AI có thể mang thiên lệch về giới tính, tuổi tác và vùng miền vì nó học từ chữ viết của xã hội, mà xã hội thì có định kiến; người quản lý kiểm bằng cách đổi các đặc điểm đó trong câu hỏi rồi xem gợi ý có đổi theo không. Nếu chỉ đổi "nam" thành "nữ", "28 tuổi" thành "50 tuổi" mà lời khuyên khác đi, bạn vừa thấy thiên lệch tận mắt.
Bài này nói về thiên lệch của công cụ, thứ dễ lọt vào nhận xét, giao việc, xếp ca khi bạn nhờ AI giúp. Thiên kiến trong suy nghĩ của chính người quản lý, như thiên vị người giống mình hay ấn tượng ban đầu, có bài riêng ở danh mục phán đoán và quyết định. Hai thứ thường cộng hưởng: AI dễ xác nhận đúng định kiến bạn đã có sẵn.
Thiên lệch của AI từ đâu ra
Mô hình ngôn ngữ học cách nói chuyện từ một khối lượng rất lớn văn bản. Trong văn bản đó, có những liên tưởng lặp đi lặp lại: kỹ sư thường được nhắc là nam, điều dưỡng thường là nữ, người lớn tuổi hay đi cùng chữ "chậm" với công nghệ, giọng của một vùng nào đó hay bị đem ra làm trò cười. Mô hình không có ý định phân biệt đối xử; nó chỉ học rằng những chữ đó hay đi cùng nhau, rồi tái tạo khi trả lời.
Các nhà phát triển đã cố giảm những thiên lệch lộ liễu. Hỏi thẳng "nam hay nữ làm quản lý giỏi hơn" thì hầu hết chatbot sẽ từ chối so sánh. Nhưng thiên lệch tinh vi vẫn còn, và nó xuất hiện ở chỗ bạn không hỏi trực tiếp: trong từ ngữ AI chọn để mô tả, trong việc ai được gợi ý cho việc gì, trong giả định ngầm về hoàn cảnh.
Với dữ liệu tiếng Việt, còn có thêm lớp định kiến riêng: về giọng nói các miền, về người từ nông thôn lên thành phố, về người đã có gia đình hay chưa. Những định kiến này hiện diện trong báo chí, diễn đàn, mạng xã hội, và vì vậy cũng có thể hiện diện trong câu trả lời của công cụ. Vì tính năng và cách huấn luyện thay đổi liên tục, cách an toàn là không giả định công cụ nào đã sạch, mà tự kiểm khi dùng cho việc về con người.
Thiên lệch lọt vào việc quản lý hằng ngày ở đâu
Đây là những chỗ thiên lệch hay lọt vào nhất, vì chúng nghe hợp lý và không ai hỏi lại.
- Từ ngữ nhận xét. Cùng một hành vi nói thẳng trong họp, bản nháp AI có thể gọi nhân viên nam là "quyết đoán", nhân viên nữ là "hơi gay gắt". Cùng nhận việc chậm, người trẻ là "đang học hỏi", người lớn tuổi là "khó thích nghi".
- Gợi ý giao việc. Hỏi AI nên giao việc đi công tác xa cho ai, nó có thể gợi ý tránh người "có con nhỏ" dựa trên giả định, trong khi người đó chưa từng nói là không đi được.
- Xếp ca. Gợi ý dồn ca tối, cuối tuần cho người độc thân hay người trẻ vì "ít ràng buộc gia đình", tạo gánh nặng không công bằng cho một nhóm.
- Đánh giá giao tiếp. Nhận xét giọng nói vùng miền là "chưa chuyên nghiệp" với khách, trong khi thứ cần đánh giá là sự rõ ràng và thái độ.
- Gợi ý người lên vị trí. Mô tả "người phù hợp làm trưởng nhóm" bằng những nét gắn với một hình mẫu giới hay tuổi nhất định.
- Đọc khảo sát và phản hồi. Tóm tắt phóng đại ý kiến của nhóm nói nhiều, làm mờ ý kiến của nhóm ít lên tiếng.
Mỗi chỗ trên tự nó có thể nhỏ. Cộng lại qua một năm, chúng quyết định ai được giao việc thử thách, ai được nhận xét tốt, ai được đề bạt.
Phép thử đổi vai: cách kiểm nhanh nhất
Phép thử này không cần kiến thức kỹ thuật, mất năm phút, và làm lộ thiên lệch rõ hơn bất kỳ lời giải thích nào.
- Viết câu hỏi gốc với tình huống đã ẩn danh, có nhắc một đặc điểm như giới tính, tuổi hoặc quê quán. Ví dụ: "Nhân viên nữ, 45 tuổi, làm kế toán, gần đây hay xin về sớm. Gợi ý cách trao đổi."
- Mở cuộc trò chuyện mới và hỏi y hệt, chỉ đổi một đặc điểm: "nhân viên nam, 25 tuổi".
- Đặt hai câu trả lời cạnh nhau. Để ý từ ngữ, giả định về nguyên nhân, mức độ nghiêm khắc, gợi ý hỗ trợ.
- Đánh dấu chỗ khác nhau mà không có lý do chính đáng từ công việc.
- Viết lại câu hỏi bỏ hẳn đặc điểm đó nếu nó không liên quan tới việc, và dùng câu trả lời của phiên bản này.
Phép thử cũng dùng được để kiểm chính bạn: viết nhận xét về một nhân viên, rồi tự hỏi nếu người đó khác giới, khác tuổi, khác quê, bạn có viết những từ đó không.
Câu nhận xét thường gặp và cách viết lại theo hành vi
Thiên lệch hay trú trong tính từ mô tả con người. Cách sửa hiệu quả nhất là thay tính từ bằng hành vi cụ thể và tác động của nó. Các câu dưới là ví dụ giả định.
| Câu có thể mang thiên lệch | Vấn đề | Viết lại theo hành vi |
|---|---|---|
| "Chị ấy hơi cảm xúc khi bị góp ý" | "Cảm xúc" hay gán cho nữ giới, mơ hồ | "Trong buổi họp ngày 12, khi nhận góp ý về báo giá, chị ấy dừng thảo luận và rời phòng" |
| "Anh ấy lớn tuổi nên chậm với phần mềm mới" | Gắn năng lực với tuổi | "Sau hai tuần, anh ấy chưa tự tạo được đơn trên phần mềm mới; cần thêm một buổi hướng dẫn" |
| "Giọng em ấy nặng, khách khó nghe" | Đánh giá giọng vùng miền thay vì độ rõ | "Hai khách đã hỏi lại thông tin khi em ấy nói nhanh qua điện thoại; thử nói chậm hơn ở phần số liệu" |
| "Bạn trẻ này chưa đủ chín chắn để dẫn nhóm" | Dùng tuổi thay cho tiêu chí | "Bạn ấy chưa có kinh nghiệm xử lý mâu thuẫn trong nhóm; giao thử điều phối một dự án nhỏ" |
| "Mẹ bỉm sữa nên chắc không đi công tác được" | Giả định thay người khác | Hỏi trực tiếp: "Tháng sau có chuyến công tác ba ngày, em sắp xếp được không?" |
Viết theo hành vi còn có lợi phụ: người nhận nhận xét biết chính xác cần làm gì, và bạn có căn cứ nếu nhận xét bị hỏi lại.
Bảo vệ quá mức cũng là một kiểu bất công
Thiên lệch không chỉ theo hướng gây bất lợi. Có những gợi ý nghe rất tử tế: đừng giao dự án khó cho nhân viên vừa đi làm lại sau sinh, đừng bắt người gần nghỉ hưu học công cụ mới, đừng cử người quê xa đi công tác dài ngày vì họ còn phải về quê. AI hay đưa ra kiểu gợi ý này vì nó nghe quan tâm.
Vấn đề là chúng quyết định thay người trong cuộc, dựa trên giả định về nhóm họ thuộc về. Người mẹ trẻ có thể đang rất muốn dự án đó để chứng tỏ mình không bị tụt lại. Người sắp nghỉ hưu có thể thích học công cụ mới. Khi bạn "bảo vệ" họ khỏi cơ hội, bạn đang làm điều mà luật lao động và lẽ công bằng đều không muốn: đối xử khác nhau dựa trên đặc điểm cá nhân thay vì năng lực và mong muốn.
Cách làm đúng đơn giản: đưa ra cơ hội như với mọi người, nói rõ yêu cầu của công việc, hỏi họ có muốn và sắp xếp được không, và sẵn sàng linh động nếu họ cần. Quyết định nhận hay không là của họ.
Câu lệnh soát thiên lệch trước khi dùng
Bạn có thể dùng chính AI để soát thiên lệch trong văn bản của mình hoặc trong bản nháp nó vừa soạn, với điều kiện đã bỏ tên người.
- "Đọc đoạn nhận xét sau và chỉ ra từ ngữ nào có thể gắn với định kiến về giới tính, tuổi tác hoặc vùng miền. Đề xuất cách viết lại bằng hành vi cụ thể."
- "Đây là tiêu chí chọn người phụ trách ca tối. Kiểm xem tiêu chí nào có thể gây bất lợi cho một nhóm người như người có con nhỏ, người lớn tuổi, người ở xa, dù không cố ý."
- "Viết lại gợi ý trên mà không giả định gì về hoàn cảnh gia đình, tuổi hay giới tính của nhân viên."
- "Liệt kê các câu hỏi người quản lý nên hỏi trực tiếp nhân viên thay vì tự đoán về khả năng nhận việc đi công tác của họ."
AI soát thiên lệch cũng có giới hạn: nó có thể bỏ sót, hoặc báo động quá mức ở chỗ không có vấn đề. Dùng nó như người đọc thứ hai, không phải người chấm cuối cùng.
Nguyên lý pháp luật về không phân biệt đối xử
Bộ luật Lao động hiện hành có nguyên tắc cấm phân biệt đối xử trong lao động, với các căn cứ như giới tính, độ tuổi, dân tộc, tình trạng hôn nhân, tình trạng thai sản, khuyết tật, trách nhiệm gia đình và một số căn cứ khác. Luật cũng có những quy định riêng bảo vệ lao động nữ, đặc biệt trong thời gian mang thai và nuôi con nhỏ. Danh sách đầy đủ và cách hiểu cụ thể cần được kiểm theo văn bản hiện hành.
Với người quản lý trực tiếp, điểm cần nhớ là dùng AI không làm thay đổi nghĩa vụ này. Nếu một quyết định về xếp ca, giao việc, đề xuất thăng chức gây bất lợi cho một người vì lý do thuộc các căn cứ trên, việc gợi ý đến từ công cụ không phải lời bào chữa. Khi phát hiện công cụ của công ty có dấu hiệu thiên lệch có hệ thống, hãy báo lên bằng văn bản cho bộ phận phụ trách; nếu gặp tình huống cụ thể có nguy cơ tranh chấp, nên hỏi ý kiến pháp chế hoặc luật sư.
Câu hỏi thường gặp
Chatbot nói nó không có thiên lệch thì có tin được không?
Không nên dựa vào lời tự nhận. Chatbot thường được huấn luyện để trả lời rằng nó cố gắng trung lập, nhưng điều đó không bảo đảm từng câu trả lời không mang định kiến. Phép thử đổi vai cho bạn bằng chứng thực tế hơn.
Có nên bỏ hẳn thông tin giới tính, tuổi khi hỏi AI về nhân viên không?
Nên bỏ nếu thông tin đó không liên quan trực tiếp tới việc. Phần lớn câu hỏi quản lý như giao việc, góp ý, xếp ca không cần biết giới tính hay tuổi. Bỏ đi vừa giảm thiên lệch, vừa bảo vệ dữ liệu cá nhân.
Đội có nhân viên nhiều vùng miền, làm sao tránh định kiến trong đội chứ không chỉ trong AI?
Đặt chuẩn rõ cho đội: đánh giá giao tiếp theo độ rõ ràng và thái độ, không theo giọng. Không để đùa cợt về giọng nói hay quê quán thành chuyện bình thường. Người quản lý làm gương trong cách nói hằng ngày là phần quan trọng nhất.
Phép thử đổi vai cho kết quả khác nhau một chút thì có phải là thiên lệch không?
Không phải mọi khác biệt đều là thiên lệch, vì AI vốn trả lời hơi khác nhau mỗi lần. Hãy chạy vài lần và để ý xu hướng lặp lại: từ ngữ, mức nghiêm khắc, giả định về hoàn cảnh. Khác biệt có hệ thống mới đáng lo.
Thiên lệch của AI có ảnh hưởng tới tuyển dụng không?
Có, và còn rõ hơn, vì AI được dùng để lọc hồ sơ, soạn mô tả công việc. Đây là lĩnh vực có bài hướng dẫn riêng trên AI Tuyển Dụng. Ở vai người quản lý trực tiếp, bạn nên kiểm mô tả công việc và tiêu chí của đội mình bằng phép thử đổi vai.
Nhân viên phản ánh bị nhận xét thiên lệch thì người quản lý nên làm gì?
Nghe kỹ, xem lại nhận xét với câu hỏi đổi vai, và sửa nếu thấy có cơ sở. Cảm ơn người đã nói ra. Nếu phản ánh liên quan tới quyết định chính thức như lương thưởng, đưa vào quy trình xem xét lại của công ty.