AI đang dần thay đổi cách chúng ta làm việc. Nếu trước đây AI chủ yếu được sử dụng như một công cụ để tìm kiếm thông tin, viết nội dung hoặc hỗ trợ phân tích, thì hiện nay AI Agent đang mở ra một hướng tiếp cận mới: giao cho AI một mục tiêu, cung cấp những công cụ cần thiết và để AI thực hiện nhiều bước trong một quy trình.
Tuyển dụng là một trong những lĩnh vực có nhiều tiềm năng để ứng dụng mô hình này. Một quy trình tuyển dụng không chỉ có việc tìm kiếm và đánh giá ứng viên, mà còn bao gồm rất nhiều công việc vận hành như sắp xếp lịch phỏng vấn, gửi email, cập nhật hệ thống, tổng hợp kết quả và theo dõi các bước tiếp theo. Đây là những nhiệm vụ có tính lặp lại cao nhưng lại đòi hỏi sự chính xác và phối hợp giữa nhiều bên.
Trong Bet AI Day 2026 Session 09, LayerX chia sẻ cách họ đang sử dụng AI để hỗ trợ hoạt động tuyển dụng và hướng tới việc giao một phần công việc vận hành cho AI Agent. Case này mang đến một góc nhìn khá thực tế: thay vì đặt mục tiêu để AI thay thế con người, doanh nghiệp có thể xác định những phần việc phù hợp để AI thực hiện, trong khi con người vẫn giữ quyền kiểm soát ở những điểm cần phán đoán và ra quyết định.
Từ case của LayerX, có thể rút ra nhiều bài học không chỉ dành cho bộ phận tuyển dụng mà còn có thể áp dụng cho các công việc hành chính và vận hành nói chung.
Từ AI hỗ trợ đến AI Agent: AI đang thay đổi cách thực hiện công việc như thế nào?
Có thể hình dung sự khác biệt giữa AI thông thường và AI Agent thông qua một ví dụ đơn giản.
Khi một nhân viên HR yêu cầu AI “viết email mời ứng viên phỏng vấn”, AI sẽ tạo ra nội dung email dựa trên yêu cầu được cung cấp. Tuy nhiên, phần lớn các bước còn lại vẫn do con người thực hiện: tìm thông tin ứng viên, xác định interviewer, kiểm tra lịch, lựa chọn template, gửi email và cập nhật hệ thống.
Đây là cách sử dụng AI như một công cụ hỗ trợ.
Với AI Agent, mục tiêu có thể được đặt ở mức cao hơn. Thay vì chỉ yêu cầu AI viết email, người dùng có thể giao nhiệm vụ “chuẩn bị lịch phỏng vấn cho ứng viên”. Agent sau đó có thể phân tích yêu cầu, xác định ứng viên, tìm interviewer, kiểm tra những thông tin cần thiết, lựa chọn workflow phù hợp, chuẩn bị email và thực hiện những hành động được cấp quyền.
Có thể khái quát quy trình này thành:
Nhận yêu cầu → Phân loại → Lấy thông tin → Sử dụng công cụ → Thực hiện workflow → Human review → Hoàn tất
Như vậy, điểm khác biệt quan trọng của AI Agent không chỉ nằm ở khả năng tạo nội dung mà còn ở khả năng tham gia vào chuỗi hành động để hoàn thành một nhiệm vụ.
Tuy nhiên, khả năng thực hiện nhiều hành động cũng đặt ra yêu cầu cao hơn về kiểm soát. Nếu AI chỉ viết một email chưa chính xác, con người có thể sửa trước khi gửi. Nhưng nếu một Agent tự động gửi nhầm email, đặt nhầm lịch hoặc cập nhật sai trạng thái ứng viên, hậu quả có thể lớn hơn nhiều.
Vì vậy, khi nói về AI Agent trong môi trường doanh nghiệp, câu hỏi quan trọng không chỉ là “AI có thể làm được gì?”, mà còn là:
AI được phép làm đến đâu, được truy cập dữ liệu nào, cần kiểm tra ở bước nào và khi nào con người phải đưa ra quyết định?
Case LayerX: Hai AI Agent hỗ trợ hoạt động tuyển dụng
Trong Session 09, LayerX giới thiệu hai nhóm AI Agent phục vụ các phần việc khác nhau trong quy trình tuyển dụng.
Interview Minutes & Evaluation Draft Agent tập trung vào việc hỗ trợ sau cuộc phỏng vấn. Agent tạo biên bản và bản nháp đánh giá từ nội dung cuộc phỏng vấn, sau đó để người phỏng vấn kiểm tra và xác nhận.
Recruitment Operations Agent tập trung vào các công việc vận hành. Agent tiếp nhận yêu cầu, phân loại yêu cầu và sử dụng các công cụ phù hợp để thực hiện workflow tương ứng.
Có thể tóm tắt như sau:
| AI Agent | Nhiệm vụ chính | Vai trò của con người |
|---|---|---|
| Interview Minutes & Evaluation Draft Agent | Tạo biên bản phỏng vấn và bản nháp đánh giá | Kiểm tra, chỉnh sửa và xác nhận đánh giá |
| Recruitment Operations Agent | Phân loại và hỗ trợ xử lý các yêu cầu vận hành tuyển dụng | Kiểm soát các bước quan trọng và xử lý trường hợp ngoại lệ |
Điểm chung của hai Agent là AI không được đặt ở vị trí thay thế hoàn toàn con người. Thay vào đó, AI đảm nhận phần công việc có thể chuẩn hóa, trong khi con người tiếp tục giữ vai trò đánh giá, quyết định và giao tiếp ở những điểm quan trọng.
Nguồn: LayerX – Bet AI Day 2026 Session 09.
Interview Minutes & Evaluation Draft Agent: Giảm thời gian xử lý sau phỏng vấn
Sau một cuộc phỏng vấn, người phỏng vấn thường phải thực hiện thêm nhiều công việc như ghi lại nội dung chính, tổng hợp nhận xét và nhập đánh giá vào hệ thống.
Đây là những nhiệm vụ cần thiết nhưng có tính lặp lại tương đối cao.
Theo case được LayerX chia sẻ, Agent có thể tạo bản nháp biên bản và đánh giá khoảng 5 phút sau khi cuộc phỏng vấn kết thúc. Kết quả được lưu dưới dạng draft trong hệ thống tuyển dụng và người liên quan được thông báo. Quan trọng là bản nháp này vẫn cần được người phỏng vấn kiểm tra và xác nhận trước khi trở thành kết quả chính thức.
Theo số liệu trong slide, thời gian dành cho việc ghi biên bản và nhập đánh giá có thể giảm từ khoảng 15–20 phút xuống còn 3–5 phút.
Giá trị của cách làm này không chỉ nằm ở số phút được tiết kiệm.
Một lợi ích đáng chú ý hơn là người phỏng vấn có thể tập trung vào cuộc trò chuyện với ứng viên thay vì phải liên tục ghi chú. Sau khi cuộc phỏng vấn kết thúc, AI hỗ trợ xử lý phần tổng hợp và chuẩn bị bản nháp, còn interviewer vẫn là người chịu trách nhiệm kiểm tra và đưa ra đánh giá cuối cùng.
Có thể hình dung mô hình này là:
Phỏng vấn → AI tạo draft → Interviewer review → Xác nhận
Đây là một ví dụ khá rõ về cách AI có thể hỗ trợ con người mà không cần thay thế quyền quyết định của con người.
Nguồn: LayerX – Bet AI Day 2026 Session 09.
Recruitment Operations Agent: Khi AI tham gia vào phần “hậu trường” của tuyển dụng
Nếu Interview Agent tập trung vào công việc sau phỏng vấn, Recruitment Operations Agent lại giải quyết một nhóm vấn đề khác: điều phối và vận hành.
Trong một quy trình tuyển dụng có quy mô lớn, HR có thể phải xử lý nhiều loại yêu cầu khác nhau. Mỗi yêu cầu có thể liên quan đến một ứng viên, một vị trí, một interviewer, một email template hoặc một quy trình cụ thể.
Trong case được LayerX giới thiệu, hệ thống tuyển dụng có hơn 100 job, hơn 250 email template và hơn 1.400 URL phục vụ cho hoạt động điều phối. Khi số lượng lựa chọn và quy tắc tăng lên, việc xử lý thủ công sẽ ngày càng phức tạp.
Recruitment Operations Agent được thiết kế để hỗ trợ xử lý những yêu cầu này.
Thay vì để AI tự do thực hiện tất cả các tác vụ, yêu cầu trước tiên được phân loại. Sau đó Agent lựa chọn workflow phù hợp và sử dụng những công cụ cần thiết để xử lý.
Đây là một điểm rất quan trọng trong thiết kế AI Agent: AI không chỉ cần biết cách làm, mà còn phải biết khi nào nên làm và làm theo quy trình nào.
Nguồn: LayerX – Bet AI Day 2026 Session 09.
Bài học 1: Trước khi hành động, AI phải hiểu đúng yêu cầu
Đây là một trong những điểm đáng chú ý nhất trong case LayerX.
Trong một workflow có nhiều loại yêu cầu, việc phân loại sai ngay từ đầu có thể khiến toàn bộ các bước phía sau đi sai hướng.
Hãy thử một tình huống đơn giản: một người yêu cầu AI gửi lời cảm ơn tới ứng viên sau buổi trao đổi và “nếu ứng viên muốn tiếp tục thì sắp xếp vòng phỏng vấn đầu tiên”.
Nếu chỉ nhìn vào từ khóa “sắp xếp phỏng vấn”, AI có thể hiểu đây là một yêu cầu scheduling.
Nhưng thực tế, đây là một yêu cầu giao tiếp có điều kiện. Việc sắp xếp phỏng vấn chỉ được thực hiện sau khi ứng viên xác nhận muốn tiếp tục.
Nếu Agent phân loại yêu cầu thành scheduling ngay từ đầu và lập tức thực hiện bước đặt lịch, hệ thống có thể hành động trước khi điều kiện cần thiết được đáp ứng.
Điều này cho thấy một nguyên tắc quan trọng:
Hiểu đúng nhiệm vụ trước khi hành động quan trọng không kém khả năng thực hiện nhiệm vụ.
Có thể gọi đây là cách tiếp cận “classification-first”: phân loại trước, hành động sau.
Đây cũng là một bài học có thể áp dụng cho nhiều quy trình hành chính. Trước khi AI thực hiện một yêu cầu, nó cần xác định đúng loại yêu cầu, điều kiện liên quan và workflow tương ứng.
Nguồn: LayerX – Bet AI Day 2026 Session 09.
Bài học 2: Chia một nhiệm vụ phức tạp thành những quyết định nhỏ
Một ví dụ khác trong case LayerX là bài toán scheduling.
Thay vì yêu cầu AI tự suy luận toàn bộ quy trình “sắp xếp phỏng vấn cho ứng viên”, nhiệm vụ được chia thành những câu hỏi cụ thể hơn.
Chẳng hạn:
Ai là interviewer?
Cần sử dụng workflow hoặc form nào?
Email template nào phù hợp?
Scheduling URL nào cần sử dụng?
Sau khi có các thông tin này, Agent mới tiếp tục thực hiện các bước tiếp theo.
Cách thiết kế này có một ưu điểm lớn: mỗi quyết định đều có thể được kiểm tra.
Nếu Agent đưa ra kết quả không chính xác, người vận hành có thể xác định vấn đề nằm ở đâu: xác định sai interviewer, chọn sai template, sử dụng sai URL hay lấy sai dữ liệu.
Đối với mình, đây là một trong những bài học có khả năng áp dụng trực tiếp nhất vào công việc hành chính.
Rất nhiều nhiệm vụ hành chính nhìn bề ngoài khá đơn giản nhưng thực tế lại bao gồm nhiều quyết định nhỏ.
Ví dụ, yêu cầu “chuẩn bị tài liệu cho một cuộc họp” có thể bao gồm việc xác định cuộc họp nào, ai tham gia, sử dụng template nào, lấy dữ liệu từ đâu, tài liệu cần được review bởi ai và gửi trước bao lâu.
Nếu giao toàn bộ nhiệm vụ cho AI và để AI tự suy luận, không dễ để kiểm soát kết quả.
Ngược lại, nếu chia thành các câu hỏi nhỏ, workflow sẽ rõ ràng hơn và dễ kiểm tra hơn.
Nguồn: LayerX – Bet AI Day 2026 Session 09.
Bài học 3: Nhiều công cụ chưa chắc tạo ra một AI Agent tốt
Khi nói về AI Agent, chúng ta thường tập trung vào việc Agent có thể kết nối với bao nhiêu công cụ.
Tuy nhiên, nhiều công cụ không đồng nghĩa với một workflow tốt.
Một Recruitment Operations Agent có thể được kết nối với lịch, hệ thống tuyển dụng, email, template, form và nhiều nguồn dữ liệu khác. Nhưng nếu Agent không biết khi nào nên sử dụng công cụ nào, khả năng xảy ra lỗi vẫn cao.
Một Agent hiệu quả cần có ít nhất ba yếu tố:
Đúng nhiệm vụ → Đúng dữ liệu → Đúng công cụ.
Điều này dẫn đến một vấn đề quan trọng hơn cả công nghệ: chuẩn hóa quy trình.
Nếu cùng một công việc nhưng mỗi người xử lý theo một cách khác nhau, template không thống nhất hoặc dữ liệu nằm rải rác ở nhiều nơi, AI sẽ rất khó biết đâu là cách xử lý đúng.
Do đó, trước khi xây dựng một AI Agent, doanh nghiệp có thể cần nhìn lại workflow hiện tại:
- Quy trình chuẩn là gì?
- Những bước nào có thể tự động hóa?
- Bước nào bắt buộc phải có con người?
- Dữ liệu nào cần sử dụng?
- AI được phép truy cập đến đâu?
- Trường hợp nào phải chuyển cho người xử lý?
Nói cách khác, AI Agent hoạt động tốt khi nó được đặt trên một quy trình đủ rõ ràng.
Bài học 4: AI Agent cần được đánh giá và cải thiện liên tục
Một AI Agent không nhất thiết phải hoàn hảo ngay từ ngày đầu tiên.
Điều quan trọng là doanh nghiệp phải có cách để phát hiện lỗi và cải thiện hệ thống.
Với một Agent tạo bản nháp đánh giá phỏng vấn, có thể hình dung một vòng lặp:
AI tạo draft → Con người kiểm tra → Kết quả cuối cùng được xác nhận → So sánh draft với kết quả thực tế → Điều chỉnh → Tiếp tục cải thiện
Cách tiếp cận này biến những lỗi phát sinh trong quá trình sử dụng thành dữ liệu để cải thiện workflow.
Điều này cũng cho thấy việc triển khai AI Agent không nên được xem như một dự án “xây xong là hoàn thành”.
Một hệ thống AI Agent cần được vận hành, đo lường và điều chỉnh dựa trên những trường hợp thực tế.
Đặc biệt trong tuyển dụng, việc đánh giá chất lượng không nên chỉ dựa vào việc Agent có tiết kiệm thời gian hay không. Doanh nghiệp còn cần quan tâm đến độ chính xác, tỷ lệ phải sửa lại kết quả, những loại lỗi thường gặp và mức độ thuận tiện đối với người sử dụng.
Đề xuất ứng dụng AI Agent vào quy trình tuyển dụng
Từ case LayerX, có thể xem xét một số hướng ứng dụng AI Agent trong quy trình tuyển dụng của doanh nghiệp.
Ở đây, các đề xuất dưới đây nên được hiểu là những hướng có thể nghiên cứu hoặc thử nghiệm, thay vì mô tả một hệ thống đang được triển khai thực tế.
1. Interview Summary Agent
Đây có thể là một trong những use case đầu tiên đáng xem xét vì tương đối sát với case LayerX.
Sau khi cuộc phỏng vấn kết thúc, Agent có thể:
- tổng hợp nội dung chính;
- phân loại thông tin theo tiêu chí đánh giá;
- tạo bản nháp feedback;
- highlight những điểm cần interviewer kiểm tra;
- chuẩn bị nội dung để nhập vào hệ thống.
Workflow có thể là:
Kết thúc phỏng vấn → AI tạo summary → Tạo draft feedback → Human review → Xác nhận
Trong giai đoạn đầu, Agent nên dừng ở việc tạo draft. Người phỏng vấn vẫn là người kiểm tra nội dung và chịu trách nhiệm về đánh giá cuối cùng.
Nếu hoạt động ổn định, có thể tiếp tục đánh giá xem những bước nào có thể tự động hóa sâu hơn.
2. Recruitment Scheduling Agent
Scheduling là một công việc rất phù hợp để thử nghiệm AI Agent vì có nhiều bước lặp lại và có thể xây dựng thành workflow rõ ràng.
Khi nhận một yêu cầu scheduling, Agent có thể được thiết kế để xác định:
- ứng viên;
- vị trí tuyển dụng;
- vòng phỏng vấn;
- interviewer;
- quy tắc hoặc workflow tương ứng;
- thời gian phù hợp;
- email template;
- công cụ hoặc link scheduling.
Sau đó Agent có thể chuẩn bị draft lịch và email để người phụ trách kiểm tra.
Ở giai đoạn đầu, cách tiếp cận an toàn hơn là:
AI đề xuất → Con người kiểm tra → Con người xác nhận → Thực hiện
Khi hệ thống đã được kiểm chứng, một số bước có rủi ro thấp mới có thể được tự động hóa thêm.
3. Candidate Communication Agent
Email tuyển dụng có nhiều loại nội dung lặp lại: xác nhận hồ sơ, mời phỏng vấn, thay đổi lịch, hướng dẫn ứng viên, nhắc lịch hoặc thông báo kết quả.
AI Agent có thể hỗ trợ chuẩn bị những nội dung này dựa trên template và điều kiện cụ thể.
Ví dụ:
Ứng viên ở vòng X → Template A
Thay đổi lịch → Template B
Ứng viên chưa xác nhận → Không thực hiện bước scheduling
Cách tiếp cận này tốt hơn việc để AI tự do viết và tự quyết định mọi thứ.
AI vẫn có thể tận dụng khả năng xử lý ngôn ngữ để tạo nội dung tự nhiên, nhưng workflow và điều kiện sử dụng đã được quy định trước.
4. Recruitment Follow-up Agent
Một vấn đề khác trong tuyển dụng là những công việc chưa hoàn tất.
Ví dụ:
- ứng viên chưa xác nhận lịch;
- interviewer chưa gửi feedback;
- hồ sơ đã chuyển sang bước tiếp theo nhưng chưa có hành động;
- một yêu cầu đã được gửi nhưng chưa xử lý.
Agent có thể kiểm tra trạng thái và tạo danh sách các trường hợp cần attention.
Thay vì tự động xử lý tất cả, Agent có thể đóng vai trò như một “trợ lý theo dõi”:
Kiểm tra → Phát hiện việc tồn đọng → Tổng hợp → Nhắc người phụ trách
Đây là một use case có thể đặc biệt phù hợp với công việc hành chính vì mục tiêu chính là giảm việc phải kiểm tra thủ công và hạn chế bỏ sót.
AI nên làm gì và con người nên giữ lại phần nào?
Một nguyên tắc quan trọng khi triển khai AI Agent là không phải công việc nào cũng nên được tự động hóa ở cùng một mức độ.
Có thể chia tương đối đơn giản thành ba nhóm.
| Loại công việc | Vai trò của AI | Vai trò của con người |
|---|---|---|
| Tổng hợp thông tin, tạo draft, phân loại yêu cầu | Thực hiện | Kiểm tra khi cần |
| Draft email, draft feedback, đề xuất lịch | Thực hiện | Review và xác nhận |
| Quyết định tuyển dụng, offer, xử lý trường hợp đặc biệt | Hỗ trợ thông tin | Quyết định cuối cùng |
Các công việc càng liên quan đến quyết định hoặc trải nghiệm trực tiếp của ứng viên thì càng cần duy trì vai trò của con người.
Điều này đặc biệt quan trọng trong tuyển dụng.
Một Agent có thể giúp chuẩn bị thông tin cho interviewer, nhưng không nên trở thành người tự quyết định ứng viên có phù hợp hay không.
Một Agent có thể chuẩn bị email, nhưng những giao tiếp quan trọng hoặc trường hợp đặc biệt vẫn cần con người xem xét.
Mục tiêu của AI Agent vì vậy không nhất thiết phải là tự động hóa 100%.
Mục tiêu thực tế hơn là đưa mức tự động hóa lên cao nhất ở những phần việc có thể kiểm soát, đồng thời giữ human oversight ở những điểm quan trọng.
Góc nhìn cá nhân: AI Agent nên “trả lại thời gian” cho nhân viên
Từ góc nhìn của một nhân viên hành chính, điều mình thấy đáng chú ý nhất từ case LayerX không phải là việc AI có thể thực hiện bao nhiêu thao tác.
Điều đáng chú ý hơn là AI có thể giúp con người giảm bớt những công việc tuy cần thiết nhưng không nhất thiết phải thực hiện thủ công từng bước.
Trong công việc hành chính và vận hành, có rất nhiều nhiệm vụ như:
- kiểm tra email;
- tìm kiếm thông tin;
- cập nhật dữ liệu;
- theo dõi trạng thái;
- chuẩn bị tài liệu;
- nhắc deadline;
- tổng hợp thông tin từ nhiều nguồn;
- phối hợp giữa các bên.
Những công việc này thường không khó về mặt chuyên môn, nhưng có thể chiếm rất nhiều thời gian vì phải thực hiện lặp đi lặp lại.
Nếu AI Agent có thể tiếp nhận một phần yêu cầu, tự tìm thông tin trong phạm vi được cấp quyền, chuẩn bị draft và nhắc những công việc còn thiếu, nhân viên có thể dành nhiều thời gian hơn cho những việc cần sự phán đoán và tương tác.
Theo mình, đây mới là giá trị lớn nhất của AI Agent trong môi trường công sở.
Không phải:
“AI làm thay con người.”
Mà là:
“AI giảm số lượng thao tác mà con người buộc phải thực hiện để hoàn thành công việc.”
Khi đó, con người có thể tập trung hơn vào việc xử lý ngoại lệ, giải quyết vấn đề, phối hợp với đồng nghiệp và cải thiện chính quy trình đang được vận hành.
Từ recruitment đến công việc hành chính: Một mô hình có thể mở rộng
Điều thú vị là những bài học từ Recruitment Operations Agent có thể được mở rộng sang nhiều loại công việc khác.
Một AI Agent cho công việc hành chính trong tương lai có thể được thiết kế để:
Tiếp nhận yêu cầu → Phân loại → Tìm quy trình → Lấy thông tin → Chuẩn bị kết quả → Human review → Hoàn tất
Ví dụ, khi một nhân viên gửi yêu cầu: “Tôi cần chuẩn bị tài liệu cho cuộc họp tuần sau.”
Agent có thể xác định cuộc họp nào, người tham gia là ai, tài liệu cần chuẩn bị gồm những gì, sử dụng template nào và deadline ra sao.
Nhưng thay vì tự quyết định tất cả, Agent có thể chuẩn bị một checklist hoặc draft để nhân viên kiểm tra.
Đây là cách mình nghĩ AI Agent có thể hỗ trợ tốt cho công việc hành chính: không nhất thiết phải thay thế toàn bộ quy trình, mà giúp giảm phần việc điều phối và tìm kiếm thông tin.
Bắt đầu từ đâu nếu muốn triển khai AI Agent?
Nếu doanh nghiệp muốn thử nghiệm AI Agent trong tuyển dụng, theo mình không nên bắt đầu bằng một dự án quá lớn như “tự động hóa toàn bộ quy trình tuyển dụng”.
Một hướng thực tế hơn là chọn một workflow nhỏ có ba đặc điểm:
Tần suất cao.
Quy trình tương đối rõ.
Kết quả có thể đo lường.
Interview summary hoặc scheduling có thể là những ví dụ phù hợp.
Sau khi thử nghiệm, có thể đo một số chỉ số như:
- Thời gian xử lý trung bình trước và sau khi sử dụng AI;
- Tỷ lệ kết quả cần chỉnh sửa;
- Các lỗi thường gặp;
- Số bước thủ công được giảm;
- Mức độ hài lòng của người sử dụng;
- Những trường hợp cần chuyển cho con người.
Nếu kết quả tốt, doanh nghiệp có thể mở rộng sang workflow tiếp theo.
Cách làm này cũng giúp hạn chế việc đầu tư quá nhiều vào một hệ thống trước khi biết AI Agent có thực sự giải quyết được vấn đề vận hành hay không.
Bảo mật và quyền kiểm soát cần được thiết kế ngay từ đầu
Tuyển dụng liên quan đến nhiều dữ liệu cá nhân và thông tin cần được bảo vệ. Vì vậy, việc ứng dụng AI Agent không nên chỉ tập trung vào khả năng tự động hóa.
Trước khi triển khai, cần xác định rõ:
AI được phép đọc dữ liệu nào?
AI được phép thực hiện hành động nào?
Bước nào bắt buộc phải có human approval?
Những dữ liệu nào không được đưa vào hệ thống?
Có thể kiểm tra lịch sử thao tác của Agent hay không?
Một nguyên tắc đơn giản là Agent chỉ nên có quyền truy cập và thực hiện những gì thực sự cần thiết cho nhiệm vụ.
Ví dụ, một Agent có thể được phép tạo draft email nhưng chưa được phép gửi trực tiếp. Một Agent có thể tổng hợp feedback nhưng không có quyền tự quyết định kết quả tuyển dụng.
Cách tiếp cận này vừa giúp giảm rủi ro vừa tạo ra một ranh giới rõ ràng giữa phần việc của AI và phần việc của con người.
Kết luận: AI Agent không thay thế con người, mà thay đổi cách con người làm việc
Case được LayerX chia sẻ tại Bet AI Day 2026 Session 09 cho thấy AI Agent có thể được đưa vào tuyển dụng theo một cách rất thực tế.
Thay vì tự động hóa toàn bộ quy trình, LayerX tập trung vào những phần việc cụ thể. Interview Minutes & Evaluation Draft Agent hỗ trợ tạo biên bản và bản nháp đánh giá sau phỏng vấn. Recruitment Operations Agent hỗ trợ phân loại và xử lý các yêu cầu vận hành tuyển dụng. Trong cả hai trường hợp, con người vẫn giữ vai trò kiểm tra, quyết định và xử lý những điểm cần phán đoán. Nguồn: LayerX – Bet AI Day 2026 Session 09.
Từ case này, có thể rút ra bốn bài học quan trọng.
Thứ nhất, AI cần hiểu đúng yêu cầu trước khi hành động.
Thứ hai, một nhiệm vụ phức tạp nên được chia thành những quyết định nhỏ và có thể kiểm tra.
Thứ ba, một AI Agent tốt không chỉ cần mô hình AI mạnh mà còn cần đúng dữ liệu, đúng công cụ và đúng workflow.
Thứ tư, AI Agent cần được đánh giá và cải thiện liên tục dựa trên những kết quả thực tế.
Đối với quy trình tuyển dụng, một số hướng có thể xem xét gồm Interview Summary Agent, Recruitment Scheduling Agent, Candidate Communication Agent và Recruitment Follow-up Agent.
Từ góc nhìn của một nhân viên hành chính, mình cho rằng giá trị lớn nhất của AI Agent nằm ở khả năng giảm bớt những công việc lặp lại và công việc điều phối thủ công. Khi AI có thể hỗ trợ tìm thông tin, phân loại yêu cầu, chuẩn bị draft, cập nhật trạng thái hoặc nhắc việc, con người có thể dành nhiều thời gian hơn cho những nhiệm vụ cần tư duy, giao tiếp và xử lý ngoại lệ.
Tuy nhiên, để AI Agent thực sự tạo ra giá trị, doanh nghiệp không nhất thiết phải bắt đầu bằng một hệ thống thật lớn.
Một câu hỏi thực tế hơn có thể là:
“Trong quy trình hiện tại, đâu là những công việc lặp lại mà AI có thể thực hiện tốt, nhanh và vẫn nằm trong phạm vi kiểm soát?”
Từ một workflow nhỏ, doanh nghiệp có thể thử nghiệm, đo lường, cải thiện và từng bước mở rộng.
Theo mình, tương lai của AI Agent trong môi trường công sở không nhất thiết là một hệ thống thay thế con người. Nó có thể trở thành một “đồng nghiệp số” đứng phía sau, xử lý những công việc nhỏ nhưng tốn thời gian để con người có thêm thời gian dành cho những công việc lớn hơn.
Và trong tuyển dụng, thời gian đó có thể được sử dụng để hiểu ứng viên tốt hơn, hỗ trợ hiring manager tốt hơn và tạo ra một trải nghiệm tuyển dụng tốt hơn.
Nguồn tham khảo
Nguồn: LayerX, Bet AI Day 2026 Session 09 – LayerXの採用を支える組織AIの現在地と、Agentに任せる未来.