Thuật toán Chuyển đổi số | Trường Đại học Kinh tế – Luật, Đại học Quốc gia Thành phố Hồ Chí Minh
GROW đã sử dụng các thuật toán học tập trí tuệ nhân tạo (AI) để phân tích mọi dữ liệu đánh giá, tìm kiếm các mẫu để cải thiện khả năng sàng lọc chính xác các ứng viên. Như vậy, GROW là một công cụ nhằm hỗ trợ cho quá trình tìm kiếm và sàng lọc các ứng viên triển vọng phù hợp với các công ty. Tài liệu giúp bạn tham khảo, ôn tập và đạt kết quả cao. Mời bạn đọc đón xem!
Môn: Chuyển đổi số
Trường: Trường Đại học Kinh Tế - Luật, Đại học Quốc gia Thành phố Hồ Chí Minh
Thông tin:
Tác giả:
Preview text:
lOMoAR cPSD| 47167580
Hiện nay, nhu cầu tuyển dụng của các công ty ngày càng cao, số lượng nhân
sự ứng tuyển cũng ngày càng nhiều dẫn đến phát sinh nhiều vấn đề:
Thứ nhất, phần lớn các công ty vẫn lựa chọn hình thức tuyển nhân sự truyền
thông là nộp CV sau đó phỏng vấn trực tiếp từng ứng viên tại công ty. Điều này
trước hết là tốn rất nhiều thời gian, công sức, tiền bạc và các các nguồn lực khác của công ty.
Tiếp theo, với một số lượng lớn CV trong mỗi dịp tuyển nhân sự, nếu chỉ
dùng cách truyền thống sẽ dễ dàng bị bỏ sót những ứng viên tốt. Và việc đánh giá
có thể bị chi phối bởi định kiến cá nhân. Từ đó không thể tránh khỏi việc những
ứng viên tiềm năng nhưng lại bị loại ngay từ vòng CV đầu tiên. Điều này sẽ khá đáng tiếc.
Bên cạnh đó, mỗi quá trình tuyển dụng truyền thống như vậy sẽ tạo ra một
lượng lớn dữ liệu ứng viên, nhưng không được lưu trữ hoặc tạo ra nhằm mục đích
tham khảo trong tương lai. Vì vậy, khi các công ty đang tuyển dụng ứng viên mới,
họ đăng tuyển cho các vị trí yêu cầu, nguồn ứng viên. Các ứng viên trải qua các
cuộc phỏng vấn sàng lọc khác nhau và cuối cùng chọn một người phù hợp vào vị
trí đó. Tuy nhiên, mỗi khi công ty thực hiện quy trình tuyển dụng này, họ phải
thực hiện toàn bộ quy trình từ đầu, làm mất thời gian và thông tin quý giá của họ.
Không chỉ vậy, những công ty, tập đoàn lớn khi tuyển dụng không chỉ có
một vòng phỏng vấn mà còn có nhiều vòng khác nữa như vòng làm việc nhóm,
vòng mô phỏng công việc,... Tuy vậy, không phải ứng viên nào cũng có đủ kinh
phí, thời gian để dành cho cuộc ứng tuyển, chưa kể chững ứng viên sống ở xa
thành phố, khoảng cách đi lại khá khó khăn không thể tham gia phỏng vấn trực
tiếp được. Như vậy, các nhà tuyển dụng có thể bỏ sót những ứng viên có triển vọng. 1 lOMoAR cPSD| 47167580
Vậy có thể có cách nào để giải quyết những khó khăn trên hay không? Đặc
biệt là trong thời đại công nghệ số hiện nay, chúng ta có thể thực hiện chuyển đổi
số và ứng dụng trí tuệ nhân tạo vào quy trình tuyển dụng hay không? 1. GROW
1.1. Tổng quan vềề GROW
1.1.1. S ra đ i c a GROWự ờ ủ
Masahiro Fukuhara là nhà sáng lập đồng thời là CEO của Công ty
Institution for a Global Society (IGS) - một công ty phân tích con người tại Tokyo.
Sau 07 năm kể từ khi thành lập IGS, công ty đã phát triển một giải pháp nhằm
đánh giá các ứng cử viên xin việc - ứng dụng GROW.
Ban đầu, công ty IGS chỉ là một một trường luyện thi tư nhân nhỏ nằm
trong một khu nhộn nhịp ở Tokyo. Tại đây, Fukuhara đã có cơ hội được quan sát
giới trẻ phát triển như thế nào, cách họ phản ứng với những đánh giá và cách họ
đánh giá những kỹ năng của chính bản thân mình. Thông qua đó, Fukuhara khẳng
định rằng, hành vi của con người có thể được cải thiện nếu được đánh giá 01-02
lần/tuần thay vì 01-02 lần/năm. Tuy nhiên, với tập quán và văn hóa tại Nhật Bản,
ông biết rằng, những đánh giá thẳng thắn có thể gây khó chịu với rất nhiều người,
do đó điều này không thường xuyên xảy ra. Đối với ông, quá trình tuyển dụng là
một cơ hội để có thể thu thập, sử dụng và trao đổi những đánh giá với nhau một
cách hệ thống mà không gây cảm giác khó chịu.
Do đó, Fukuhara đã bắt đầu tìm kiếm cách xây dựng một công nghệ phục
vụ cho việc đánh giá trong quá trình tuyển dụng. Đầu năm 2015, ông bắt đầu làm
việc với những người đồng nghiệp, bạn bè và những chuyên gia để tìm kiếm một
công cụ vừa giúp sinh viên có thể khám phá điểm mạnh cũng như điểm yếu của
mình và giúp đỡ những nhà quản trị nhân sự trong quá trình tuyển dụng. Để phù
hợp với sứ mệnh giúp đỡ sinh viên phát triển, công cụ này đã được đặt tên là
GROW (phát triển). Với sự hỗ trợ marketing đến từ Asahi Shimbun - một trong 2 lOMoAR cPSD| 47167580
những công ty truyền thông phát triển nhất tại Nhật Bản cũng như sự hỗ trợ từ
nguồn quỹ giáo dục của IGS, Fukuhara đã sử dụng toàn bộ IGS để phát triển GROW.
Để huy động thêm vốn phát triển công nghệ và tăng số lượng tiếp cận khách
hàng, Fukuhara đã tiến hành gọi vốn từ những nhà đầu tư mạo hiểm. Sau vòng gọi
vốn series A, công ty ngày càng nhiều ký kết được nhiều hợp đồng với những
công ty lớn tại Nhật Bản và giúp GROW tăng số lượng người dùng từ 2.000
(Tháng 12/2016) lên tới 74.000 (Tháng 6/2017). Số người dùng này tuy không
đáng kể nhưng chiếm phần lớn trên tổng số sinh viên ra trường hàng năm tại Nhật
Bản (khoảng 650.000 sinh viên).
1.1.2. Cách ho t đ ng c a GROWạ ộ ủ
GROW là một ứng dụng được sử dụng rộng rãi trên cả nền tảng Android và
IOS, bao gồm 02 thành phần chính: một bài kiểm tra năng lực và một bài kiểm tra
tính cách. Theo đó, sinh viên có thể “tặng” cho nhau những đánh giá về năng lực
và tính cách thông qua bài kiểm tra IAT. Đối với bài kiểm tra đánh giá năng lực,
GROW cho phép người dùng thực hiện những bài đánh giá đối với người dùng
khác (bạn cùng lớp, đồng nghiệp, người quen,...) để xác định năng lực thuộc 25
năng lực đặc biệt đã được IGS lựa chọn trong một nghiên cứu xã hội mở rộng.
Đối với bài kiểm tra đánh giá tính cách, GROW sử dụng một phiên bản trò chơi
trên điện thoại di động của bài kiểm tra liên kết ngầm (IAT). Theo đó, ứng dụng
GROW sẽ sử dụng các thuật toán trí tuệ nhân tạo (AI) để phân tích những dữ liệu
thu thập được từ cả những người đánh giá và người được đánh giá, từ đó phát triển
và xây dựng dịch vụ liên quan đến quản trị nhân sự.
1.1.2.1. Bài đánh giá năng l cự
IGS đã phát triển một danh sách những năng lực và các yếu tố đánh giá có
liên quan. Mỗi năng lực sẽ được đánh giá thông qua 06 hoặc 07 câu hỏi. Tuy 3 lOMoAR cPSD| 47167580
nhiên, để khuyến khích người dùng hoàn thành tất cả các câu hỏi, IGS đã sử dụng
phương pháp phân tích những ý chính để giảm số lượng câu hỏi nhất có thể.
Người đánh giá sẽ thực hiện đánh giá qua các mức độ để tránh một câu trả
lời chung chung. 04 mức độ bao gồm: (1) Ít khi, (2) Thỉnh thoảng, (3) Thường xuyên và (4) Hầu như.
1.1.2.2. Bài đánh giá tính cách
Bài kiểm tra tính cách IAT nhằm tiết lộ những đặc tính và thiên hướng của
con người rất nổi tiếng trong giới tâm lý học. Trong ứng dụng GROW, người dùng
sẽ thực hiện các nhiệm vụ liên kết ngầm bằng cách kéo những đặc tính xuất hiện
ở bên dưới màn hình (ví dụ như: Nói nhiều với người hướng ngoại), đến với những
chủ thể (bản thân hoặc người khác). Cách người dùng vuốt để đánh giá này sẽ
giúp đánh giá hoặc dự đoán tính cách của người dùng.
1.1.2.3. Giá tr c a các đánh giáị ủ
Một người dùng sẽ nhận được nhiều đánh giá từ những người dùng khác
(04 đến 05 người, bao gồm cả tự đánh giá của bản thân), nhưng giá trị của các
lượt đánh giá sẽ không bằng nhau. GROW sử dụng thuật toán tự học của AI để
đánh giá lượt đánh giá đó có sát với thực tế hay không. Cụ thể, mỗi câu hỏi sẽ đòi
hỏi người dùng phải sử dụng một khoảng thời gian nhất định để đọc câu hỏi và
đánh giá. Nếu một người sử dụng một khoảng thời gian rất ít để thực hiện đánh
giá, hệ thống sẽ tự động giảm giá trị của lượt đánh giá này. Tương tự, người sử
dụng có những đánh giá đa dạng (các mức độ 1, 2, 3, 4) sẽ được hệ thống đánh
giá là đáng tin hơn người chỉ đánh giá ở mức độ số 3. Hệ thống thuật toán cũng
sử dụng dữ liệu từ kết quả của bài kiểm tra tính cách IAT. Ví dụ như lượt đánh giá
của một người có tính cách với ý thức cao sẽ đáng tin cậy hơn những người có
tính cách khác. Đặc biệt, một người dùng có nhiều lượt đánh giá cho người khác
sẽ đáng tin cậy hơn người dùng chỉ có đánh giá cho một vài người nhất định. 4 lOMoAR cPSD| 47167580
1.1.3. Tiềềm năng phát tri n c a GROWể ủ
Trong một thí nghiệm của GROW, một chuyên gia trong lĩnh vực quản trị
nhân sự (HR) và GROW đã cùng nhau đánh giá 200 sinh viên. Một điều thú vị là
họ đã cùng chọn ra được top 50 sinh viên với sự khác nhau giữa hai bảng đánh giá gần như là không.
Tính đến tháng 06 năm 2017, GROW đã có 74.000 người dùng, bao gồm
cả sinh viên ở những trường đại học danh giá và những trường kém tiếng hơn.
Một số khách hàng của GROW có thể kể đến như: Tập đoàn Mitsubishi, hãng
hàng không All Nippon, Septeni,... Và thậm chí là một số cơ quan nhà nước như
Bộ Kinh tế, thương mại và công nghiệp Nhật Bản (METI) và các Tiểu Vương
Quốc Ả Rập Thống Nhất.
1.2. Cách các công ty/tổ ứ ử ụ ch c s d ng GROW
1.2.1. Septeni Holdings
Để tìm kiếm những nhân sự tài năng, cách tuyển dụng truyền thống của
Septeni là mời những sinh viên đại học đến trụ sở chính của họ tham gia các vòng
phỏng vấn theo nhóm và đánh giá họ thông qua các công việc theo nhóm. Điểm
bất lợi của phương thức này là họ có thể bỏ lỡ những sinh viên tiềm năng không
thể đến phỏng vấn trực tiếp tại trụ sở chính của họ ở Tokyo cũng như tốn rất nhiều
thời gian và tiền bạc để thực hiện các vòng phỏng vấn theo nhóm. Bên cạnh đó,
phương thức này cũng đòi hỏi các sinh viên phải thể hiện bản thân cực kỳ tốt ở
những cuộc phỏng vấn theo nhóm một lần. Để giải quyết nhược điểm này, Septeni
đã tạo ra một quy trình tuyển dụng online cho phép phỏng vấn trực tuyến. Tuy
nhiên, cách thức này không thể giúp Septeni đánh giá ứng viên giống như khi
tuyển dụng theo nhóm theo cách thông thường. Do đó, Septeni đã sử dụng GROW.
Septeni đã cung cấp dữ liệu cho GROW để “huấn luyện” thuật toán AI dự đoán
ứng cử viên nào sẽ vượt qua các vòng phỏng vấn nhóm của 5 lOMoAR cPSD| 47167580
Septeni. Kết quả của GROW trong mùa tuyển dụng năm 2017 thật sự rất ấn tượng:
GROW không chỉ dự đoán chính xác những ứng cử viên xuất sắc được chọn mà
còn nhân đôi khả năng tìm kiếm nhân sự tài năng không sinh sống tại Tokyo. Nhờ
có GROW, Septeni đã có thể đánh giá năng lực cũng như tính cách của mỗi người
khi làm việc với người khác cũng như tăng mức độ tiếp cận đến sinh viên. Kết
quả cuối cùng cho thấy, GROW đã giúp giảm 90% công sức trong quá trình tuyển
dụng mà không có sự ảnh hưởng đến chất lượng nhân sự được tuyển.
1.2.2. All Nippon Airway
Mỗi năm, hãng hàng không All Nippon Airway nhận được số lượng đơn
ứng tuyển khổng lồ, tuy nhiên, với số lượng HR có hạn, ANA lo sợ rằng họ có thể
đã bỏ lỡ những ứng cử viên tiềm năng trong quá trình tuyển dụng. Do đó, IGS đã
làm việc với ANA và chọn ra 10 năng lực mà hãng đánh giá cao trong quá trình
tuyển dụng. Những sinh viên muốn ứng tuyển vào ANA phải thực hiện bài đánh
giá năng lực và tính cách trên GROW, tạo thành một “tổng điểm”. Dựa trên những
dữ liệu thu thập được, hệ thống AI của GROW sẽ chấm “điểm tự tin” để đánh giá
mức độ tự tin của IGS đối với kết quả “tổng điểm”. Theo đó, ANA đã thống kê
kết quả thành một trục tọa độ, trong đó “tổng điểm” được thể hiện theo trục x,
“điểm tự tin” được thể hiện theo trục y, kết quả của các ứng cử viên được thể hiện
theo các màu với màu xanh thể hiện các ứng cử viên trúng tuyển.
Kết quả cho thấy, ANA có thể sử dụng GROW để dự đoán những ứng cử
viên sẽ lọt vào vòng trong của đợt tuyển dụng. Với những ứng cử viên có “tổng
điểm” thấp hơn -5 và “điểm tự tin” thấp hơn -4 sẽ khó có thể đi tiếp. Bên cạnh đó,
việc các chấm xanh - những ứng cử viên trúng tuyển tập trung ở phía trên bên
phải của trục tọa độ cho thấy sự tự tin của GROW trong việc hỗ trợ đánh giá cho
các nhân sự quản trị nhân sự của ANA.
Để có cái nhìn tổng quan hơn, ANA đã mời 423 sinh viên có điểm cao trong
bài đánh giá của GROW phỏng vấn cùng với những sinh viên được tuyển dụng
theo cách phỏng vấn thông thường. Một điều rất bất ngờ là, một vài sinh viên 6 lOMoAR cPSD| 47167580
GROW được mời đã đạt được điểm tuyệt đối trong vòng phỏng vấn, khiến cho
HR nhận ra GROW có thể khai phá những ứng cử viên tiềm năng mà ANA đã vô tình bỏ lỡ.
Do đó, thay vì tập trung đánh giá để loại các thí sinh, ANA đã quyết định
sử dụng GROW để đánh giá và chọn các thí sinh để có thể dễ dàng lựa chọn những
ứng cử viên tiềm năng vượt qua vòng phỏng vấn.
1.2.3. T p đoàn Mitsubishiậ
Sự thay đổi trong mô hình kinh doanh đã khiến tập đoàn Mitsubishi đặt ra
một nhu cầu cấp thiết là phải tìm kiếm những nhân sự trẻ cực kỳ tài năng. Vì vậy,
IGS đã làm việc với Mitsubishi và tạo ra một thuật toán cho GROW mô tả một
nhân sự lý tưởng của tập đoàn. Sau đó, GROW đã thực hiện chạy thuật toán này
trên những ứng cử viên của Mitsubishi và cũng đồng thời là người dùng GROW.
Dựa trên giả thuyết rằng, những người bạn của “nhân sự lý tưởng” cũng sẽ là một
“nhân sự lý tưởng”, IGS đã tạo ra một biểu đồ “nhân sự lý tưởng” bao gồm khoảng
05 người bạn của những “nhân sự lý tưởng” đã đưa ra những đánh giá “lý tưởng”.
Thông tin này được truyền cho Mitsubishi, sau đó tập đoàn đã sàng lọc những
người bạn chưa đăng ký vào tập đoàn và thực hiện quảng bá thông tin của tập đoàn đến họ.
50 ứng cử viên tiềm năng đã được chọn vào thông qua phương pháp này.
Một điều thú vị là rất nhiều ứng cử viên trong số họ đã nhận được những lời mời
làm việc từ những công ty hàng đầu như Google hoặc Goldman Sachs. Nhờ tiếp
xúc và nói chuyện với những nhân viên kỳ cựu của Mitsubishi, một số trong đó
không chỉ nộp đơn ứng tuyển vào tập đoàn mà thậm chí quyết định làm việc tại
tập đoàn sau khi vượt qua vòng phỏng vấn. Đối với tập đoàn Mitsubishi, giá trị
lớn nhất của GROW là một công cụ tìm kiếm những ứng cử viên tiềm năng thậm chí còn chưa tìm ra họ. 7 lOMoAR cPSD| 47167580
1.3. Đánh giá
Có thể thấy, các công ty sử dụng công cụ này theo những cách khác nhau,
thú vị và thậm chí là bất ngờ.
Thứ nhất, GROW đã tạo cho các công ty một quy trình tuyển dụng mới,
linh hoạt và chủ động hơn. Tiết kiệm được thời gian, tiền bạc hơn. Các ứng viên
ở ngoại thành, ở những nơi xa đã có cơ hội tham gia trực tuyến đã có cơ hội tham
gia nhiều hơn vào quy trình ứng tuyển.
Thứ hai, GROW đã dự đoán được gần như chính xác các ứng viên tài năng
so với khi đánh giá nội bộ. Giúp các ứng viên tiềm năng có cơ hội tiến sâu vào
các vòng tuyển chọn, tránh bị bỏ sót cũng như tránh được những đánh giá mang
thiên kiến cá nhân từ ban đầu. Đặc biệt, nhờ vào các bài đánh giá của GROW,
hãng hàng không All Nippon Airways (ANA) đã khai thác được rất nhiều ứng
viên đạt điểm tuyệt đối trong vòng phỏng vấn mà họ đã vô tình bỏ lỡ.
Thứ ba, việc ứng dụng GROW đã làm cho tốc độ xử lý thông tin được cải
thiện nhanh chóng hơn. Đồng thời tăng tỉ lệ trúng tuyển và chấp nhận công việc
lên gấp nhiều lần. Cụ thể như ở Septeni Holdings, GROW đã giúp giảm thiểu
được đến 90% công sức trong việc xử lý thông tin mà không ảnh hưởng đến chất
lượng nhân sự được tuyển.
Cuối cùng, quá trình ứng tuyển được tổ chức trôi chảy hơn, tỉ lệ tham gia
ứng tuyển của ứng viên cũng tăng cao. Từ đó, công ty có thể thu hút được nhiều
nhân tài hơn cho mình. Với nhu cầu tìm kiếm nhân sự trẻ tài năng, nhờ sử dụng
GROW, tập đoàn Mitsubishi đã sàng lọc được rất nhiều ứng viên tiềm năng, rất
nhiều ứng cử viên trong số họ đã nhận được những lời mời làm việc từ những
công ty hàng đầu như Google hoặc Goldman Sachs. Có thể thấy GROW đã giúp
cho tập đoàn này tìm được rất nhiều ứng viên tiềm năng mà có khi còn chưa tìm ra họ. 8 lOMoAR cPSD| 47167580
2. Rủi ro khi phát tri n GROW và mể ột sốấ gi i phápả
2.1. Cơ ở ữ ệ s d li u *
Vấn đề: Sản phẩm AI yêu cầu một nguồn dữ liệu khổng lồ, và tất cả
những dữ liệu đó phải là dữ liệu hợp lệ. Việc xác định nguồn dữ liệu, xây dựng
đường ống dẫn dữ liệu, lọc và chuẩn bị dữ liệu là việc cần thiết để có những đánh
giá tốt hơn. Cho đến tháng 6 năm 2017, số lượng người dùng GROW là 74.000.
So sánh với số lượng sinh viên tốt nghiệp ở Nhật Bản là 650.000, cơ sở dữ liệu
của GROW vẫn còn có thể được mở rộng hơn nữa. Chính vì vậy, nhà phát triển
ứng dụng GROW cố gắng thu thập nhiều thông tin nhất có thể bằng cách tăng số
lượng người dùng. Tuy nhiên, một trong những khó khăn lớn đó là các sinh viên
không tin tưởng và cảm thấy tốn thời gian khi sử dụng app. *
Giải pháp: Họ có thể hợp tác với các trường đại học nhằm thu hút
thêm nhiều sinh viên sử dụng app. Thứ nhất, họ có thể điều động đội ngũ tham
gia hội chợ việc làm hàng năm tại các trường đại học nhằm giới thiệu lợi ích của
GROW. Thứ hai, tổ chức các hội thảo, talkshow hoặc truyền thông trên các diễn
đàn, blog nổi tiếng với các chuyên đề nhằm giúp sinh viên cải thiện bản thân,
khám phá khả năng tiềm năng tiềm ẩn của họ và cuối cùng giới thiệu ứng dụng
GROW. Một giải pháp khác là khuyến khích các sinh viên nghiêm túc sử dụng
GROW bằng cách cung cấp cho họ một số quà tặng nhỏ nếu họ hoàn thành đăng
ký và đánh giá cá nhân đầu tiên. Ngoài ra, họ cũng có thể cân nhắc thành lập các
đội ngũ chuyên gia ở nhiều lĩnh vực khác nhau nhằm cung cấp những kiến thức
chuyên môn cho những cá nhân trên các blog hay các website, fanpage, tổng hợp
các email thắc mắc của khách hàng hoặc các câu hỏi nổi bật trong phần bình luận
trên blog thành một bài viết hỏi – đáp. *
Khó khăn: Không thể không nhắc đến việc họ sẽ cần dành ra rất
nhiều thời gian và chi phí trong việc tổ chức huấn luyện, đào tạo và phát triển
nhân lực, các chuyên gia cho việc cung cấp thông tin đến sinh viên. Bên cạnh đó,
để tổ chức các buổi hội thảo, talkshow, giao lưu trực tiếp với các sinh viên, họ 9 lOMoAR cPSD| 47167580
cũng cần nguồn vốn và nhiều nhân lực để thực hiện các hoạt động như truyền
thông, thuê địa điểm tổ chức, v.v.
2.2. Gi m o thông tinả ạ *
Vấn đề: Giả mạo thông tin, không trung thực khi tự đánh giá năng
lực bản thân. Đôi lúc ứng viên vì một lý do nào đó, chẳng hạn như mức lương,
môi trường làm việc, chế độ thưởng,... làm cho họ muốn được làm việc ở công ty.
Các ứng viên đó có thể đi tìm hiểu những yêu cầu, những tiêu chí phù hợp để trở
thành nhân viên của công ty. Từ đó, họ có thể giả mạo, tự đánh giá không chính
xác chỉ để được lọt vào tầm mắt của công ty. Điều này không những làm cho công
ty bỏ lỡ những ứng viên có triển vọng mà còn ảnh hưởng đến hiệu quả làm việc của công ty. *
Giải pháp: Để khắc phục vấn đề này, một là xây dựng thuật toán
nhằm kiểm tra chuyển động của ngón tay, ánh mắt, biểu cảm trên khuôn mặt, chặt
chẽ rà soát lượng thông tin đầu vào để chắc chắn rằng người dùng mới tham gia
sử dụng ứng dụng lần đầu. Hai là, thay vì ứng viên tự đánh giá bản thân bằng
những câu hỏi như thường lệ thì linh hoạt kết hợp thiết kế thêm một trò chơi nhỏ
nhằm xem khả năng giải quyết vấn đề của ứng viên có phù hợp với tiêu chí của công ty hay không. *
Khó khăn: Mặc dù đã đưa ra những giải pháp nhưng trong quá trình
khắc phục vẫn có thể gặp một số khó khăn nhất định, chẳng hạn như cần nguồn
nhân lực có năng lực ở mảng IT để có thể xây dựng các thuật toán và chi phí đầu
tư vào để thiết kế, xây dựng thuật toán đắt.
2.3. Tiềếp c n vậ ới các ứ ụng d ng công nghệ *
Vấn đề: Đối với các công việc có tiêu chí lựa chọn những người có
kinh nghiệm dày dặn, hoạt động lâu năm trong lĩnh vực đó, thông thường sẽ là
những người ở độ tuổi trung niên. Việc sử dụng công nghệ và thời gian để làm
quen với ứng dụng sẽ khiến họ gặp khó khăn trong quá trình tự đánh giá năng lực 10 lOMoAR cPSD| 47167580
bản thân trên ứng dụng. Như vậy, kết quả đem lại có thể sẽ không chính xác với
năng lực của họ và công ty có khả năng sẽ bỏ lỡ những ứng viên có năng lực phù hợp với họ. *
Giải pháp: Thứ nhất, mở một đường dây hotline và một đội ngũ nhân
sự chuyên phụ trách giải đáp mọi thắc mắc: Có một yêu cầu bắt buộc với đội ngũ
này là họ cần kiên nhẫn hướng dẫn, biết cách động viên và lắng nghe nhu cầu tìm
hiểu của những ứng viên, đặc biệt là đối tượng ở độ tuổi trung niên. Thứ hai, thiết
kế, xây dựng bố cục nội dung trong ứng dụng và cả giao diện dễ sử dụng, không
phức tạp, cầu kì, các quy trình đăng kí thông tin cụ thể, quá trình đăng nhập vào
ứng dụng sau khi đã đăng kí thông tin không quá rườm rà, dễ thao tác. *
Khó khăn: Trong quá trình thực hiện, mặc dù đã đề xuất các giải
pháp nhưng vẫn có thể gặp một số khó khăn nhất định. Cụ thể là, tốn nhiều thời
gian, chi phí đối với những ứng cử viên: Họ có thể mất kiên nhẫn khi cố gắng làm
quen với ứng dụng. Bên cạnh đó, họ còn tốn thêm chi phí gọi điện để được hỗ trợ,
tư vấn. Bên cạnh đó, công nghệ thay đổi liên tục dẫn đến xảy ra một vấn đề đó là
khi ứng viên vừa mới làm quen được với ứng dụng thì công ty lại yêu cầu thay
đổi, bổ sung một số ý tưởng mới nhằm mục đích tăng độ chính xác trong công tác
đánh giá các ứng viên. Điều này khiến cho ứng viên khó chịu dẫn đến kết quả họ sẽ từ bỏ.
2.4. Nguôền nhân lực *
Vấn đề: Yêu cầu nguồn nhân lực có năng lực chuyên môn ở các vị
trí, cụ thể một nhóm AI yêu cầu ít nhất có ba vai trò riêng biệt bao gồm kỹ sư dữ
liệu để sắp xếp thông tin, nhà khoa học dữ liệu để nghiên cứu dữ liệu và kỹ sư
phần mềm để đưa ứng dụng vào thực tế. Mục đích cần nhiều nhân tài ở các vị trí
này là nhằm tăng năng suất, hiệu quả trong công việc để cải thiện ứng dụng, giúp
doanh nghiệp ngày càng phát triển và tồn tại lâu dài. Bên cạnh đó, cần lập một kế
hoạch chiến lược hợp lí và thu hút những ứng viên triển vọng. Ngoài ra, GROW
nên tìm cách giúp nhóm AI đang hoạt động trở nên tốt hơn. 11 lOMoAR cPSD| 47167580 *
Giải pháp: Đầu tiên, đào tạo nhằm cải thiện kỹ năng của nhân viên:
Trước hết GROW cần đưa ra một lộ trình phát triển kỹ năng chuyên môn rõ ràng,
từ đó dựa vào lộ trình để đào tạo nhân viên về AI và các kỹ thuật có liên quan
nhằm cải thiện hiệu suất của nhân viên. Tiếp theo, tạo ra một môi trường làm việc
và văn hóa doanh nghiệp để thu hút nhân viên tài năng: Điều này rất quan trọng
khi tuyển dụng nhân viên với lứa tuổi khác nhau, cụ thể là các mong muốn về chế
độ phúc lợi và lợi ích cũng như tạo môi trường làm việc hấp dẫn. Vì vậy, doanh
nghiệp cần thay đổi để có thể thu hút và giữ chân nhân tài. Ngoài ra, còn có thể
tìm kiếm nhân lực có năng lực trong công ty: Đưa ra các thách thức kèm theo
những đãi ngộ để giúp họ mong muốn trải nghiệm bản thân, thử sức với nhiều
điều mới. Điều này giúp giữ chân nhân tài và tránh tình trạng thiếu hụt nhân sự
có kỹ năng chuyên môn về mảng IT hơn nữa. *
Khó khăn: Tuy nhiên, vẫn còn một số khó khăn như: sự đào thải liên
tục và mạnh mẽ do cạnh tranh cao: công nghệ thay đổi liên tục nên vốn kiến thức
thay đổi từng ngày và luôn luôn phát triển. Nếu nhân viên không thường xuyên
bổ sung cập nhật thông tin, các kiến thức mới họ sẽ dần bị lùi lại so với nhịp độ
phát triển chóng mặt của lĩnh vực này. Kèm theo đó là nguồn nhân lực khan hiếm:
chỉ có 300.000 kỹ sư AI trên toàn thế giới nhưng lại cần hàng triệu người mới
cung cấp đủ nhân sự cho thị trường doanh nghiệp. Một phần là vì công nghệ này
phát triển nhanh và sâu, nên rất khó tìm được một người giỏi AI toàn diện. Bên
cạnh đó, công ty còn phải tốn thời gian, chi phí để đào tạo chuyên môn cho các nhân viên.
2.5. C i thi n châết lả ệ
ượ ủ ệng c a h
thôếng đánh giá *
Vấn đề: Hệ thống AI có những khách hàng khác nhau với những yêu
cầu khác nhau. Một khi khách hàng thay đổi dẫn đến các dữ liệu, tiêu chí đánh
giá cũng thay đổi. Vấn đề đặt ra ở đây là liệu GROW có thu thập dữ liệu và cung
cấp cho các doanh nghiệp một hệ thống đánh giá chính xác và phù hợp với những 12 lOMoAR cPSD| 47167580
yêu cầu của công ty hay không? Điều này sẽ ảnh hưởng đến quy trình quản lý chất
lượng đầu ra của GROW. *
Giải pháp: Một là, lập một chiến lược rõ ràng để khám phá các cấu
trúc trong vấn đề, từ đó giúp thuật toán tìm hiểu và giải quyết vấn đề một cách
hiệu quả. Hai là, đánh giá hệ thống AI thường niên: Tối thiểu hàng năm, hệ thống
trí tuệ nhân tạo phải được đánh giá để xác nhận rằng chúng đang đáp ứng các yêu
cầu của các doanh nghiệp. Nếu không, chúng nên được sửa đổi hoặc loại bỏ. Để
phát triển hệ thống AI của GROW, IGS trước tiên đã phát triển một danh sách bao
gồm các năng lực và các truy vấn (các câu hỏi) liên quan đáp ứng một số tiêu chí
cụ thể. Tuy nhiên, để tăng cơ hội người đánh giá hoàn thành đánh giá, IGS sau đó
đã sử dụng phân tích thành phần chính để giảm số lượng truy vấn xuống ba truy
vấn phù hợp nhất và ít dư thừa nhất. Ba là, thường xuyên đo lường mức độ hiệu
quả của hệ thống AI, đặc biệt trong bối cảnh áp dụng AI trong công tác tuyển dụng
đang là xu hướng hiện nay. *
Khó khăn: Mặc dù đã có một số giải pháp khắc phục nhưng công ty
vẫn có thể gặp một số khó khăn khi thực hiện. Thứ nhất, khan hiếm về nguồn
nhân lực có năng lực chuyên môn cao. Thứ hai, các cỗ máy thông minh hoạt động
không linh hoạt: Các mô hình AI là xử lý dựa vào dữ liệu trong quá khứ mà nó đã
học. Đối với một tình huống hoàn toàn mới, thì các mô hình AI sẽ không có được
sự linh hoạt và hiệu quả. Vì vậy, với các yêu cầu khác nhau của công ty sẽ dẫn
đến việc tốn chi phí để xây dựng thêm các thuật toán nhằm đáp ứng các tiêu chí mà doanh nghiệp đưa ra.
2.6. Phát tri n s n ph mể ả ẩ *
Vấn đề: GROW là một ứng dụng, một sản phẩm công nghệ khá mới
lạ, độc đáo và có nhiều tiềm năng phát triển. Tuy nhiên, khi phát triển ứng dụng
GROW, họ cần phải tìm hiểu và giải quyết một số rủi ro phát sinh. Thứ nhất,
GROW không thể thay thế hoàn toàn nhân sự làm việc với lãnh đạo, tư duy sáng
tạo và đổi mới. Thứ hai, nhiều công ty không quá tin tưởng vào ứng dụng GROW 13 lOMoAR cPSD| 47167580
nếu họ không xem xét ứng viên ở các khía cạnh khác nhau thay vì chỉ dựa trên
các đánh giá. Thứ ba, ngày càng nhiều các công ty là đối thủ cạnh tranh, đặc biệt
là trong thời kỳ công nghệ 4.0. Điều này có thể làm sản phẩm trở nên lạc hậu, lỗi
thời so với các thuật toán mới của các công ty cạnh tranh, và điều này có thể làm
suy giảm một lượng lớn khách hàng khi họ chuyển sang sử dụng những ứng dụng mới và hiện đại hơn *
Giải pháp: Nhằm xây dựng lòng tin ở khách hàng là các công ty, nhà
phát triển có thể kết hợp ứng dụng với nhiều phần mềm hoặc thêm một số chức
năng để GROW có thể có những phân tích và đánh giá sâu sắc hơn dành cho các
ứng cử viên của các công ty. Việc GROW có thể thay thế hoàn toàn bộ phận HR
là điều không thể, vì rõ ràng rằng máy móc không có sự tư duy, sáng tạo đổi mới
như con người. Tuy nhiên, GROW vẫn có thể được sử dụng khi họ biết cách kết
hợp GROW với bộ phận HR. Điều này vừa mang lại giá trị sử dụng cho GROW,
vừa giúp HR có thể tiết kiệm thời gian và tăng năng suất, hiệu quả làm việc. Nhà
phát triển có thể cân nhắc đến việc đa dạng hóa các chức năng của sản phẩm ở
các cấp độ khác nhau và tính phí khách hàng dựa trên các chức năng họ cần. Nó
có thể làm cho GROW trở nên linh hoạt và có lợi hơn. Một số các chức năng có
thể được áp dụng như:
- Phân tích bài phát biểu của ứng viên để tìm hiểu thêm về họ: Grow cũng sử
dụng AI để phân tích ví dụ năng lực ngoại ngữ khi phỏng vấn. AI sẽ phân
tích lời nói của họ để biết họ là người như thế nào và cho bạn biết họ hấp
dẫn hoặc đáng tin cậy như thế nào âm thanh. Đối với những công việc mà
nói đóng vai trò quan trọng, như bán hàng, điều này sẽ đặc biệt quan trọng.
- Phân tích cuộc phỏng vấn video bằng nhận dạng khuôn mặt và giọng nói:
Bằng cách phân tích cơ thể ngôn ngữ, giọng điệu, mức độ họ cảm thấy áp
lực, AI có thể hỗ trợ HR tốt hơn, giúp họ tiết kiệm thời gian trong cuộc
phỏng vấn trực tiếp, cũng giúp loại bỏ sự thiên vị vô thức, vì máy móc sẽ
không có những thứ như định kiến như con người. 14 lOMoAR cPSD| 47167580
Khảo sát thị trường cũng là một phương thức giúp ích cho việc phát triển
sản phẩm. Với đối tượng cụ thể, ta có thể có nhiều cách nhằm khảo sát thị trường.
Ví dụ, với những người đang sử dụng app, ta có thể gửi yêu cầu đánh giá thông
qua ứng dụng; với những người đã sử dụng và hiện không sử dụng nữa, ta có thể
email trực tiếp để vừa hỏi lý do họ ngừng sử dụng app, cũng như để khảo sát. Lưu
ý rằng bài khảo sát nên ngắn gọn, cô đọng nhất có thể, và nên có một phần quà
nhỏ tri ân những người đã, đang sử dụng ứng dụng và dành thời gian làm khảo
sát. Với những dữ liệu thu thập được, nhà phát triển có thể tìm cách thích nghi,
ứng phó với sự thay đổi đó 1 cách tốt nhất.
* Khó khăn: Bên cạnh những giải pháp được đề cập ở trên, khi thực hiện
chúng, nhà phát triển nên lưu ý những rủi ro có thể kèm theo. Về việc đa dạng hóa
chức năng của GROW bằng cách tích hợp thêm chức năng như phân tích biểu
cảm khuôn mặt, họ có thể phải đối mặt với một số vấn đề pháp lý về thu thập, sử
dụng hình ảnh hoặc video cá nhân. Ngoài ra, việc khảo sát thị trường sẽ gặp nhiều
khó khăn khi cơ sở dữ liệu còn hạn chế và có thể thu về nhiều dữ liệu ảo thay vì
các thông tin thực. Việc xây dựng lòng tin và giữ chân khách hàng là rất khó, vì
công nghệ luôn thay đổi, nhu cầu của khách hàng thay đổi, các đối thủ cạnh tranh
liên tục cho ra mắt những ý tưởng mới, độc đáo. Ngoài ra, việc phát triển sản
phẩm cũng có khó khăn của chính nó, khi mà quá trình đó luôn đòi hỏi ở các nhân
viên, đội ngũ phát triển sản phẩm sự năng động, sáng tạo, tỉ mỉ, chỉn chu, linh hoạt
để giúp cho GROW ngày càng phát triển. 4. Kềất lu n ậ
GROW đã sử dụng các thuật toán học tập trí tuệ nhân tạo (AI) để phân tích
mọi dữ liệu đánh giá, tìm kiếm các mẫu để cải thiện khả năng sàng lọc chính xác
các ứng viên. Như vậy, GROW là một công cụ nhằm hỗ trợ cho quá trình tìm kiếm
và sàng lọc các ứng viên triển vọng phù hợp với các công ty. Tuy nhiên, vẫn tồn
tại một số rủi ro trong quá trình phát triển GROW nên công ty cần cải thiện để 15 lOMoAR cPSD| 47167580
mang lại kết quả tốt nhất và phù hợp nhất với những tiêu chí mà các khách hàng đưa ra. 16