báo cáo phân tích case study grow using artificial intelligence to screen human intelligence

GROW duoc phát triển với mục đích đánh giá các ứng viên xin việc một cách khách quan giúp các doanh nghiệp tìm ra được những ứng cử viên sáng giá, phù hợp với vị trí tuyên dụng, đồng thờ

BO GIAO DUC VA DAO TAO DAI HOC QUOC GIA THANH PHO HO CHi MINH TRUONG DAI HOC KINH TE - LUAT

MON CHUYEN DOI SO VA TRI TUE NHAN TAO GIANG VIEN HUONG DAN: TRAN THE DAI NGHIA

MA LOP HOC PHAN: 231MI5204

BAO CAO PHAN TICH CASE STUDY

“GROW: USING ARTIFICIAL INTELLIGENCE TO

SCREEN HUMAN INTELLIGENCE”

NGUOI THUC HIEN: NHOM 1

VU NGOC THUY TIEN K224141738 100%

HOANG THI QUYNH NHU | K224141734 100%

DƯƠNG NGỌC TRANG | K224141739 100%

TRƯƠNG THÚY VY K224020298 100%

TP Hồ Chí Minh, ngày 26 tháng 10 năm 2023

MUC LUC

DL MU naiDùẰỤẶỤẶỤẶA 3

1.2 Mục tiêu đề ra 2: 2222222212221 231127112711121127112711211211111112112112121 10g 3

2 Thách thức mà các công ty đang đối IMAG 3 3

2.2 All Nippon AIrways (ANA) Q20 0 2201120111211 11111 1111111111111 1 111kg nen Hyu 4 2.3 Mitsubishi Corporation (MC) 2 2201022011201 1121111211 1111111111511 1 1111 key 4

3 Phương án giải quyết 22 TT HH grrrrrrrrrerrrerrye 4

3.1 Phương án đã thực hiện 2 2C 0201 1220122201121 11121111211 111 11181115111 81 11 key 4

3.2 Dam PS 6

` '.(4ddỒỒẦỒẲỒỶẲỒỒỒỒỒỶỒỈỶẶỶỒỶVẶAỶVA 7

4.1 Đề xuất chỉ tiẾt - - 55-221 21221121122121122112112112112111211211211111121012121 122 re 7 4.2 Hạn chế được giải quyết St E11 21121111211111112111 210111011 nga 8

5 Triển khai thực hiện 22 22 2 E1 2E2E T72 TT 8

5.1 Thời gian thực hiện - 2 20 2201122012223 1121 1115111511151 1 1111111111111 111111111 8 5.2 Ước lượng nguồn lực cccesessescssesececsecsesecsecscsessesecsessesessvsevsnsevesicsesesesesess 9 5.3 Kế hoạch dự phòng - 2000201 1020111111 1111 11111111111111 1111111111 1111111111111 2111 ca 9 5.4 Phương án giảm thiểu rủi TO -+ 65s S221 1121111111111111 117211 1111 111tr 10

6 Kết luận - 2 22212222 H 2n HH rrrrrrrereerreo 10

6.1 Nhắc lại mục tiêU 222¿252222122231222122711211271271122212711 111111111 10 6.2 Hạn chế và giải pháp 5s 5 1 211 1111111111111 11 1 1 1 T11 11121211211 II

/WÄVH]) dc ai) 11

1 Mục tiêu

1.1 Tóm tắt

Masahiro Fukuhara - người sáng lập và Giám đốc điều hành của Viện

khởi nghiệp phân tích con người vì Xã hội Toàn câu (IGS) có trụ sở ở Tokyo

Trong quá trình phát triển, ông đã tạo ra ứng dụng GROW để tuyến dụng và

phân tích nhân viên dựa trên việc sử dụng dữ liệu đánh giá năng lực, tính cách

được thu thập từ nhiều cá nhân thay vì yếu tổ “trực giác” của riêng nhà tuyến

dụng

GROW duoc phát triển với mục đích đánh giá các ứng viên xin việc một

cách khách quan giúp các doanh nghiệp tìm ra được những ứng cử viên sáng

giá, phù hợp với vị trí tuyên dụng, đồng thời giúp tiết kiệm thời gian, nhân lực

khi phải kiểm soát hàng trăm ngàn đơn xin việc (CV) Ứng dụng này không chỉ

giới thiệu cho các công ty ứng cử viên thích hợp mà còn cung câp cho họ thông

tin về năng lực mà một ứng cử viên lý tưởng cho vị trí cần có

Sự gia tăng độ phổ biến của GROW vừa là cơ hội và cũng là thách thức

Nó cung câp cho Fukuhara cơ sở dữ liệu người dùng và cũng buộc GROW phải

đưa ra định hướng chiến lược đúng dan, dau tu phat trién, cai tién, khắc phục

những hạn chế để nâng cao chất lượng, gia tăng độ chính xác khi sử dụng ứng

dụng

1.2 Mục tiêu đề ra

Tập trung phát triển ứng dụng, đây mạnh cải tiến công nghệ, nâng cao chất

lượng, khăng định vị thế hàng đầu trong lĩnh vực quản lý nhân sự

Xây dựng đội ngũ nhân viên có chuyên môn, quản lý, giám sát chặt chẽ các

chiến lược đề đạt các mục tiêu mở rộng thị trường trong tương lai

Đưa GROW trở thành đối tác thay thế đáng tin cậy mà khách hàng là

những công ty, doanh nghiệp có thê tin tưởng, giao phó công việc trong tuyên

dụng nhân sự

Sàng lọc thông tin tuyến đụng, đảm bảo quyên lợi của người tìm việc làm

Tăng cường những chính sách bảo mật thông tin khách hàng, tạo độ tin cậy

cao, đảm bảo không cung cấp, tránh rò rỉ thông tin cho bên thứ ba Là ứng

dụng người dùng hoàn toàn tin tưởng sử đụng, cung cấp thông tin cần thiết của

minh

Giúp tăng cơ hội tìm kiếm việc làm đối với các ứng cử viên và hỗ trợ các

công ty, doanh nghiệp tìm được người phù hợp với vị trí tuyên đụng

2 Thách thức mà các công ty đang doi mat

Sau nhiều cuộc thử nghiệm thì cuối cùng IGS đã đưa GROW ra thị trường

và được xem như là một phần mềm phục vụ cho các công ty Với việc tạo ra

các đơn xin việc, thông tin cá nhân online mà GROW đã giúp các sinh viên tiếp

cận tốt hơn với các doanh nghiệp tiềm năng: trung bình sinh viên chưa tốt

nghiệp sẽ gửi khoảng 50 - 100 sơ yếu lý lịch (résumé) và CV vào các mùa

tuyên nhân sự Tuy nhiên, quá trình nhận việc vẫn không thay đổi nhiều, vẫn

phụ thuộc phần lớn vào các cuộc phỏng vấn trực tiếp Điều này cũng ảnh

hưởng ít nhiều đến quá trình tuyên dụng của công ty Dù sao thì GROW cũng

đã cung cấp một hướng giải quyết khá hấp dẫn, dù các công ty sử đụng theo

nhiêu cách khác nhau

2.1, Septeni Holdings

Septeni là một trong những công ty lớn nhất trong mảng internet marketing

tại Nhật Và đề làm được việc đó, Septeni phát triển dựa trên những mục tiêu

tuyến dụng khác biệt, hướng tới các tài năng có thê mang lại doanh thu và giúp

mở rộng chí nhánh hiệu quả

Đề tìm kiếm nhân sự phủ hợp, Septeni cũng đã sử dụng cách truyền thống

là mời các sinh viên đến từ các trường đại học đến văn phòng công ty tại Tokyo

để phỏng vấn, tương tác làm việc nhóm của các ứng viên qua nhiều vòng được

mô phỏng công việc thực tế tại Septeni Từ đó, mà đưa ra sự lựa chọn phù hợp

Tuy nhiên, việc đó có một số hạn chế nhất định như các sinh viên phải đến trực

tiếp công ty (phần lớn sinh viên ngoại ô) Ngoài ra, sinh viên cần hiểu và có

hứng thú với Septeni như là công ty tiềm năng (đề họ đầu tư tiền bạc và thời

gian của mình vào cuộc phỏng vấn) và đề sinh viên có thế có biểu hiện tốt nhất

tại cuộc phỏng vấn Đó là cơ hội duy nhất mà Septeni có thê đánh giá và đưa ra

quyết định tuyên dụng

2.2 All Nippon Airways (ANA)

ANA là hãng hàng không lớn nhất của Nhật Bản và luôn được đánh giá là

một trong những hãng hàng không được yêu thích nhất

ANA luôn tìm kiếm các sinh viên tiềm năng bằng cách sàng lọc các đơn

Ứng tuyên mà họ nhận được Tuy nhiên, vì SỐ lượng nhân sự cho việc này còn

hạn chế, ANA lo ngại họ sẽ bỏ sót những thí sinh có tiểm năng trở thành những

nhà lãnh đạo trong tương lai nhưng bị loại quá sớm trong quá trình tuyên dụng

2.3 Mitsubishi Corporation (MC)

Mitsubishi là một trong những doanh nghiệp lớn và lâu đời nhất tại Nhật

Bản MC kinh doanh đa dạng các ngành công nghiệp như tải chính công

nghiệp, kim loại, máy móc, hóa chất, phục vụ các nhu cầu thiết yếu cho cuộc

sông hăng ngày Năm 2017, các hoạt động kinh doanh của MC đã vượt ra khỏi

khả năng của mô hình thương mại truyền thống Trong lịch sử, MC cũng đã

từng thu hút rất nhiều các sinh viên sáng giá tại Nhật Sự phát triển mô hình

kinh doanh của MC đã làm cho doanh nghiệp tăng thêm nhu cầu về nhân lực có

năng lực cao trong việc quản lý

3 Phương án giải quyết

3.1 Phương án đã thực hiện

SAT, Septeni Holdings

Đề giải quyết cho vân đề về địa lý, Septeni đã đưa ra hướng tuyên đụng

trực tuyến: phỏng vấn qua video và đồng thời dựa vào cuộc điều tra dựa trên

web dành cho các sinh viên không ở Tokyo Tuy nhiên, điều đó khiến Septeni

bị thiếu các đữ liệu có thê có được trong quá trình phỏng vấn trực tiếp Vì thế

mà Septeni đã hợp tác với GROW để có thể thu thập các đữ liệu còn sót đó

thông qua các đánh giá của các bạn học thời sinh viên GROW đáp ứng rất tốt

trong việc hỗ trợ Septeni về quan điểm đánh giá, tính cách và khả năng thê hiện

của một cá nhân

3.1.2, All Nippon Airways (ANA)

Trước hết, IGS sẽ làm việc với ANA nhăm đưa ra 10 năng lực được họ ưu

tiên đánh giá cao Những bạn sinh viên quan tâm đến ANA sé str dung GROW

để đánh giá năng lực và đặc điểm tính cách của họ rồi đưa ra “tông điểm” Dựa

trên các dữ liệu mà IGS thu được về một sinh viên, AI của GROW sẽ đưa ra

“điểm tin cậy” nhằm đánh gia muc dO tin cay ma IGS co trong tổng số điểm

Sau do, ANA vẽ biểu đồ “tổng điểm” cho trục x, “điểm tin cậy” cho trục y và

“nr ~

°

° °

°

Vv

u

y

Vv de

ont Se

9 @ Invited to First Round

C

Total Score 3.1.3 Mitsubishi Corporation (MC)

Vị những khó khăn mà Mitsubishi gặp phải, MC đã thảo luận voi IGS xem

xét về việc sử dụng GROW Trước hết, IGS làm việc với MC đề phát triển một

mô hình thuật toán dành cho nhân viên MC “lý tưởng”, sau đó chạy thuật toán

trên các ứng viên đã đăng ký trong cơ sở đữ liệu của MC (họ nằm trong số

những người dùng mà GROW đã hoàn thành sảng lọc năng lực và định hướng)

Dựa vào giả thuyết cho rằng bạn bè của những thí sinh được chọn trước đó

cũng có thế phù hợp, IGS đã tạo ra một biêu đồ xã hội về các ứng viên này và

xác định những cá nhân năm trong số năm người bạn trở lên đưa ra feedback

tích cực cho ứng viên IGS sau đó sẽ chuyền thông tin này cho MC và sử dụng

biêu đồ xã hội để xác định những người bạn đó nhăm đưa ra quyết định mời họ

đến buôi thông tin về MC

Determined Identified (using model) Analyzed social graph Invited these peers Result: New

222 2 2 222 2:2

222 #2 ‘yet 228 22

3.2 Đánh giá

3.2.1 Đánh giá chung

Nhìn chung, GROW đã giải quyết được những vấn đề căn bản mà các

doanh nghiệp thường gặp phải như khoảng cách về địa lý, chí phí phỏng vấn,

thiếu hụt nhân lực tiềm năng GROW đã thê hiện rất tốt vai trò của mình

xuyên suốt hỗ trợ quá trình tuyển dụng của các doanh nghiệp, đưa các ứng viên

tiềm năng đến với công ty mà tối ưu hóa được chỉ phí trong việc tuyên dụng

Ngoài ra, các dự đoán nhờ vào việc ứng dụng AI vào Machine Learning cũng

được IGS đưa vào GROW và cho ra kết quả trùng khớp tương đối cao so với

việc tuyên dụng, phỏng vấn theo hình thức truyền thống

Tuy nhiên, sự phát triên của GROW vẫn còn một số bất cập về việc các

nhà tuyên dụng, doanh nghiệp lo ngại vì vẫn phụ thuộc chủ yếu tại vòng phỏng

vấn trực tiếp, họ còn thiếu niềm tín ở GROW Và việc GROW dựa vào các

bảng câu hỏi dé đánh giá một ứng viên có thật sự chuẩn xác như cách truyền

thống hay không, song, vẫn còn rất nhiều bất cập

3.2.2 Phân tích thị trường (áp dụng mô hình SWOT)

3.2.2.1 Diém manh (Strengths) Với nguôn dữ liệu phong phú và hiệu quả hoạt động trong quá trình tuyển

dụng được đề xuất bởi GROW cũng như là dữ liệu vê các ứng viên cũng nhiều

hơn Điều đó làm tăng số lượng người dùng và AI của GROW cũng sẽ có khả

năng cung cấp hiệu quả thông tin tuyến dụng cho khách hàng của mình

Với sự chọn lọc kỹ các năng lực phù hợp với từng nền văn hóa, quốc gia

khác nhau và được đưa qua đánh giá sẽ được đưa vào “queries” đề có thế đánh

giá các ứng viên chính xác nhất về tính cách, kỹ năng làm việc

3.2.2.2 Diém yéu (Weaknesses) GROW vẫn chưa thực sự tiếp cận quá tốt đến người dùng vì còn thiểu các

hướng dẫn chỉ tiết cách sử dụng GROW tốt nhất Bên cạnh đó, công nghệ AI

của GROW chưa xác định chính xác những ứng viên tiêm năng tử chính năng

lực bản thân chứ không phải cố tình phóng đại trình độ chuyên môn, kỹ năng

làm việc, tính cách, từ đó bỏ sót những ứng viên có lẽ là nhân tài trong tương

lai và khiến sự kết nối giữa ứng viên và nhà tuyên dụng chưa chặt chẽ

Với lượng đữ liệu mà GROW kiểm soát là quá lớn có thể dẫn đến việc hệ

thống có mâu thuẫn giữa các thông tin với nhau, gây ra việc mất kết nối hoặc

sai sót dữ liệu trong mỗi quan hệ giữa các ứng viên và doanh nghiệp

Ngoài ra, việc quá lạm dụng GROW cho việc tuyển dung, co thé gay ra

thiếu sự tương tác trực tiếp giữa con người với nhau Về lâu đài, việc này có

thê làm ảnh hưởng đến khả năng giao tiếp và con người dần quen với lỗi sống

khép kín Đây cũng là một vân đê đáng lo ngại trong thời buôi công nghệ ngày

nay

3.2.2.3 Cơ hội (Opportumifies) GROW có tiềm năng phát triên rất lớn vì nguồn dữ liệu mà IGS thu thập

được không chỉ dựa trên những tân binh hiện tại mà còn dựa trên hiệu suất của

những tuyên dụng được đề xuất trước đó Ngoài ra, AI của GROW còn có khả

năng cải tiễn quy trình và tiêu chí tuyên dụng Những điều đó có khả năng đáp

ứng các nhu cầu, mong muốn của khách hàng trọn vẹn hơn, giảm thiêu chi phí

không cần thiết suốt quá trình tuyên dụng

3.2.2.4 Thich thite (Threats) Với một nguồn đữ liệu quá lớn đền từ các ứng viên cùng với các yêu cầu từ

nhà tuyên dụng, GROW có thé phai đối mặt với việc bị mất hoặc bị đánh cắp

thông tin ngoài mong muốn Ngoài tập trung phát triển, nâng cao hiệu quả thi

GROW còn đối diện với bài toán bảo mật thông tin Vì thế, IGS phải có những

công nghệ hiện đại và chính sách bảo mật dữ liệu cho cả ứng viên và doanh

nghiệp nhằm đảm bảo quá trình hoạt động lâu dài của GROW cũng như tránh

lam mat lòng tin ở người thực hiện khảo sát

4 Đề xuất

4.1 Đề xuất chỉ tiết

Thông qua phân tích dữ liệu ứng viên sau đó đối chứng với tiêu chuẩn

nhân viên mà các công ty đề ra, GROW đã giúp các doanh nghiệp chắt lọc ra

36 ứng viên phù hợp một cách nhanh chóng và gan như phù hợp với tiêu chí

tuyến dụng mà không phải mất quá nhiều nhân lực và thời gian Nhờ đó mà các

công ty đã giảm thiêu được lượng lớn công việc ở khâu sàng lọc hồ sơ cũng

như rút ngắn quá trình tuyên dụng Ngoài ra, GROW còn giúp phát hiện những

nhân lực tiềm năng mà doanh nghiệp có thế bỏ sót Mặc dù lợi ích mà GROW

mang đến cho khách hàng khá lớn song van ton tai han chế nhất định như

không thê phân biệt đâu là đữ liệu thật và đâu là thông tin người dùng cố tình

bóp méo làm ảnh hưởng đến độ chính xác của kết quả Vì vậy nhóm chúng em

đã đề xuất một giải pháp giúp góp phần tăng thêm tính chính xác của đữ liệu

mà GROW thu thập được dé khắc phục được một trong những hạn chế mà

Grow gặp phải

Trong quá trình thu thập dữ liệu, sẽ khó tránh khỏi trường hợp một cả nhân

có thể sử dụng nhiều tài khoản khác nhau đề thực hiện nhiều lần cùng một khảo

sát của một công ty cho đến khi cho ra kết quả ưng ý nhất, phù hợp với tiêu chí

công ty đề ra và họ cho là có yếu tổ nổi bật, thu hút được sự chú ý của nhà

tuyên dụng Nhằm hạn chế tối đa việc gian lận này dẫn đến sai lệch thông tin

đầu vào, GROW có thé xây dựng thuật toán để lọc ra các tài khoản có cùng

ngày tháng năm sinh, giới tính cũng như mức độ tương tự về câu trả lời ở một

số câu hỏi đề lọc ra các tài khoản ảo Ngoài ra, việc giới hạn số lượt truy cập;

không cho phép thực hiện khảo sát quá 2 lần trên một thiết bị trong một khoảng

thời gian nhất định và xây dựng bộ câu hỏi đa dạng khác nhau cho mỗi cuộc

khảo sát về: tính cách, năng lực, trình độ và có cả các tỉnh huống giả định mà

doanh nghiệp thường xảy ra trong thực tế đề thông qua cách xử lý tình huống

mà có những đánh giá khách quan, chính xác hơn Đây cũng la một giải pháp

giup giam thiểu tối đa việc thực hiện lại khi đã biết bộ câu hỏi hay thậm chí

ngay từ lần đầu phóng đại năng lực bản thân cho hoàn hảo nhất trong mắt nhà

tuyên dụng

4.2 Hạn chế được giải quyết

Dựa vào đề xuất đã nêu ở trên, nhóm chúng em mong muốn nâng cao tính

chân thực của nguồn dữ liệu thu thập được, hạn chế tối đa những hành vi gian

lận, cung cấp thông tin không đáng tin cậy Bởi lẽ chất lượng của kết quả đầu

ra sẽ phụ thuộc hoàn toàn vào độ chính xác của dữ liệu đầu vào Nếu thông tin

đưa vào sai lệch, không đúng với khả năng thực tế của ứng viên thì GROW

cũng sẽ dựa trên lượng thông tin lệch lạc đó đề phân tích và sàng lọc ra danh

sách ứng viên tiềm năng mà khả năng thật sự của họ lại không đáp ứng được

tiêu chuẩn của nhà tuyên dụng Điều này làm giảm độ chính xác trong khả năng

phân tích dữ liệu của GROW, làm mất lòng tin của khách hàng sử dụng ứng

dụng vì số ứng viên chất lọc được thông qua GROW sẽ không còn phù hợp với

doanh nghiệp nữa Do đó, cần có những biện pháp phù hợp sao cho nguồn

thông tin nhận được phải xác thực nhằm thu về kết quả chuẩn xác, nâng cao

tính hiệu quả của GROW trong quá trình tuyên dụng của công ty

5 Triển khai thực hiện

5.1, Thời gian thực hiện

5.1.1 Giai doan 1: Nang cap, điều chỉnh hệ thông

IGS sẽ liên kết với công ty, doanh nghiệp liên quan đến lĩnh vực tâm lý học

nhu “Harcourt Assessment” nham trao déi để hiểu được các câu trả lời

“queries” không trung thực Từ đó mà phát triển thuật toán có tính lọc các câu

trả lời không mang tính “thực tế” này

Đồng thời, IGS cũng sẽ phát triển GROW trên nền tảng AI sẵn có để loại

bỏ các bộ câu trả lời bị trùng khớp dữ liệu

3.1.2 Giai đoạn 2: Tiê iép cận khách hàng

Xác định đối tượng doanh nghiệp muôn sử dụng GROW trên nền tảng đã

phát triển AI để tuyến dụng nhân sự, thu thập thông tin các ứng viên phù hợp

với nhu câu của doanh nghiệp

Sau khi đã tiếp cận đến các doanh nghiệp phù hợp, có nhu cầu muốn sử

dụng GROW IGS cần đề xuất thêm những bộ lọc phù hợp (bổ sung thêm nội

dung câu hỏi, nâng cao trải nghiệm) để các doanh nghiệp sử dụng có thê có

được bộ lọc như mong muốn

IGS sẽ quảng bá về AI được ứng dụng trong GROW, những tính năng lọc

tốt hơn đã được sử dụng, thu hút sự quan tâm của các doanh nghiệp đang thiếu

nhân sự

3.1.3 Giai đoạn 3: Theo dõi phan wng khach hang

Sau một thời gian sử dụng, GROW sẽ khảo sát về chất lượng trải nghiệm

của các doanh nghiệp Cụ thê là về khả năng đáp ứng các nhu câu mà công ty

đề ra

Đồng thời, theo đõi phản ứng, feedback của các doanh nghiệp về quá trình

trải nghiệm mà GROW đã mang đền

5.1.4 Giai đoạn 4: Đánh giá lại hệ thông

Theo đõi những đánh giá, nhận xét, mức độ hài lòng của các công ty,

doanh nghiệp đã sử dụng GROW Từ đó mà đưa ra đánh giá, chỉnh sửa lại

thuật toán của hệ thông đề đáp ứng nhu cầu thích hợp với họ

Bên cạnh đó, IGS có thêm đữ liệu để có thê thống kê và thử nghiệm lại hệ

thống, từ đó ước lượng tỉ lệ chính xác của hệ thống mà đưa ra hướng cải thiện

tốt nhật

5.2 Ước lượng nguồn lực

5.2.1 Vé cong nghé

IGS sé dua thém AI có thể tự nhận dạng các câu trả lời trùng khớp dựa trên

thuật toán đã thiết lập sẵn vào GROW nhăm nhận diện trùng lắp xuyên suốt

quá trình tra loi “queries” ma GROW dua ra Va đề thực hiện được công nghệ

này, GROW sẽ có thể tự phát triển trên nền tảng sẵn có và nâng cấp chúng

5.2.2 Về nhân lực và công ty hợp tác

Với mong muốn nâng cao tỉ lệ chính xác trong quá trình lọc các ứng viên

phủ hợp theo nhu cầu của các doanh nghiệp, IGS sẽ liên kết, hợp tác thêm với

các công ty tâm lý nhằm tránh các bộ “trả lời” bị trùng lặp, phân tích sâu hơn

về khía cạnh tính cách của các ứng viên Chăng hạn như “Harcourt

Assessment” la một công ty chuyên giáo dục về mảng tâm lý, hành vi con

người

Ngoài ra, để hoàn thiện bộ lọc của AI, IGS cũng sẽ cần thêm nhân lực về

kiểm soát đữ liệu và phát triển AI Bộ phận kiêm soát dữ liệu nhằm đảm bảo dữ

liệu không bị đánh cặp và sẽ cung cap day đủ đữ liệu cho bộ phận phát triển AI

đề hoàn thiện hệ thông lọc của GROW Su bé sung nguồn nhân lực của hai bộ

phận này nhằm tối ưu hóa khả năng bảo mật, kiểm soát dữ liệu cũng như hoàn

thiện thuật toán AI phục vu cho GROW

5.2.3 Về tài chính

Khoản ngân sách dành cho việc phát triển AI sẽ đựa vào chủ yêu nguồn lực

ngân sách săn có Bên cạnh đó, IGS cân dự phòng một khoản ngân sách riêng

cho việc chỉ trả cho bộ phận hợp tác “Harcourt Assessment” và các bên liên

quan (nhân viên tuyên dụng, hỗ trợ thêm cho các bộ phận ) Đồng thời, IGS

có thể cần phải huy động thêm các nguồn vốn, quỹ huy động từ các doanh

nghiệp muốn đầu tư vào lĩnh vực GROW đang xây dựng, đề có thêm chỉ phí

phục vụ cho các hoạt động quảng bá, chăm sóc khách hàng và chỉ trả các khoản

phí pháp lý liên quan đến bản quyền cũng như các khoản đầu tư công nghệ AI

tiên tiễn hơn

5.3 Kế hoạch dự phòng

Trong trường hợp ứng viên vẫn cô tình đưa thông tin gian dối bằng cách sử

dụng tài khoản của một người khác đề thực hiện khảo sát khiến hệ thống không

thê phát hiện được Đối với trường hợp này, nhóm chúng em đề xuất tích hợp

thêm vào bài khảo sát một cuộc phỏng vân nhỏ với trợ lý ảo O do, Ứng viên sẽ

không được đọc trước câu hỏi mà sẽ phải đối đáp l:l trực tiếp với trợ lý ảo,

giới hạn thời i gian trả lời cho từng câu hỏi và đề sẽ được chọn ngẫu nhiên khác

nhau cho môi cuộc phỏng vân đó dựa trên bộ câu hỏi đa dạng đã được xây

dựng sẵn trước đó Từ đoạn video đã thu thập được tiến hành phân tích các yêu

tố như giọng điệu; cử chỉ; nét mặt; dáng vẻ tự tin hay rụt rè; tốc độ phản xạ sau

khi nghe câu hỏi và mức độ đây đủ thông tin trong câu trả lời của người ứng

viên Đặc biệt là dựa vào hình ảnh trong đoạn video sẽ dễ dàng nhận diện ra

những khuôn mặt đã từng làm khảo sát trước đó trong trường hợp họ cố tỉnh

thực hiện 2 lần trên 2 tải khoản khác nhau

5.4 Phương án giảm thiểu rủi ro

Nhằm giảm thiểu tối đa hành vi mượn tài khoản của người quen - những

người không có nhu cầu ứng tuyến vào công ty đó đề biết được cấu trúc câu hỏi

của cuộc khảo sát, GROW cần tăng cường thu thập đữ liệu của nhiều người

dùng trên diện rộng mới có thể nhận biết được sự trùng lặp tài khoản và sự

giống nhau ở một số câu trả lời có cùng một thông tin cá nhân Với mục tiêu

khai thác được càng nhiều thông tin cảng có lợi cho việc phòng tránh gian lận,

GROW có thể thông qua việc liên kết với các trường đại học dé khuyên khích

sinh viên đặc biệt là các sinh viên chuẩn bị ra trường thực hiện khảo sát với

mục tiêu đơn thuần là khám phá thế mạnh của bản thân Ngoài ra, GROW còn

có thể tham gia chia sẻ về ứng đụng của AI trong phân tích năng lực bản thân

tại các diễn đàn, hội thảo và sau đó khuyến khích mọi người làm khảo sát dé

trải nghiệm cũng như có cơ hội khám phá khả năng tiêm ân của bản thân Qua

đó, GROW sẽ ghi nhận thêm được lượng dữ liệu đáng kế của các đối tượng

trong lực lượng lao động đang và sẽ tham gia ứng tuyến vào các doanh nghiệp

Lúc này, GROW đã sở hữu được lượng thông tin đủ lớn đề phát hiện sự trùng

lặp và tương thích dữ liệu nhờ vậy mả chất lượng của danh sách ứng viên sau

quá trình sàng lọc của GROW sẽ gia tăng độ chuẩn xác hơn và phù hợp với

khách hàng của GROW trong quá trình tuyến dụng

6 Kết luận

6.1 Nhắc lại mục tiêu

Đề có the tiếp tục tồn tại, phát triển, git ving vi thế trên thị trường,

GROW cần nắm chắc những mục tiêu đề ra đề đưa ra những chiến lược phù

hợp Thứ nhất là về phát triển công nghệ, AI ngày càng phát triển và được ứng

dụng phô biến trong nhiều lĩnh vực, chính vì thế phải tận dụng, cải tiền và khắc

phục những lỗ hông để ngày càng hoàn thiện hơn, nâng cao chất lượng Thứ

hai, để mở rộng thị trường, tăng độ phô biến thì việc đảo tạo nhân sự, đội ngũ

có chuyên môn tích cực giám sát, quản lý chiến lược là hết sức cần thiết Cuối

cùng là chính sách khách hàng về bảo mật thông tin khách hàng và đảm bảo

quyên lợi cho doanh nghiệp và các ứng cử viên khi sử dụng ứng dụng