Senior AI Engineer (GenAI) - HN - TA174
Mô tả công việc
JOB PURPOSE
Proactive research and applying cutting-edge generative AI technology and proposal apply to enhance business process, and rollout new function on AI product and AI Platform/ research IT Technology general to build IT systems/ solutions
Analyze business requirements, collaborating with business users, and proposing innovative solutions for IT systems and using generative AI
Join in analyze, develop and deliver new function for AI product and AI Platform as roadmap and work with Ops to deliver end to end products.
MAJOR ACTIVITIES
- Research and Trend Analysis:
- Stay up-to-date with the latest trends and advancements in IT Technology general/generative AI
- Identify opportunities for applying generative AI techniques to improve business processes
- Apply research result to resolve the biz requirement
- Business Requirements Analysis:
- Collaborate with business users, SA and stakeholders to understand their needs and pain points
- Analyze existing business processes and identify areas for optimization using generative AI
- Consult and suggest new technical solution to optimized business processes required to fulfill business requirements
- Solution Proposal and Ideation:
- Give solution and review solution to optimize IT systems
- Design, develop the software to ensure the product delivered on time, within budget
- Brainstorm and propose innovative ideas for applying generative AI to address business challenges
- Work closely with cross-functional teams to develop use cases and scenarios for generative AI applications
- Implementation:
- Collaborate with data scientists and engineers to design and implement IT solutions/generative AI solutions
- Translate business requirements into technical specifications for IT solutions/generative AI models
- To make sure all incident which cannot be solved on previous lines of support are solved Level 3 support)
- Make the deploy package to implement into other environment (test, pilot, production) and check list to deployment
- Updating, repairing, modifying, and developing existing development
- Evaluation:
- Evaluate the performance and accuracy of generative AI responses to user queries
- Documentation and Communication:
- Create detailed technical documentation or specification documentation for solution, including user stories, process flows, and functional specifications
- Writing the document for the operation of the program by operators
- Communicate effectively with both technical and non-technical stakeholders
- Other tasks as line manager’s assignment.
OUTCOMES/ MEASURES The main outcome for this position: Understanding and applying knowledge and skill for resolve the challenge at senior level
Analytical solution can using AI/GenAI to response good biz requirement
Write the good prompt to AI/GenAI understand and response the good result
Development AI product, AI function…
Business processes should be developed considering all other processes which it connected/related to
Join golive CRs periodically with no incident
Resolve 3rd level of issue/ incidents
Feedback adhoc BU’s requests
Support well for other IT projects.
REQUIREMENTS
3-5 years of experience in the IT field, including backend system and application development on cloud platforms such as AWS, Azure, or GCP
Around 2 years of IT and business/industry experience related to AI or generative AI is a plus
Understanding of banking business domain and ability to quickly grasp banking business processes, rules, and products
Ability to quickly understand and apply various generative AI techniques to banking business processes, rules, or new products is a plus.
PERKS & BENEFITS
Attractive compensation package with competitive, performance-based salary and bonuses, totaling 15–18 months of income per year
Holiday and Tet bonuses in accordance with the Bank’s prevailing policies
Preferential loan programs offered based on the Bank’s policy at each period
Enhanced annual leave entitlements aligned with job grade and position level
Full statutory insurance coverage, plus VPBank Care insurance tailored to employee grade and length of service
Opportunity to work at a pioneering Bank applying AI & ML to enhance business value across a diverse ecosystem including Banking, Finance, Securities, Insurance, and more
Career development in a leading data-driven environment, participating in large-scale big data projects and initiatives that continuously deliver added value to customers
Access to training programs aligned with the competency framework for each position.
Phân tích kỹ năng cần có
Phân tích kỹ năng cho vị trí Senior AI Engineer (GenAI) - VPBank
🎯 Tổng quan vị trí
Đây là vị trí hybrid khá đặc thù — không thuần Data Scientist hay ML Engineer, mà là một AI Engineer có tư duy full-stack, vừa phải code backend tốt, vừa hiểu GenAI, vừa có khả năng đọc hiểu business ngân hàng. Đây là xu hướng tuyển dụng rất mới ở các ngân hàng lớn tại Việt Nam trong 1-2 năm gần đây.
🛠️ Hard Skills — Bắt buộc phải có
| Nhóm kỹ năng | Chi tiết | Mức độ yêu cầu |
|---|---|---|
| Backend Development | Python (FastAPI/Flask/Django), RESTful API, microservices architecture | ★★★★★ Bắt buộc |
| Cloud Platforms | AWS / Azure / GCP — tối thiểu 1 platform thành thạo (SageMaker, Vertex AI, Azure ML, Lambda, S3, ECS/EKS…) | ★★★★★ Bắt buộc |
| GenAI/LLM | OpenAI API, Anthropic, Google Gemini, open-source models (Llama, Mistral, Qwen), RAG architecture | ★★★★★ Bắt buộc |
| Vector DB & RAG | Pinecone, Weaviate, Milvus, ChromaDB, pgvector, embedding models | ★★★★☆ Rất cần |
| Prompt Engineering | Chain-of-thought, few-shot, structured output, function calling, agent design | ★★★★★ Bắt buộc |
| Database | PostgreSQL, MongoDB, Redis; SQL nâng cao | ★★★★☆ Rất cần |
| DevOps/MLOps | Docker, Kubernetes, CI/CD (GitLab/Jenkins), IaC (Terraform) | ★★★★☆ Rất cần |
| Containerization | Docker, Kubernetes, Helm | ★★★☆☆ Cần có |
🧠 Hard Skills — Có là "điểm cộng" lớn
| Kỹ năng | Giá trị |
|---|---|
| Fine-tuning LLMs (LoRA, QLoRA, PEFT) | Rất hot, ít người làm được |
| LangChain / LlamaIndex / Semantic Kernel | Framework phổ biến cho GenAI apps |
| Agentic frameworks (AutoGen, CrewAI, LangGraph) | Xu hướng 2024-2025 |
| Banking domain knowledge | Hiểu tín dụng, thẻ, payment, KYC, AML, core banking |
| Data pipeline (Airflow, Kafka, Spark) | Phục vụ data cho AI |
| MLOps (MLflow, Weights & Biases, Vertex AI Pipelines) | Quản lý model lifecycle |
| Security & Compliance trong AI (PII handling, data masking) | Cực kỳ quan trọng ở ngân hàng |
🤝 Soft Skills — Phân tích từ JD
Qua mô tả công việc, có thể thấy VPBank yêu cầu:
- Communication đa tầng — vừa nói chuyện với data scientists, vừa thuyết trình cho business users không chuyên kỹ thuật
- Business acumen — "analyze business requirements", "brainstorm use cases" — không phải chỉ ngồi code
- Cross-functional collaboration — làm việc với Ops, BA, SA, business users
- Problem-solving ở cấp senior — xử lý incident level 3
- Ownership & autonomy — tự research trend, tự đề xuất giải pháp
- Documentation skills — viết spec, user stories, process flows
📜 Chứng chỉ gợi ý
| Chứng chỉ | Tổ chức | Mức độ ưu tiên |
|---|---|---|
| AWS Solutions Architect / ML Specialty | AWS | ⭐⭐⭐⭐⭐ |
| Azure AI Engineer Associate (AI-102) | Microsoft | ⭐⭐⭐⭐⭐ |
| GCP Professional ML Engineer | ⭐⭐⭐⭐ | |
| DeepLearning.AI Specialization (GenAI track) | Coursera/Stanford | ⭐⭐⭐⭐ |
| Certified Kubernetes Administrator (CKA) | CNCF | ⭐⭐⭐ |
| TensorFlow / PyTorch Developer Certificate | Google/Meta | ⭐⭐⭐ |
🆚 Bảng so sánh: Bạn có phù hợp không?
| Background của bạn | Mức độ phù hợp | Điều cần bổ sung |
|---|---|---|
| Backend Dev (Python/Node) 3-5 năm | ✅ Rất phù hợp | Học GenAI, RAG, prompt engineering, cloud ML services |
| Data Scientist/ML Engineer 3+ năm | ✅ Rất phù hợp | Học backend production, Docker/K8s, CI/CD |
| Fullstack Developer | ⚠️ Khá phù hợp | Học sâu GenAI, cloud platform, MLOps |
| Fresher / <2 năm kinh nghiệm | ❌ Chưa phù hợp | Cần thêm 1-2 năm backend hoặc AI |
| Data Analyst (SQL, BI) | ⚠️ Cần chuyển đổi nhiều | Cần học lại Python, ML, backend |
💡 Điểm nhấn đáng chú ý từ JD
"Attractive compensation package... totaling 15–18 months of income per year"
Đây là chỉ số cho thấy VPBank trả lương khá cạnh tranh so với mặt bằng chung ngân hàng. Tổng thu nhập 15-18 tháng = base salary + 13th month + performance bonus + Tết bonus. Đây là mức chỉ có ở các ngân hàng top (Techcombank, MBB, VPBank, ACB...).
Chuẩn bị phỏng vấn
Hướng dẫn phỏng vấn Senior AI Engineer (GenAI) - VPBank
🔄 Quy trình tuyển dụng dự kiến (4-5 vòng)
Dựa trên JD và practice phổ biến tại các ngân hàng lớn, quy trình thường như sau:
Vòng 1: HR Screen (30-45 phút)
↓
Vòng 2: Technical Test (online, 60-120 phút)
↓
Vòng 3: Technical Deep-dive (90-120 phút, 2 interviewers)
↓
Vòng 4: Business Case / Panel Interview (60 phút)
↓
Vòng 5: Final Interview với Head/Lead (45-60 phút)
Tổng thời gian: Thường 2-4 tuần từ khi apply đến offer.
📞 Vòng 1 — HR Screen (Phone/Video)
Mục đích: Lọc profile cơ bản, check fit về lương, địa điểm, kinh nghiệm.
Câu hỏi hay gặp:
- Giới thiệu bản thân và kinh nghiệm liên quan đến AI/GenAI?
- Tại sao muốn làm việc tại VPBank? Tại sao ngân hàng mà không phải tech company?
- Mức lương mong muốn? Current/expected?
- Notice period bao lâu?
- Có kinh nghiệm làm việc trong môi trường regulated (ngân hàng/tài chính) không?
Tips:
- ✅ Chuẩn bị sẵn 1 câu chuyện ngắn gọn về 1 dự án GenAI bạn từng làm
- ✅ Research trước về VPBank: chiến lược chuyển đổi số, các sản phẩm AI đã công bố (VPBank Bot, Neo...)
- ✅ Đừng nói lương quá thấp — reference market rate
- ❌ Không nên "thương lượng" lương quá sớm, đợi offer mới discuss
💻 Vòng 2 — Technical Test (Online)
Dạng bài thường gặp:
- Coding: Python (LeetCode medium), xử lý data structures, SQL
- GenAI-specific: Viết prompt, thiết kế RAG pipeline, đánh giá output của LLM
- System design mini: Design chatbot cho use case ngân hàng
- Cloud: Câu hỏi về AWS/Azure/GCP services
Tips:
- ✅ Luyện LeetCode Python (medium level)
- ✅ Ôn SQL window functions, joins phức tạp
- ✅ Luyện viết prompt cho LLM, hiểu các kỹ thuật: chain-of-thought, ReAct, structured output
🧪 Vòng 3 — Technical Deep-dive
Đây là vòng quyết định nhất. Thường có 2 interviewers: 1 technical lead + 1 senior engineer.
Nhóm câu hỏi Backend & Cloud:
| Câu hỏi | Gợi ý trả lời |
|---|---|
| So sánh Lambda vs ECS trong AWS? | Lambda cho workload event-driven, ECS cho long-running container |
| Cách thiết kế API authentication cho LLM service? | JWT, API Gateway, rate limiting, audit log |
| Làm sao handle LLM API timeout/error? | Retry with backoff, circuit breaker, fallback, queue |
| Cách scale vector database? | Sharding, replication, index type (HNSW vs IVF) |
Nhóm câu hỏi GenAI:
| Câu hỏi | Gợi ý trả lời |
|---|---|
| So sánh fine-tuning vs RAG? | RAG cho knowledge update nhanh, fine-tuning cho style/format |
| Làm sao giảm hallucination? | RAG + grounding, fact-checking layer, citation, guardrails |
| Cách evaluate LLM output? | BLEU/ROUGE (cũ), LLM-as-judge, human eval, custom metric |
| Token cost optimization? | Caching, smaller model cho simple task, batch, prompt compression |
| Prompt injection là gì? Cách phòng chống? | Attack làm model leak system prompt; dùng input validation, sandbox |
| Embedding model nào phù hợp cho tiếng Việt? | BKAI, SimCSE-Vietnamese, hoặc multilingual model |
| Agentic workflow là gì? | Multi-agent với planning, tools, memory |
Nhóm câu hỏi Banking Domain:
| Câu hỏi | Gợi ý |
|---|---|
| KYC là gì? GenAI có thể áp dụng không? | Know Your Customer — OCR + NER + document AI |
| Use case GenAI nào phù hợp cho ngân hàng? | Chatbot CSKH, tóm tắt hợp đồng, code generation cho dev, fraud detection summary |
| Data security trong ngân hàng? | PII masking, on-premise LLM, VPC isolation, audit trail |
🎤 Vòng 4 — Business Case / Panel
Thường cho 1 case study và yêu cầu trình bày:
Case mẫu:"Thiết kế GenAI chatbot tư vấn sản phẩm thẻ tín dụng cho VPBank"
Framework trả lời gợi ý:
1. Business Understanding
- User persona: khách hàng hiện tại/tiềm năng
- Pain points: CSKH quá tải, thông tin sản phẩm phức tạp
- KPI: CSAT, response time, conversion rate
2. Solution Architecture
- LLM layer: GPT-4 hoặc on-premise model
- Knowledge base: Product catalog, FAQ, policy docs → Vector DB
- Guardrails: PII filter, topic restriction, escalation to human
- Integration: Mobile app, web, call center
3. Implementation Plan
- Phase 1: MVP với RAG
- Phase 2: Fine-tuning với conversation data
- Phase 3: Proactive recommendation
4. Risks & Mitigation
- Hallucination → citation + confidence score
- Cost → caching, model routing
- Compliance → approval workflow
👔 Vòng 5 — Final Interview
Câu hỏi hay gặp:
- Tầm nhìn nghề nghiệp 3-5 năm tới?
- Cách bạn handle conflict trong team?
- Bạn nghĩ gì về xu hướng AI trong ngân hàng?
- Tại sao rời công ty cũ (nếu đang đi làm)?
👔 Dress Code
- Vòng HR + Final: Business formal — vest, sơ mi, quần tây, giày tây
- Vòng Technical: Business casual — sơ mi, không cần vest, quần tây
- Lưu ý: Ngân hàng rất coi trọng ngoại hình & sự chỉn chu
🎯 Tips tổng hợp
- ✅ Chuẩn bị 1-2 dự án GenAI để kể chi tiết (kiến trúc, challenges, results)
- ✅ Đọc báo cáo AI của VPBank trên website và LinkedIn
- ✅ Đọc về quy định AI của NHNN (Circular 13/2024, Decision 2345...)
- ✅ Chuẩn bị sẵn câu hỏi cho interviewer — thể hiện sự tò mò
- ❌ Đừng "bịp" — ngân hàng rất kỹ về compliance, nói dối là mất điểm ngay
Lộ trình ôn thi
Lộ trình ôn thi & chuẩn bị trong 1-2 tuần
📅 Timeline đề xuất (14 ngày)
Ngày 1-3: Foundation - LLM & GenAI Core
Kiến thức cần nắm:
- LLM là gì? Transformer architecture cơ bản (không cần quá sâu toán)
- Phân biệt: LLM, SLM, Foundation Model
- Token, context window, temperature, top-p
- Các model phổ biến 2024-2025: GPT-4o, Claude 3.5, Gemini 1.5, Llama 3.2, Qwen 2.5, Mistral
Tài liệu:
- 🎓 DeepLearning.AI - Generative AI with LLMs (miễn phí)
- 🎓 Andrej Karpathy GPT lectures
- 📖 Hugging Face NLP Course
Ngày 4-6: RAG & Advanced GenAI Patterns
Kiến thức cần nắm:
- RAG architecture: chunking → embedding → vector DB → retrieval → generation
- Advanced RAG: HyDE, multi-query, reranking, hybrid search
- Fine-tuning: LoRA, QLoRA, PEFT (hiểu concept)
- Agentic AI: ReAct, tool use, planning
- LangChain / LlamaIndex hands-on
Tài liệu:
- 🎓 LangChain & Vector Databases in Production
- 📖 Pinecone Learning Center
- 🎥 LangChain official YouTube
- 💻 Thực hành: build 1 chatbot RAG với 100 docs tiếng Việt
Ngày 7-9: Cloud & MLOps
Kiến thức cần nắm:
- AWS SageMaker / Bedrock / Lambda / S3 / ECS / EKS
- Hoặc Azure ML / Azure OpenAI Service / AKS
- Docker, Kubernetes basics
- CI/CD pipeline cho ML
- Monitoring: CloudWatch, Prometheus, Grafana
- Cost optimization cho LLM workloads
Tài liệu:
- 🎓 AWS Certified Machine Learning Specialty
- 🎓 Azure AI Engineer Associate (AI-102)
- 📖 Terraform Up & Running
Ngày 10-11: Backend Engineering Best Practices
Kiến thức cần nắm:
- REST API design, GraphQL basics
- Python advanced: async, multiprocessing
- Microservices, message queue (Kafka, RabbitMQ)
- Database: PostgreSQL, Redis, MongoDB
- System design cho LLM application
Tài liệu:
- 📖 Designing Data-Intensive Applications (bible cho backend)
- 🎓 FastAPI documentation
- 💻 LeetCode 30-50 bài medium (Python)
Ngày 12-13: Banking Domain Knowledge
Kiến thức cần nắm:
- Cấu trúc ngân hàng: retail banking, corporate banking, treasury
- Core systems: Core Banking, CRM, LOS, card management
- Quy định: NHNN regulations, Basel II/III, Circular 13/2024 về AI
- Data security: PCI-DSS, ISO 27001, data residency
- Common AI use cases trong ngân hàng VN
Tài liệu:
- 📖 NHNN official website — đọc Circular 13/2024
- 📰 Bài viết về chuyển đổi số của VPBank, Techcombank, MBB
- 🎥 YouTube: "AI trong ngân hàng Việt Nam"
Ngày 14: Mock Interview & Review
- Practice với bạn bè hoặc dùng AI mock
- Review lại notes
- Chuẩn bị câu hỏi để hỏi interviewer
- Test setup (camera, mic, internet)
📚 Tài liệu tham khảo tổng hợp
| Loại | Tài liệu | Miễn phí? |
|---|---|---|
| Course | DeepLearning.AI GenAI Specialization | ✅ |
| Course | AWS ML Specialty | 💰 |
| Book | Designing Data-Intensive Applications | 💰 |
| Book | LLM Engineer's Handbook (Paul Iusztin) | 💰 |
| Blog | LangChain blog, Pinecone blog | ✅ |
| Blog | VPBank Tech blog (nếu có) | ✅ |
| YouTube | 3Blue1Brown (Transformer series) | ✅ |
| YouTube | StatQuest (ML basics) | ✅ |
| Practice | LeetCode, HackerRank | ✅ |
| Community | VietAI Community, ML VietNam | ✅ |
🎯 "Cheat sheet" cho ngày phỏng vấn
✅ Nhớ: RAG > Fine-tuning cho hầu hết use case banking
✅ Nhớ: Cost của LLM = function của (input tokens × model price × số requests)
✅ Nhớ: Hallucination mitigation = RAG + grounding + citation + guardrail
✅ Nhớ: PII trong banking KHÔNG được gửi lên public LLM
✅ Nhớ: NHNN yêu cầu audit trail cho mọi quyết định AI trong tín dụng
Tư vấn nghề nghiệp
Lời khuyên sự nghiệp cho AI Engineer tại Ngân hàng
🪜 Lộ trình thăng tiến rõ ràng
AI Engineer (Junior) - 1-2 năm
↓ [1-2 năm]
AI Engineer (Mid) - 2-4 năm
↓ [2-3 năm] ← BẠN ĐANG Ở ĐÂY
Senior AI Engineer - 4-6 năm
↓ [3-5 năm]
Lead AI Engineer / AI Architect - 7-10 năm
↓ [3-5 năm]
Head of AI / Chief AI Officer / VP of Data&AI
Tại VPBank cụ thể, cấu trúc thường là:
- Senior → Specialist → Lead → Manager → Senior Manager → Director
💰 Mức lương kỳ vọng theo cấp bậc (VN Market 2024-2025)
| Cấp bậc | Kinh nghiệm | Gross/month (VND) | Tổng thu nhập/năm (15-18 tháng) |
|---|---|---|---|
| AI Engineer (Junior) | 0-2 năm | 18 - 28 triệu | 280 - 500 triệu |
| AI Engineer (Mid) | 2-4 năm | 28 - 45 triệu | 430 - 810 triệu |
| Senior AI Engineer ⭐ | 4-6 năm | 45 - 75 triệu | 680 - 1.35 tỷ |
| Lead AI / AI Architect | 7-10 năm | 70 - 120 triệu | 1.05 - 2.16 tỷ |
| Head of AI / VP | 10+ năm | 120 - 250 triệu | 1.8 - 4.5 tỷ |
⚠️ Lưu ý: Đây là mức tham khảo thị trường, có thể chênh lệch tùy ngân hàng và vùng miền. VPBank thuộc nhóm trả cao top 5 ngân hàng tư nhân nên có thể ở mức trên của range.
Với vị trí Senior AI Engineer VPBank này, bạn có thể kỳ vọng:
- Base salary: 45-75 triệu VND gross
- Tổng thu nhập (15-18 tháng): ~700 triệu - 1.35 tỷ VND/năm
- Ngoài ra còn: ESOP (nếu có), loan ưu đãi, VPBank Care insurance
📈 Kỹ năng cần phát triển để lên Lead/Architect
Nếu đang ở vị trí này, ưu tiên phát triển:
| Kỹ năng | Tại sao quan trọng | Cách phát triển |
|---|---|---|
| System Design ở scale lớn | Lead phải thiết kế platform cho cả team | Đọc Designing Data-Intensive Applications, làm system design mock |
| Architecture Decision | Chọn stack nào cho năm sau | Tham gia cộng đồng, đọc case studies thực tế |
| People management | Lead có 3-7 reports | Mentor junior, dẫn dắt project nhỏ |
| Vendor management | Negotiate với AWS, OpenAI, Anthropic | Tham gia các hội thảo, networking |
| AI Strategy | Hiểu roadmap AI của toàn bank | Đọc về AI governance, NIST AI RMF, EU AI Act |
| Cross-functional leadership | Lead sẽ làm việc với C-level | Tham gia business meeting, học business acumen |
| FinOps cho AI | Tối ưu chi phí LLM ở scale | Học cost modeling, optimization techniques |
🎯 Lời khuyên chiến lược
1. Ngân hàng vs Tech Company - lựa chọn nào?
| Tiêu chí | Ngân hàng (VPBank) | Tech Company (VNG, FPT, Tiki...) |
|---|---|---|
| Lương | ✅ Cao, ổn định | ⚠️ Có thể cao hơn (RSU) |
| Phúc lợi | ✅ Rất tốt (loan, BH) | ⚠️ Trung bình |
| Data | ✅ Đa dạng, regulated | ⚠️ Privacy issues |
| Innovation pace | ⚠️ Chậm hơn (compliance) | ✅ Nhanh, ship nhiều |
| Work-life balance | ⚠️ Banking hours | ✅ Flexible hơn |
| Career path | ✅ Stable, clear | ⚠️ Volatile |
| Learning | ✅ Business + Tech | ✅ Pure Tech |
Kết luận: Nếu bạn muốn stability + impact toàn xã hội → ngân hàng. Nếu muốn cutting-edge + speed → tech company.
2. Có nên nhảy sang fintech/startup?
- ✅ Sau 2-3 năm ở VPBank, bạn có "banking domain moat" — rất quý
- ✅ Có thể nhảy sang: MoMo, ZaloPay, VNPay, fintech startup với mức lương cao hơn 30-50%
- ⚠️ Nhưng startup rủi ro hơn — cân nhắc
3. Xây dựng personal brand
- Viết blog về GenAI trong banking (tiếng Việt/English)
- Thuyết trình tại cộng đồng: VietAI, ML Vietnam
- Open source: contribute vào LangChain, LlamaIndex
- LinkedIn presence: share case studies, insights
4. Net-worth tích lũy nhanh
Với lương 50-70 triệu/tháng + ưu đãi vay mua nhà từ VPBank (lãi suất ưu đãi cho nhân viên), bạn có thể:
- Mua nhà sau 3-5 năm làm việc
- Tích lũy 1-2 tỷ sau 5 năm (nếu tiết kiệm 50% income)
⚠️ Challenges thực tế cần lường trước
- Work-life balance ở ngân hàng — đừng expect như FAANG. Có thể có dự án gấp, on-call
- Legacy systems — bạn sẽ integrate với core banking cũ, không phải greenfield
- Approval process lâu — Production deploy ở ngân hàng có thể mất 2-4 tuần (so với tech company 1 ngày)
- Compliance burden — phải document nhiều, audit nhiều
- Politics — phòng ban nhiều, đôi khi mục tiêu không align
💎 Câu nói đáng nhớ
"AI engineer ở ngân hàng không phải là người xây AI giỏi nhất. Đó là người xây AI an toàn, đúng quy định, giải quyết được bài toán thực và ship được vào production." — Một Lead AI ở ngân hàng top đầu chia sẻ.
Câu hỏi thường gặp
Senior AI Engineer thường yêu cầu 3-5 năm kinh nghiệm, nên với vị trí fresh graduate, em nên apply vào các vị trí AI Engineer (Junior) hoặc Fresher AI track trước. Trong thời gian học, em tập trung vào: (1) Python backend thật vững, (2) làm 1-2 project GenAI end-to-end (chatbot RAG chẳng hạn), (3) học AWS/Azure cơ bản, (4) hiểu về banking domain qua đọc báo, internship. Sau 2-3 năm làm việc thực tế, em sẽ đủ profile để apply Senior.
Hoàn toàn khả thi và đây là background lý tưởng! Vị trí này của VPBank yêu cầu 3-5 năm backend, ưu tiên cloud — đúng profile của bạn. Bạn chỉ cần bổ sung: (1) Hiểu LLM, prompt engineering, RAG architecture (1-2 tháng), (2) Thử nghiệm với OpenAI API, LangChain, (3) Học 1 cloud platform ML service (SageMaker hoặc Azure AI). Làm 1-2 pet project, up lên GitHub, rồi apply. Nhiều người từ backend chuyển sang AI engineer trong 6-12 tháng.
Với JD ghi '15-18 months income per year', tổng thu nhập năm rơi vào khoảng 700 triệu - 1.35 tỷ VND (tùy performance). Base salary gross thường 45-75 triệu/tháng cho Senior ở ngân hàng top. Khi thương lượng: (1) Đưa ra range rộng hơn mứt mong muốn 15-20%, (2) Reference từ market research (topdev, vietnamworks salary report), (3) Đừng nói lương cũ quá thấp, (4) Nhấn mạnh 15-18 tháng = tổng thu nhập tốt. Nếu offer thấp hơn kỳ vọng 20%, có thể counter-offer.
Phân biệt rõ: (1) Data Scientist — Phân tích data, build model trong notebook, focus vào insight & experimentation, thường dùng SQL + Python + statistics. (2) ML Engineer — Đưa model từ notebook vào production, focus vào training pipeline, model serving, MLOps. (3) AI Engineer (GenAI) — Kết hợp ML Engineer + backend, focus vào LLM application (RAG, agents), tích hợp với hệ thống, production-ready GenAI services. Vị trí VPBank này thiên về AI Engineer GenAI — bạn sẽ build cả backend service lẫn LLM logic.
Khác biệt lớn: (1) Compliance — Mọi model output có thể ảnh hưởng quyết định tín dụng phải audit, không như tech company. (2) Data — Banking data regulated chặt, ít open dataset, phải on-premise nhiều hơn. (3) Pace — Chậm hơn vì approval process, nhưng bù lại impact lớn (triệu khách hàng). (4) Use case — Ít creative hơn, nhiều conservative (chatbot CSKH, fraud detection, document AI). (5) Lương — Competitive, đặc biệt phúc lợi tốt (loan ưu đãi). Tech company thì cutting-edge hơn nhưng risk cao hơn.
VPBank và các ngân hàng lớn đang trong giai đoạn đầu ứng dụng GenAI, focus nhiều vào RAG chatbot và document AI. Tuy nhiên, agentic AI cho workflow automation (auto-reply ticket, processing hồ sơ, KYC orchestration) đang là xu hướng 2025 và ngân hàng sẽ adopt dần. Khi phỏng vấn, bạn có thể propose use case agentic AI cho banking — sẽ gây ấn tượng. Nếu muốn vào làm agentic, Tech company hay startup có thể phù hợp hơn ngân hàng lúc này.
Với 7 năm, bạn nằm giữa Senior và Lead. JD này ghi 3-5 năm, nên nếu apply Senior có thể bị đánh giá 'overqualified' hoặc underpaid. Tốt nhất: (1) Đọc kỹ JD và team structure trên LinkedIn VPBank. (2) Network với người trong team để hiểu có vị trí Lead không. (3) Apply Senior nhưng trong CV/interview thể hiện ambition Lead. (4) Nếu có 10+ năm kinh nghiệm, nên target Architect/Manager. Senior Manager/Lead AI Architect ở VPBank có thể lên đến 100-150 triệu gross.
Cả hai. GenAI không phải silver bullet — nhiều use case vẫn cần ML truyền thống (fraud detection, credit scoring). Nhưng GenAI có những bài toán thực sự phù hợp: (1) Tóm tắt hợp đồng tín dụng dài 50 trang, (2) Chatbot CSKH xử lý 80% query lặp lại, (3) Auto-generate email reply cho RM, (4) Document AI cho KYC, (5) Code generation cho dev team ngân hàng. ROI rõ ràng nhất là CSKH chatbot và document processing. Tuy nhiên cần governance chặt — NHNN đã ban hành Circular 13/2024 quản lý AI trong tài chính.
Thường không yêu cầu whiteboard code truyền thống như FAANG. Các ngân hàng VN thiên về: (1) Thảo luận system design cho GenAI system (whiteboard có thể có), (2) Code review một đoạn Python có sẵn, (3) Debug live một bug, (4) Đưa ra design pattern cho 1 use case. Bạn nên chuẩn bị: vẽ kiến trúc hệ thống GenAI (RAG, agent), giải thích trade-off các thành phần, có thể code snippet nhỏ. Không cần nhớ syntax chi tiết nhưng cần hiểu concepts.
Không bắt buộc nhưng giúp ích. Ưu tiên theo thứ tự: (1) AWS Solutions Architect Associate hoặc Azure AI Engineer (AI-102) — chứng minh cloud skill, (2) DeepLearning.AI GenAI Specialization — show rằng bạn serious về GenAI, (3) HashiCorp Terraform Associate — nếu muốn thể hiện DevOps. Tuy nhiên, kinh nghiệm thực tế quan trọng hơn chứng chỉ. Nếu có GitHub repo với 1 GenAI project end-to-end + production experience + good interview, không cần chứng chỉ vẫn pass.
Chia sẻ từ cộng đồng
Mình vừa onboard VPBank được 6 tháng, làm team AI. Nói thật là workload khá nặng nhưng môi trường tech-savvy, nhiều người giỏi. Lương 15-18 tháng là có thật, performance bonus cũng fair. Điều khó nhất là legacy system — phải integrate với core banking cũ kỹ, đôi khi mất cả tuần chỉ để deploy 1 model vì phải qua khâu approval nhiều bên. Nhưng bù lại học được banking domain thực sự.
Mình apply vị trí này tháng trước, vòng technical test khá nặng — có phần RAG pipeline design và code Python. Vòng deep-dive hỏi nhiều về prompt engineering và cost optimization. Highlight là vòng business case cho mình thiết kế chatbot tư vấn thẻ tín dụng, panel khá friendly. Tips: chuẩn bị kỹ RAG architecture và cách handle PII trong banking nhé.
Cảnh báo cho ai đang định apply: VPBank yêu cầu tiếng Anh khá tốt vì nhiều tài liệu technical bằng tiếng Anh, một số meeting với vendor nước ngoài cũng bằng tiếng Anh. Mình thấy bạn mình rớt vòng final vì giao tiếp chưa tự tin. Ngoài ra, đừng quote lương quá cao ở vòng HR — họ sẽ loại luôn nếu vượt budget.
Mình là người trong ngành, nói thật vị trí Senior AI Engineer ở ngân hàng hiện tại là vị trí HOT nhất trong banking tech. Lương cao, demand nhiều, cung ít. Ai đang ở fintech/startup cũng nên cân nhắc nhảy sang — compensation package thường tốt hơn 30-50% vì ngân hàng đang chase talent. Tuy nhiên culture ngân hàng khác startup rất nhiều, cần thích nghi.
Mình apply fail vòng technical vì nhảy sang AI từ backend Java được 1 năm, chưa đủ depth về LLM. Rút kinh nghiệm: nên dành ít nhất 6 tháng làm project GenAI thực tế trước khi apply Senior. Có thể start với build 1 chatbot RAG cho nội bộ công ty hiện tại, sau đó mới apply. Đừng nhảy vào khi chưa ready — phỏng vấn vòng deep-dive sẽ lộ ra ngay.
Work-life balance ở VPBank IT team tạm ổn so với mặt bằng ngân hàng. 8h-17h, không OT nhiều như phòng kinh doanh. Tuy nhiên dự án gấp vẫn có thể OT. Hybrid working có linh hoạt 2-3 ngày WFH/tuần tùy team. Phúc lợi vay mua nhà rất tốt — lãi suất ưu đãi nhân viên, mình vay được 2 tỷ.
Mình mới ra trường, đang phân vân giữa apply AI Engineer (Junior) ở tech company hay đợi thêm 1-2 năm apply Senior ở ngân hàng. Có ai từng đi path này cho mình xin ý kiến với?
Câu hỏi cho mọi người: với background 4 năm Python backend + 1 năm freelance làm RAG chatbot, apply Senior AI Engineer có hợp lý không hay nên apply Mid? JD này ghi 3-5 năm mà.
Ứng tuyển ngay
Ứng tuyển trên website gốcBạn sẽ được chuyển đến trang tuyển dụng chính thức của VPBank
Chuyên môn / Từ khoá
Mất kết nối mạng
Đang thử kết nối lại
Đã xảy ra lỗi!
Vui lòng chờ trong giây lát