Trôi dạt kiểm chứng là hiện tượng người có trách nhiệm rà soát kết quả của AI dần bớt cảnh giác theo thời gian, vì các kết quả trước đó đều trông hợp lý nên việc kiểm tra kỹ có vẻ không cần thiết nữa. Nó biến một quy trình có người duyệt thành một quy trình chỉ còn hình thức duyệt.
Ngày 3 tháng 10 năm 2026, báo chí ghi nhận tranh luận tại các đại học Australia về việc dùng AI hỗ trợ chấm bài. Một số trường như Western Sydney, Newcastle, Deakin, RMIT và Adelaide cho phép AI tham gia một phần, với trách nhiệm cuối cùng vẫn thuộc về giảng viên. Một số trường khác như UNSW, Melbourne và Sydney không cho phép. Ba rủi ro được nêu ra trong tranh luận đó áp dụng gần như nguyên vẹn cho doanh nghiệp đang dùng AI để đánh giá con người.
Vì sao trôi dạt kiểm chứng lại nguy hiểm?
Vì nó phá hỏng chính biện pháp an toàn mà doanh nghiệp tin là mình đang có. Khi thiết kế hệ thống, ai cũng nói rằng vẫn có người duyệt cuối, và câu đó làm mọi người yên tâm bỏ qua các câu hỏi khó hơn.
Cơ chế hình thành rất tự nhiên và không đòi hỏi ai tắc trách. Tuần đầu, người duyệt đọc kỹ từng kết quả và thấy hầu hết đều đúng. Tuần thứ tư, họ đọc lướt vì kinh nghiệm cho thấy hiếm khi sai. Tháng thứ ba, họ bấm duyệt theo lô. Không có thời điểm nào người đó quyết định ngừng kiểm tra, nhưng trên thực tế việc kiểm tra đã ngừng.
Điều làm hiện tượng này đặc biệt khó chống là kết quả của AI thường trông hợp lý ngay cả khi sai. Một kết quả sai một cách lộ liễu sẽ đánh thức người duyệt, còn một kết quả sai nhưng trình bày mạch lạc thì trượt qua.
Vòng lặp AI chấm nội dung do AI viết tạo ra vấn đề gì?
Rủi ro thứ hai được nêu trong tranh luận là tình huống sinh viên dùng AI để viết bài, rồi bài đó lại được AI chấm. Khi cả hai đầu đều là máy, phần con người tham gia vào việc đánh giá gần như biến mất.
Bản sao của tình huống này trong doanh nghiệp xuất hiện nhiều hơn người ta tưởng. Ứng viên dùng AI viết thư xin việc và tối ưu hồ sơ theo từ khoá, còn nhà tuyển dụng dùng AI sàng lọc hồ sơ theo từ khoá. Kết quả là cả hai bên cùng tối ưu theo một bộ tín hiệu, và tín hiệu đó mất dần liên hệ với năng lực thật.
Hệ quả không phải là quy trình sụp đổ ngay, mà là nó dần chọn ra những người giỏi tối ưu hồ sơ thay vì những người giỏi công việc. Sai lệch này tích tụ chậm và chỉ lộ ra sau vài kỳ tuyển dụng, khi tỷ lệ nhân sự mới không đạt kỳ vọng tăng lên mà không ai giải thích được.
Doanh nghiệp đang dùng AI để đánh giá con người ở đâu?
Nhiều hơn là danh sách chính thức cho thấy, vì phần lớn các ứng dụng này không được gọi tên là đánh giá con người.
| Ứng dụng | Mức rủi ro | Vì sao |
|---|---|---|
| Sàng lọc hồ sơ ứng viên | Cao | Loại bỏ người mà không ai đọc lại hồ sơ của họ |
| Tóm tắt phỏng vấn | Trung bình | Bản tóm tắt thiếu sót định hình nhận định của hội đồng |
| Chấm điểm cuộc gọi chăm sóc khách | Cao | Ảnh hưởng tới thưởng phạt và đánh giá nhân viên |
| Xếp hạng khách hàng tiềm năng | Trung bình | Sai thì mất cơ hội nhưng không ảnh hưởng tới một cá nhân |
| Soạn nhận xét đánh giá định kỳ | Cao | Nhận xét chung chung làm hỏng giá trị của cả kỳ đánh giá |
Ba hàng được đánh dấu cao đều có chung đặc điểm: kết quả ảnh hưởng trực tiếp tới một con người cụ thể, và người đó thường không biết rằng AI đã tham gia vào quyết định liên quan tới mình.
Sàng lọc hồ sơ ứng viên bằng AI có an toàn không?
An toàn hay không phụ thuộc vào việc hệ thống được giao quyền loại bỏ hay chỉ được giao quyền sắp xếp thứ tự. Đây là khác biệt nhỏ về kỹ thuật nhưng rất lớn về hậu quả.
Khi hệ thống chỉ sắp xếp thứ tự đọc, người tuyển dụng vẫn thấy toàn bộ hồ sơ và vẫn có cơ hội phát hiện một ứng viên phù hợp mà hệ thống đánh giá thấp. Khi hệ thống được quyền loại bỏ, những hồ sơ đó biến mất khỏi tầm nhìn và không ai biết mình đã bỏ lỡ gì.
Nguyên tắc nên áp dụng: AI sắp xếp và tóm tắt, con người loại bỏ. Kèm theo một thói quen rẻ tiền mà hiệu quả là mỗi đợt tuyển dụng, hãy đọc ngẫu nhiên mười hồ sơ bị xếp hạng thấp nhất. Nếu trong đó có người đáng phỏng vấn, tiêu chí của hệ thống đang lệch.
Đánh giá nhân viên bằng AI thì ranh giới ở đâu?
Ranh giới nên đặt theo loại việc chứ không theo mức độ tin tưởng vào công cụ, vì mức độ tin tưởng là thứ sẽ trôi dạt theo thời gian.
- Được giao cho AI. Tổng hợp số liệu, đối chiếu chỉ tiêu, phát hiện xu hướng, soạn bản nháp câu hỏi cho buổi trao đổi.
- Giao có điều kiện. Tóm tắt phản hồi từ đồng nghiệp, với điều kiện quản lý đọc cả bản gốc.
- Không giao cho AI. Kết luận về thái độ, quyết định tăng lương và thăng chức, nhận xét về điểm cần cải thiện của cá nhân.
- Tuyệt đối không. Mọi quyết định liên quan tới chấm dứt hợp đồng lao động.
Nhóm thứ ba đáng giải thích thêm. Một nhận xét về điểm cần cải thiện có giá trị khi nó đến từ người đã quan sát công việc thật và sẵn sàng đối thoại về nó. Cùng nội dung đó do máy soạn ra thì không chịu được một câu hỏi lại của nhân viên. Các chỉ số nên theo dõi và cách dựng buổi trao đổi một-một được bàn trong bài cách quản lý nhân viên kinh doanh.
Làm sao giữ cho việc kiểm tra không trôi dạt?
Không thể chống trôi dạt bằng cách nhắc mọi người cẩn thận hơn, vì nguyên nhân nằm ở cơ chế chú ý của con người chứ không nằm ở ý thức. Phải thiết kế quy trình sao cho việc kiểm tra vẫn có ý nghĩa ngay cả khi người duyệt đã quen tay.
- Trộn vào các trường hợp đã biết đáp án. Mỗi lô có vài trường hợp bạn đã biết kết quả đúng, dùng để đo xem người duyệt còn phát hiện được không.
- Đổi người duyệt định kỳ. Người mới chưa hình thành thói quen tin tưởng nên nhìn ra những chỗ người cũ đã bỏ qua.
- Bắt buộc ghi lý do khi không đồng ý. Nếu cả tháng không có lần nào không đồng ý, đó là dấu hiệu cảnh báo chứ không phải thành tích.
- Giới hạn số lượng duyệt mỗi lượt. Duyệt một trăm kết quả liên tiếp thì chất lượng kiểm tra ở cuối lô gần bằng không.
- Kiểm tra lại mẫu ngẫu nhiên bởi người thứ hai. Mỗi tuần vài trường hợp là đủ để phát hiện sai lệch hệ thống.
Biện pháp thứ nhất là biện pháp duy nhất cho bạn một con số thay vì một cảm nhận. Nếu người duyệt không phát hiện ra các trường hợp bạn đã cố tình cài sai, bạn biết chắc rằng việc duyệt đang chỉ còn hình thức, và biết điều đó sớm thì còn sửa được.
Phản hồi từ máy khác phản hồi từ người ở chỗ nào?
Rủi ro thứ ba được nêu trong tranh luận ở Australia là sinh viên coi trọng nhận xét của giảng viên chứ không phải của máy. Đây là điểm dễ bị xem nhẹ vì nó thuộc về cảm nhận, nhưng hậu quả thì cụ thể.
Giá trị của một lời nhận xét không chỉ nằm ở nội dung mà còn nằm ở việc có người đã dành thời gian xem xét công việc của bạn. Khi người nhận biết nhận xét do máy soạn, phần giá trị thứ hai biến mất, và họ cũng mất động lực phản hồi lại hoặc đặt câu hỏi.
Trong doanh nghiệp, điều này ảnh hưởng tới chính mục đích của việc đánh giá. Một kỳ đánh giá tồn tại để tạo ra cuộc trao đổi giữa quản lý và nhân viên, nên nếu phần nhận xét được tự động hoá tới mức không còn ai đọc kỹ, cả quy trình trở thành thủ tục giấy tờ. Lúc đó việc tiết kiệm được thời gian soạn thảo không bù lại được phần giá trị đã mất.
Vì sao hai nhóm trường lại chọn ngược nhau?
Việc các trường cùng tiếp cận một công nghệ mà ra hai quyết định trái ngược không phải dấu hiệu bên nào sai, mà phản ánh hai cách đánh giá khác nhau về thứ đang bị đặt lên bàn cân.
Nhóm cho phép nhìn vào khối lượng công việc. Chấm bài là việc lặp lại, tốn thời gian, và một phần của nó mang tính kiểm tra hình thức nên giao được cho máy. Nhóm không cho phép nhìn vào thứ bị mất: khi giảng viên không còn đọc bài, họ mất luôn thông tin về việc lớp mình đang hiểu sai ở đâu, và thông tin đó là đầu vào cho buổi dạy tiếp theo.
Câu hỏi tương đương trong doanh nghiệp đáng được đặt ra mỗi lần cân nhắc tự động hoá một khâu đánh giá: ngoài thời gian, người đang làm việc này còn thu được thông tin gì mà không ai khác có. Nếu câu trả lời là có, thì phần tiết kiệm thời gian phải được so với phần thông tin sẽ mất, chứ không chỉ so với chi phí công cụ.
Một cách dung hoà được nhiều nơi áp dụng là giữ người ở vòng đầu và giao máy vòng sau. Người đọc trước một mẫu đủ lớn để nắm được bức tranh chung, sau đó máy xử lý phần còn lại theo tiêu chí người đã rút ra. Cách này giữ được phần thông tin mà vẫn cắt được phần lớn khối lượng.
Cần công bố gì với người bị đánh giá?
Việc dùng AI trong các quyết định ảnh hưởng tới cá nhân nên được nói rõ, và điều này vừa là yêu cầu về minh bạch vừa là cách giảm rủi ro tranh chấp cho doanh nghiệp.
- AI tham gia ở khâu nào. Sàng lọc, tóm tắt, hay gợi ý. Nói rõ khâu nào do người quyết định.
- Dữ liệu nào được dùng. Nhất là khi có dữ liệu ngoài hồ sơ ứng viên nộp vào.
- Quyền được xem xét lại bởi người. Ai liên hệ và trong thời hạn nào.
- Dữ liệu được lưu bao lâu. Hồ sơ ứng viên không trúng tuyển thuộc nhóm cần có thời hạn xoá rõ ràng.
Mục cuối liên quan tới nghĩa vụ bảo vệ dữ liệu cá nhân, và nó áp dụng cả khi dữ liệu được gửi qua một dịch vụ AI bên ngoài để xử lý. Danh sách câu hỏi cần đặt cho nhà cung cấp trong trường hợp đó được liệt kê trong bài agent AI làm lộ dữ liệu.
Bước tiếp theo nên làm gì?
Việc nên làm trong tuần này là liệt kê mọi chỗ trong doanh nghiệp mà AI đang tham gia vào một quyết định ảnh hưởng tới con người, kể cả những chỗ không được gọi tên như vậy. Với mỗi chỗ, ghi rõ ai là người duyệt và lần gần nhất người đó không đồng ý với kết quả là khi nào.
Nếu có chỗ nào mà câu trả lời là chưa bao giờ, đó là chỗ cần áp dụng ngay biện pháp trộn trường hợp đã biết đáp án để đo lại chất lượng kiểm tra.
Với các tổ chức giáo dục quan tâm tới ranh giới tương tự trong giảng dạy và quản lý học viên, phần này được trình bày riêng trong giải pháp cho giáo dục.
Nếu bạn muốn rà lại các chỗ AI đang tham gia vào quyết định về con người và thiết kế lại điểm duyệt cho đúng, hãy liên hệ với InCard để cùng đi qua danh sách trên.
