Mô hình trí tuệ nhân tạo của nhóm Matrix cải thiện so với các AI hỗ trợ tuyển dụng hiện có trên thị trường, giúp nhà tuyển dụng “đọc sâu” CV, hạn chế bỏ sót ứng viên phù hợp do từ khóa trên CV không khớp với JD.

Mô hình thông minh so khớp CV và mô tả công việc, hỗ trợ ra quyết định tuyển dụng –  “An Intelligent CV–Job Description Matching Model for Recruitment Decision Support” do nhóm Matrix – sinh viên chuyên ngành Trí tuệ nhân tạo Trường Đại học FPT (FPTU) thực hiện. Các thành viên của nhóm gồm Thái Phong Huân, Nguyễn Vũ Huy, Nguyễn Thị Bích Tuyền và Đặng Hoàng Kiệt, dưới sự hướng dẫn của giảng viên Lê Thế Anh. 

Xuất phát từ thực tế thị trường tuyển dụng nhân sự công nghệ tại Việt Nam, nhóm đã phát triển dự án với 3 mục tiêu chính: đề xuất phương pháp matching mới, xây dựng bộ dữ liệu song ngữ và tích hợp vào hệ thống website thực tế hỗ trợ nhà tuyển dụng sàng lọc, xếp hạng và so sánh ứng viên tự động.

Nhóm sinh viên chuyên ngành Trí tuệ nhân tạo phát minh ra dự án.

Khi một ứng viên phù hợp có thể bị bỏ qua vì… thiếu từ khóa

Bài toán khớp CV với JD từ một vấn đề thường gặp: Nhà tuyển dụng có thể phải đọc hàng trăm CV để tìm ứng viên phù hợp cho một vị trí. Trong khi đó, nếu việc sàng lọc phụ thuộc nhiều vào những từ khóa có sẵn trong hồ sơ (CV), một ứng viên có năng lực có thể bị bỏ sót do thiếu từ khóa diễn tả kinh nghiệm.

Nhóm sinh viên đưa ra một tình huống: một doanh nghiệp cần tuyển nhân sự có khả năng xây dựng API hiệu suất cao. Ứng viên không ghi trực tiếp cụm từ này ở mục kỹ năng, nhưng trong phần dự án lại mô tả từng thiết kế và tối ưu một REST API có khả năng xử lý tới 10.000 yêu cầu mỗi giây.

Với cách tìm kiếm dựa trên từ khóa, hồ sơ này có thể không được đánh giá cao vì thiếu cụm từ trùng với yêu cầu tuyển dụng. Nhưng nếu đọc toàn bộ CV, nhà tuyển dụng có thể nhận ra đây chính là một ứng viên phù hợp.

Trưởng nhóm Thái Phong Huân chia sẻ: “Chúng em muốn giải quyết bài toán làm thế nào để hệ thống không chỉ nhìn thấy những từ khóa giống nhau, mà có thể hiểu được mối liên hệ giữa năng lực của ứng viên và yêu cầu công việc”.

Để làm được điều đó, nhóm không cho hệ thống chỉ so sánh từng mục tương ứng như kỹ năng với kỹ năng hay kinh nghiệm với kinh nghiệm. Thay vào đó, mô hình xem xét mối liên hệ giữa nhiều phần khác nhau trong CV và JD (bản mô tả công việc). CV và JD giống như hai bảng thông tin. Mỗi bảng có nhiều ô: kỹ năng, kinh nghiệm, học vấn, dự án… Cách làm thông thường có thể chỉ đối chiếu những ô tương ứng. Còn mô hình của nhóm cho phép các ô ở hai bảng “đối thoại” với nhau để tìm ra những mối liên hệ có thể bị bỏ qua.

Chẳng hạn, JD yêu cầu ứng viên có kinh nghiệm quản lý dự án nhưng trong phần kinh nghiệm làm việc, ứng viên không ghi rõ mình từng quản lý dự án. Tuy nhiên, ở phần dự án, ứng viên cho biết từng dẫn dắt một nhóm 5 người hoàn thành dự án đúng thời hạn. Hệ thống có thể nhận ra thông tin này có liên quan đến yêu cầu về khả năng quản lý, dù hai nội dung nằm ở những phần khác nhau của CV và JD.

Đây là điểm khác biệt cốt lõi trong cách tiếp cận của nhóm: thay vì chỉ tìm những từ khóa giống nhau, mô hình cố gắng hiểu “ý nghĩa phía sau” những thông tin được viết trong hồ sơ.

Thành viên nhóm trình bày và bảo vệ dự án tại cuộc thi ResFes 2026.

Từ dữ liệu song ngữ đến mô hình AI

Để xây dựng được hệ thống, nhóm phải giải quyết trước một bài toán quan trọng: dữ liệu.

Theo nhóm, các dữ liệu phục vụ việc đối chiếu CV với JD hiện nay chủ yếu sử dụng tiếng Anh, trong khi tuyển dụng nhân sự công nghệ tại Việt Nam sử dụng đồng thời cả tiếng Việt và tiếng Anh. Vì vậy, nhóm tự xây dựng bộ dữ liệu song ngữ Việt – Anh, kết hợp CV và JD thực tế với dữ liệu được tạo thêm bằng công cụ AI.

Việc tạo ra dữ liệu không chỉ dừng ở thu thập thông tin. Nhóm còn phải xác định mức độ phù hợp giữa từng CV và JD để làm cơ sở cho mô hình học cách đánh giá. Do chưa có chuyên gia tuyển dụng trực tiếp tham gia gán nhãn toàn bộ dữ liệu, nhóm sử dụng một mô hình AI khác để hỗ trợ đánh giá và gán nhãn, sau đó dùng dữ liệu này để huấn luyện và kiểm tra mô hình.

Kết quả thử nghiệm cho thấy mô hình của nhóm có khả năng đánh giá mức độ phù hợp giữa CV và JD với độ chính xác tốt hơn hai cách tiếp cận được sử dụng để so sánh. Kết quả cho thấy mô hình của nhóm nhận diện được nhiều trường hợp phù hợp hơn mà vẫn duy trì khả năng phân loại chính xác, thay vì chỉ dựa vào việc CV có chứa những từ khóa giống JD hay không.

Website tích hợp AI vào quy trình tuyển dụng

Từ mô hình nghiên cứu, nhóm tiếp tục phát triển một hệ thống trực tuyến dành cho nhà tuyển dụng. Người dùng có thể đưa mô tả công việc và CV vào hệ thống hoặc tìm kiếm hồ sơ từ cơ sở dữ liệu nội bộ và một số nền tảng tuyển dụng bên ngoài.

Sau đó, hệ thống tự động phân tích yêu cầu của vị trí tuyển dụng, tìm kiếm những hồ sơ phù hợp và chấm điểm từng ứng viên. Kết quả được hiển thị theo thứ hạng, giúp nhà tuyển dụng nhanh chóng nhận diện nhóm ứng viên tiềm năng và xem lý do vì sao một hồ sơ được đánh giá phù hợp với vị trí. 

Nhờ đó, thay vì phải lọc hàng trăm CV, nhà tuyển dụng có thể tập trung thời gian vào những hồ sơ có mức độ phù hợp cao. Hệ thống cũng hướng tới hạn chế tình trạng ứng viên bị bỏ qua chỉ vì cách viết CV không trùng với cách diễn đạt trong JD.

Tuy vậy, nhóm xác định đây là công cụ hỗ trợ, không phải giải pháp thay thế nhà tuyển dụng. Những công việc cần đánh giá con người như phỏng vấn, xem xét mức độ phù hợp với văn hóa doanh nghiệp, thương lượng lương hay đưa ra quyết định tuyển dụng cuối cùng vẫn cần sự tham gia của con người.

Hệ thống sẽ hỗ trợ nhà tuyển dụng so sánh độ khớp giữa CV của ứng viên với JD công việc.

Theo nhóm, những kiến thức về học máy, học sâu, xử lý ngôn ngữ và lập trình được học tại Trường Đại học FPT trở thành nền tảng để các thành viên triển khai dự án. Đặc biệt, việc được tiếp cận nhiều bài toán thực tế giúp nhóm hướng tới mục tiêu không chỉ tạo ra một mô hình trên lý thuyết mà còn tìm cách đưa công nghệ vào giải quyết một nhu cầu cụ thể.

Trong hành trình đó, giảng viên Lê Thế Anh đồng hành với nhóm từ những bước đầu tiên. Phong Huân chia sẻ: “Thầy Thế Anh có vai trò lớn trong quá trình nhóm em hình thành và hoàn thiện nghiên cứu. Thầy gợi ý, định hình bài toán nghiên cứu, xác định hướng tiếp cận, đề xuất các hướng nghiên cứu và mô hình để nhóm triển khai. Trong quá trình thực hiện, thầy cũng thường xuyên trao đổi, góp ý về phương pháp, cách đánh giá và định hướng phát triển. Những định hướng này giúp nhóm hoàn thiện dự án theo hướng vừa có giá trị nghiên cứu, vừa hướng tới khả năng ứng dụng”.

Nhờ tính ứng dụng cao của dự án, nhóm đã giành giải Khuyến khích tại cuộc thi nghiên cứu khoa học Resfes 2026, diễn ra tháng 8 vừa qua.