Hướng dẫn tự động hóa sàng lọc ứng viên F&B: Hết cảnh "chạy bằng cơm", lọc sạch thiên vị

Automating F&B Candidate Screening: Eliminating Manual Labor and Bias

Mở thêm chi nhánh mới, chạy chương trình khuyến mãi lớn, việc đầu tiên anh em chủ xưởng và quản lý chuỗi F&B nghĩ đến là gì? Tuyển người. Nhưng...

When opening a new branch or launching a big promotion, what is the first thing F&B owners and managers think of? Hiring. But the reality is a painful cycle: receiving...

import openai

def screening_candidate(candidate_data):
    # Dữ liệu đầu vào đã lược bỏ tên, tuổi, giới tính, quê quán để tránh định kiến
    prompt = f"""
    Bạn là trợ lý tuyển dụng F&B chuyên nghiệp. Hãy đánh giá ứng viên sau dựa trên tiêu chí:
    1. Đăng ký ca làm việc (phải khớp tối thiểu 4 ca/tuần): {candidate_data['shifts']}
    2. Khoảng cách di chuyển (ưu tiên dưới 5km): {candidate_data['distance_km']} km
    3. Cách xử lý tình huống khách phàn nàn: {candidate_data['scenario_response']}

    Nghiêm cấm đánh giá dựa trên vùng miền, giới tính hay tuổi tác.
    Trả về kết quả định dạng JSON:
    {{
        "decision": "Phù hợp" hoặc "Không phù hợp",
        "score": Điểm số từ 1-10,
        "reason": "Lý do ngắn gọn"
    }}
    """
    
    response = openai.ChatCompletion.create(
        model="gpt-4o-mini",
        messages=[{"role": "user", "content": prompt}],
        temperature=0
    )
    return response.choices[0].message.content

import openai

def screening_candidate(candidate_data):
    # Input data excludes name, age, gender, and hometown to prevent bias
    prompt = f"""
    You are a professional F&B recruitment assistant. Evaluate the following candidate based on:
    1. Shift availability (must match at least 4 shifts/week): {candidate_data['shifts']}
    2. Travel distance (prefer under 5km): {candidate_data['distance_km']} km
    3. Customer complaint handling response: {candidate_data['scenario_response']}

    Strictly forbid evaluation based on region, gender, or age.
    Return result in JSON format:
    {{
        "decision": "Qualified" or "Unqualified",
        "score": Score from 1-10,
        "reason": "Brief reason"
    }}
    """
    
    response = openai.ChatCompletion.create(
        model="gpt-4o-mini",
        messages=[{"role": "user", "content": prompt}],
        temperature=0
    )
    return response.choices[0].message.content