ThS. Lê Thanh Nghị

Viện kiểm sát nhân dân tối cao

ThS. Hà Minh Anh

Khoa Luật, Học viện Ngân hàng

Tóm tắt: Việc ứng dụng trí tuệ nhân tạo trong tuyển dụng và quản lý nhân sự đang làm phát sinh những rủi ro mới đối với quyền không bị phân biệt đối xử của người lao động. Bài viết phân tích cơ chế hình thành phân biệt đối xử do thuật toán, đối chiếu với pháp luật lao động Việt Nam hiện hành và chỉ ra những hạn chế trong việc nhận diện, chứng minh và xử lý các quyết định mang tính phân biệt đối xử có sự tham gia của AI. Trên cơ sở đó, bài viết đề xuất một số hướng hoàn thiện pháp luật, tập trung vào việc ghi nhận rõ phân biệt đối xử gián tiếp, tăng cường nghĩa vụ minh bạch và giải thích, đồng thời điều chỉnh cơ chế phân bổ nghĩa vụ chứng minh nhằm nâng cao khả năng thực thi quyền của người lao động trên thực tế.

Từ khóa: quyền không bị phân biệt đối xử; trí tuệ nhân tạo; phân biệt đối xử do thuật toán; lao động; tuyển dụng và quản lý nhân sự.

Abstract: The application of artificial intelligence in recruitment and human resource management is giving rise to new risks regarding workers' right to non-discrimination. This article analyzes the mechanisms behind algorithmic discrimination, compares them with current Vietnamese labor law, and highlights the limitations in identifying, proving, and addressing discriminatory decisions involving AI. Based on this analysis, the article proposes legal improvements, focusing on explicitly recognizing indirect discrimination, strengthening transparency and explainability obligations, and adjusting the burden of proof mechanism to enhance the practical enforcement of workers' rights.

Keywords: right to non-discrimination; artificial intelligence; algorithmic discrimination; labor; recruitment and human resource management.

Ảnh minh họa. Nguồn: vneconomy.vn

Đặt vấn đề

Trong những năm gần đây, trí tuệ nhân tạo (Artificial Intelligence - AI) đã đi từ chỗ là một công nghệ được bàn đến trong các hội thảo tới chỗ tham gia trực tiếp vào những quyết định ảnh hưởng đến sinh kế của người lao động. Nhiều doanh nghiệp đã sử dụng phần mềm để lọc hồ sơ ứng tuyển, xếp hạng ứng viên, phân công công việc và chấm điểm hiệu suất. Sức hấp dẫn của công nghệ này nằm ở tiềm năng rằng máy móc sẽ quyết định dựa trên dữ liệu và không mang định kiến như con người. Chính sức hấp dẫn ấy lại ẩn chứa một rủi ro ít được chú ý, đó là khả năng thuật toán tự chỉnh sửa và tạo ra những bất bình đẳng không đáng có.

Vụ việc của Amazon là minh họa điển hình. Năm 2018, hãng này buộc phải hủy bỏ một công cụ tuyển dụng sau khi phát hiện công cụ đó thường xuyên hạ điểm hồ sơ của ứng viên nữ (MIT Technology Review, 2018). Hệ thống được huấn luyện trên dữ liệu tuyển dụng của mười năm trước, giai đoạn mà phần lớn người được tuyển dụng là nam giới, và từ dữ liệu ấy đã rút ra kết luận rằng nam giới là ứng viên phù hợp hơn. Không ai trong hãng ra lệnh loại ứng viên nữ, cũng không có dòng lệnh nào ghi điều đó, nhưng kết quả cuối cùng vẫn là sự phân biệt đối xử theo giới. Sự phân biệt ở đây không đến từ ác ý của một cá nhân, mà đến từ chính cách hệ thống học hỏi.

Trong pháp luật Việt Nam, nguyên tắc bình đẳng và cấm phân biệt đối xử đã được ghi nhận từ Hiến pháp đến pháp luật lao động. Tuy nhiên, các hệ thống ra quyết định tự động đặt ra một câu hỏi sâu hơn: pháp luật hiện hành có đủ khả năng nhận diện và xử lý phân biệt đối xử khi bất lợi đối với người lao động không đến từ một quyết định công khai của con người, mà được tạo ra qua dữ liệu, mô hình dự đoán và các tiêu chí kỹ thuật hay không. Vấn đề càng đáng lưu ý khi người lao động thường không biết hồ sơ của mình đang bị hệ thống đánh giá và khó tiếp cận thông tin để chứng minh quyết định bất lợi có liên hệ với một căn cứ trái pháp luật.

Từ thực tế đó, bài viết đặt ra câu hỏi nghiên cứu trung tâm: pháp luật lao động Việt Nam cần hoàn thiện theo hướng nào để bảo đảm thực chất quyền không bị phân biệt đối xử của người lao động trước các quyết định có sự tham gia của AI trong tuyển dụng và quản lý nhân sự? Phạm vi nghiên cứu giới hạn ở quan hệ lao động có yếu tố phụ thuộc, không bàn tới lao động trên nền tảng số vốn còn vướng mắc riêng ở khâu nhận diện quan hệ lao động, và không đi sâu vào việc phân chia trách nhiệm giữa doanh nghiệp với bên cung cấp công nghệ.

Để bảo đảm tính nhất quán của phân tích, bài viết sử dụng xuyên suốt một tình huống giả định nhưng gần với thực tế. Một doanh nghiệp dùng phần mềm lọc hồ sơ được huấn luyện trên dữ liệu nhân sự cũ; hệ thống nhận thấy những ứng viên từng có quãng gián đoạn công việc thường bị đánh giá là kém gắn bó nên tự động cho điểm thấp nhóm này, trong khi phần lớn các quãng gián đoạn ấy lại đến từ thời gian nghỉ thai sản. Kết quả là những ứng viên nữ trong độ tuổi sinh con bị loại dần, dù không ai trong doanh nghiệp có ý định loại trừ họ.

1. Quyền không bị phân biệt đối xử và cơ chế phân biệt đối xử do thuật toán

a) Địa vị pháp lý của quyền không bị phân biệt đối xử trong lao động

Việc đánh giá mức độ đầy đủ của cơ chế pháp lý bảo vệ người lao động trước hết đòi hỏi phải xác định đúng vị trí pháp lý của quyền được bảo vệ. Quyền được đối xử bình đẳng và không bị phân biệt đối xử là một quyền con người cơ bản, được hiến định. Điều 16 Hiến pháp năm 2013 khẳng định mọi người bình đẳng trước pháp luật và không ai bị phân biệt đối xử trong mọi lĩnh vực của đời sống. Trong quan hệ lao động, nơi người lao động thường ở vị thế yếu hơn, Điều 26 Hiến pháp nhấn mạnh sự bình đẳng giữa nam và nữ, nghiêm cấm phân biệt đối xử về giới (Quốc hội, 2013). Điểm a khoản 1 Điều 5 Bộ luật Lao động cụ thể hóa nguyên tắc ấy thành quyền của người lao động được làm việc và không bị phân biệt đối xử (Quốc hội, 2019).

Điều 26 Công ước quốc tế về các quyền dân sự và chính trị đặt ra nguyên tắc mọi người bình đẳng trước pháp luật và được pháp luật bảo vệ như nhau (Liên hợp quốc, 1966). Công ước số 111 của Tổ chức Lao động quốc tế năm 1958 định nghĩa phân biệt đối xử là mọi sự phân biệt, loại trừ hoặc ưu đãi dựa trên những căn cứ như giới tính, chủng tộc hay tôn giáo, làm tổn hại đến bình đẳng về cơ hội và đối xử trong việc làm (Tổ chức Lao động quốc tế, 1958). Việt Nam phê chuẩn Công ước này từ năm 1997, kèm theo nghĩa vụ không chỉ ghi nhận quyền trong luật mà còn phải bảo đảm quyền được thực thi trên thực tế.

Từ đây cần phân biệt giữa việc ghi nhận quyền về mặt quy phạm và khả năng bảo đảm quyền được thực hiện trên thực tế. Một quyền con người chỉ thực sự có ý nghĩa khi người mang quyền nhận biết được sự xâm phạm, tiếp cận được cơ chế bảo vệ và yêu cầu khắc phục. Trong mô hình quản trị lao động truyền thống, nơi quyết định do con người đưa ra, pháp luật có thể nhận diện hành vi, xác định người thực hiện và gắn trách nhiệm với quyết định đó. Khi AI trở thành công cụ trung gian, cấu trúc này thay đổi: kết quả bất lợi có thể hình thành từ dữ liệu huấn luyện, cách chọn tiêu chí hoặc những tương quan thống kê mà chính người sử dụng hệ thống cũng khó nhận biết. Vấn đề cốt lõi do đó không nằm ở việc thuật toán có ý chí phân biệt hay không, mà ở chỗ một quyết định do hệ thống tạo ra có làm phát sinh bất lợi mang tính phân biệt đối xử hay không, và pháp luật có đủ khả năng nhận diện, khắc phục sự bất lợi ấy hay không.

b) Cơ chế hình thành phân biệt đối xử do thuật toán

Phân biệt đối xử do thuật toán khó nhận diện bởi nó không nhất thiết xuất hiện dưới hình thức quen thuộc của một hành vi phân biệt đối xử trực tiếp. Trong nhiều trường hợp, không có cá nhân nào chủ ý loại trừ một nhóm người lao động nhất định. Sự bất lợi có thể hình thành trong chính quá trình hệ thống thu thập dữ liệu, học từ dữ liệu và sử dụng những khuôn mẫu đã nhận diện để đưa ra dự đoán hoặc hỗ trợ quyết định. Có thể nhận thấy ba cơ chế phổ biến dẫn đến kết quả này.

Thứ nhất, sai lệch có thể bắt nguồn từ dữ liệu. Một hệ thống AI học cách ra quyết định bằng việc tìm quy luật trong dữ liệu quá khứ. Nếu dữ liệu đó phản ánh những lựa chọn vốn đã thiếu cân bằng, hệ thống có thể tiếp nhận và lặp lại những khuôn mẫu ấy trong các quyết định sau này, ngay cả khi người xây dựng hệ thống không cố ý tạo ra sự phân biệt (Barocas & Selbst, 2016, tr. 680-687). Trường hợp Amazon là minh chứng rõ nét: hệ thống không được lập trình để loại trừ ứng viên nữ, nó chỉ học theo một quá khứ mà phần lớn người được tuyển là nam giới.

Thứ hai, việc loại bỏ những thông tin cá nhân như giới tính hay dân tộc khỏi dữ liệu chưa chắc đã loại bỏ được nguy cơ phân biệt đối xử. Những đặc điểm này có thể được phản ánh gián tiếp thông qua các thông tin khác tưởng như trung tính. Chẳng hạn, quãng thời gian gián đoạn công việc có thể liên quan đến thai sản hoặc trách nhiệm chăm sóc gia đình; nơi cư trú có thể có mối liên hệ với thành phần dân tộc hoặc điều kiện kinh tế; cơ sở đào tạo từng theo học cũng có thể phản ánh những khác biệt về giới hoặc vị thế xã hội. Khi những thông tin này được sử dụng thay cho đặc điểm nhạy cảm, hệ thống vẫn có thể tạo ra sự phân loại bất lợi đối với một nhóm nhất định dù không trực tiếp sử dụng tiêu chí mà pháp luật cấm (Kim, 2017, tr. 883-884). Hệ thống không sử dụng giới tính của ứng viên trong việc đánh giá, nhưng việc đánh giá thấp những hồ sơ có thời gian gián đoạn công việc lại có thể gây bất lợi chủ yếu cho phụ nữ từng nghỉ thai sản.

Thứ ba, sai lệch có thể tiếp tục được củng cố trong quá trình hệ thống vận hành. Kết quả của những quyết định hiện tại, chẳng hạn ai được tuyển dụng hoặc ai được đánh giá là có năng lực, có thể trở thành dữ liệu cho các lần huấn luyện tiếp theo. Nếu sai lệch ban đầu không được phát hiện và điều chỉnh, hệ thống có thể tiếp tục lặp lại và củng cố chính khuôn mẫu đã hình thành trước đó. Điều này khiến sự bất lợi không chỉ được duy trì mà còn có thể kéo dài qua nhiều chu kỳ sử dụng. Khó khăn càng lớn hơn khi cách thức vận hành của hệ thống thiếu minh bạch, khiến người lao động, và trong một số trường hợp cả người sử dụng lao động, khó xác định được vì sao một quyết định cụ thể lại được đưa ra (Kim, 2017, tr. 874-876).

Từ ba cơ chế trên có thể rút ra: phân biệt đối xử do thuật toán có thể xảy ra ngay cả khi không tồn tại bất kỳ ý định phân biệt nào. Kim (2017, tr. 860) gọi đây là phân biệt đối xử theo phân loại, để chỉ việc sử dụng các mô hình dữ liệu nhằm sắp xếp và chấm điểm người lao động theo cách làm sâu thêm bất bình đẳng dọc theo những ranh giới về giới, chủng tộc hay các đặc điểm được bảo vệ khác. Đặc điểm này đặt ra khó khăn đáng kể cho pháp luật, bởi nhiều cơ chế chống phân biệt đối xử hiện hành vẫn được xây dựng chủ yếu quanh việc xác định hành vi, chủ thể ra quyết định và căn cứ của quyết định, trong khi sự bất lợi do thuật toán có thể hình thành một cách gián tiếp và khó quan sát hơn.

c) Phân biệt đối xử do thuật toán dưới góc độ phân biệt đối xử gián tiếp

Xét về bản chất pháp lý, phân biệt đối xử do thuật toán có nhiều điểm tương đồng với phân biệt đối xử gián tiếp. Pháp luật chống phân biệt đối xử thường phân biệt giữa hai dạng cơ bản. Phân biệt đối xử trực tiếp xảy ra khi một người bị đối xử bất lợi chính vì họ mang một đặc điểm được pháp luật bảo vệ, chẳng hạn một ứng viên bị từ chối tuyển dụng chỉ vì là phụ nữ. Trong khi đó, phân biệt đối xử gián tiếp khó nhận diện hơn. Nó phát sinh khi một quy định hoặc tiêu chí được áp dụng như nhau đối với tất cả mọi người, về hình thức không hướng đến một nhóm cụ thể, nhưng trên thực tế lại gây bất lợi nhiều hơn cho một nhóm nhất định mà không có lý do hợp lý để biện minh.

Cách tiếp cận này đặc biệt phù hợp khi xem xét các quyết định có sự tham gia của thuật toán. Trở lại tình huống giả định, tiêu chí về thời gian gián đoạn công việc về hình thức là trung tính. Tuy nhiên, nếu việc áp dụng tiêu chí này chủ yếu gây bất lợi cho những phụ nữ từng nghỉ thai sản hoặc nghỉ để chăm sóc gia đình, thì kết quả cuối cùng vẫn có thể tạo ra sự bất bình đẳng giữa nam và nữ. Trong trường hợp đó, vấn đề không nằm ở việc người sử dụng lao động có chủ ý phân biệt đối xử hay không, mà ở chỗ tiêu chí được sử dụng có gây bất lợi đáng kể cho một nhóm chủ thể hay không và, nếu có, tiêu chí đó có thực sự cần thiết và phù hợp với yêu cầu của công việc hay không. Trong pháp luật của một số quốc gia, cách tiếp cận này được thể hiện qua cơ chế xem xét tác động bất lợi của một tiêu chí tưởng như trung tính. Theo đó, người sử dụng lao động có thể phải chứng minh rằng tiêu chí được áp dụng có liên hệ thực sự với yêu cầu của công việc và cần thiết để đạt được một mục đích chính đáng (Barocas & Selbst, 2016, tr. 701-712). Điểm quan trọng của cách tiếp cận này là phải xem xét hậu quả thực tế của quyết định.

Sự phân biệt giữa phân biệt đối xử trực tiếp và gián tiếp vì vậy có ý nghĩa quan trọng đối với việc bảo vệ người lao động trước các quyết định có sự tham gia của AI. Nếu pháp luật chỉ tập trung vào những trường hợp phân biệt đối xử biểu hiện rõ ràng hoặc đòi hỏi phải chứng minh ý định của người ra quyết định, nhiều trường hợp bất lợi do thuật toán tạo ra sẽ khó được nhận diện và xử lý. Do đó, khả năng nhận diện phân biệt đối xử gián tiếp là một trong những tiêu chí quan trọng để đánh giá mức độ phù hợp của pháp luật lao động Việt Nam trước những rủi ro mới phát sinh từ việc ứng dụng AI trong tuyển dụng và quản lý nhân sự.

2. Thực trạng pháp luật Việt Nam và những khoảng trống trong bảo vệ quyền

a) Khuôn khổ pháp lý hiện hành

Việt Nam đã có những quy định có thể được viện dẫn để bảo vệ người lao động trước nguy cơ phân biệt đối xử trong các quyết định ứng dụng AI. Các quy định này đến từ ba nhóm: pháp luật lao động, pháp luật về trí tuệ nhân tạo và pháp luật về bảo vệ dữ liệu cá nhân.

Khoản 8 Điều 3 Bộ luật Lao động năm 2019 đưa ra một định nghĩa tương đối đầy đủ về phân biệt đối xử trong lao động, liệt kê nhiều cơ sở bị cấm, từ chủng tộc, giới tính, độ tuổi, tình trạng thai sản cho đến khuyết tật hay trách nhiệm gia đình, với điều kiện những sự phân biệt ấy có tác động đến bình đẳng về cơ hội việc làm. Điều 8 tiếp đó đặt phân biệt đối xử vào danh mục các hành vi bị nghiêm cấm (Quốc hội, 2019). Về mặt quy phạm, đây là một khung bảo vệ tương đối rộng.

Luật Trí tuệ nhân tạo năm 2025 bổ sung một lớp bảo vệ mới, trực tiếp hướng đến rủi ro phát sinh từ việc phát triển và sử dụng các hệ thống AI. Điều 4 xác định các nguyên tắc cơ bản của hoạt động AI, trong đó yêu cầu bảo đảm công bằng, minh bạch, không thiên lệch và không phân biệt đối xử, đồng thời duy trì khả năng kiểm soát, can thiệp của con người và trách nhiệm giải trình đối với quyết định của hệ thống. Điểm có ý nghĩa đối với vấn đề đang nghiên cứu là yêu cầu không phân biệt đối xử đã được đặt ra không chỉ đối với người ra quyết định mà còn ngay trong quá trình phát triển, triển khai và vận hành công nghệ. Luật cũng quản lý theo mức độ rủi ro: Điều 9 chia hệ thống AI thành ba mức rủi ro, căn cứ vào mức độ tác động đến quyền con người và quyền, lợi ích hợp pháp của cá nhân; với hệ thống rủi ro cao, Điều 14 đặt ra yêu cầu chặt chẽ hơn về quản trị dữ liệu, lưu giữ nhật ký hoạt động, giám sát của con người, trách nhiệm giải trình và cung cấp thông tin cho người bị ảnh hưởng (Quốc hội, 2025b). Đây có thể là cơ sở quan trọng để kiểm soát các hệ thống AI dùng trong tuyển dụng, với điều kiện chúng được xác định thuộc nhóm rủi ro cao.

Nhóm quy định thứ ba là pháp luật về bảo vệ dữ liệu cá nhân. Việc sử dụng AI trong quản trị nhân sự khó tách rời hoạt động thu thập và xử lý dữ liệu của ứng viên, nên các quyền của chủ thể dữ liệu tạo ra một cơ chế bảo vệ bổ sung. Điều 4 Luật Bảo vệ dữ liệu cá nhân năm 2025 ghi nhận quyền được biết về hoạt động xử lý dữ liệu, quyền đồng ý hoặc không đồng ý với việc xử lý, quyền xem và yêu cầu chỉnh sửa, quyền yêu cầu xóa hoặc hạn chế xử lý, và quyền phản đối việc xử lý (Quốc hội, 2025a).

Trở lại tình huống giả định, nếu một ứng viên nữ bị hệ thống tự động hạ điểm vì thời gian gián đoạn công việc liên quan đến thai sản, câu hỏi đầu tiên không phải là pháp luật có cấm phân biệt đối xử hay không, vì điều đó về nguyên tắc đã rõ. Khó khăn nằm ở những bước tiếp theo: ứng viên có biết hồ sơ của mình đã bị hệ thống AI đánh giá hay không; có được biết tiêu chí nào khiến mình bị hạ điểm hay không; một tiêu chí trung tính nhưng gây bất lợi chủ yếu cho phụ nữ có được nhận diện là phân biệt đối xử hay không; và nếu khiếu nại thì phải chứng minh điều gì khi thông tin quan trọng nhất đều nằm trong tay doanh nghiệp. Chính tại đây, khoảng cách giữa việc có quy định bảo vệ quyền và việc thực hiện được quyền bắt đầu bộc lộ.

b) Giới hạn của khái niệm phân biệt đối xử

Giả sử ứng viên trong tình huống nêu trên biết được rằng mình bị loại bởi một phần mềm và nghi ngờ nguyên nhân nằm ở quãng thời gian nghỉ sinh. Bước đầu tiên cần vượt qua là chứng minh rằng sự việc đã xảy ra thuộc về khái niệm phân biệt đối xử mà pháp luật cấm.

Định nghĩa tại khoản 8 Điều 3 Bộ luật Lao động mô tả phân biệt đối xử là một hành vi phân biệt, loại trừ hoặc ưu tiên. Cách dùng thuật ngữ hành vi ngầm giả định có một chủ thể đã cân nhắc và lựa chọn cách đối xử. Trong khi đó, vấn đề mà ứng viên phải đối mặt là đầu ra của một mô hình thống kê vốn không hề biết cá nhân đó là ai. Doanh nghiệp có thể lập luận rằng họ không thực hiện hành vi phân biệt nào, tiêu chí hệ thống sử dụng là quãng gián đoạn công việc chứ không phải tình trạng thai sản, và họ chưa bao giờ có ý định loại ứng viên nữ. Nếu điều luật đòi hỏi một hành vi có chủ ý, lập luận này đủ để đưa doanh nghiệp ra khỏi phạm vi trách nhiệm, dù trên thực tế ứng viên nữ bị loại một cách có hệ thống, đúng vào cơ sở tình trạng thai sản mà khoản 8 Điều 3 Bộ luật Lao động và Điều 26 Hiến pháp bảo vệ.

Nguyên nhân của vướng mắc này là pháp luật lao động Việt Nam chưa có khái niệm rõ ràng về phân biệt đối xử gián tiếp. Định nghĩa hiện hành có nhắc đến yếu tố tác động đến bình đẳng về cơ hội, chi tiết cho thấy nhà làm luật không hoàn toàn bỏ qua khía cạnh hậu quả. Nhưng chừng đó chưa đủ, bởi không có quy định nào khẳng định rằng một tiêu chí trung tính gây bất lợi không tương xứng cũng bị cấm, và cũng chưa có văn bản nào hướng dẫn hiểu điều luật theo hướng ấy.

c) Sự bất cân xứng thông tin và nghĩa vụ chứng minh

Giả định rằng cơ quan có thẩm quyền chấp nhận xem xét vụ việc theo hướng tác động, ứng viên lập tức vấp phải một rào cản khó vượt hơn, đó là nghĩa vụ chứng minh. Theo nguyên tắc chung của tố tụng, người khiếu nại hoặc khởi kiện phải chứng minh cho yêu cầu của mình. Vấn đề là ứng viên gần như không có cơ sở nào để thực hiện nghĩa vụ đó: không được cho biết hệ thống dựa trên tiêu chí nào và gán trọng số bao nhiêu, không tiếp cận được dữ liệu huấn luyện và không có chuyên môn để phân tích một mô hình học máy. Toàn bộ cơ sở của quyết định nằm trong một hệ thống khép kín mà người lao động chỉ thấy đầu ra cuối cùng là lời từ chối.

Sự bất cân xứng thông tin ở đây gần như tuyệt đối, và các quy định hiện có chưa lấp được khoảng cách này. Quyền được biết và quyền phản đối xử lý dữ liệu tại Điều 4 Luật Bảo vệ dữ liệu cá nhân hướng đến hoạt động xử lý dữ liệu nói chung, không được thiết kế để buộc người sử dụng lao động giải thích vì sao một ứng viên cụ thể bị loại. Pháp luật Việt Nam cũng chưa có quy định nào tương tự Điều 22 Quy định chung về bảo vệ dữ liệu của Liên minh châu Âu, vốn cho phép cá nhân không phải chịu một quyết định chỉ dựa trên xử lý tự động và được yêu cầu con người xem xét lại (Nghị viện châu Âu và Hội đồng Liên minh châu Âu, 2016). Hệ quả là quyền không bị phân biệt đối xử tuy tồn tại trên văn bản nhưng khó phát huy hiệu lực, vì người mang quyền không có công cụ để nhận biết và chứng minh sự vi phạm.

d) Nguyên tắc pháp lý thiếu cơ chế bảo đảm thực hiện

Có thể có ý kiến cho rằng Luật Trí tuệ nhân tạo đã kịp thời bù đắp những thiếu hụt nêu trên, vì luật này đã nêu rõ nguyên tắc không phân biệt đối xử và yêu cầu con người giám sát. Đây đúng là những quy định cần thiết, nhưng khi soi vào tình huống cụ thể, chúng bộc lộ giới hạn.

Nguyên tắc tại Điều 4 là một tuyên bố mang tính định hướng cho hệ thống AI nói chung, không đi kèm chế tài riêng trong quan hệ lao động và cũng không trao cho người lao động một quyền yêu cầu cụ thể để viện dẫn khi bị một quyết định tự động gây thiệt hại. Ứng viên trong tình huống nêu trên không thể viện dẫn Điều 4 trước cơ quan tài phán để khẳng định quyền của mình đã bị xâm phạm, bởi điều luật không trao cho cá nhân một tư cách như vậy. Một nguyên tắc không gắn với quyền và chế tài cụ thể thì khó vượt qua giá trị tuyên ngôn.

Yêu cầu giám sát của con người cũng đặt ra vấn đề tương tự. Về nguyên tắc, đây là chốt chặn cuối cùng để một hệ thống kỹ thuật không tự định đoạt cơ hội việc làm của con người, nhưng trên thực tế chốt chặn ấy dễ trở nên hình thức. Dưới áp lực thời gian và khối lượng hồ sơ lớn, người phụ trách tuyển dụng thường có xu hướng tin vào bảng xếp hạng do hệ thống đề xuất, nhất là khi công nghệ được nhìn nhận là khách quan. Giám sát chỉ có ý nghĩa khi người giám sát hiểu hệ thống vận hành ra sao, đủ năng lực nhận ra dấu hiệu bất thường và có thực quyền bác bỏ kết quả.

e) Sự thiếu vắng cơ chế phòng ngừa và tính răn đe của chế tài

Ba giới hạn trên đều liên quan đến việc xử lý một vụ việc đã phát sinh. Nhưng pháp luật hiện hành gần như chỉ can thiệp sau khi sự phân biệt đã diễn ra và bị phát hiện, trong khi đặc thù của thuật toán lại đòi hỏi sự phòng ngừa từ trước.

Một quyết định sai của con người thường chỉ tác động đến một số trường hợp nhất định và có thể được phát hiện tương đối sớm. Trong khi đó, nếu một hệ thống AI chứa đựng sai lệch trong cách xử lý hoặc đánh giá dữ liệu, cùng một sai lệch đó có thể được lặp lại đối với mọi hồ sơ được xử lý, từ đó tạo ra bất lợi kéo dài đối với cả một nhóm người trước khi vấn đề được nhận diện. Với đặc điểm này, việc chỉ xử lý hậu quả sau khi vi phạm xảy ra là chưa đủ. Tuy nhiên, pháp luật hiện hành chưa đặt ra nghĩa vụ cụ thể buộc doanh nghiệp phải kiểm tra nguy cơ sai lệch của hệ thống trước và trong quá trình sử dụng, cũng chưa có cơ chế đánh giá tác động riêng đối với các hệ thống AI được sử dụng trong tuyển dụng và quản lý nhân sự, ngoài cơ chế đánh giá tác động xử lý dữ liệu vốn hướng tới mục tiêu bảo vệ dữ liệu cá nhân.

Ngay cả khi vi phạm bị phát hiện, chế tài cũng chưa đủ sức răn đe. Hành vi phân biệt đối xử trong lao động hiện bị phạt tiền từ 5.000.000 đồng đến 10.000.000 đồng đối với cá nhân, và gấp hai lần mức đó đối với tổ chức (Chính phủ, 2022). So với lợi ích mà một hệ thống tự động mang lại và với quy mô ảnh hưởng của nó lên hàng loạt người lao động, mức phạt ấy quá thấp để tạo ra động lực phòng ngừa.

Các khoảng trống vừa phân tích liên kết thành một chuỗi: khái niệm không bao quát được hiện tượng, nên người lao động khó xác định vi phạm; xác định được vi phạm thì không chứng minh được; chứng minh được cũng không có quyền yêu cầu và chế tài đủ mạnh để dựa vào; và tất cả đều diễn ra sau khi thiệt hại đã phát sinh. Muốn quyền bình đẳng không dừng lại trên văn bản, cần tháo gỡ đúng từng mắt xích này.

3. Kiến nghị hoàn thiện pháp luật Việt Nam

Điểm xuất phát của các kiến nghị là một nhận định chung: quyền không bị phân biệt đối xử ở Việt Nam không thiếu về mặt ghi nhận, mà thiếu về mặt công cụ thực thi. Các đề xuất dưới đây lần lượt tháo gỡ từng mắt xích trong chuỗi khoảng trống đã phân tích.

Thứ nhất, bổ sung khái niệm phân biệt đối xử gián tiếp và xác định rõ phạm vi áp dụng đối với quyết định tự động

Vấn đề trước hết nằm ở cách xác định phạm vi của khái niệm phân biệt đối xử. Pháp luật lao động cần làm rõ rằng phân biệt đối xử không chỉ bao gồm những hành vi cố ý dựa trên các đặc điểm được pháp luật bảo vệ, mà còn có thể phát sinh từ những tiêu chí, cách thức áp dụng hoặc quyết định tuy trung tính về hình thức nhưng lại gây bất lợi đáng kể cho một nhóm nhất định mà không có căn cứ hợp lý để biện minh. Đồng thời, cần khẳng định rằng các quyết định do hệ thống AI đưa ra hoặc hỗ trợ đưa ra vẫn thuộc phạm vi điều chỉnh của các quy định về chống phân biệt đối xử, và việc xác định vi phạm không nhất thiết phụ thuộc vào ý định của người sử dụng lao động. Việc sửa đổi Điều 3 Bộ luật Lao động theo hướng này, hoặc làm rõ thông qua văn bản hướng dẫn, sẽ giúp pháp luật chú trọng hơn đến hậu quả thực tế của tiêu chí được áp dụng thay vì chỉ tập trung vào yếu tố chủ ý của chủ thể ra quyết định.

Thứ hai, thiết lập nghĩa vụ thông báo và giải thích đối với quyết định có sự tham gia của trí tuệ nhân tạo

Việc mở rộng khái niệm phân biệt đối xử sẽ khó phát huy hiệu quả nếu người lao động không biết mình đang được đánh giá bằng một hệ thống tự động. Vì vậy, cần đặt ra nghĩa vụ minh bạch đối với người sử dụng lao động khi AI được sử dụng trong tuyển dụng hoặc quản lý nhân sự. Người lao động cần được thông báo về sự tham gia của hệ thống AI và được cung cấp những thông tin cần thiết để hiểu các yếu tố chính đã dẫn đến quyết định liên quan đến mình. Nghĩa vụ này không đồng nghĩa với việc doanh nghiệp phải công khai mã nguồn hoặc bí mật kinh doanh, mà chỉ đòi hỏi cung cấp những thông tin có ý nghĩa đối với việc nhận biết và kiểm tra căn cứ của quyết định. Xét về bản chất, đây là sự cụ thể hóa nguyên tắc minh bạch tại Điều 11 Luật Trí tuệ nhân tạo và quyền được biết tại Điều 4 Luật Bảo vệ dữ liệu cá nhân trong bối cảnh quan hệ lao động.

Thứ ba, thiết lập cơ chế đánh giá tác động và kiểm tra nguy cơ phân biệt đối xử trước khi đưa hệ thống AI vào sử dụng

Minh bạch trong từng trường hợp riêng lẻ vẫn chưa đủ, bởi nhiều hậu quả bất lợi có thể đã phát sinh trước khi người lao động phát hiện và thực hiện quyền khiếu nại. Vì vậy, cần tăng cường cơ chế phòng ngừa bằng cách yêu cầu doanh nghiệp đánh giá tác động và kiểm tra nguy cơ phân biệt đối xử của các hệ thống AI được sử dụng trong tuyển dụng và quản lý nhân sự, cả trước khi đưa vào sử dụng và định kỳ trong quá trình vận hành. Trên cơ sở cơ chế đánh giá tác động xử lý dữ liệu cá nhân hiện có, có thể nghiên cứu mở rộng phạm vi đánh giá để bao quát thêm rủi ro phân biệt đối xử, qua đó hạn chế việc phát sinh các thủ tục hành chính trùng lặp.

Thứ tư, điều chỉnh việc phân bổ nghĩa vụ chứng minh

Ngay cả khi được bảo đảm quyền tiếp cận thông tin và giải thích, người lao động vẫn khó có khả năng tự mình đánh giá một hệ thống có tính kỹ thuật cao. Vì vậy, khi người lao động đưa ra được những dấu hiệu ban đầu cho thấy hệ thống AI tạo ra bất lợi đáng kể đối với một nhóm được pháp luật bảo vệ, nghĩa vụ chứng minh nên được chuyển sang người sử dụng lao động. Khi đó, người sử dụng lao động phải chứng minh rằng các tiêu chí được hệ thống sử dụng có căn cứ khách quan, thực sự cần thiết và phù hợp với yêu cầu của công việc. Cách phân bổ nghĩa vụ chứng minh này không nhằm tạo lợi thế cho người lao động, mà xuất phát từ thực tế rằng phần lớn thông tin liên quan đến cách thức vận hành và căn cứ của quyết định nằm trong sự kiểm soát của doanh nghiệp. Cơ chế này cũng có sự liên hệ chặt chẽ với yêu cầu về minh bạch và kiểm tra hệ thống, bởi khi doanh nghiệp đã có nghĩa vụ lưu giữ, cung cấp và giải thích các thông tin cần thiết, việc yêu cầu họ chứng minh tính hợp lý của quyết định khi xuất hiện dấu hiệu phân biệt đối xử là phù hợp hơn.

Thứ năm, cụ thể hóa yêu cầu giám sát của con người và tăng cường chế tài

Cuối cùng, cần cụ thể hóa hai yêu cầu đã được pháp luật ghi nhận nhưng hiện vẫn còn tương đối khái quát. Đối với yêu cầu giám sát của con người, người thực hiện giám sát cần được cung cấp đầy đủ thông tin về hệ thống, được đào tạo để nhận biết những giới hạn và rủi ro của công nghệ, đồng thời có thẩm quyền xem xét, điều chỉnh hoặc không chấp nhận kết quả do hệ thống đưa ra khi cần thiết. Bên cạnh đó, người lao động cần có cơ chế rõ ràng để khiếu nại và yêu cầu xem xét lại những quyết định bất lợi có sự tham gia của AI. Chế tài áp dụng cũng cần tương xứng với tính chất và phạm vi ảnh hưởng của hành vi vi phạm, qua đó tạo động lực để doanh nghiệp chủ động đầu tư vào các biện pháp phòng ngừa và kiểm soát nguy cơ phân biệt đối xử.

Kết luận

Pháp luật lao động Việt Nam khẳng định quyền bình đẳng của người lao động, và với Luật Trí tuệ nhân tạo, lần đầu tiên nguyên tắc không phân biệt đối xử đã được đặt ngay trong một đạo luật về công nghệ. Nhưng như phân tích qua tình huống giả định cho thấy, những quy định ấy được xây dựng cho một mô hình quản trị lao động trong đó quyết định do con người đưa ra. Khi quyết định được tạo ra hoặc hỗ trợ bởi thuật toán, khái niệm phân biệt đối xử không bao quát được hiện tượng, người lao động không thể chứng minh điều mà mình không được tiếp cận, nguyên tắc pháp lý thiếu chế tài để dựa vào, và mọi sự can thiệp đều diễn ra sau khi thiệt hại đã phát sinh.

Thu hẹp khoảng cách đó không đòi hỏi phải sửa đổi toàn bộ pháp luật, mà đòi hỏi bổ sung đúng những công cụ còn thiếu: một khái niệm đủ rộng để nhận diện phân biệt đối xử gián tiếp, nghĩa vụ minh bạch và giải thích, cơ chế kiểm tra và đánh giá tác động, sự phân bổ hợp lý nghĩa vụ chứng minh, cùng với giám sát và chế tài có tính thực chất. Trong bối cảnh AI sẽ còn hiện diện sâu hơn trong đời sống lao động, việc chuẩn bị các công cụ này là yêu cầu của hiện tại chứ không phải của tương lai xa.

---

Tài liệu tham khảo

Barocas, S., & Selbst, A. D. (2016). Big data’s disparate impact. California Law Review, 104(3), 671-732.

Chính phủ. (2022). Nghị định số 12/2022/NĐ-CP ngày 17 tháng 01 năm 2022 quy định xử phạt vi phạm hành chính trong lĩnh vực lao động, bảo hiểm xã hội, người lao động Việt Nam đi làm việc ở nước ngoài theo hợp đồng.

Kim, P. T. (2017). Data-driven discrimination at work. William & Mary Law Review, 58(3), 857-936.

Liên hợp quốc. (1966). Công ước quốc tế về các quyền dân sự và chính trị.

MIT Technology Review. (2018, ngày 10 tháng 10). Amazon ditched AI recruitment software because it was biased against women. https://www.technologyreview.com/2018/10/10/139858/

Nghị viện châu Âu & Hội đồng Liên minh châu Âu. (2016). Quy định (EU) 2016/679 về bảo vệ cá nhân trong việc xử lý dữ liệu cá nhân và về tự do lưu chuyển dữ liệu (Quy định chung về bảo vệ dữ liệu).

Quốc hội. (2013). Hiến pháp nước Cộng hòa xã hội chủ nghĩa Việt Nam.

Quốc hội. (2019). Bộ luật Lao động (Luật số 45/2019/QH14).

Quốc hội. (2025a). Luật Bảo vệ dữ liệu cá nhân (Luật số 91/2025/QH15).

Quốc hội. (2025b). Luật Trí tuệ nhân tạo (Luật số 134/2025/QH15).

Tổ chức Lao động quốc tế. (1958). Công ước số 111 về phân biệt đối xử trong việc làm và nghề nghiệp.