Mô tả công việc

• Chịu trách nhiệm thiết kế giải pháp, phát triển, triển khai và tối ưu hệ thống backend cho các sản phẩm voice tại VPBank, bao gồm Callbot, AI Tutor/Coaching, Virtual QC, Voice Analytics, Information Extraction và các ứng dụng xử lý giọng nói, hội thoại.

• Chuyển hóa yêu cầu nghiệp vụ thành giải pháp kỹ thuật; trực tiếp xây dựng API, dịch vụ backend, luồng xử lý và cơ chế tích hợp các thành phần AI để đưa sản phẩm vào vận hành thực tế.

• Thiết kế và phát triển các hệ thống xử lý thời gian thực (realtime) và theo lô (batch), đáp ứng yêu cầu về độ trễ, khả năng xử lý đồng thời, tính ổn định, khả năng mở rộng và bảo mật của Ngân hàng.

• Tham gia xây dựng các thành phần backend dùng chung cho Voice Platform, chuẩn hóa khả năng tích hợp và tái sử dụng để rút ngắn thời gian triển khai các use case mới.

• Đóng vai trò đầu mối kỹ thuật trong phạm vi được giao; chủ động đề xuất giải pháp, review thiết kế, review code và hướng dẫn các thành viên khác trong nhóm.

Yêu cầu ứng viên

Trình độ đào tạo

Đại học in Khoa học máy tính

Phân tích kỹ năng cần có

Phân tích kỹ năng cho vị trí CVCC AI Engineer – Voice Platform tại VPBank

Đây là vị trí Chuyên viên cao cấp (CVCC) nên yêu cầu không chỉ rộng mà còn sâu. Tin đăng khá tối giản phần yêu cầu, nhưng từ mô tả công việc có thể suy ra bộ kỹ năng chuẩn như sau:

1. Hard Skills (Kỹ năng kỹ thuật)

Nhóm kỹ năng	Cụ thể	Mức yêu cầu
Ngôn ngữ lập trình	Python (chính), có thêm Go/Java là lợi thế	Thành thạo
Backend Framework	FastAPI, Flask, gRPC, WebSocket	Thành thạo
Voice AI / Speech	ASR (Whisper, Wav2Vec2, Vosk), TTS, Speaker Diarization, Voice Activity Detection	Nắm vững ít nhất 1-2 mô hình
LLM & RAG	LangChain/LlamaIndex, OpenAI/Anthropic API, prompt engineering, fine-tuning, vector DB (Pinecone, Milvus, Qdrant)	Nắm vững
Realtime Streaming	Kafka, RabbitMQ, Redis Streams, WebRTC, gRPC streaming	Thành thạo
MLOps	Docker, Kubernetes, MLflow, CI/CD, Airflow, model serving (Triton, TorchServe, BentoML)	Thành thạo
Cơ sở dữ liệu	PostgreSQL, MongoDB, Redis, Elasticsearch	Thành thạo
Cloud	AWS/GCP/Azure (ưu tiên AWS vì VPBank dùng nhiều)	Có kinh nghiệm production
Observability	Prometheus, Grafana, OpenTelemetry, logging stack (ELK/Loki)	Có kinh nghiệm
Bảo mật	Authentication/Authorization (JWT, OAuth2), encryption, data privacy trong lĩnh vực tài chính	Hiểu biết

2. Soft Skills

Tư duy hệ thống: Thiết kế được hệ thống realtime + batch đáp ứng latency, concurrency, security.
Giao tiếp với nghiệp vụ: Tin nhắn nhắc "chuyển hóa yêu cầu nghiệp vụ thành giải pháp kỹ thuật" – đây là kỹ năng quan trọng nhất. Bạn phải ngồi với BA/Product để hiểu rồi mới code.
Review code, mentor: Vị trí CVCC kỳ vọng bạn dẫn dắt được team.
Tiếng Anh: Đọc được paper, docs kỹ thuật là bắt buộc.

3. Chứng chỉ gợi ý (không bắt buộc nhưng là điểm cộng)

AWS Certified Machine Learning – Specialty
Google Professional ML Engineer
TensorFlow / PyTorch Developer Certificate
Certified Kubernetes Administrator (CKA)

4. So sánh với các vị trí AI Engineer thông thường

Tiêu chí	AI Engineer thông thường	Vị trí này tại VPBank
Trọng tâm	Train model, notebook	Production backend + tích hợp AI
Ngôn ngữ chính	Python (research)	Python (production) + DevOps
Môi trường	Lab, R&D	Hệ thống ngân hàng production, yêu cầu uptime cao
Cần hiểu	Mô hình AI	Cả mô hình AI + hạ tầng + nghiệp vụ tài chính
Cấp bậc	Thường là fresher/junior	Senior/Lead (CVCC)

5. Những kỹ năng dễ bị "hớ" khi đọc JD

Tin không ghi rõ kinh nghiệm bao nhiêu năm, nhưng mức CVCC + đầu mối kỹ thuật thường tương đương 5-7 năm kinh nghiệm trở lên, trong đó ít nhất 2-3 năm làm production AI/voice.
Tin ghi "Đại học Khoa học Máy tính" nhưng thực tế ngành liên quan (Toán tin, Điện tử viễn thông, AI) đều được chấp nhận.

Chuẩn bị phỏng vấn

Hướng dẫn phỏng vấn CVCC AI Engineer – Voice Platform

Quy trình các vòng (dự kiến cho vị trí senior tại VPBank)

Vòng 1 – HR Screening (30-45 phút)

Giới thiệu bản thân, lý do ứng tuyển, mức lương mong muốn
Kiểm tra nhanh background, bằng cấp, thời gian làm việc
Có thể cho bài test IQ/logic hoặc tiếng Anh

Vòng 2 – Technical Test (60-90 phút, có thể online)

Bài test code trên HackerRank/CoderPad: Python, thuật toán, xử lý chuỗi
Có thể có phần SQL, system design mini

Vòng 3 – Technical Interview sâu (90-120 phút)

Phỏng vấn 1-1 hoặc 2-1 với Senior/Manager kỹ thuật
Đào sâu vào: voice AI pipeline, system design, backend production

Vòng 4 – Director/Head of Department (45-60 phút)

Đánh giá tư duy chiến lược, khả năng lãnh đạo, fit với team
Câu hỏi về tầm nhìn, dự án từng làm, xử lý conflict

Vòng 5 – Offer & Background check

Thương lượng lương, benefits, ngày vào làm

Câu hỏi hay gặp theo từng vòng

Vòng HR

Giới thiệu bản thân và lý do chọn vị trí AI Voice tại ngân hàng?
Mức lương hiện tại và mong muốn?
Notice period bao lâu?

Vòng Technical

Hãy thiết kế hệ thống Callbot xử lý 100.000 cuộc gọi/ngày, latency dưới 2 giây?
Sự khác biệt giữa streaming ASR và batch ASR? Khi nào dùng cái nào?
So sánh Whisper, Wav2Vec2, và một mô hình ASR thương mại (như Google STT, Azure Speech)?
Làm sao xử lý dialect tiếng Việt trong ASR? Bạn đã làm thực tế chưa?
Giải thích cách RAG hoạt động trong chatbot hỗ trợ khách hàng ngân hàng?
Làm sao đánh giá chất lượng hệ thống TTS? Metric nào quan trọng?
Cách scale hệ thống realtime với GPU? Bạn dùng Triton, vLLM, hay TensorRT?
Đã từng xử lý vấn đề hallucination của LLM trong sản phẩm tài chính chưa?
Thiết kế pipeline ETL cho Voice Analytics: từ audio → transcript → entity → dashboard?
So sánh Kafka và RabbitMQ cho voice streaming?
Cách bảo mật audio data và PII khi xử lý cuộc gọi khách hàng?
Bạn đã dùng vector database nào? Tại sao chọn nó thay về cái khác?

Vòng Director

Trong 6 tháng tới, bạn sẽ đóng góp gì cho Voice Platform?
Khi business yêu cầu deadline rất gấp nhưng chưa rõ requirement, bạn xử lý thế nào?
Bạn đã mentor bao nhiêu người? Cách bạn review code?
Tại sao rời công ty cũ? Mong muốn gì ở VPBank?

Tips chuẩn bị

Chuẩn bị 2-3 dự án "đắt giá": dù không phải làm về voice, hãy chọn dự án có yếu tố production, scale, và giải quyết được business pain point.
Vẽ diagram trước: Khi được hỏi system design, vẽ ngay kiến trúc tổng thể → đi vào chi tiết từng component. Đừng chỉ nói miệng.
Chuẩn bị STAR: Với mỗi dự án, trình bày theo Situation → Task → Action → Result, có số liệu cụ thể (giảm 30% latency, tăng 2x throughput...).
Hiểu VPBank trước buổi phỏng vấn: Tìm hiểu sản phẩm, tin tức gần đây, chiến lược chuyển đổi số. VPBank đang đẩy mạnh AI cho call center, đặc biệt sau khi ra mắt nhiều sản phẩm số.

Dress code

Vòng HR: Smart casual hoặc lịch sự.
Vòng Technical: Business casual, áo sơmi là chuẩn.
Vòng Director: Business formal (vest, áo sơmi, quần tây) là an toàn nhất.

Lộ trình ôn thi

Lộ trình ôn tập & chuẩn bị trong 1-2 tuần

Tuần 1 – Nền tảng kỹ thuật cốt lõi

Ngày 1-2: Speech & Voice AI cơ bản

Đọc lại kiến thức về ASR pipeline: acoustic model + language model
Đọc paper gốc của Whisper (OpenAI), Wav2Vec2 (Meta)
Thử nghiệm fine-tune mô hình ASR tiếng Việt với dataset PhoWhisper hoặc Common Voice
Tài liệu:
- "Speech and Language Processing" của Jurafsky (chương về Speech)
- HuggingFace blog về Whisper
- Github: openai/whisper, facebook/wav2vec2, VinAI galiaphatet/sample-vpb

Ngày 3: LLM & RAG cho Voice Application

Đọc về cách dùng LLM trong Callbot, Information Extraction
Thực hành xây dựng RAG pipeline với LangChain + Qdrant
Hiểu cách function calling, structured output với Pydantic
Tài liệu:
- LangChain documentation
- Anthropic cookbook
- Bài viết "Building Production-Ready RAG Systems"

Ngày 4-5: Backend Production

Ôn lại FastAPI best practice: dependency injection, async/await, background jobs
Thực hành xây dựng WebSocket server cho streaming
Đọc về gRPC cho low-latency service
Tài liệu:
- FastAPI documentation
- "Designing Data-Intensive Applications" (chương về streaming)

Ngày 6-7: Realtime + Streaming Infrastructure

Kafka cơ bản + cấu hình cho voice streaming
Redis Streams vs Kafka Streams
WebRTC basics
Tài liệu:
- Kafka: The Definitive Guide
- Confluent blog về streaming

Tuần 2 – MLOps, System Design & Bảo mật

Ngày 8-9: MLOps & Model Serving

Docker multi-stage build cho AI service
Kubernetes: Deployment, Service, HPA, GPU node
Model serving: Triton Inference Server, vLLM, BentoML
Tài liệu:
- Kubernetes documentation
- NVIDIA Triton docs

Ngày 10: Security trong AI System

OAuth2, JWT cho API authentication
Encryption audio data at-rest và in-transit
PII detection trong call center
Compliance: PCI DSS, ISO 27001 cơ bản

Ngày 11-12: System Design Practice

Vẽ kiến trúc Callbot hoàn chỉnh
Vẽ kiến trúc Voice Analytics platform
Tính capacity planning: cần bao nhiêu GPU cho 100K calls/ngày?

Ngày 13: Tìm hiểu VPBank & Voice Banking

Đọc tin tức VPBank 6 tháng gần đây
Tìm hiểu sản phẩm VPBank AI, VPBank Neo, VPB Digibank
Đọc case study ngân hàng khác về voice AI (OCBC, DBS, TPBank...)

Ngày 14: Mock interview

Nhờ bạn bè hoặc dùng AI mock interview
Quay video, xem lại, sửa cách diễn đạt

Tài liệu tham khảo quan trọng

Sách:

"Designing Data-Intensive Applications" – Martin Kleppmann
"Building Machine Learning Powered Applications" – Emmanuel Ameisen
"Speech and Language Processing" – Jurafsky & Martin
"Kubernetes in Action" – Marko Lukša

Blog/Website:

HuggingFace Blog
OpenAI Cookbook
Google Cloud AI Blog
Netflix Tech Blog (về streaming, MLOps)
AWS Machine Learning Blog

Khóa học online:

DeepLearning.AI: "Generative AI with Large Language Models"
Coursera: "Production Machine Learning Systems" (Google)
Coursera: "MLOps Specialization" (DeepLearning.AI)

Vietnamese resources:

Zalo AI Blog
VinAI Research papers
Viblo.vn (có nhiều bài về MLOps tiếng Việt)
Cộng đồng AI Vietnam trên Facebook

Tư vấn nghề nghiệp

Lời khuyên sự nghiệp cho vị trí AI Engineer tại Ngân hàng

1. Tại sao nên chọn làm AI Engineer trong ngân hàng?

Ưu điểm:

Dữ liệu khổng lồ: Ngân hàng có lượng data cuộc gọi, giao dịch, hành vi khách hàng cực lớn – môi trường lý tưởng để AI tạo giá trị thực.
Bài toán đa dạng: Callbot, Virtual QC, Voice Analytics, AI Coaching... không thiếu use case.
Lương tốt: Ngân hàng trả lương AI cao hơn nhiều ngành khác, đặc biệt vị trí CVCC.
Ổn định: Ngân hàng ít bị layoff như startup hay fintech nhỏ.

Thách thức:

Văn hóa doanh nghiệp lớn: Quy trình nhiều, release chậm, đôi khi phải làm việc với nhiều bên.
Compliance nặng: Mọi thứ phải qua phê duyệt bảo mật, mất thời gian.
Hạ tầng cũ: Nhiều ngân hàng vẫn dùng hệ thống legacy, integrate khó.

2. Lộ trình thăng tiến

Vị trí CVCC hiện tại nằm trong khung này:

Chuyên viên (CV) ──> CVCC ──> Trưởng nhóm ──> Trưởng phòng ──> Giám đốc
   2-3 năm        5-7 năm    7-9 năm       9-12 năm      12+ năm

Hướng đi tiếp:

Technical track: CVCC → Principal Engineer → Distinguished Engineer → Chief AI Officer
Managerial track: CVCC → Senior Manager → Department Head → Chief Data Officer
Cross-domain: Sang làm Product Manager, Solution Architect, hoặc chuyển sang công ty AI startup với tư cách đồng sáng lập.

3. Mức lương kỳ vọng theo cấp bậc

(Lưu ý: mức lương có thể thay đổi tùy ngân hàng và thời điểm)

Cấp bậc	Kinh nghiệm	Mức lương (gross)	Notes
Junior AI Engineer	0-2 năm	18-30 triệu	Bao gồm cả fresher
AI Engineer	2-4 năm	30-55 triệu	Đã làm production
Senior AI Engineer / CVCC	5-7 năm	55-100 triệu	Vị trí này nằm ở đây
Lead/Principal AI Engineer	7-10 năm	100-180 triệu	Bao gồm cả stock/Phụ cấp
AI Manager / Head	10+ năm	150-300 triệu+	Tùy quy mô ngân hàng

VPBank trả nằm trong nhóm top ngân hàng tư nhân về lương tech. Vị trí CVCC nên kỳ vọng 60-100 triệu gross cộng thưởng KPI và phúc lợi.

4. Kỹ năng cần phát triển thêm sau khi vào

Ngắn hạn (3-6 tháng):

Hiểu sâu hệ thống voice hiện tại của VPBank
Build network với team Business, Product, Compliance
Hiểu rõ quy trình release và security review của ngân hàng

Trung hạn (6-18 tháng):

Lấy 1-2 chứng chỉ cloud chuyên ngành
Dẫn dắt ít nhất 1 dự án end-to-end từ ideation → production
Mentor 1-2 bạn junior

Dài hạn (2-5 năm):

Xây dựng thought leadership: viết blog, nói chuyện ở hội nghị
Đề xuất kiến trúc AI mới cho toàn ngân hàng
Có thể chuyển sang track Product Manager AI hoặc Solution Architect AI

5. Mẹo đàm phán lương

Đừng nói mức lương hiện tại trước nếu chưa cần. Hỏi: "Anh/chị có thể chia sẻ budget cho vị trí này không?"
Pivot sang giá trị bạn mang lại: "Em đã giúp công ty cũ tăng 30% conversion rate cho callbot, em tin có thể mang lại tương tự cho VPBank."
Đàm phán tổng compensation: lương + thưởng KPI + phúc lợi (bảo hiểm, khám sức khỏe, học bổng)
Có offer khác làm leverage: Nếu có offer từ công ty khác, dùng nó một cách lịch sự: "Em đang có một offer khác ở mức X, em rất thích VPBank vì lý do Y, nếu có thể align thì em sẽ quyết định ngay."

6. Cảnh báo thực tế

Ngân hàng thay đổi chậm: Nếu bạn thích build nhanh, release nhanh → ngân hàng có thể gây frustration.
AI trong ngân hàng bị giám sát chặt: Không thể làm theo kiểu "ship nhanh, sửa sau".
Phải học domain: Không chỉ code AI, bạn cần hiểu ngân hàng đang thật sự cần gì.
Áp lực KPI: Voice AI ở ngân hàng thường bị đo bằng tỷ lệ automation, CSAT – bạn phải chịu được áp lực kinh doanh.

Câu hỏi thường gặp

Em mới ra trường ngành Khoa học Máy tính, có thể apply vị trí CVCC AI Engineer này được không?

Câu trả lời ngắn: Rất khó. CVCC (Chuyên viên cao cấp) tương đương senior, thường yêu cầu 5-7 năm kinh nghiệm. Nếu em mới ra trường, em nên apply các vị trí Junior AI Engineer hoặc AI Engineer trước. Tuy nhiên, nếu em có sản phẩm thực tế xuất sắc (như open-source project được nhiều star, nghiên cứu được publish, hoặc sản phẩm voice đã deploy production), vẫn có cơ hội nhưng rất nhỏ. Em nên tích lũy thêm 2-3 năm kinh nghiệm production rồi quay lại.

Em đang làm backend Python ở fintech, muốn chuyển sang AI Engineer, cần học thêm gì?

Em đã có nền tảng backend tốt – đó là lợi thế rất lớn vì AI Engineer ở ngân hàng cần production skill nhiều hơn research. Em cần học thêm:

ML/DL cơ bản: Hiểu supervised/unsupervised, neural network cơ bản, transformer architecture.
NLP & Speech: Đọc về ASR, TTS, LLM. Làm 1-2 project với HuggingFace.
LLM & RAG: Học LangChain, prompt engineering, vector database.
MLOps: Docker, Kubernetes, model serving. Em backend thì phần này sẽ nhanh.
1 dự án portfolio: Xây dựng 1 callbot hoặc voice analytics demo deploy lên cloud.

Thời gian: 6-12 tháng học + build portfolio. Sau đó apply vị trí AI Engineer (không phải CVCC). Đừng nhảy thẳng lên CVCC vì sẽ bị so với người có 5-7 năm.

Vị trí này lương bao nhiêu? Em đang ở mức 45 triệu, apply có hợp lý không?

Mức lương có thể thay đổi tùy ngân hàng và thời điểm, nhưng với vị trí CVCC AI Engineer ở VPBank, range tham khảo khoảng 55-100 triệu gross (chưa tính thưởng KPI, phúc lợi). Nếu em đang ở 45 triệu mà apply vị trí này, em có thể đề xuất mức 60-80 triệu tùy năng lực. Lưu ý: VPBank thường đánh giá khá kỹ nên dù em đang 45 triệu, nếu em đáp ứng được technical bar thì vẫn có cơ hội nhảy 30-50%.

Em đã có 8 năm kinh nghiệm AI ở công ty nước ngoài, về VPBank có bị hụt lương không?

Có thể. Ngân hàng Việt Nam (kể cả VPBank) thường trả thấp hơn công ty nước ngoài hoặc FAANG 30-50%. Tuy nhiên, đổi lại em có: giờ làm ổn định hơn, ít OT, work-life balance tốt hơn, cơ hội làm bài toán lớn với data thực của ngân hàng Việt, và brand VPBank rất tốt cho CV sau này. Nếu em đã ở mức 200+ triệu ở công ty nước ngoài, về ngân hàng có thể chỉ được 120-180 triệu – đó là sự đánh đổi cần cân nhắc. Còn nếu em đang ở 80-120 triệu thì về VPBank có thể giữ nguyên hoặc tăng nhẹ.

Làm AI Engineer ở ngân hàng có khác gì so với công ty AI thuần túy?

Khác rất nhiều:

Ở công ty AI thuần túy (VinAI, Zalo AI, FPT.AI...):

Làm model nhiều, build pipeline cũng nhiều
Văn hóa tech mạnh, thử nghiệm thoải mái
Ít bị compliance ràng buộc
Cơ hội publish paper, open source

Ở ngân hàng (VPBank, Techcombank, MB...):

Production và integration nhiều hơn research
Compliance nặng: bảo mật, audit, kiểm soát rủi ro
Làm việc với business nhiều: BA, product, legal
Dữ liệu lớn nhưng khó truy cập hơn (do bảo mật)
Hệ thống legacy nhiều
Lương ổn định, thưởng KPI cuối năm

Nói ngắn gọn: công ty AI = tech-first, ngân hàng = business-first + production-first. Ai thích research thuần túy thì không hợp. Ai muốn xây sản phẩm thực tế ảnh hưởng hàng triệu người thì rất hợp.

Trong JD có nhắc đến 'Callbot', 'Virtual QC', 'Voice Analytics' – đây là những sản phẩm gì?

Đây là 3 sản phẩm voice AI phổ biến trong ngân hàng:

Callbot: Hệ thống AI gọi điện tự động cho khách hàng, ví dụ nhắc lịch thanh toán, thông báo giao dịch, hỗ trợ khách hàng 24/7. Thay thế call center truyền thống.
Virtual QC (Quality Control): Hệ thống tự động nghe các cuộc gọi giữa nhân viên và khách hàng, đánh giá chất lượng: nhân viên có tuân thủ script không, có lịch sự không, có bán thêm sản phẩm không. Thay thế QC thủ công.
Voice Analytics: Phân tích giọng nói để trích xuất thông tin: khách hàng đang bực bội hay hài lòng (sentiment), nội dung cuộc gọi nói về chủ đề gì, agent nào giỏi nhất.

Ngoài ra còn AI Tutor/Coaching (huấn luyện nhân viên qua voice), Information Extraction (trích xuất thông tin từ cuộc gọi). Tất cả đều dùng kết hợp ASR + NLP + LLM.

Em nộp hồ sơ rồi nhưng 2 tuần chưa thấy phản hồi, có nên follow up không?

Hoàn toàn nên. Sau 7-10 ngày chưa thấy phản hồi, em gửi email/inmail follow up cho HR. Mẫu email:

"Chào anh/chị [tên HR],

Em là [tên em], đã ứng tuyển vị trí CVCC AI Engineer - Voice (TA105) vào ngày [X]. Em rất quan tâm đến cơ hội này và muốn hỏi thăm về tiến độ xét duyệt hồ sơ của em.

Em có thể cung cấp thêm thông tin nếu cần. Mong anh/chị phản hồi.

Trân trọng, [Tên em]"

Không nên follow up quá 2 lần. Nếu 1 tháng không phản hồi thì có thể họ đã chọn ứng viên khác hoặc đóng vị trí. Đừng nản, tiếp tục apply chỗ khác.

Nếu em trúng tuyển, em có cần học thêm về ngân hàng không?

Có, và nên học trước khi vào. Ngân hàng có hệ thống quy trình, thuật ngữ riêng:

Sản phẩm ngân hàng: thẻ tín dụng, vay cá nhân, tiết kiệm, bảo hiểm liên kết...
Quy trình: KYC (Know Your Customer), AML (Anti Money Laundering), Basel II/III
Quy định: NHNN quy định về AI, về bảo mật dữ liệu, về xử lý cuộc gọi
Hệ thống core banking: T24, FSS, hoặc in-house của VPBank

Khi vào làm, em sẽ được onboard ngân hàng 1-2 tháng. Nhưng nếu em đọc trước về VPBank và các sản phẩm của họ, em sẽ bắt nhịp nhanh hơn nhiều. Đặc biệt nếu em làm về Callbot hỗ trợ khách hàng, em cần hiểu call center hoạt động thế nào, agent xử lý cuộc gọi ra sao.

Chia sẻ từ cộng đồng

Ẩ

Ẩn danh 2025-06-12

VPBank gần đây tuyển rất nhiều về voice AI, mình thấy họ đang build lại toàn bộ call center bằng AI. JD này CVCC mà chỉ yêu cầu ĐH là hơi lạ – thường các ngân hàng khác cho vị trí này yêu cầu 5-7 năm kinh nghiệm rõ ràng. Có thể họ đang flexible cho người giỏi thực sự.

M

Minh T*** 2025-05-18

Mình có bạn làm ở team Voice AI của VPBank được gần 1 năm rồi. Team khá trẻ, leader giỏi, làm nhiều bài toán thực tế. Mức lương cạnh tranh so với Techcombank, MB. Nhưng OT cũng có, đặc biệt gần deadline release sản phẩm mới.

Ẩ

Ẩn danh 2025-06-05

JD này đọc kỹ thì thấy trọng tâm là backend production chứ không phải research. Nhiều bạn apply vì thấy chữ 'AI Engineer' tưởng làm model, vào mới biết phải build API, DevOps, integrate đủ thứ. Cân nhắc kỹ trước khi apply nha.

b

banker2024 2025-04-22

Mình đã phỏng vấn vòng technical ở VPBank cách đây 3 tháng. Câu hỏi khá nặng về voice pipeline, có hỏi cả về Whisper latency optimization và cách handle concurrent streaming. Có 1 câu về RAG với banking document rất hay, ai chuẩn bị trước thì có lợi thế.

Ẩ

Ẩn danh 2025-05-30

Cảnh báo: VPBank quy trình interview nhiều vòng lắm (5 vòng là bình thường), mỗi vòng cách nhau 1-2 tuần. Chuẩn bị tâm lý kiên nhẫn nha. Bạn mình apply đợt trước mất gần 2 tháng mới xong hết các vòng.

L

Linh P*** 2025-06-08

Mình thấy bạn nào quan tâm vị trí này nên đọc thêm về Whisper tiếng Việt và PhoWhisper – vì xử lý tiếng Việt có nhiều điểm đặc biệt (dialect, tone). Nếu bạn show được bạn hiểu vấn đề này trong buổi phỏng vấn thì rất có điểm.

Ẩ

Ẩn danh 2025-05-15

Lưu ý thực tế: làm AI cho ngân hàng khác với làm AI cho startup. Mọi thứ phải qua compliance, security review. Có khi bạn muốn ship 1 feature mới mất 2-3 tháng mới được duyệt. Nếu bạn thuở đầu từ startup, hãy chuẩn bị tâm lý trước.

CVCC Khoa học dữ liệu - AI Engineer - Hà Nội - TA105