ, dải lương, văn hóa. Với screening: mô tả vị trí và 3-5 tiêu chí quan trọng nhất. Với phỏng vấn: cấp bậc, các năng lực cần đánh giá, số vòng. Thiếu context là nguyên nhân số một khiến output HR trở nên "generic".
Bước 3 — Gán vai (role) cho AI. Mở đầu bằng "Bạn là chuyên gia tuyển dụng công nghệ" hoặc "Bạn là Head of Product". Việc gán vai nâng chất lượng và độ chuyên môn của output rõ rệt.
Bước 4 — Viết ràng buộc và rào chắn công bằng. Đây là bước HR-đặc-thù. Luôn thêm các câu như: "không dùng ngôn ngữ ưu tiên giới tính/độ tuổi", "chỉ chấm dựa trên thông tin có trong CV", "không suy đoán". Đây không phải hình thức — nó bảo vệ công ty khỏi rủi ro pháp lý và đạo đức.
Bước 5 — Chỉ định format output. Với screening, luôn yêu cầu JSON hoặc bảng để tổng hợp được. Với phỏng vấn, yêu cầu bảng có cột năng lực, câu hỏi, dấu hiệu tốt/yếu, follow-up.
Bước 6 — Chạy thử trên mẫu nhỏ và tinh chỉnh. Với screening, hãy chạy prompt trên 5 CV mà bạn đã biết rõ kết quả (2 tốt, 2 trung bình, 1 loại). Nếu AI chấm khớp trực giác của bạn, prompt đáng tin. Nếu lệch, điều chỉnh rubric.
Bước 7 — Con người review và ra quyết định. AI đề xuất, con người quyết định. Luôn đọc lại JD trước khi đăng, luôn tự đọc top CV, luôn có người thật dẫn dắt phỏng vấn. Coi output AI là bản nháp chất lượng cao, không phải phán quyết cuối.
Lỗi thường gặp & mẹo
Lỗi 1 — Để AI ra quyết định "đậu/rớt" thay bạn. Đây là lỗi nghiêm trọng nhất. AI có thể loại nhầm một ứng viên xuất sắc chỉ vì CV viết vụng, hoặc vì có khoảng trống sự nghiệp (nghỉ sinh con, chăm người thân). Luôn đặt AI ở vai trò "gắn cờ và giải thích", còn quyết định thuộc về con người.
Lỗi 2 — Không kiểm soát thiên lệch (bias). Nếu bạn không cấm rõ ràng, AI có thể vô tình ưu ái trường đại học danh tiếng, tên nghe "sang", hay penalize khoảng trống sự nghiệp. Mẹo: luôn thêm dòng "bỏ qua trường học, tuổi, giới tính, quê quán; chỉ đánh giá năng lực liên quan trực tiếp đến công việc".
Lỗi 3 — JD phóng đại. AI rất giỏi "thổi" ngôn từ. Kết quả là JD nghe hoành tráng nhưng thực tế công việc khác xa, khiến nhân sự mới vỡ mộng và nghỉ sớm. Mẹo: thêm ràng buộc "chân thật, không hứa hẹn quá đà, mô tả cả thách thức của vị trí".
Lỗi 4 — Dán dữ liệu cá nhân nhạy cảm lên công cụ AI công cộng. CV chứa họ tên, số điện thoại, địa chỉ — dữ liệu cá nhân được bảo vệ (đặc biệt với Nghị định 13/2023 về bảo vệ dữ liệu cá nhân tại Việt Nam). Mẹo: ẩn danh dữ liệu trước khi đưa vào prompt (thay tên bằng "Ứng viên A", xóa SĐT), hoặc dùng công cụ AI doanh nghiệp có cam kết không lưu dữ liệu để huấn luyện.
Lỗi 5 — Rubric mơ hồ khiến điểm số vô nghĩa. "Chấm mức độ phù hợp từ 1-10" mà không định nghĩa từng bậc điểm sẽ cho kết quả không nhất quán. Mẹo: định nghĩa rõ mỗi mức, hoặc chia thành các tiêu chí con cụ thể như trong Tình huống 2.
Mẹo nâng cao — Tạo prompt template tái sử dụng. HR làm việc theo mùa và lặp lại. Hãy lưu prompt JD, prompt screening, prompt phỏng vấn thành template với các chỗ trống [tên vị trí], [cấp bậc], [tiêu chí]. Lần sau chỉ cần điền, tiết kiệm 90% thời gian và giữ được sự nhất quán trong toàn phòng HR.
Bài tập thực hành
- Viết JD: Chọn một vị trí thật hoặc giả định trong công ty bạn (ví dụ: Content Marketing tại một startup edtech giai đoạn Series A, team marketing 4 người, lương 15-22 triệu). Viết một prompt đầy đủ context, ràng buộc giọng điệu và rào chắn công bằng để sinh JD 400-500 từ. Sau đó đọc lại và tự hỏi: JD này có nghe chân thật không, hay đang phóng đại?
- Sàng lọc CV: Tự soạn 3 CV giả (1 mạnh, 1 trung bình, 1 yếu) cho vị trí đó. Viết một prompt chấm điểm theo rubric 4 tiêu chí, yêu cầu output JSON, có rào chắn chống thiên lệch. Chạy thử và kiểm tra: AI có chấm đúng thứ tự bạn kỳ vọng không? Nếu lệch, tinh chỉnh rubric.
- Phỏng vấn: Viết một prompt tạo bộ 5 câu hỏi hành vi theo khung STAR cho vị trí đó, mỗi câu kèm dấu hiệu trả lời tốt/yếu và một câu follow-up. Đưa cho một đồng nghiệp không quen phỏng vấn thử đọc — nếu họ tự tin có thể phỏng vấn bằng bộ này, prompt của bạn đã đạt.
- Nâng cao: Gộp cả ba prompt thành một "bộ template HR" với các chỗ trống có thể điền, lưu lại để tái sử dụng cho vị trí tuyển dụng tiếp theo.
Tóm tắt
HR là một trong những lĩnh vực AI mang lại giá trị nhanh và rõ ràng nhất, vì bản chất công việc là sản xuất và xử lý lượng lớn văn bản lặp lại. Ba nghiệp vụ trọng tâm — viết job description, sàng lọc CV, và chuẩn bị phỏng vấn — tương ứng với ba dạng bài toán prompt: generation có ràng buộc, extraction + classification, và generation theo cấu trúc nghiệp vụ.
Công thức xuyên suốt là Context → Constraint → Format: nạp đủ bối cảnh công ty và vị trí, đặt ràng buộc rõ ràng (đặc biệt là rào chắn chống thiên lệch), và yêu cầu định dạng đầu ra phù hợp (bảng/JSON để so sánh, văn bản có cấu trúc để đăng tuyển). Với screening, luôn dùng rubric cụ thể và output có cấu trúc.
Và nguyên tắc quan trọng nhất, không bao giờ được quên: trong HR, AI đề xuất — con người quyết định. Bạn đang làm việc với con người và với dữ liệu cá nhân nhạy cảm. Hãy dùng AI để đi nhanh hơn, nhưng luôn giữ bàn tay và lương tâm con người ở vòng cuối. Đó là ranh giới giữa một phòng HR dùng AI thông minh và một phòng HR gây rủi ro cho chính công ty mình.