Bài 1: "Từ Ý Tưởng Đến MVP: Xây Dựng Hệ Thống Tuyển Dụng Tự Động Với AI"

Nỗi đau mang tên "Tuyển Sai Người"

Nhớ về thời điểm đầu. Công ty đang trong giai đoạn phát triển nhanh về nhân sự, CN HCM tuyển liên tục các vị trí, trong đó có 4 vị trí về media, sau 2 tháng thử việc thì có 2 bạn không làm được việc và bị out. Những vị trí khác cũng ít nhiều không đáp ứng được nhu cầu. Và lại phải tuyển bổ sung. Hậu quả là vừa mất thời gian, vừa mất tiền, và cả team lại phải gồng gánh thêm việc. Và AI được cân nhắc để áp dụng vào quy trình tuyển dụng sau hơn. Lúc này HR vẫn bỏ CV vào cho ChatGPT đánh giá, nhưng cũng chỉ có cái nhìn sơ sài về CV.

Cũng may mắn là công ty chưa có hệ thống tuyển dụng bằng phần mềm, vậy là có cơ hội để xây dựng một hệ thống mới và ứng dụng AI vào. Và với nhiều ngày nghiên cứu và đọc tài liệu trên internet, mình đã tìm thấy mô hình chuẩn để theo — đó là WatsonX của IBM. Nhanh chóng mình chọn “đồ chơi” để làm bản MVP cho HR, và n8n được chọn để làm core automation kết hợp AI.

Tại sao lại là n8n?

Trước khi đi vào chi tiết, hãy nói về việc lựa chọn công cụ. Tại sao lại là n8n?

• Trực quan hóa: bản thân mình không nặng nhọc việc code, low-code hay no-code. Sao cũng được, miễn sao có bản MVP nhanh cho HR là được. Và cũng là cách thử nghiệm với AI.
• Tốc độ tạo mẫu (Prototyping): Tôi có thể kiểm chứng một ý tưởng tự động hóa chỉ trong vài giờ thay vì vài tuần.
• Hệ sinh thái kết nối mạnh mẽ: n8n hỗ trợ hàng trăm API. Việc kết nối với Google Gemini, Workspace, Supabase nhanh gọn lẹ và đơn giản.

Quan trọng hơn, n8n có thể tự host được, dễ dàng trong việc làm chủ dữ liệu và bảo mật cho công ty.

Sơ Đồ Kiến Trúc Hệ Thống

Để triển khai nhanh một MVP cho HR, dưới đây là kiến trúc hệ thống với core xử lý dữ liệu bằng AI được thực hiện trong n8n:

• WebApp: Nơi HR tương tác CRUD với hệ thống. Khi HR upload CV lên, sẽ kích hoạt webhook trong n8n.
• Webhook: Do đang chạy trên VPS có dung lượng ổ cứng thấp nên mình lưu CV trên Google Drive. Webhook này sẽ trigger node Google Drive 😀
• n8n (Bộ Não): Trung tâm điều phối. Khi nhận được tín hiệu, nó sẽ khởi chạy workflow: lấy text từ CV, gọi AI, xử lý kết quả và lưu trữ.
• Gemini API: Thay vì xử lý từ khóa, AI đọc toàn bộ CV và trả về block JSON. Sau đó dùng code để parse JSON đó thành dữ liệu chuẩn.
• Supabase: CSDL lưu thông tin đã xử lý.

Workflow Đầu Tiên: Tự Động Hóa Sàng Lọc CV (CV_INTAKE)

Đây là workflow quan trọng nhất — giải quyết nút thắt cổ chai lớn trong quy trình tuyển dụng thủ công.

Luồng xử lý này bao gồm các bước:

• Trích xuất văn bản: Hệ thống chỉ cho phép CV dạng PDF nhưng có hỗ trợ OCR.
• Phân tích với AI: Prompt khá dài, sử dụng dữ liệu động và phụ thuộc độ dài CV. Cần chọn model có số token lớn.
• Cấu trúc hóa dữ liệu: AI trả về JSON, dùng JavaScript để parse và chuẩn hóa dữ liệu.
• Lưu trữ dữ liệu: Insert dữ liệu JSON vào database (PostgreSQL trên Supabase — dễ tích hợp và miễn phí 500MB).

Việc cho AI đọc toàn bộ CV và xuất ra dữ liệu chuẩn giúp đạt độ chính xác hơn 90%. Mình đã test hàng chục CV thực tế và thấy hiệu quả rõ rệt.

Ở bài sau mình sẽ phân tích kỹ hơn 2 workflow: CV_INTAKE và CV_MAPPING — nơi AI tự mapping CV với JD tương ứng.

Ở góc độ doanh nghiệp nhỏ và vừa tại Việt Nam, việc áp dụng AI vào quy trình là một thử thách. Hạn chế về dữ liệu, ERP, và API khiến việc này cần sáng tạo và kiên nhẫn. Đôi khi phải xây lại từ đầu cho từng module.

Để AI thật sự hoạt động trong doanh nghiệp, nó phải chạy nền trong core, với dữ liệu nội bộ vững chắc. Tuy nhiên, phần mềm truyền thống vẫn là xương sống. Với khả năng hiện tại, chúng ta chỉ có thể nói rằng mình đang đi theo hướng AI-powered software — chứ chưa thể chạm đến AI Agentic Software một cách toàn diện.