AI trong tuyển dụng: rủi ro phân biệt đối xử và dữ liệu cá nhân

AI trong tuyển dụng và “điểm số” ứng viên: tiện ích đi kèm rủi ro pháp lý

AI được dùng trong tuyển dụng để lọc hồ sơ, phân tích từ khóa, đánh giá video phỏng vấn, dự đoán mức độ phù hợp và gán điểm cho ứng viên. Mục tiêu của cơ chế này là chuẩn hóa quyết định, giảm tải cho bộ phận nhân sự và tăng tốc độ sàng lọc. Tuy nhiên, khi thuật toán thay thế hoặc chi phối đáng kể quyết định tuyển dụng, rủi ro pháp lý không còn nằm ở thao tác kỹ thuật mà chuyển sang tính hợp pháp của dữ liệu đầu vào, tiêu chí chấm điểm và cơ chế giải thích kết quả.

Trong quan hệ lao động, tuyển dụng là giai đoạn phát sinh hậu quả pháp lý trực tiếp đối với quyền tiếp cận việc làm của cá nhân. Vì vậy, mọi công cụ tự động dùng để loại ứng viên, ưu tiên ứng viên hoặc “xếp hạng” hồ sơ đều phải chịu sự kiểm soát của pháp luật lao động, pháp luật về bình đẳng, và pháp luật về bảo vệ dữ liệu cá nhân. Khi AI học từ dữ liệu lịch sử có thiên lệch, nó có xu hướng lặp lại hoặc khuếch đại sự thiên lệch đó, từ đó tạo ra nguy cơ phân biệt đối xử gián tiếp dưới lớp vỏ khách quan của công nghệ.

Cơ sở pháp lý hiện hành điều chỉnh tuyển dụng bằng AI

Về nguyên tắc, pháp luật lao động Việt Nam cấm hành vi phân biệt đối xử trong việc làm và tuyển dụng; nội dung này được thể hiện tại khoản 2 Điều 8 Bộ luật Lao động 2019. Quy định này đặt nền tảng để đánh giá mọi quy trình tuyển chọn, kể cả quy trình có sử dụng thuật toán, trên tiêu chí không làm sai lệch cơ hội tiếp cận việc làm vì các đặc điểm bị pháp luật bảo vệ. Trên bình diện bình đẳng giới, khoản 3 Điều 13 Luật Bình đẳng giới 2006 cũng đặt ra yêu cầu không phân biệt đối xử về giới trong lĩnh vực lao động, bao gồm tuyển dụng, sử dụng lao động và đào tạo.

Về dữ liệu cá nhân, pháp luật hiện hành năm 2026 xác lập khuôn khổ trực tiếp tại Luật Bảo vệ dữ liệu cá nhân 2025 và các văn bản hướng dẫn thi hành còn hiệu lực. Theo quy định về bảo vệ dữ liệu trong tuyển dụng, tổ chức sử dụng lao động chỉ được yêu cầu thông tin phục vụ mục đích tuyển dụng; chỉ được xử lý dữ liệu đúng mục đích; phải có sự đồng ý của ứng viên khi pháp luật yêu cầu; và phải xóa hoặc hủy dữ liệu của người không được tuyển, trừ khi có thỏa thuận khác. Đây là cơ sở pháp lý trung tâm để kiểm soát việc thu thập, chấm điểm và lưu trữ hồ sơ ứng viên bằng hệ thống AI.

Ở bình diện xử phạt vi phạm, các chế tài hành chính trong lĩnh vực lao động và bảo vệ dữ liệu cá nhân hiện đã được tăng cường đáng kể. Doanh nghiệp vì thế không chỉ đối mặt với rủi ro vô hiệu hóa quy trình tuyển dụng sai lệch mà còn đối mặt với rủi ro bị xử phạt nếu thu thập dữ liệu vượt quá nhu cầu, sử dụng dữ liệu không đúng mục đích hoặc để thuật toán vận hành trên nền dữ liệu không hợp pháp. Điều này cho thấy AI trong tuyển dụng không phải là vùng “trung tính” về pháp lý, mà là một hoạt động xử lý dữ liệu và ra quyết định chịu điều chỉnh chặt chẽ.

Rủi ro phân biệt đối xử: khi thuật toán tái tạo thiên lệch của con người

Rủi ro phân biệt đối xử trong tuyển dụng bằng AI thường xuất hiện dưới dạng thiên lệch dữ liệu, thiên lệch mô hình và thiên lệch tiêu chí đầu vào. Nếu dữ liệu lịch sử phản ánh việc doanh nghiệp trước đây ưu tiên một nhóm ứng viên nhất định, thuật toán có thể suy ra rằng nhóm đó là “phù hợp hơn” và tiếp tục loại bỏ các nhóm còn lại. Khi đó, phân biệt đối xử không diễn ra bằng tuyên bố công khai, mà thông qua điểm số, thứ hạng hoặc ngưỡng loại tự động.

Một dạng rủi ro khác là sử dụng tiêu chí tưởng như trung tính nhưng lại tạo hiệu ứng bất lợi đối với nhóm được pháp luật bảo vệ. Ví dụ, việc ưu tiên một số hành vi, địa chỉ, mô hình tương tác số, giọng nói, ngoại hình hoặc lịch sử học tập có thể tạo ra bất lợi gián tiếp đối với phụ nữ, người khuyết tật, người lớn tuổi, người thuộc nhóm dân tộc thiểu số hoặc ứng viên có hoàn cảnh xã hội đặc thù. Trong trường hợp này, doanh nghiệp khó viện dẫn “AI đã quyết định” để loại trừ trách nhiệm, vì nghĩa vụ bảo đảm không phân biệt đối xử vẫn thuộc về chủ thể tuyển dụng.

Đặc biệt, các hệ thống chấm điểm ứng viên theo video phỏng vấn, ngôn ngữ cơ thể, biểu cảm khuôn mặt hoặc tần suất giao tiếp mang nguy cơ cao hơn vì chúng suy diễn các đặc tính rất dễ sai lệch. Nếu doanh nghiệp không chứng minh được mối liên hệ trực tiếp giữa tiêu chí đó với yêu cầu công việc, việc sử dụng kết quả AI để loại ứng viên có thể bị xem là thiếu căn cứ hợp pháp. Về mặt quản trị rủi ro, kết quả đầu ra của AI chỉ nên được coi là công cụ hỗ trợ, còn quyết định tuyển dụng phải có rà soát thực chất bởi con người có thẩm quyền.

Rủi ro dữ liệu cá nhân: thu thập quá mức, xử lý sai mục đích và lưu trữ không hợp lệ

Tuyển dụng bằng AI thường đòi hỏi lượng dữ liệu rất lớn, từ hồ sơ, bằng cấp, lịch sử công việc đến dữ liệu hành vi, giọng nói, hình ảnh và các thông tin suy luận. Đây chính là điểm dễ phát sinh vi phạm nguyên tắc tối thiểu hóa dữ liệu. Theo quy định bảo vệ dữ liệu cá nhân trong tuyển dụng, doanh nghiệp chỉ được yêu cầu thông tin cần thiết cho mục đích tuyển dụng; vì vậy, việc đưa vào hệ thống các trường dữ liệu không liên quan trực tiếp đến vị trí tuyển dụng sẽ làm phát sinh nguy cơ thu thập trái luật.

Việc dùng dữ liệu tuyển dụng cho mục đích khác cũng là vấn đề pháp lý đáng chú ý. Dữ liệu ứng viên được thu thập để đánh giá phù hợp với vị trí việc làm thì không đương nhiên được dùng để huấn luyện mô hình thương mại, xây dựng hồ sơ hành vi dài hạn hoặc chia sẻ cho bên thứ ba. Khi mục đích xử lý thay đổi, doanh nghiệp phải có căn cứ pháp lý tương ứng và bảo đảm thông tin cho chủ thể dữ liệu theo đúng quy định. Nếu không, quá trình “tái sử dụng” dữ liệu tuyển dụng sẽ trở thành xử lý vượt mục đích.

Một rủi ro khác nằm ở việc lưu trữ dữ liệu của ứng viên không được tuyển. Pháp luật hiện hành yêu cầu xóa hoặc hủy dữ liệu của người không trúng tuyển, trừ khi có thỏa thuận khác. Quy định này có ý nghĩa rất lớn trong môi trường AI, vì việc lưu giữ dữ liệu quá lâu không chỉ làm tăng nguy cơ rò rỉ mà còn tạo điều kiện cho việc dùng lại dữ liệu cũ để đào tạo mô hình mà không có cơ sở hợp pháp. Doanh nghiệp vì vậy phải thiết lập chu trình xóa dữ liệu rõ ràng, bao gồm cả dữ liệu gốc, dữ liệu suy diễn và bản sao lưu liên quan đến hồ sơ ứng viên.

Nguyên tắc tuân thủ khi dùng AI để tuyển dụng

Doanh nghiệp cần bảo đảm rằng AI chỉ đóng vai trò hỗ trợ, không phải chủ thể thay thế hoàn toàn quyền quyết định tuyển dụng. Mỗi tiêu chí chấm điểm phải có liên hệ rõ với yêu cầu công việc, được kiểm định trước khi đưa vào vận hành và được rà soát định kỳ để phát hiện thiên lệch. Khi một tiêu chí tạo ra tỷ lệ loại bất thường đối với một nhóm nhất định, doanh nghiệp phải điều chỉnh mô hình hoặc thay thế tiêu chí đó.

Về dữ liệu, doanh nghiệp phải công khai mục đích xử lý, phạm vi dữ liệu, thời hạn lưu trữ, bên nhận dữ liệu và phương thức thực hiện quyền của ứng viên. Chỉ nên thu thập dữ liệu thật sự cần thiết cho việc tuyển chọn, tránh mở rộng sang dữ liệu nhạy cảm nếu không có căn cứ pháp lý rõ ràng. Dữ liệu dùng để huấn luyện mô hình nội bộ phải được tách khỏi dữ liệu định danh nếu không có nhu cầu nhận diện, đồng thời phải có cơ chế kiểm soát truy cập và nhật ký xử lý.

Về quản trị, cần có đánh giá tác động trước khi triển khai hệ thống, đặc biệt với công cụ chấm điểm tự động có thể ảnh hưởng đáng kể đến cơ hội việc làm của ứng viên. Doanh nghiệp cũng phải đào tạo bộ phận nhân sự về rủi ro phân biệt đối xử và dữ liệu cá nhân, vì lỗi vi phạm thường phát sinh từ việc phụ thuộc mù quáng vào điểm số do hệ thống tạo ra. Cách tiếp cận phù hợp là xây dựng mô hình “AI hỗ trợ – con người kiểm soát”, trong đó quyết định cuối cùng phải được kiểm tra bởi người có thẩm quyền và có khả năng giải trình.

Hướng xử lý khi ứng viên khiếu nại hoặc yêu cầu giải trình

Khi ứng viên cho rằng mình bị loại vì lý do bất bình đẳng hoặc vì dữ liệu cá nhân bị xử lý trái phép, doanh nghiệp cần có cơ chế tiếp nhận và phản hồi bằng văn bản. Hồ sơ tuyển dụng phải cho phép truy vết tiêu chí đã sử dụng, thời điểm ra quyết định, nguồn dữ liệu và người chịu trách nhiệm phê duyệt. Nếu doanh nghiệp không thể giải thích vì sao ứng viên bị loại, bản thân sự thiếu minh bạch này đã làm tăng nguy cơ vi phạm pháp luật và làm suy yếu khả năng chứng minh tính hợp pháp của quy trình tuyển dụng.

Trong thực tiễn quản trị pháp lý, cách an toàn nhất là thiết kế trước các kịch bản kiểm soát: giới hạn dữ liệu đầu vào, loại bỏ tiêu chí nhạy cảm, kiểm thử thiên lệch, lưu lại lịch sử thay đổi mô hình và áp dụng quy trình xóa dữ liệu sau tuyển dụng. Cơ chế này không chỉ giảm nguy cơ xử phạt mà còn nâng cao tính hợp pháp, công bằng và bền vững của hoạt động tuyển dụng.

Kết luận

AI trong tuyển dụng không làm thay đổi bản chất pháp lý của nghĩa vụ tuyển dụng công bằng và xử lý dữ liệu hợp pháp. Trái lại, công nghệ càng tự động hóa thì yêu cầu kiểm soát pháp lý càng cao, nhất là đối với rủi ro phân biệt đối xử và xử lý dữ liệu cá nhân. Doanh nghiệp chỉ có thể khai thác lợi ích của AI khi đặt nó trong một khuôn khổ tuân thủ chặt chẽ, minh bạch và có con người chịu trách nhiệm cuối cùng.

Tài liệu tham khảo

• Bộ luật Lao động 2019.
• Luật Bình đẳng giới 2006.
• Luật Bảo vệ dữ liệu cá nhân 2025.
• Nghị định 13/2023/NĐ-CP về bảo vệ dữ liệu cá nhân.
• Nghị định 283/2026/NĐ-CP về xử phạt vi phạm hành chính trong lĩnh vực lao động, bảo hiểm xã hội và người lao động Việt Nam đi làm việc ở nước ngoài theo hợp đồng.