Cấp K5: Hợp đồng so với mẫu chuẩn; hồ sơ nhân sự và CV

Cách đọc các nhãn nhỏ trong bài: Có nguồn điều được nêu trong tài liệu gốc; Đề xuất ý kiến hoặc thiết kế của SIPTech; Minh họa ví dụ giả định. Gặp từ lạ? Rê chuột lên từ có gạch chấm, hoặc mở Từ điển thuật ngữ.

1. Bài này dành cho ai và bạn sẽ làm được gì

Bài này dành cho ai: nhân viên hành chính nhân sự, người phụ trách hợp đồng ở doanh nghiệp nhỏ và vừa (thường là giám đốc hoặc kế toán trưởng), và người biết code nhẹ. Nếu bạn không biết lập trình, bạn vẫn đọc hiểu được ý nghĩa từng bước. Phần chạy chương trình có thể nhờ một người biết code hoặc nhờ AI làm giúp.

Bạn cần chuẩn bị:

• Mẫu chuẩn của hợp đồng mà công ty đang dùng (file Word). Bài K5.1 sẽ đổi bài này thành chữ thuần để so sánh.
• Một vài hợp đồng để thử. Bản chạy thử trong bài dùng hợp đồng giả.
• Danh sách giấy tờ nhân sự theo quy chế công ty (xem Bài K5.4).
• Excel để làm checklist hồ sơ nhân sự.
• Python 3 để chạy đoạn mã mẫu (nhờ người biết code hoặc nhờ AI cài và chạy).

Sau bài này bạn sẽ có:

1. Với hợp đồng theo mẫu của mình: một đoạn chương trình (script) so từng điều với mẫu chuẩn, chỉ ra điều thiếu, điều bị sửa (kèm phần chữ khác), điều mới thêm. Không dùng LLM (tức là không dùng mô hình AI viết chữ như ChatGPT hay Claude).
2. Với hợp đồng do bên kia soạn: danh sách điều khoản bắt buộc và điều khoản cần cảnh giác, kiểm bằng K3 (cấp trước, hỏi AI từng câu hẹp và bắt AI trích đoạn làm bằng chứng), có bước tìm câu nhắm vào AI (tức câu cài trong văn bản để "ra lệnh ngầm" cho AI đọc nó, gọi là prompt injection).
3. Với hồ sơ nhân sự: checklist đủ giấy tờ và kiểm khớp thông tin giữa các giấy tờ; quy tắc dữ liệu cá nhân rõ ràng.

Thứ bạn cầm đi được sau bài: so_mau.py; checklist_hd_doi_tac.md; checklist_ho_so_ns.xlsx và kiem_khop_ns.py.

2. Vấn đề bài này giải quyết

"Hợp đồng không phải bảng số. Kiểm thế nào cho có căn cứ, khi phần lớn rủi ro nằm ở câu chữ?"

Lỗi nếu dùng K3 cho mọi thứ: đưa cả hợp đồng cho LLM rồi hỏi "có vấn đề gì không?". Bằng chứng ở mục 3 cho thấy LLM bỏ sót đáng kể, kể cả với mô hình mạnh nhất. Trong khi đó, phần lớn hợp đồng của doanh nghiệp nhỏ và vừa là mẫu của chính mình, và loại này so được bằng code (chương trình).

3. Kiến thức nền

3.1 Hai loại việc khác nhau

Đề xuất

Trước khi chọn cách làm, hãy xem hợp đồng trước mặt bạn thuộc loại nào. Hai loại này cần hai cách kiểm khác nhau.

(Rủi ro injection là nguy cơ trong văn bản có câu cố ý cài vào để điều khiển AI khi AI đọc nó. Văn bản do mình soạn thì ít nguy cơ này; văn bản người khác gửi thì có.)

3.2 Bằng chứng về LLM rà hợp đồng

Các số liệu dưới đây cho bạn biết AI rà hợp đồng giỏi ở đâu, yếu ở đâu. Hai từ cần biết: recall là tỷ lệ lỗi có thật mà AI bắt được; precision là tỷ lệ lần AI báo lỗi mà báo đúng; F1 là một điểm gộp cả hai.

• ContractScrub (Thomson Reuters): 44 hợp đồng từ CUAD, 3.014 lỗi do 9 luật sư có ít nhất 8 năm kinh nghiệm gắn nhãn, 9 loại lỗi soạn thảo. Mô hình tốt nhất bắt 75% (recall trung bình theo loại); F1 cao nhất 0,655 Nguồn B7. Loại có dấu hiệu từ vựng rõ (thuật ngữ được định nghĩa) recall trung bình 0,835; loại cần hiểu ý trong ngữ cảnh thấp hơn nhiều: thuật ngữ viết hoa nhưng không được định nghĩa 0,351, gọi nhầm bên 0,362, viết hoa sai ngữ cảnh 0,427 Nguồn B7. Chi phí 0,13-1,52 USD mỗi hợp đồng với các mô hình mạnh; thời gian 23 giây đến gần 9 phút Nguồn B7 bảng 2. Hạn chế: hợp đồng tiếng Anh, 10-15 trang.
• CUAD (2021): 510 hợp đồng, 41 loại điều khoản, 13.101 đoạn được gắn nhãn; tác giả ước giá trị gắn nhãn trên 2 triệu USD. Mô hình tốt nhất thời đó (DeBERTa-xlarge, đã huấn luyện riêng) chỉ đạt độ chính xác 44,0% khi tìm được 80% điều khoản, 17,8% khi tìm được 90% Nguồn B9. Tác giả nhấn mạnh recall quan trọng hơn precision vì đây là việc "mò kim đáy bể" Nguồn B9. Số này đã cũ, chỉ dùng để hiểu vì sao đo recall.
• Đề xuất Rút ra: (a) "gọi nhầm bên" là lỗi khó cho LLM; hợp đồng Việt Nam dùng "Bên A", "Bên B" dày đặc, nên cần người đọc; (b) phần kiểm được bằng code (điều có/không, số tiền, ngày, so với mẫu) nên làm bằng code; (c) phần còn lại, LLM là người đọc lượt đầu, không phải người kết luận.

3.3 Hợp đồng lao động: nội dung chủ yếu

• Điều 21 Bộ luật Lao động 2019 (Luật 45/2019/QH14) liệt kê các nội dung chủ yếu của hợp đồng lao động. Theo bản tóm lược từ hethongphapluat.com gồm: thông tin người sử dụng lao động và người ký; thông tin người lao động; công việc và địa điểm làm việc; thời hạn hợp đồng; mức lương, hình thức và kỳ hạn trả lương, phụ cấp, khoản bổ sung; chế độ nâng bậc, nâng lương; thời giờ làm việc, nghỉ ngơi; trang bị bảo hộ lao động; bảo hiểm xã hội, bảo hiểm y tế, bảo hiểm thất nghiệp; đào tạo, bồi dưỡng, nâng cao kỹ năng nghề. Hướng dẫn chi tiết ở Thông tư 10/2020/TT-BLĐTBXH Nguồn V6 Nguồn V7 thứ cấp, chưa đọc văn bản gốc.
• Đề xuất Mười nội dung này là một checklist "có/không" tự nhiên. Nếu dùng mẫu hợp đồng của công ty, kiểm một lần trên mẫu (người có chuyên môn), sau đó chỉ cần so từng hợp đồng với mẫu.

3.4 Hồ sơ nhân sự, CV: dữ liệu cá nhân là rủi ro chính

• Theo tóm tắt của EY về NĐ 356/2025, ảnh giấy tờ tùy thân và lịch sử giao dịch ngân hàng nằm trong nhóm dữ liệu nhạy cảm Nguồn: bài khác mục 4.2, dẫn EY. Bộ hồ sơ nhân sự thường có ảnh CCCD (căn cước công dân), số tài khoản, giấy khám sức khỏe.
• CV do ứng viên soạn: nghiên cứu về prompt injection đã có các đánh giá riêng trên CV Nguồn B8 phần tổng quan, dẫn Zhang et al. 2026 và Augey et al. 2026, chưa đọc hai bài này. (Nói cách khác, có người đã nghiên cứu chuyện ứng viên cài câu ẩn trong CV để đánh lừa AI chấm CV.)
• Đề xuất Ở cấp này AI chỉ làm: trích thông tin có cấu trúc (K1, tức đưa thông tin trong giấy tờ vào các cột của một bảng), kiểm đủ giấy tờ, kiểm khớp thông tin giữa giấy tờ. Không để AI chấm điểm, xếp hạng hay loại ứng viên. Quyết định tuyển dụng ảnh hưởng tới con người; trách nhiệm và rủi ro thiên lệch cần tư vấn riêng.

4. Các bài thực hành

Năm bài thực hành dưới đây làm theo thứ tự. Mỗi bài có: việc cần làm, thứ bạn có sau bài, và lỗi hay gặp (khi có).

Bài K5.1: So hợp đồng với mẫu chuẩn bằng code

• Việc cần làm: lưu mẫu chuẩn (Word → text, tức chép nội dung file Word ra thành chữ thuần). Tách theo "Điều N." Với mỗi hợp đồng, kiểm ba thứ: điều bắt buộc có không; điều có trong mẫu thì chữ có giống mẫu không; điều nào không có trong mẫu.

Đoạn mã dưới đây làm gì? Nó chia cả mẫu chuẩn lẫn hợp đồng thành từng "Điều" theo tên điều. Sau đó nó báo ba loại kết quả: THIEU (hợp đồng thiếu một điều bắt buộc), KHAC_MAU (điều có trong cả hai nhưng chữ khác nhau, kèm đúng phần chữ khác), và DIEU_MOI (điều có trong hợp đồng mà mẫu không có). Bạn không cần đọc hiểu từng dòng; chỉ cần hiểu ý nghĩa của nó, và nhờ người biết lập trình (hoặc nhờ AI) chạy giúp.

• Mã mẫu (đã chạy thử 2026-11-11, python -I -X utf8, hợp đồng giả).

import re, difflib, unicodedata
def chuan(s): return unicodedata.normalize("NFC", " ".join(s.split())).lower()
def tach_dieu(text):
    phan = re.split(r"(?m)^(Điều\s+\d+\.?\s*[^\n]*)$", text)
    out = {}
    for i in range(1, len(phan), 2):
        ten = re.sub(r"^Điều\s+\d+\.?\s*", "", phan[i]).strip()
        out[chuan(ten)] = {"tieu_de": phan[i].strip(), "noi_dung": phan[i + 1].strip()}
    return out
def so_mau(mau, hd, bat_buoc):
    m, h = tach_dieu(mau), tach_dieu(hd)
    kq = []
    for ten in bat_buoc:
        k = chuan(ten)
        if k not in h: kq.append(("THIEU", ten, "")); continue
        if k in m and chuan(m[k]["noi_dung"]) != chuan(h[k]["noi_dung"]):
            diff = [x for x in difflib.ndiff(m[k]["noi_dung"].split(), h[k]["noi_dung"].split())
                    if x[0] in "+-"]
            kq.append(("KHAC_MAU", h[k]["tieu_de"], " ".join(diff)))
    for k in h:
        if k not in m: kq.append(("DIEU_MOI", h[k]["tieu_de"], "khong co trong mau"))
    return kq

Kết quả thử: mẫu có 4 điều; hợp đồng đổi ngày trả lương từ "ngày 5" thành "ngày 15", bỏ điều Bảo hiểm, thêm điều "Cam kết không cạnh tranh 24 tháng". Kết quả: KHAC_MAU Điều 3. Mức lương: - 5 + 15, THIEU Bảo hiểm, DIEU_MOI Điều 5. Cam kết không cạnh tranh. (Dấu - là chữ có trong mẫu nhưng mất đi, dấu + là chữ mới xuất hiện trong hợp đồng.)

• Bài học từ lần chạy: bản chạy thử cũng in tỷ lệ giống của Điều 3: 99%. Sửa một con số chỉ làm tỷ lệ giảm 1%. Không dùng ngưỡng tỷ lệ giống để quyết định "gần đúng mẫu"; mọi khác biệt phải hiện phần chữ khác cho người đọc.
• Bạn có sau bài: so_mau.py; báo cáo mỗi hợp đồng một trang.
• Lỗi hay gặp: mẫu chuẩn không có phiên bản (không biết so với mẫu nào); đánh số lại điều làm khóa đổi (vì vậy khóa là tên điều, không phải số điều); tiêu đề điều viết khác mẫu một chữ là bị coi là điều mới (ghi rõ trong báo cáo để người xem).

Bài K5.2: Checklist điều khoản cho hợp đồng do bên kia soạn

• Việc cần làm: viết 8-15 câu hỏi hẹp theo khuôn K3.1 (mỗi câu hỏi chỉ về một điều khoản cụ thể, trả lời được bằng có/không). Gợi ý nhóm Đề xuất: thời hạn và gia hạn tự động; điều kiện đơn phương chấm dứt; mức phạt và trần phạt; trần trách nhiệm bồi thường; điều kiện thanh toán và lãi chậm trả; luật áp dụng, nơi giải quyết tranh chấp; chuyển giao hợp đồng cho bên thứ ba; độc quyền, không cạnh tranh.
• Mỗi câu trả về DAT/LOI/KHONG_RO (tức đạt, lỗi, hoặc không rõ) + trích dẫn kiểm bằng code (K3.2). Chạy bước tìm câu lạ (K3.5) trước, tức bước dò xem trong hợp đồng có câu nào nhắm vào AI hay không.
• Bạn có sau bài: checklist_hd_doi_tac.md + báo cáo mỗi hợp đồng: mỗi câu hỏi một dòng, kèm đoạn trích để giám đốc đọc.
• Lỗi hay gặp: hỏi "điều khoản này có bất lợi không?" (không định nghĩa được "bất lợi"); để LLM tóm tắt hợp đồng thay vì trả lời từng câu.

Bài K5.3: Kiểm nhất quán trong một hợp đồng bằng code

• Việc cần làm: những việc code làm được trước khi gọi LLM: (a) mọi "Điều N" được dẫn chiếu trong văn bản có tồn tại không; (b) mọi "Phụ lục X" được nhắc có đính kèm không; (c) tên, MST (mã số thuế), địa chỉ các bên ở phần đầu khớp với khối chữ ký và với danh mục khách/nhà cung cấp; (d) số tiền viết bằng số và bằng chữ khớp nhau (cần hàm đọc số tiếng Việt; chưa viết).
• Vì sao: "dẫn chiếu sai điều, sai mục" là một loại lỗi của ContractScrub; mô hình tốt nhất bắt khoảng 0,67-0,80 Nguồn B7 bảng 3. Dẫn chiếu tới điều không tồn tại thì regex bắt được hoàn toàn. Đề xuất (Regex là một cách mô tả mẫu chữ để máy tự tìm trong văn bản, ví dụ tìm mọi chỗ có dạng "Điều" cộng một con số.)

Bài K5.4: Checklist hồ sơ nhân sự

• Việc cần làm: lập danh sách giấy tờ theo quy chế công ty (ví dụ: sơ yếu lý lịch, bản sao giấy tờ tùy thân, bằng cấp, giấy khám sức khỏe, hợp đồng lao động đã ký, tờ khai thông tin thuế, BHXH). Mỗi mục ghi: có/không, còn hạn không (giấy khám sức khỏe), người kiểm.
• Kiểm khớp bằng code sau K1: họ tên, ngày sinh giữa các giấy tờ (so sau chuẩn hóa dấu, tức đưa các cách gõ dấu tiếng Việt về cùng một dạng rồi mới so); chức danh và mức lương trên hợp đồng khớp quyết định tuyển dụng.
• Dữ liệu: ảnh CCCD không gửi lên dịch vụ AI ngoài. Người nhập tay số giấy tờ, hoặc dùng công cụ chạy trên máy (xem Tra cứu tài liệu nội bộ · Cấp 2 - Biến tài liệu thành text có cấu trúc › Bài 2.9 - Bảo mật khi gửi tài liệu lên dịch vụ ngoài).
• Bạn có sau bài: checklist_ho_so_ns.xlsx + kiem_khop_ns.py.

Bài K5.5: Trích CV thành bảng, không xếp hạng

• Việc cần làm: trích các trường trong tin tuyển dụng yêu cầu (bằng cấp, chứng chỉ, số năm kinh nghiệm, kỹ năng) kèm vị trí trong CV. Quy tắc xác định (có chứng chỉ X không) chạy bằng code trên bảng trích. Người tuyển dụng đọc CV gốc cho mọi ứng viên đi tiếp và mọi ứng viên bị loại vì một quy tắc.
• Che họ tên, ảnh, ngày sinh, địa chỉ, số điện thoại trước khi gửi cho LLM; giữ bảng tra ngược trên máy công ty (bảng để biết mã che ứng với người nào).
• Lỗi hay gặp: dùng "điểm phù hợp" do LLM cho để loại người; không báo cho ứng viên về việc xử lý dữ liệu (cần tư vấn theo Luật 91/2025 và NĐ 356/2025).

5. Hai cách làm: không cần code và có code (khi nào nên chuyển)

Mỗi việc có một cách làm không cần code (đủ dùng khi mới bắt đầu) và một cách có code (khi khối lượng tăng).

(Project là tính năng của Claude cho bạn lưu sẵn chỉ dẫn để dùng lại. Ctrl+F là phím tắt tìm chữ trong văn bản: người duyệt dùng nó để tự tìm đoạn mà AI nói đã trích.)

Tính năng so sánh văn bản của Word là cách không code tốt cho K5.1 Đề xuất.

Buộc chuyển sang code khi Đề xuất: hơn khoảng 10 hợp đồng mẫu mỗi tháng; hoặc nhiều mẫu và nhiều phiên bản mẫu; hoặc cần lưu vết ai duyệt khác mẫu.

6. Khi nào bạn có thể lên cấp tiếp theo

Đề xuất

Bạn có thể sang K6 khi đạt đủ các điều sau:

1. Mỗi mẫu hợp đồng có phiên bản, ngày hiệu lực, người duyệt nội dung pháp lý.
2. K5.1 chạy trên 10 hợp đồng đã ký: mọi khác biệt so với mẫu được liệt kê, người xác nhận từng khác biệt là chấp nhận hay không.
3. K5.2 có ít nhất 8 câu hỏi, mỗi câu 10 ca mẫu, đo theo cap-06 (cách đo kết quả ở cấp 6).
4. Bộ hồ sơ nhân sự: 0 lần gửi ảnh giấy tờ tùy thân ra dịch vụ ngoài (kiểm bằng log, tức nhật ký ghi lại những lần gửi dữ liệu đi).

7. Ví dụ cho doanh nghiệp nhỏ ở Việt Nam

Minh họa

SME là doanh nghiệp nhỏ và vừa. Ba tình huống giả định dưới đây giúp bạn hình dung.

a) Chuỗi nhà thuốc 8 điểm, 40 nhân viên. Hợp đồng lao động theo 2 mẫu (dược sĩ, nhân viên bán hàng). K5.1 so từng hợp đồng mới với mẫu; khác biệt thường gặp là mức lương và địa điểm, đều được duyệt theo quyết định tuyển dụng (code so số với quyết định). Hồ sơ nhân sự: K5.4 kiểm đủ chứng chỉ hành nghề cho vị trí dược sĩ (có/không, người kiểm bản gốc).

b) Công ty cho thuê thiết bị sự kiện. Khách doanh nghiệp lớn gửi hợp đồng theo mẫu của họ. K5.2 với 10 câu hỏi; câu "trần trách nhiệm bồi thường" thường ra KHONG_RO vì hợp đồng dẫn sang "điều khoản chung" đính kèm riêng. Đó là tín hiệu đúng: xin phụ lục trước khi ký.

c) Công ty logistics nhỏ thuê kho. Hợp đồng thuê kho do chủ kho soạn, 20 trang. Trước K3: K5.3 bắt hai dẫn chiếu tới "Điều 14.3" không tồn tại và một "Phụ lục 2" không đính kèm. Không cần LLM cho phát hiện này.

8. Tài liệu tham khảo