Dùng AI viết đánh giá hiệu suất công việc: 6 prompt và một bản đánh giá mẫu

Prompt nhận mục tiêu, bằng chứng của chính bạn và thang điểm, còn xếp loại bạn giữ

Một prompt viết được bản nháp đầu tiên dùng được cho bản đánh giá hiệu suất khi nó mang ba thứ: các mục tiêu đặt ra đầu chu kỳ, bằng chứng bạn tự lấy từ hệ thống ticket, lịch và các con số, và thang điểm kèm định nghĩa từng mức. JPMorgan Chase cho phép quản lý làm đúng như vậy, theo một quy định rằng công cụ này "không thay thế phán đoán của con người" và lệnh cấm dùng AI để chấm điểm hay quyết định lương thưởng và thăng chức (Bloomberg, 13 tháng 11 năm 2025). Dưới đây là prompt chúng tôi gửi cho hai mô hình ngày 29 tháng 9 năm 2026; nữ kỹ sư hỗ trợ và các con số của cô ấy là bịa, điều quan trọng là cấu trúc.

Hãy viết nhận xét của quản lý cho bản đánh giá hiệu suất hằng năm. Chỉ dùng bằng chứng bên dưới; chỗ nào cần một dữ kiện tôi chưa đưa, hãy ghi [NEEDED] thay vì tự bịa. Cấu trúc: mỗi mục tiêu một đoạn (kết quả trước, rồi đến bằng chứng), một đoạn về các điểm cần phát triển, rồi đề xuất xếp loại chung theo thang của chúng tôi kèm một câu giải thích. Dưới 250 từ. Không dùng tính từ nói về tính cách của người đó, chỉ nói họ đã làm gì và việc đó tạo ra gì.

Vai trò: kỹ sư hỗ trợ, 2 năm ở vị trí này. Thang điểm: 1 Dưới kỳ vọng, 2 Đáp ứng một phần, 3 Đáp ứng, 4 Vượt kỳ vọng, 5 Vượt xa kỳ vọng. 3 là mức kỳ vọng cho một năm làm tốt; 4 cần tác động đo được vượt ngoài vai trò.

Mục tiêu 1: Giảm thời gian phản hồi đầu tiên (trung vị) của ticket tuyến 2 từ 9 giờ xuống dưới 4 giờ. Bằng chứng: báo cáo Zendesk, thời gian phản hồi đầu tiên trung vị 3.6 giờ từ Q2 đến Q4; xử lý 3,100 ticket trong năm so với mức trung bình của nhóm là 2,400.

Mục tiêu 2: Ra mắt trang trạng thái dành cho khách hàng. Bằng chứng: ra mắt ngày 14 tháng 3, trễ sáu tuần so với mục tiêu 1 tháng 2; việc trễ do phụ thuộc vào SSO của nhà cung cấp, nằm ngoài tầm kiểm soát của cô ấy; 22 sự cố đã được đăng lên đó kể từ khi ra mắt.

Mục tiêu 3: Kèm hai nhân viên mới đến mức tự xử lý ticket không cần giám sát trong 8 tuần. Bằng chứng: cả hai nhân viên mới tự xử lý ticket vào tuần 6 (ghi chú họp 1-1 của quản lý, tháng 4 và tháng 5).

Ghi chú phát triển: hai lần leo thang trong Q3 khi khách hàng được báo ngày sửa lỗi trước khi bộ phận kỹ thuật xác nhận (Jira SUP-2211, SUP-2287).

Hai chỉ dẫn trong prompt đó làm phần lớn công việc. "[NEEDED] thay vì tự bịa" ngăn mô hình tô điểm một mục tiêu bằng con số bạn chưa từng đo: trong lần chạy của chúng tôi, Claude Sonnet 4.5 viết một [NEEDED] ở chỗ chúng tôi không đưa bằng chứng về việc khắc phục sau hai lần leo thang, còn Gemini 2.5 Pro không viết gì và thêm một câu về quy trình mà chúng tôi chưa hề cung cấp. "Không dùng tính từ nói về tính cách" giữ bản nháp bám vào những gì đã xảy ra, đó cũng là thứ nhân viên có thể phản biện và HR có thể bảo vệ.

Bằng chứng phải đến từ bạn, vì mô hình không có gì khác. Báo cáo State of People Strategy 2025 của Lattice cho thấy 49% quản lý thấy khó xem lại một năm phản hồi, và cả năm đó chính là thứ prompt cần: bản xuất từ Zendesk hoặc Jira, lịch, nhật ký commit, ghi chú họp 1-1, các con số trên bảng điều khiển. Prompt 2 biến những bản xuất đó thành các dòng bằng chứng trước khi viết bất cứ thứ gì.

Bên dưới là các bản xuất thô trong kỳ đánh giá của người này: [dán danh sách ticket, bản xuất lịch, nhật ký commit hoặc báo cáo doanh số, lần lượt từng phần]. Hãy biến chúng thành các dòng bằng chứng, mỗi dòng một mục, mỗi dòng nêu một ngày hoặc khoảng ngày, một việc đã làm và một con số lấy từ bản xuất. Nhóm chúng theo các mục tiêu này: [dán mục tiêu]. Mục nào không hỗ trợ mục tiêu nào thì cho vào "Khác". Chỗ nào thiếu con số thì ghi [NUMBER NEEDED]. Không tóm tắt hay chấm điểm gì, và không thêm bất kỳ mục nào không có trong các bản xuất.

Bạn không phải người đi đầu. Resume Builder đã khảo sát 1,342 quản lý Mỹ có nhân viên cấp dưới vào tháng 6 năm 2025: 65% dùng công cụ AI tại nơi làm việc, và trong số đó 91% dùng chúng để đánh giá hiệu suất, với ChatGPT là lựa chọn đầu tiên của 53%.

Dùng AI viết bản tự đánh giá: cùng đầu vào, một thiếu sót trung thực

Bản tự đánh giá viết bằng AI bắt đầu từ cùng ba đầu vào, và nó biện hộ cho một mức xếp loại, mức mà bằng chứng của bạn ủng hộ, kèm một điều bạn sẽ làm khác đi được nêu bằng lời giản dị. Một bản tự đánh giá không có thiếu sót nào đọc như do máy viết hoặc do người không để tâm, và 26% nhân viên đã ngờ rằng mình nhận một bản đánh giá do AI viết (ZeroBounce, khảo sát 1,000 người đi làm Mỹ, tháng 9 năm 2025). Thứ tự triển khai của Citi cho thấy chuyện này đã bình thường đến mức nào: từ tháng 6 năm 2025 nhân viên có thể soạn bản tự đánh giá bằng công cụ AI của công ty, và bốn tháng sau quản lý nhận được sự hỗ trợ tương tự.

Hãy viết bản tự đánh giá của tôi cho kỳ đánh giá [kỳ]. Mục tiêu của tôi là: [dán]. Bằng chứng của tôi, tất cả từ hồ sơ của chính tôi: [dán các dòng bằng chứng từ prompt 2]. Thang điểm của chúng tôi: [dán, kèm định nghĩa từng mức]. Ngôi thứ nhất, dưới 300 từ, mỗi mục tiêu một đoạn mở đầu bằng kết quả rồi đến bằng chứng, sau đó một đoạn nêu điều tôi sẽ làm khác đi: [mô tả thiếu sót trong một dòng]. Hãy biện hộ cho mức xếp loại mà bằng chứng của tôi ủng hộ và nói rõ đó là mức nào; đừng biện hộ cho mức cao hơn. Chỗ nào cần con số tôi chưa đưa thì ghi [NUMBER NEEDED]. Không khẳng định gì về thái độ, nỗ lực hay tiềm năng của tôi, chỉ nói tôi đã làm gì và việc đó tạo ra gì.

Mỗi con số trong bản tự đánh giá nên là con số mà quản lý của bạn kiểm tra được trong hệ thống bạn lấy nó ra, vì đó là nơi họ sẽ tìm. Ba kết quả làm nên một bản tự đánh giá cũng chính là ba kết quả làm nên một đề nghị tăng lương, nên prompt lập luận trong bài dùng AI để xin tăng lương tạo ra các gạch đầu dòng cho cả hai, và bản tự đánh giá là nơi tốt hơn để ghi chúng vào hồ sơ trước.

Lượt cuối cùng là giọng văn, và ở đây nó quan trọng hơn bản nháp của quản lý, vì một bản tự đánh giá đọc như do mô hình viết sẽ cho quản lý biết bạn không tự viết. Prompt 4 dùng chính các câu của bạn làm mẫu, và nó hoạt động y như vậy với mọi email công việc.

Đây là ba đoạn do chính tôi viết, từ email hoặc tài liệu: [dán]. Hãy viết lại bản tự đánh giá bên dưới cho khớp cách tôi viết: độ dài câu, vốn từ, cách tôi bắt đầu câu. Bỏ mọi tính từ không gắn với con số. Không thêm, bớt hay đổi thứ tự bất kỳ dữ kiện nào, và giữ nguyên mọi con số cùng mọi [NUMBER NEEDED]. [dán bản nháp]

AI nào tốt nhất để viết đánh giá hiệu suất? Chúng tôi chạy một prompt trên hai mô hình

Claude Sonnet 4.5 viết bản đánh giá cẩn thận hơn còn Gemini 2.5 Pro viết ấm áp hơn, và cả hai đề xuất cùng một mức xếp loại, 4 điểm, từ cùng bằng chứng. Chúng tôi gửi prompt 1 nguyên vẹn cho cả hai mô hình qua cùng một API (endpoint any-llm của fal.ai) ngày 29 tháng 9 năm 2026 ở nhiệt độ 0.3, mỗi mô hình một lần chạy, bật chế độ suy luận của Gemini vì endpoint yêu cầu điều đó với mô hình này. Cả bài kiểm tra tốn chưa tới một xu.

Kết quả của Claude, không chỉnh sửa ngoài phần định dạng đậm:

Mục tiêu 1: Thời gian phản hồi đầu tiên Mục tiêu thời gian phản hồi đầu tiên trung vị đã đạt, dữ liệu Zendesk cho thấy 3.6 giờ từ Q2 đến Q4, thấp hơn mục tiêu 4 giờ. Kết quả này đạt được trong khi xử lý 3,100 ticket, cao hơn 29% so với mức trung bình của nhóm là 2,400.

Mục tiêu 2: Trang trạng thái Trang trạng thái dành cho khách hàng ra mắt ngày 14 tháng 3, trễ sáu tuần so với mục tiêu 1 tháng 2 do phụ thuộc vào SSO của nhà cung cấp nằm ngoài tầm kiểm soát của cô ấy. Kể từ khi ra mắt, 22 sự cố đã được đăng lên trang.

Mục tiêu 3: Kèm nhân viên mới Cả hai nhân viên mới được phân công đều đạt mức tự xử lý ticket không cần giám sát vào tuần 6, sớm hơn mục tiêu 8 tuần hai tuần, theo ghi chú họp 1-1 của quản lý tháng 4 và tháng 5.

Điểm cần phát triển Hai lần leo thang xảy ra trong Q3 (SUP-2211, SUP-2287) khi ngày sửa lỗi được báo cho khách hàng trước khi bộ phận kỹ thuật xác nhận. [NEEDED: evidence of improvement or corrective action taken after these incidents.]

Xếp loại đề xuất: 4 (Vượt kỳ vọng) Việc đạt mục tiêu thời gian phản hồi trong khi xử lý lượng ticket cao hơn hẳn mức trung bình, đẩy nhanh mức sẵn sàng của nhân viên mới và ra mắt trang trạng thái bất chấp các chậm trễ từ bên ngoài cho thấy tác động đo được vượt ngoài kỳ vọng thông thường của vai trò.

Kết quả của Gemini, không chỉnh sửa:

Bạn đã vượt mục tiêu giảm thời gian phản hồi đầu tiên trung vị, đạt 3.6 giờ so với mục tiêu dưới 4 giờ từ Q2 đến Q4. Kết quả này đạt được trong khi xử lý 3,100 ticket trong năm, cao hơn mức trung bình của nhóm là 2,400.

Trang trạng thái dành cho khách hàng được ra mắt ngày 14 tháng 3. Dù trễ so với mục tiêu 1 tháng 2, việc chậm trễ là do một phụ thuộc vào nhà cung cấp nằm ngoài tầm kiểm soát của bạn. Trang đã được dùng để đăng 22 sự cố kể từ khi ra mắt.

Bạn đã đạt mục tiêu kèm hai nhân viên mới. Cả hai tự xử lý ticket không cần giám sát vào tuần 6, sớm hơn mục tiêu 8 tuần, theo ghi chú họp 1-1 tháng 4 và tháng 5.

Về phát triển, hãy tập trung vào giao tiếp khi leo thang. Trong Q3, hai khách hàng được báo ngày sửa lỗi trước khi bộ phận kỹ thuật xác nhận (SUP-2211, SUP-2287). Quy trình là chờ ước tính của bộ phận kỹ thuật trước khi đưa ngày cho khách hàng.

Xếp loại đề xuất: 4 (Vượt kỳ vọng). Hiệu suất vượt trội rõ rệt về lượng ticket và thời gian phản hồi đã tạo ra tác động tích cực đo được lên trải nghiệm của khách hàng, vượt ngoài kỳ vọng đã định cho vai trò.

Xếp loại là chỗ cả hai nghiêng về cùng một phía, và đó là lý do xếp loại phải ở lại với bạn. Thang điểm nói 3 là mức kỳ vọng cho một năm làm tốt và 4 cần tác động đo được vượt ngoài vai trò. Cả hai mô hình coi 3,100 ticket so với mức trung bình 2,400 là tác động đó, và không mô hình nào đặt việc trễ sáu tuần ở mục tiêu 2 hay hai lần leo thang lên cán cân trong câu xếp loại. Với bằng chứng này, 4 điểm là có thể lập luận được; 3 điểm kèm một dòng về các lần leo thang cũng vậy, và cả hai lần mô hình đều chọn mức rộng rãi hơn. Prompt 5 buộc nó lập luận cho phía bên kia trước khi bạn quyết định.

Đây là một bản nháp đánh giá và thang điểm của chúng tôi: [dán cả hai]. Bản nháp đề xuất [xếp loại]. Hãy viết lập luận mạnh nhất trong một đoạn cho mức thấp hơn một bậc và lập luận mạnh nhất cho mức cao hơn một bậc, chỉ dùng bằng chứng trong bản nháp và các định nghĩa của chính thang điểm. Sau đó liệt kê mọi bằng chứng mà mức xếp loại đề xuất bỏ qua. Đừng đề xuất một mức xếp loại.

Vậy AI nào tốt nhất: với một bản đánh giá, mô hình quan trọng ít hơn bằng chứng, vì hai mô hình hàng đầu cho cùng bằng chứng đã ra cùng xếp loại và chỉ khác nhau về giọng văn và một câu bịa. Chọn Claude nếu bạn muốn chỉ ra bằng chứng còn thiếu, chọn Gemini nếu bạn muốn bản nháp đã nói thẳng với nhân viên. Việc có cả hai ở một nơi hữu ích trong mùa đánh giá với tám nhân viên. Trên Whizi, bạn ghim thang điểm và định nghĩa năng lực vào một dự án một lần (tính đến tháng 9 năm 2026, một dự án chứa tối đa 10 tệp ghim, mỗi tệp 10 MB, gồm cả .docx và PDF, và hướng dẫn dự án tối đa 32,000 ký tự đi kèm mọi tin nhắn), rồi chạy bằng chứng của từng nhân viên qua Claude và Gemini mà không phải dán lại thang điểm (cách dự án hoạt động). Chỗ Whizi thua là nửa còn lại của công việc: nó không có tích hợp HRIS và không có tài khoản nhóm, nên không có gì được kéo từ Workday, Lattice hay Zendesk giúp bạn. Performance Assist của Citi "tự động thu thập toàn bộ thông tin đó trực tiếp từ hệ thống của chúng tôi", theo lời Patricia Gould, trưởng bộ phận đãi ngộ tổng thể của Citi, và AI Agent của Lattice tóm tắt phản hồi trước đó từ bên trong Lattice. Trên Whizi, bạn xuất rồi dán.

Có phải báo cho HR, hay cho nhân viên, rằng AI đã giúp viết bản đánh giá?

Ở hai nhà tuyển dụng lớn có công bố lập trường, câu trả lời khác nhau: Citi thông báo cho nhân viên và cho phép bất kỳ ai từ chối bản đánh giá do AI soạn, và đến tháng 12 năm 2025 chưa tới 1% làm vậy, trong khi quy định của JPMorgan, theo cách Bloomberg đưa tin, giới hạn những gì quản lý được làm với công cụ chứ không yêu cầu thông báo cho cấp dưới. JPMorgan cấm AI chấm điểm; Citi giữ quản lý chịu trách nhiệm cho bản đánh giá cuối cùng. Ở mọi nơi khác, câu trả lời là chính sách AI của công ty bạn, và mục đầu tiên trong danh sách kiểm tra của Lattice và Textio giống với của chúng tôi: đọc nó trước khi dán. Lập trường của các nhà tuyển dụng Mỹ có tên, như được đưa tin từ 13 tháng 11 đến 2 tháng 12 năm 2025:

Các con số khảo sát cho thấy câu hỏi này đã hiện hữu ở hầu hết các nhóm. Trong khảo sát tháng 6 năm 2025 của Resume Builder, "hơn 20% nói họ cho phép AI đưa ra quyết định mà không cần con người tham gia, hoặc luôn luôn (5%) hoặc thường xuyên (16%)", và chỉ 32% quản lý dùng AI để quản lý con người từng được đào tạo chính thức về nó. Khảo sát tháng 9 năm 2025 của ZeroBounce cho thấy 41% quản lý đã soạn hoặc sửa một bản đánh giá bằng AI. Khảo sát tháng 12 năm 2025 của Gartner với 1,622 người trả lời cho thấy "các quản lý báo cáo tiết kiệm trung bình bốn giờ ở nhiều phần khác nhau của quy trình quản lý hiệu suất khi dùng AI", và lời khuyên tháng 4 năm 2026 của họ là coi AI "như một đầu vào cho phán đoán của quản lý chứ không phải sự thay thế".

Thí nghiệm thực địa duy nhất về việc công khai cho thấy một cái giá của việc nói ra, và một cách vòng qua nó. Tong, Jia, Luo và Fang, trên Strategic Management Journal năm 2021, đo phản hồi do AI tạo ra bên trong một công ty thật và viết rằng "nhân viên có thể hình thành nhận thức tiêu cực về phản hồi của AI một khi nó được công khai cho họ, từ đó làm hại năng suất của họ", một tác động giảm dần theo thâm niên của nhân viên. Cách khắc phục họ gợi ý chính là hình dạng mà mọi chính sách ở trên đều đi đến: quản lý trao phản hồi, bằng giọng của quản lý, bất kể ai đã soạn nháp. Peter Cassat, đối tác tại CM Law, nói với HR Dive hồi tháng 12 năm 2025 rằng dùng AI để đánh giá nhân viên "có thể khiến tổ chức đối mặt với các khiếu nại phân biệt đối xử cũng như nghĩa vụ tuân thủ đáng kể", đó là lý do pháp lý khiến việc chấm điểm vẫn do con người làm ở các ngân hàng. Quy định của từng bang và thành phố khác nhau, và trang này không phải tư vấn pháp lý; câu hỏi dành cho HR hoặc luật sư của bạn là công cụ soạn nháp có được tính là công cụ ra quyết định tự động ở nơi bạn sống hay không. AI cho HR liệt kê sáu quy định về việc làm và AI của Mỹ, những quy định chạm đến lương và kỷ luật, và những quy định tự loại việc soạn nháp ra trong chính văn bản của chúng.

Tôi có thể viết bản đánh giá bằng AI miễn phí không?

Có. Các gói miễn phí của ChatGPT, Claude và Gemini nhận prompt 1 đúng như đã viết, và các trình tạo chuyên dụng làm cùng việc đó bằng biểu mẫu thay vì prompt. TechnologyAdvice đã thử tám trình tạo miễn phí vào tháng 3 năm 2026 và giữ lại bốn: Easy-Peasy.AI (2 bản đánh giá mỗi ngày), Writify.AI (không giới hạn, có quảng cáo), Vondy (4 lần trước khi đăng ký) và GravityWrite (1,000 từ mỗi tháng). Các biểu mẫu hỏi tên nhân viên; hãy điền chức danh thay vào đó, trên bất kỳ công cụ nào mà bạn chưa đọc điều khoản dữ liệu (những gì không bao giờ nên dán vào chat AI).

Miễn phí hay trả phí, hãy chạy một bước kiểm tra mà các công cụ biểu mẫu bỏ qua. Thử nghiệm tháng 1 năm 2023 của Textio về phản hồi do ChatGPT viết cho thấy nó mặc định một y tá là nữ 9 trên 10 lần và viết phản hồi cho phụ nữ dài hơn khoảng 15%, phần dài thêm chủ yếu là lời phê bình. Prompt 6 chạy bước kiểm tra đó trên toàn bộ tập của bạn trước khi gửi bất cứ thứ gì.

Đây là [N] bản đánh giá nháp của nhóm tôi, với tên được thay bằng chữ cái: [dán]. Hãy so sánh chúng và liệt kê: bản đánh giá nào dài hơn hoặc ngắn hơn trung vị quá 20%; mọi tính từ nói về tính cách (đáng tin cậy, khó tính, hoạt bát, hung hăng) và nó xuất hiện trong bản nào; mọi đại từ hoặc từ mang giới tính; mọi khẳng định không có con số hay ngày tháng đứng sau. Xuất ra một bảng với mỗi phát hiện một hàng. Đừng viết lại gì cả.

Quy tắc mà mọi chính sách trên trang này đều đồng ý nằm gọn trong một câu: bằng chứng đến từ bạn, bản nháp có thể đến từ mô hình, còn xếp loại và cuộc trò chuyện vẫn là của bạn.