Thứ Ba, 8:40 sáng. Vị trí Senior Backend Engineer có 412 CV đổ về từ hôm thứ Sáu.

Bạn mở thử hai chục cái. CV nào đọc cũng như bản tin thăng chức. "Thiết kế hệ thống microservices có khả năng mở rộng." "Dẫn dắt phối hợp liên phòng ban." "Cải thiện hiệu năng đáng kể."

Cùng động từ. Cùng nhịp văn. Cùng độ tự tin.

Báo cáo Recruiter Nation mới nhất của Employ xếp CV được AI trau chuốt là nguồn căng thẳng số một của recruiter, lần đầu tiên AI đứng đầu danh sách này.

Số lượng thì bạn xử lý được. Đây là chuyện khác.

Khi CV nào cũng bóng bẩy, độ bóng không còn là tín hiệu. Vậy bạn đang sàng lọc cái gì?

Công cụ sàng lọc CV bằng AI của bạn đang chấm nhầm thứ gì?

Bạn mua phần mềm để đọc nhanh hơn. Nó đọc nhanh thật. Chỉ là nó đọc nhầm lớp.

CV giờ như ảnh đã qua filter

Da mịn, ánh sáng đẹp, ai nhìn cũng ổn. Nhìn một trăm tấm xong, bạn không nhớ nổi ai là ai.

CV trước đây là dấu vết của công sức. Giờ nó là ba mươi giây và một câu prompt.

Match keyword chấm điểm lớp trang điểm

Hệ thống thấy "Kafka, Kubernetes, quản lý team 8 người" là cộng điểm. Nó không phân biệt được ai thực sự làm và ai được gợi ý cho câu đó.

Lớp trang điểm đẹp nhất sẽ lên đầu shortlist.

Recruiter thành máy phát hiện nói dối

Đến CV thứ 60, bạn không còn đọc nữa. Bạn lướt theo cảm giác. Nhanh, mệt, và dễ sai.

Ứng viên giỏi nhất lại viết rất thật thà: "Chuyển billing từ cron job sang queue worker. Số lần retry giảm từ 30 xuống 2 mỗi ngày."

Đặt cạnh những CV bóng loáng, nó trông nhạt.

• Câu chữ mộc.
• Số liệu thật.
• Bị loại sau 4 giây.

Phép thử 3C: sàng lọc bằng chứng, đừng sàng lọc độ bóng

Chỉ cần một file Google Sheet là làm được. Với mỗi ứng viên trong shortlist, lấy ba claim lớn nhất rồi hỏi ba câu.

Claim: rút về một câu

Bỏ hết tính từ. "Chuyển billing sang queue worker."

Nếu gạt lớp bóng đi mà chẳng còn gì, thì từ đầu đã không có claim nào. Chỉ riêng bước này đã dọn được kha khá CV.

Cost: họ đã trả giá gì?

Việc thật luôn để lại sẹo. Một ràng buộc. Một đánh đổi. Một con số có trước và sau. Một thứ đã hỏng trước tiên.

CV do AI trau chuốt cho bạn kết quả mà không có cái giá: "cải thiện hiệu năng đáng kể".

Claim thật = kết quả + ràng buộc + đánh đổi.

Check: sống sót được mười phút không?

Chọn một claim mỗi người. Hỏi một câu mở khi gọi screening: "Tuần thứ hai cái gì đã hỏng?"

Người từng làm sẽ trả lời bằng chi tiết. Người chưa làm sẽ trả lời bằng tính từ.

Thử với hai ứng viên cùng một vị trí.

Ứng viên A: "Thúc đẩy cải thiện hiệu năng đáng kể trên toàn nền tảng." Claim: mờ. Cost: không có. Check: trả lời chung chung về "cả team".

Ứng viên B: "Chuyển billing sang queue worker. Retry giảm từ 30 xuống 2 mỗi ngày." Claim: rõ. Cost: phải viết lại logic retry. Check: tự kể luôn chuyện hỏng ở tuần thứ hai.

B là người viết mộc mạc. B lên đầu.

Gắn nhãn từng claim trong sheet: Proven, Plausible hoặc Polished. Claim Polished bị đẩy xuống dưới. Không ai bị xóa chỉ vì linh cảm.

Knoot Angle

AI không quyết định ai được nhận. AI chỉ đảm bảo không ứng viên giỏi nào bị bỏ sót trong đống CV.

Bước gãy đầu tiên của 3C khi có 412 CV là Cost, vì không ai đủ thời gian đi tìm vết sẹo trong từng ấy hồ sơ. Đó là việc của AI Screening, và là chỗ Knoot giúp được. Knoot so từng ứng viên với tiêu chí rút ra từ JD, trả về shortlist xếp hạng kèm match % và lý do viết rõ cho từng người. Nó đánh dấu chỗ cần nhìn lại: skill ghi trên CV không khớp kinh nghiệm, timeline chồng nhau, thành tích bị phóng đại. Chỉ đánh dấu, không tự loại. Quyết định vẫn là của bạn.

AI đánh dấu lớp bóng. Bạn tìm ra bằng chứng.