AI agent có bị đánh giá khác nhau theo giới tính: cách kiểm tra trong sản phẩm

Một nghiên cứu của Đại học Limerick với 189 người làm công việc tri thức cho thấy AI agent có hình ảnh nam nhận tiền thưởng cao hơn phiên bản có hình ảnh nữ, dù hai phiên bản dùng cùng công nghệ nền tảng. Johan, phiên bản nam, cũng được đánh giá giống người hơn Johanna.

The Irish Times đưa tin Johanna nhận ít hơn Johan 10,25% trong cùng bối cảnh công việc. Khoản tiền này do người tham gia phân bổ sau nhiệm vụ nghiên cứu, không phải tiền lương AI agent và không phải phép đo chênh lệch lương ngoài đời.

Điểm đáng chú ý với nhóm phát triển sản phẩm là sự khác biệt xuất hiện khi năng lực nền tảng được giữ nguyên. Tên, giọng nói, khuôn mặt, cách tự giới thiệu và mức độ chủ động đều có thể trở thành tín hiệu khiến người dùng đánh giá một hệ thống khác đi. Vì vậy, kiểm tra thiên lệch cần đặt các tín hiệu trình bày cạnh kiểm tra năng lực, thay vì gộp mọi kết quả vào một điểm số duy nhất.

AI agent có hình ảnh nam nhận nhiều tiền thưởng hơn

Trong phòng làm việc thực tế ảo, người tham gia hoàn thành nhiệm vụ liên quan đến công việc với nhiều dạng trợ lý: giao diện trò chuyện bằng chữ, robot để bàn và hai AI agent có hình ảnh giống người. Hai hình ảnh được gọi là Johan và Johanna. Mỗi người tham gia trải nghiệm giao diện chữ, robot và một trong hai hình ảnh giống người, nên Johan và Johanna được so sánh giữa các nhóm khác nhau.

Những trợ lý giống người nhận đánh giá cao hơn robot về mức độ giống người, tin cậy, đóng góp và tiền thưởng. Johan nhận tiền thưởng cao hơn Johanna, còn chênh lệch về tin cậy và đóng góp chưa đạt ý nghĩa thống kê. Kết quả này chỉ cho thấy một khác biệt trong lựa chọn của người tham gia, chưa chỉ ra nguyên nhân duy nhất là giới tính của hình ảnh.

Nhóm nghiên cứu dùng cùng mô hình ngôn ngữ lớn và cùng quy trình tương tác cho bốn dạng trình bày. Cách thiết kế này giúp so sánh tác động của hình thức thể hiện, nhưng không loại bỏ hoàn toàn các tín hiệu khác. Johan và Johanna có tên, khuôn mặt và hình ảnh riêng; nghiên cứu chỉ có một hình ảnh nam và một hình ảnh nữ.

Con số 10,25% là tỷ lệ Johanna nhận ít tiền thưởng hơn Johan trong thí nghiệm. Nó không nói rằng AI agent bị trả lương, cũng không đại diện cho mọi người dùng hoặc mọi nơi làm việc. Bối cảnh thực tế ảo, nhiệm vụ động não và khoản tiền nghiên cứu tạo ra một phép đo có kiểm soát, nhưng vẫn khác xa quyết định giao việc, đánh giá hiệu suất hoặc trả lương trong doanh nghiệp.

Trong phỏng vấn, nhiều người tham gia nói giới tính không nên ảnh hưởng đến mức tin cậy, đóng góp hoặc tiền thưởng. Kết quả phân bổ thực tế lại cho thấy một mẫu khác. Việc tách lời tự nhận xét khỏi hành vi lựa chọn là phần quan trọng của thiết kế nghiên cứu, vì người dùng không phải lúc nào cũng nhận ra các tín hiệu đang chi phối quyết định của họ.

Tiền thưởng trong thí nghiệm không phải chênh lệch lương

Người tham gia được yêu cầu chia một phần tiền thưởng nghiên cứu cho trợ lý sau khi hoàn thành nhiệm vụ. AI agent không được tuyển dụng, không có hợp đồng và không nhận tiền theo quan hệ lao động. Vì thế, kết quả chỉ đo cách con người quy giá trị cho đóng góp của trợ lý trong một tình huống thử nghiệm.

Thiết kế nghiên cứu cũng chưa tách riêng tác động của giới tính khỏi mức độ giống người. Johan được đánh giá giống người hơn, và chính đặc điểm đó có liên hệ với mức tiền thưởng cao hơn. Chưa thể nói phần chênh lệch đến từ tên, giọng nói, khuôn mặt, mức độ giống người hay một tổ hợp các tín hiệu.

Địa điểm và thời lượng cũng giới hạn khả năng khái quát. Một văn phòng thực tế ảo không tái tạo đầy đủ áp lực, trách nhiệm, quy trình kiểm duyệt và quan hệ quyền lực ở nơi làm việc. Một nhiệm vụ động não ngắn hạn cũng không cho biết điều gì xảy ra sau nhiều tháng dùng cùng một AI agent.

Người dùng nói một đằng, kết quả đo một nẻo

Những nghiên cứu khác cho thấy tác động của tín hiệu giới tính và giọng nói phụ thuộc vào nhiệm vụ. Một nghiên cứu năm 2025 với 270 sinh viên về trợ lý ảo Siri ghi nhận ảnh hưởng riêng của giới tính hoặc giọng địa phương khá nhỏ, trong khi loại nhiệm vụ và sự tương tác giữa nhiệm vụ với tín hiệu giọng nói tạo ra khác biệt tinh tế hơn trong đánh giá tin cậy.

Một nghiên cứu năm 2022 về trợ lý giọng nói dùng trong bối cảnh huấn luyện tài chính cá nhân khảo sát 282 người tham gia và xem xét giới tính giọng nói cùng mức độ chủ động của trợ lý. Nghiên cứu này đo cảm nhận về quyền tự chủ và ý định sử dụng, không đo đóng góp hoặc tiền thưởng trong công việc. Hai nhóm nghiên cứu vì vậy không thể được ghép thành kết luận rằng giọng nữ luôn bị đánh giá thấp.

Đối với sản phẩm cụ thể, nhóm phát triển cần kiểm tra giả định của chính mình. Một kết quả từ nghiên cứu bên ngoài giúp đặt câu hỏi, nhưng không thay thế dữ liệu của sản phẩm, nhóm người dùng và nhiệm vụ mà doanh nghiệp đang triển khai.

AI agent trong sản phẩm cần được kiểm tra theo từng tín hiệu

Trước mỗi vòng đánh giá, hãy cố định phiên bản mô hình, công cụ, quyền truy cập, dữ liệu nhiệm vụ, lời nhắc hệ thống và thang điểm. Sau đó thay từng yếu tố trình bày, chẳng hạn đổi tên nhưng giữ giọng nói, hoặc đổi giọng nói nhưng giữ hình ảnh. Nếu khả năng trả lời và quyền sử dụng công cụ cũng thay đổi, chênh lệch cuối cùng không còn quy về cách trình bày.

Bước một: lập danh sách tín hiệu nhận diện

Ghi lại tên, đại từ, giọng nói, giọng địa phương, ảnh đại diện, trang phục, cách xưng hô, mức độ chủ động và lời giới thiệu. Với giao diện chỉ có chữ, tín hiệu giới tính vẫn có thể nằm trong đại từ, từ ngữ hoặc tên gọi. Với hình đại diện, khuôn mặt và cơ thể cũng phải được đưa vào danh sách.

Bước hai: giữ năng lực và nhiệm vụ như nhau

Dùng cùng phiên bản mô hình, lời nhắc, dữ liệu, giới hạn thời gian, quyền công cụ và tiêu chí chấm. Mỗi vòng chỉ thay một biến trình bày. Bản ghi thử nghiệm cần cho biết phiên bản nào được dùng, trong nhiệm vụ nào và người tham gia nhìn thấy những tín hiệu nào.

Bước ba: tách các kết quả cần đo

Đừng gộp độ chính xác, mức tin cậy, mức độ giống người, đánh giá đóng góp, tỷ lệ chấp nhận đề xuất và phân bổ nguồn lực thành một chỉ số. Với công cụ hỗ trợ tuyển dụng, phân việc hoặc chăm sóc khách hàng, cần kiểm tra ai được giao nhiệm vụ có giá trị cao, ai có cơ hội được con người kiểm tra lại và ai bị yêu cầu làm lại nhiều lần.

Bước bốn: tuyển người và nhiệm vụ đa dạng

Ghi rõ kinh nghiệm dùng AI, ngôn ngữ, nền tảng văn hóa, loại công việc và mức quen thuộc với sản phẩm của người tham gia. Lặp lại với nhiệm vụ chức năng và nhiệm vụ xã hội. Trung bình chung dễ che khuất một nhóm bị ảnh hưởng theo hướng khác, vì vậy bảng kết quả cần giữ các nhóm riêng thay vì chỉ báo cáo một con số tổng.

Bước năm: lặp lại trước khi sửa giao diện

Nếu xuất hiện chênh lệch, hãy chạy lại cùng điều kiện và kiểm tra nhiệm vụ, lời nhắc, mẫu người dùng cùng thang điểm. Nếu nguyên nhân nằm ở cách chấm điểm, đổi khuôn mặt hoặc giọng nói chỉ làm đẹp kết quả bề mặt mà không sửa được cách phân bổ nguồn lực. Một quy trình nghiệm thu tốt phải lưu cả kết quả trước và sau khi xử lý.

Tại Việt Nam thì sao

Tại Việt Nam, câu hỏi đầu tiên của nhóm xây dựng AI agent không phải là chọn giọng nam hay nữ, mà là hệ thống được dùng vào việc gì, xử lý dữ liệu nào và ai chịu trách nhiệm khi kết quả gây bất lợi cho một nhóm người. Luật Trí tuệ nhân tạo số 134/2025/QH15 được ban hành ngày 10 tháng 12 năm 2025 và có hiệu lực từ ngày 1 tháng 3 năm 2026. Văn bản điều chỉnh hoạt động nghiên cứu, phát triển, cung cấp, triển khai và sử dụng hệ thống AI tại Việt Nam. Vì vậy, một bài kiểm tra tên, giọng nói hoặc hình đại diện nên được đặt trong hồ sơ quản trị của cả vòng đời sản phẩm, không chỉ làm sau khi có phản ánh.

Luật này cũng gắn hoạt động phát triển, huấn luyện, thử nghiệm và đánh giá AI với pháp luật về dữ liệu, bảo vệ dữ liệu cá nhân, sở hữu trí tuệ và an ninh mạng. Với một AI agent có ghi lại giọng nói, lịch sử trò chuyện, hồ sơ tuyển dụng hoặc đánh giá hiệu suất, nhóm sản phẩm cần xác định mục đích xử lý và phạm vi dữ liệu trước khi chạy thử. Luật Bảo vệ dữ liệu cá nhân số 91/2025/QH15 có hiệu lực từ ngày 1 tháng 1 năm 2026. Đây là lý do kết quả đánh giá thiên lệch không nên chỉ lưu dưới dạng biểu đồ nội bộ; dữ liệu người tham gia, bản ghi giọng nói và thông tin nhân khẩu học cũng cần được quản lý theo mục đích đã xác định.

Trong thời gian chuyển tiếp, nhóm triển khai còn phải đối chiếu với Nghị định số 13/2023/NĐ-CP về bảo vệ dữ liệu cá nhân. Trang văn bản của Chính phủ ghi nghị định có hiệu lực từ ngày 1 tháng 7 năm 2023. Khi thu thập giới tính, ngôn ngữ, giọng địa phương, lịch sử dùng công cụ hoặc ý kiến đánh giá, doanh nghiệp cần biết dữ liệu nào thật sự cần cho việc kiểm tra. Nếu chỉ cần so sánh kết quả giữa các phiên bản, không nên thu thập thêm thông tin nhận diện cá nhân không phục vụ câu hỏi nghiên cứu.

Hiện chưa có số liệu chính thức được công bố tại Việt Nam dùng đúng mô hình 189 người trong văn phòng thực tế ảo để đo tiền thưởng cho AI agent nam và nữ. Do đó, không thể lấy con số 10,25% làm mức tham chiếu cho doanh nghiệp Việt Nam. Cách làm thực tế hơn là lập bộ nhiệm vụ riêng cho sản phẩm: cùng một yêu cầu của khách hàng, cùng quyền công cụ và cùng thời hạn, sau đó thay từng tên, giọng nói hoặc ảnh đại diện. Bảng nghiệm thu nên ghi tỷ lệ hoàn thành, tỷ lệ người dùng chấp nhận đề xuất, số lần yêu cầu con người kiểm tra và chênh lệch phân bổ nhiệm vụ giữa các nhóm.

Với doanh nghiệp tuyển dụng hoặc quản lý lao động, có thể bắt đầu bằng các tình huống không cần dùng dữ liệu ứng viên thật. Tạo bộ dữ liệu kiểm thử tổng hợp, thay đổi một tín hiệu giới tính trong khi giữ nguyên trình độ và lịch sử công việc, rồi để người đánh giá chấm mù phiên bản. Nếu hệ thống được dùng tại Việt Nam nhưng phục vụ người dùng nói tiếng Việt với nhiều vùng giọng, cần thêm các cặp giọng và cách xưng hô thực tế vào bộ kiểm tra. Đây là kiểm tra chất lượng của sản phẩm, không phải bằng chứng rằng một nhóm người có đặc điểm cố định.

Đường kiểm tra cũng cần ghi rõ ai phê duyệt việc đưa AI agent vào dùng, ai xem lại khi chênh lệch lặp lại và người dùng khiếu nại qua kênh nào. Các yêu cầu này không tự biến thành một quy trình kiểm toán hoàn chỉnh, nhưng giúp doanh nghiệp nối kết đánh giá kỹ thuật với quản trị dữ liệu và trách nhiệm triển khai. Tính đến thời điểm bài viết được thực hiện, chúng tôi chưa tìm thấy một bảng giá hay dịch vụ kiểm định thiên lệch giới tính AI agent do cơ quan nhà nước Việt Nam công bố; doanh nghiệp cần hỏi nhà cung cấp và cơ quan chức năng về phạm vi dịch vụ thay vì tự giả định có một mức chuẩn chung.

Danh sách kiểm tra trước khi nghiệm thu

Hồ sơ nghiệm thu cần trả lời bốn câu hỏi: phiên bản nào được thử, nhiệm vụ nào được dùng, nhóm người dùng nào tham gia và chênh lệch xuất hiện ở chỉ số nào. Sau đó phải ghi kết quả lặp lại, nguyên nhân được xem xét và tác động của biện pháp xử lý lên các chỉ số khác.

1. Liệt kê tín hiệu: ghi tên, giọng nói, ngoại hình, đại từ và cách xưng hô của từng phiên bản.
2. Khóa điều kiện: giữ nguyên mô hình, nhiệm vụ, lời nhắc, quyền công cụ và cách chấm.
3. Tách chỉ số: đo năng lực, tin cậy, mức độ giống người, đóng góp và phân bổ nguồn lực riêng.
4. Ghi mẫu thử: lưu nhiệm vụ, kinh nghiệm dùng AI, ngôn ngữ và bối cảnh của người tham gia ở mức cần thiết.
5. Lặp lại và truy nguyên: kiểm tra chênh lệch trong cùng điều kiện trước khi sửa giao diện hoặc kết luận.

Bài viết về quản trị AI an toàn có thể được dùng làm điểm nối khi nhóm sản phẩm mở rộng từ một phép thử riêng lẻ sang hồ sơ nghiệm thu. Trọng tâm vẫn là đối chiếu có thể lặp lại: cùng năng lực, cùng nhiệm vụ, thay một tín hiệu, đo từng kết quả và lưu bằng chứng.

Câu hỏi thường gặp

AI agent trong nghiên cứu có thật sự nhận lương không?

Không. Người tham gia chia một phần tiền thưởng nghiên cứu cho trợ lý sau nhiệm vụ. Đây là chỉ số hành vi về cách họ đánh giá đóng góp, không phải tiền lương hoặc quan hệ lao động.

Nghiên cứu có chứng minh AI agent nữ luôn bị đánh giá thấp hơn không?

Không. Nghiên cứu chỉ xem xét một bối cảnh thực tế ảo, một hình ảnh nam, một hình ảnh nữ và một nhóm người tham gia. Kết quả cần được kiểm tra lại trong sản phẩm, nhiệm vụ và nhóm người dùng khác.

Nhóm sản phẩm nên bắt đầu từ đâu?

Hãy cố định mô hình, nhiệm vụ, lời nhắc, quyền công cụ và thang điểm. Sau đó thay từng tên, giọng nói hoặc ngoại hình, đồng thời tách riêng kết quả năng lực, tin cậy, đóng góp và phân bổ nguồn lực.