Mỗi tin tuyển dụng của một công ty nhỏ ở Việt Nam có thể nhận về hàng trăm CV chỉ sau vài ngày, trong khi bộ phận nhân sự thường chỉ có một đến hai người kiêm nhiệm. Đó là điểm nghẽn quen thuộc: khối lượng hồ sơ tăng nhanh, còn thời gian đọc thì không co giãn được. Tín hiệu đáng chú ý là các mảnh ghép để dựng một trợ lý AI tuyển dụng lọc CV cho công ty nhỏ giờ đã đủ chín — từ thư viện mã nguồn mở phân tích hồ sơ, mô hình embedding tiếng Việt, cho tới các API trích xuất văn bản từ PDF. Bài này mổ xẻ cơ hội đó dưới góc nhìn builder: xây cái gì, bán cho ai, và validate ra sao trước khi đổ thời gian vào.
Một trong những khối nền tảng đáng tham khảo là dự án mã nguồn mở Resume-Matcher — công cụ đối chiếu CV với mô tả công việc bằng NLP và embedding. Đây là dạng “engine” bạn không cần viết lại từ đầu, mà có thể dùng làm lõi rồi bọc thêm quy trình, giao diện và tính năng bán được. Nhưng trước khi bàn kiếm tiền, phải soi giấy phép cho kỹ, vì đó là ranh giới giữa một dịch vụ hợp pháp và một rắc rối pháp lý.
Tín hiệu: vì sao lọc CV bằng AI là cơ hội ngay lúc này
Ba yếu tố hội tụ khiến ngách này chín muồi. Thứ nhất, chi phí xử lý ngôn ngữ đã giảm mạnh: một hồ sơ 2 trang chỉ tốn vài trăm đến vài nghìn token khi tóm tắt và chấm điểm, tức chi phí LLM cho mỗi CV thường nằm dưới 500 đồng nếu tối ưu prompt và dùng model tầm trung. Thứ hai, các thư viện trích xuất và đối chiếu hồ sơ đã có sẵn dưới dạng mã nguồn mở, rút ngắn thời gian dựng lõi từ nhiều tháng xuống còn vài tuần. Thứ ba, phía cầu rất rõ: công ty 10–50 người tuyển liên tục nhưng không đủ ngân sách mua các nền tảng ATS quốc tế vốn tính phí theo đầu người dùng và hiếm khi hiểu ngữ cảnh CV tiếng Việt.
Điểm mấu chốt cho builder Việt là “hiểu ngữ cảnh nội địa”. Một CV tiếng Việt có cách trình bày kinh nghiệm, cách viết tên trường, tên công ty, và cả lối dùng từ khoá kỹ năng rất khác chuẩn phương Tây. Sản phẩm nào chấm điểm chính xác trên dữ liệu tiếng Việt sẽ có lợi thế mà các nền tảng ngoại khó bắt kịp nhanh.
Phân tích giấy phép: được tự host và bán lại không?
Đây là bước nhiều người bỏ qua rồi trả giá sau. Với Resume-Matcher, giấy phép là Apache License 2.0 — một giấy phép permissive. Điều này nghĩa là bạn được tự host, chỉnh sửa mã nguồn, tích hợp vào sản phẩm thương mại, và cung cấp dưới dạng dịch vụ (SaaS) mà không buộc phải công khai mã nguồn của mình. Apache 2.0 còn có điều khoản cấp quyền sáng chế, an toàn hơn cho mục đích kinh doanh so với nhiều giấy phép khác. Nghĩa vụ chính chỉ là giữ lại thông báo bản quyền và ghi chú các thay đổi.
Ngược lại, hãy cực kỳ cẩn trọng với các dự án dùng giấy phép copyleft mạnh như AGPL-3.0. Với AGPL, nếu bạn cung cấp phần mềm qua mạng — đúng mô hình SaaS lọc CV — bạn buộc phải công khai toàn bộ mã nguồn (kể cả phần bạn tự viết thêm) cho người dùng. Điều đó giết chết lợi thế cạnh tranh của một sản phẩm đóng gói. Quy tắc an toàn: chỉ chọn lõi mã nguồn mở có giấy phép MIT, Apache 2.0 hoặc BSD làm nền cho dịch vụ bán được; nếu buộc phải chạm vào thành phần AGPL, hãy tách nó ra dịch vụ độc lập hoặc thay thế bằng lựa chọn khác. Với model, cũng kiểm tra kỹ điều khoản sử dụng thương mại của từng model bạn gọi API hoặc tự host.
Kiến trúc tối thiểu của một trợ lý AI lọc CV
Về mặt kỹ thuật, một MVP không cần phức tạp. Luồng cốt lõi gồm bốn chặng. Một, nhận CV ở nhiều định dạng (PDF, DOCX, ảnh) và trích xuất văn bản — với ảnh scan thì thêm bước OCR. Hai, chuẩn hoá thành cấu trúc: họ tên, năm kinh nghiệm, kỹ năng, học vấn, dự án. Ba, đối chiếu với mô tả công việc bằng embedding để tính điểm phù hợp, kèm một lớp LLM giải thích vì sao ứng viên được chấm cao hay thấp. Bốn, xuất bảng xếp hạng ứng viên kèm lý do, cắm thẳng vào quy trình của nhà tuyển dụng.
Chi phí vận hành ở quy mô nhỏ rất dễ chịu. Giả sử một khách hàng xử lý 1.000 CV mỗi tháng, chi phí LLM và embedding thường chỉ vài trăm nghìn đồng, trong khi bạn có thể bán gói dịch vụ ở mức vài triệu đồng — biên lợi nhuận rộng đủ để nuôi sản phẩm. Bí quyết là kiểm soát token: tóm tắt CV trước khi chấm, cache kết quả embedding của mô tả công việc, và chỉ gọi LLM giải thích cho nhóm ứng viên lọt vòng đầu. Nếu muốn hiểu sâu cách kiểm soát và tối ưu hoá đơn giá gọi model, tham khảo thêm bài dịch vụ audit và tối ưu chi phí LLM cho doanh nghiệp Việt.
XÂY GÌ · BÁN CHO AI · VALIDATE
Đây là phần quan trọng nhất. Cùng một lõi công nghệ, bạn có ít nhất ba hướng đóng gói với đối tượng khách và mô hình doanh thu khác nhau. Chọn một hướng để bắt đầu, đừng làm cả ba cùng lúc.
Hướng 1: SaaS lọc CV tự phục vụ cho công ty nhỏ
Xây gì: một web app nơi nhà tuyển dụng dán mô tả công việc, tải lên loạt CV, nhận về bảng xếp hạng kèm lý do và bộ lọc theo kỹ năng. Thêm tính năng xuất danh sách ứng viên nên phỏng vấn. Bán cho ai: công ty 10–50 nhân sự, agency tuyển dụng nhỏ, phòng HR kiêm nhiệm. Mô hình: gói thuê bao theo tháng hoặc theo số CV xử lý. Thời gian MVP: khoảng 3–4 tuần cho một builder có kinh nghiệm, nếu tận dụng lõi mã nguồn mở. Cạm bẫy: đừng sa đà làm hệ thống ATS đầy đủ (quản lý pipeline, lịch phỏng vấn, email) ngay từ đầu — đó là hố đen tính năng. Bám chặt một việc: chấm điểm và xếp hạng CV cho chuẩn tiếng Việt.
Hướng 2: Dịch vụ lọc CV theo yêu cầu (done-for-you)
Xây gì: chỉ cần một pipeline nội bộ, không cần giao diện đẹp. Khách gửi CV và mô tả công việc, bạn trả về báo cáo shortlist trong 24 giờ. Bán cho ai: công ty đang tuyển gấp một vị trí quan trọng, startup không có HR chuyên trách. Mô hình: tính phí theo từng đợt tuyển hoặc theo số vị trí. Thời gian MVP: chỉ 1–2 tuần vì bạn bỏ qua phần UI. Cạm bẫy: mô hình này khó nhân rộng vì tốn công người, nhưng nó là cách validate nhu cầu và tinh chỉnh chất lượng chấm điểm cực nhanh trước khi đầu tư làm SaaS. Nhiều builder thành công đi đường này trước, rồi tự động hoá dần. Logic tương tự cách đóng gói dịch vụ trong bài stack trợ lý AI đặt lịch cho phòng khám nhỏ: xây và bán.
Hướng 3: Tính năng cắm thêm cho phần mềm nhân sự sẵn có
Xây gì: một API hoặc plugin chấm điểm CV, tích hợp vào các phần mềm quản lý nhân sự nội địa đang thiếu tính năng AI. Bán cho ai: nhà cung cấp phần mềm HR nhỏ, đối tác muốn dán nhãn trắng. Mô hình: chia doanh thu hoặc phí tích hợp cộng phí theo lượt gọi. Thời gian MVP: khoảng 2–3 tuần cho phần API lõi, cộng thời gian bàn tích hợp với đối tác. Cạm bẫy: phụ thuộc vào lộ trình của đối tác, chu kỳ bán hàng dài. Bù lại, một hợp đồng B2B ổn định có thể nuôi cả sản phẩm.
Cách validate trước khi viết dòng code nào
Đừng xây trước rồi mới đi tìm khách. Hãy làm ngược lại. Lấy 5–10 mô tả công việc thật và một tập CV mẫu, chạy thủ công qua một công cụ mã nguồn mở, rồi mang kết quả xếp hạng đi hỏi 5 người làm tuyển dụng: “Nếu có công cụ chấm điểm CV thế này, bạn trả bao nhiêu một tháng?”. Nếu ít nhất 3 người sẵn sàng trả tiền và chỉ ra được nỗi đau cụ thể, tín hiệu đã đủ mạnh để làm MVP. Một cách validate rẻ hơn nữa là dựng một trang đích mô tả dịch vụ, chạy quảng cáo nhỏ vài trăm nghìn đồng, và đo số người để lại email. Cách tư duy MVP tinh gọn này được bàn kỹ trong bài xây chatbot chăm sóc khách hàng AI cho shop Việt và dựng RAG tra cứu văn bản pháp luật cho doanh nghiệp.
Cạm bẫy cần tránh khi làm sản phẩm lọc CV
Rủi ro lớn nhất không phải kỹ thuật mà là thiên kiến và pháp lý. Một mô hình chấm điểm có thể vô tình phân biệt theo trường học, giới tính hay tuổi tác nếu bạn để nó “học” theo dữ liệu lịch sử thiên lệch. Hãy chỉ chấm theo tiêu chí liên quan đến công việc, cho nhà tuyển dụng xem lý do rõ ràng, và luôn giữ con người ra quyết định cuối. Thứ hai là quyền riêng tư dữ liệu ứng viên: CV chứa thông tin cá nhân, nên cần chính sách lưu trữ, xoá dữ liệu, và thoả thuận xử lý dữ liệu với khách hàng. Thứ ba, đừng hứa “tự động tuyển đúng người” — hãy định vị sản phẩm là công cụ hỗ trợ sàng lọc để tiết kiệm thời gian, không phải người ra quyết định thay.
Câu hỏi thường gặp
Tôi không giỏi code, có làm được sản phẩm này không?
Có thể bắt đầu bằng Hướng 2 (dịch vụ done-for-you) mà gần như không cần code giao diện: dùng công cụ mã nguồn mở sẵn có, chạy thủ công và bán kết quả. Khi có khách trả tiền, bạn có ngân sách thuê dev hoặc học dần để tự động hoá.
Chi phí vận hành hàng tháng khoảng bao nhiêu?
Ở quy mô vài trăm đến 1.000 CV mỗi tháng cho một khách, chi phí model và hạ tầng thường chỉ vài trăm nghìn đồng nếu tối ưu token tốt. Đây là ước lượng tham khảo, con số thực tế phụ thuộc model bạn chọn và độ dài CV.
Dùng lõi mã nguồn mở có bị vướng bản quyền khi bán không?
Không, nếu bạn chọn lõi có giấy phép permissive như Apache 2.0 hoặc MIT — được phép tự host và cung cấp dưới dạng dịch vụ thương mại. Chỉ cần tránh các thành phần AGPL nếu không muốn phải công khai mã nguồn của mình.
Làm sao để sản phẩm chấm CV tiếng Việt chính xác hơn đối thủ ngoại?
Tập trung vào dữ liệu và ngữ cảnh nội địa: chuẩn hoá cách viết tên trường, tên công ty, kỹ năng theo lối Việt; xây bộ từ điển kỹ năng theo ngành; và thu thập phản hồi từ chính nhà tuyển dụng để tinh chỉnh tiêu chí chấm điểm theo thời gian.
— Ban biên tập AIToEarn