Trưởng nhóm/Trưởng bộ phận Thỏa thuận Hạn: 2026-12-01

Mô tả công việc

Experience - 4+ years in AI/ML engineering with a real track record of production systems, not prototypes. You can point to things running in production with users and business impact behind them. - Banking, financial services, or another regulated, security-sensitive industry is a strong plus. - Bonus: experience as a forward-deployed / solutions / embedded engineer where you owned a customer or business outcome directly. Core Skills - Production-grade LangChain/LangGraph — multi-agent architectures, function calling, tool integration, stateful graphs. This is the bar. - Strong command of advanced RAG pipeline design and agent orchestration. - Computer Vision / VLM for OCR, document intelligence, and image analysis. - LLMOps/MLOps: model serving (FastAPI, vLLM, Triton), containerization (Docker, Kubernetes), CI/CD, evaluation and guardrails. - Databricks (Delta Lake, MLflow) for data processing and scaled deployment. How You Operate - Outcome-obsessed. You measure your work in CIR basis points and revenue lift, not commits. - Embedded and fearless. Comfortable sitting with operators, learning a domain cold, and owning the result in front of business leaders. - Bias to ship. Production over PowerPoint. Fast iteration, tight feedback loops. - Excellent communicator who can translate technical work for non-technical stakeholders. Bilingual Vietnamese/English is a strong plus.

Yêu cầu ứng viên

Phân tích kỹ năng cần có

## Phân tích Kỹ năng Yêu cầu cho vị trí AI Engineer tại OCB ### 1. Hard Skills bắt buộc | Kỹ năng | Mức độ yêu cầu | Gợi ý chuẩn bị | |---------|----------------|----------------| | **LangChain/LangGraph** | ★★★★★ Cao nhất | Multi-agent architectures, function calling, tool integration, stateful graphs — đây là "bar" (vạch đáy) của vị trí này. Ứng viên phải có kinh nghiệm thực chiến, không chỉ demo | | **RAG Pipeline** | ★★★★★ Cao nhất | Advanced RAG, agent orchestration. Cần hiểu sâu về retrieval strategies, embedding optimization, hybrid search | | **LLMOps/MLOps** | ★★★★★ Cao nhất | Model serving (FastAPI, vLLM, Triton), containerization (Docker, Kubernetes), CI/CD pipelines, evaluation & guardrails | | **Databricks** | ★★★★☆ Cao | Delta Lake, MLflow — nền tảng xử lý dữ liệu và deployment quy mô lớn | | **Computer Vision/VLM** | ★★★★☆ Cao | OCR, document intelligence, image analysis — ứng dụng trong xử lý tài liệu ngân hàng | ### 2. Kinh nghiệm yêu cầu - **4+ năm** trong AI/ML engineering - **Ưu tiên cao**: Có hệ thống đang chạy production thực tế (không phải prototype/POC) - **Ưu tiên**: Kinh nghiệm trong ngân hàng/tài chính hoặc ngành regulated/security-sensitive - **Bonus**: Forward-deployed engineer, solutions engineer, embedded engineer — người trực tiếp chịu trách nhiệm kết quả kinh doanh với khách hàng ### 3. Soft Skills quan trọng - **Outcome-obsessed**: Đo lường thành công bằng CIR basis points và revenue lift, không phải số commit - **Embedded & Fearless**: Thích ứng nhanh với domain mới, ngồi cùng vận hành, trình bày trước lãnh đạo kinh doanh - **Bias to Ship**: Production over PowerPoint — ưu tiên triển khai thực tế, iterate nhanh - **Communication**: Diễn đạt công việc kỹ thuật cho người không kỹ thuật hiểu - **Ngôn ngữ**: Tiếng Việt/Tiếng Anh lưu loát là lợi thế lớn ### 4. Chứng chỉ gợi ý - **Google Cloud Professional ML Engineer** - **AWS Certified Machine Learning – Specialty** - **Databricks Certified Associate Developer** - **Kubernetes Administrator (CKA)** - **LangChain/LangGraph official certifications** (nếu có) ### 5. Bảng so sánh: Ứng viên tiêu chuẩn vs. Ứng viên lý tưởng | Tiêu chí | Tiêu chuẩn tối thiểu | Lý tưởng | |----------|---------------------|----------| | Kinh nghiệm AI/ML | 4+ năm, có production system | 5-7 năm, nhiều production system đa dạng | | LangChain/LangGraph | Biết sử dụng cơ bản | Xây multi-agent architectures phức tạp | | Ngành ngân hàng | Không bắt buộc | 2+ năm trong fintech/banking | | Ngôn ngữ | Tiếng Anh kỹ thuật | Song ngữ Việt-Anh lưu loát | | Kết quả đo lường | Tự đo lường hiệu quả | Có metrics cụ thể về business impact | --- ## Kiến thức nền cần chuẩn bị ### AI/ML Fundamentals - Transformer architectures, attention mechanisms - Prompt engineering, fine-tuning strategies - Model evaluation metrics, A/B testing ### RAG System Design - Chunking strategies, embedding models - Vector databases (Pinecone, Weaviate, Chroma, pgvector) - Hybrid search, re-ranking techniques - Evaluation frameworks (RAGAS, Trulens) ### MLOps/LLMOps - Model versioning, experiment tracking (MLflow) - Model serving architectures - Container orchestration với Kubernetes - CI/CD cho ML systems - Monitoring, observability cho LLM ### Nghiệp vụ ngân hàng (nếu chưa có) - Quy trình phê duyệt tín dụng - KYC/AML cơ bản - Xử lý tài liệu tài chính - Risk scoring models

Chuẩn bị phỏng vấn

## Hướng dẫn Phỏng vấn cho AI Engineer tại OCB ### Quy trình các vòng phỏng vấn (dự kiến) **Vòng 1: HR Screening (30-45 phút)** - Đánh giá kinh nghiệm tổng quan - Kiểm tra ngôn ngữ (tiếng Anh) - Tìm hiểu động lực, mong muốn lương - Xác nhận khả năng làm việc tại HCM **Vòng 2: Technical Deep Dive (60-90 phút)** - System design interview - Coding/Architecture problem - Đánh giá deep knowledge về LangChain/LangGraph, RAG, MLOps - Case study: Thiết kế AI solution cho use case ngân hàng **Vòng 3: Technical Panel / Take-home (2-4 giờ)** - Trình bày project đã làm production - Architecture review - Discussion về production challenges đã gặp - Có thể kèm hands-on coding **Vòng 4: Final Interview với Hiring Manager/C-level (45-60 phút)** - Cultural fit assessment - Leadership principles - Career trajectory discussion - Compensation negotiation ### Câu hỏi hay gặp theo từng vòng #### Vòng 1 - HR - "Giới thiệu ngắn về một production AI system bạn đã xây dựng và kết quả kinh doanh của nó" - "Tại sao bạn quan tâm đến vị trí AI Engineer tại ngân hàng OCB" - "Mức lương kỳ vọng của bạn là bao nhiêu" - "Bạn đánh giá thế nào về việc làm việc trong môi trường regulated như ngân hàng" #### Vòng 2 - Technical - "Thiết kế một RAG pipeline cho hệ thống hỏi đáp tài liệu ngân hàng với 10 triệu document" - "So sánh LangChain với các framework khác. Khi nào bạn chọn LangGraph thay vì LangChain đơn thuần" - "Mô tả chi tiết multi-agent architecture bạn đã xây dựng. Tại sao cần nhiều agent" - "Xử lý như thế nào khi LLM hallucinate trong production" - "Describe your MLOps pipeline for model serving at scale" - "Làm sao đảm bảo AI system comply với regulations trong ngân hàng" #### Vòng 3 - Technical Panel - "Walk me through một production system bạn đã deploy. Từ concept đến monitoring" - "Bạn đã handle những challenge gì khi scaling AI system" - "Design một document intelligence system cho KYC process" - "Cách bạn evaluate LLM performance trong production" - "Nếu được chọn một bài toán AI tại OCB, bạn sẽ chọn gì và tại sao" #### Vòng 4 - Final - "Bạn đo lường thành công của công việc như thế nào (metrics)" - "Mô tả tình huống bạn phải trình bày technical work cho non-technical stakeholders" - "5 năm tới, bạn hình dung vị trí này phát triển ra sao" - "Tại sao bạn rời job hiện tại và điều gì thu hút bạn về OCB" ### Tips chuẩn bị đặc biệt cho OCB 1. **Research OCB trước**: Tìm hiểu về chiến lược digital transformation của OCB, các sản phẩm AI đã công bố 2. **Understand Banking Domain**: Dù không bắt buộc, kiến thức về nghiệp vụ ngân hàng sẽ tạo ấn tượng mạnh 3. **Chuẩn bị Portfolio**: Sẵn sàng demo hoặc mô tả chi tiết các production system đã làm 4. **Metrics-Focused**: Chuẩn bị sẵn các con số đo lường kết quả (CIR basis points, revenue lift, cost savings) 5. **English**: Vị trí này có thể phỏng vấn bằng tiếng Anh, chuẩn bị vocabulary kỹ thuật ### Dress Code - **Smart Casual** hoặc **Business Casual** - Ngành ngân hàng Việt Nam thường conservative, nên mặc vest nhẹ hoặc shirt sơ mi cùng quần tây - Tránh quần jeans, áo phông - Trang phục gọn gàng, chuyên nghiệp ### Checklist chuẩn bị - [ ] Cập nhật CV với các production AI projects cụ thể - [ ] Chuẩn bị 2-3 stories về AI system đã deploy với metrics - [ ] Ôn lại LangChain/LangGraph advanced concepts - [ ] Practice system design cho banking use cases - [ ] Research OCB và ngành ngân hàng Việt Nam - [ ] Chuẩn bị câu hỏi để hỏi interviewer - [ ] Check equipment (camera, mic) nếu phỏng vấn online

Lộ trình ôn thi

## Ôn thi & Chuẩn bị cho AI Engineer tại OCB ### Lộ trình chuẩn bị 2 tuần #### Tuần 1: Củng cố kiến thức nền **Ngày 1-2: LangChain/LangGraph Deep Dive** - LangChain official documentation & tutorials - LangGraph advanced patterns (multi-agent, stateful workflows) - Hands-on: Xây dựng simple multi-agent system - Tài liệu: LangChain & LangGraph docs, Building Multi-Agent Systems (O'Reilly) **Ngày 3-4: RAG Advanced** - Advanced RAG techniques (query expansion, hybrid search, re-ranking) - Vector database comparison & selection - RAG evaluation frameworks (RAGAS, Trulens) - Hands-on: Implement advanced RAG pipeline - Tài liệu: "Building RAG Applications for Production" (Coursera), GitHub awesome-rag **Ngày 5-6: MLOps/LLMOps** - Model serving architectures (FastAPI, vLLM, Triton) - Kubernetes basics for ML deployment - MLflow for experiment tracking - CI/CD for ML systems - Tài liệu: "Introducing MLOps" (O'Reilly), Databricks documentation **Ngày 7: Computer Vision/VLM** - OCR fundamentals (Tesseract, cloud APIs) - Document intelligence (LayoutLM, Donut) - VLM basics (GPT-4V, Claude Vision) - Tài liệu: Hugging Face docs, OpenCV tutorials #### Tuần 2: System Design & Interview Prep **Ngày 8-9: System Design Practice** - Design document intelligence system cho KYC - Design conversational AI cho customer service - Design fraud detection system - Practice drawing architecture diagrams **Ngày 10-11: Technical Interview Prep** - Review coding concepts (Python, SQL) - Practice explaining complex ML concepts simply - Prepare production stories với metrics - Mock interview với bạn bè **Ngày 12-13: Domain Knowledge** - Tìm hiểu OCB: lịch sử, sản phẩm, chiến lược digital - Nghiệp vụ ngân hàng cơ bản: KYC, AML, credit scoring - AI applications trong banking (Fintech trends) **Ngày 14: Final Review** - Tổng hợp portfolio và production stories - Practice elevator pitch - Chuẩn bị câu hỏi cho interviewer - Check logistics (địa điểm, thời gian, trang phục) ### Tài liệu tham khảo recommended **Books:** - "Building Multi-Agent Systems" - O'Reilly (nếu có) - "Introducing MLOps" - O'Reilly - "Designing Data-Intensive Applications" - Martin Kleppmann **Online Courses:** - LangChain Academy (official courses) - DeepLearning.AI courses (LLM, RAG) - Databricks Academy - Coursera: ML Engineering for Production **GitHub Repos:** - awesome-langchain - awesome-rag - llmops-handbook **Blogs & Papers:** - Lilian Weng's blog (LangChain creator) - Chip Huyen's blog (ML engineering) - Weights & Biases blog ### Kiến thức nghiệp vụ ngân hàng cần biết 1. **KYC (Know Your Customer)**: Quy trình xác minh danh tính khách hàng 2. **AML (Anti-Money Laundering)**: Phát hiện rửa tiền 3. **Credit Scoring**: Chấm điểm tín dụng 4. **Fraud Detection**: Phát hiện gian lận giao dịch 5. **Document Processing**: Xử lý hồ sơ vay, hợp đồng ### Practice Problems 1. **Design**: "Xây dựng AI system để xử lý tự động 10,000 hồ sơ vay mỗi ngày" 2. **Debug**: "LLM của bạn đang hallucinate 15% - làm sao giảm xuống dưới 5%" 3. **Scale**: "Làm sao scale RAG system từ 100K lên 10M documents" 4. **Compliance**: "Design AI system tuân thủ regulation của ngân hàng nhà nước"

Tư vấn nghề nghiệp

## Lời khuyên Sự nghiệp cho AI Engineer tại OCB ### Lộ trình thăng tiến điển hình **Junior AI Engineer (0-2 năm kinh nghiệm)** - Thực tế vị trí này yêu cầu 4+ năm, nên đây là baseline để apply - Focus: Học hỏi production ML, hoàn thiện technical skills - Mức lương: 25-40 triệu/tháng (HCM) **AI Engineer (4-6 năm kinh nghiệm)** - Đây là cấp bậc phù hợp với JD này - Ownership: Own một số system/component cụ thể - Mức lương: 40-70 triệu/tháng - Thăng tiến lên: Senior AI Engineer (6-8 năm) **Senior AI Engineer (6-10 năm kinh nghiệm)** - Lead technical architecture cho toàn bộ AI platform - Mentor junior members - Mức lương: 70-120 triệu/tháng - Thăng tiến lên: Staff AI Engineer / AI Tech Lead **AI Tech Lead / Staff Engineer (8+ năm)** - Define technical roadmap - Cross-functional collaboration - Mức lương: 120-200+ triệu/tháng ### Mức lương kỳ vọng theo cấp bậc (HCM, 2024) | Cấp bậc | Mức lương tháng | Notes | |---------|----------------|-------| | AI Engineer (4-6 năm) | 40-70 triệu | Base, chưa bonus | | Senior AI Engineer | 70-100 triệu | + equity/stock nếu có | | Staff AI Engineer | 100-150 triệu | Leadership role | | Principal/Director | 150-250+ triệu | Strategic role | **Lưu ý**: Mức lương "Thỏa thuận" trong JD cho thấy OCB sẵn sàng đàm phán cho đúng người. Với 4+ năm kinh nghiệm production AI, bạn có thể đàm phán ở mức 50-70 triệu hoặc cao hơn tùy profile. ### Kỹ năng cần phát triển thêm **Technical (1-2 năm tới):** - Deep expertise trong LangChain/LangGraph multi-agent systems - Production-grade deployment skills (Kubernetes, model serving) - Databricks advanced (Delta Lake optimization, MLflow production) - Understanding về AI governance & compliance **Leadership (2-3 năm tới):** - Technical communication cho executive audience - Project management, stakeholder management - Technical hiring & mentoring - Cross-functional collaboration **Domain (liên tục):** - Banking domain knowledge (credit, risk, compliance) - Business acumen - hiểu business metrics - Industry trends trong AI/Fintech ### Lợi ích khi làm tại OCB 1. **Exposure to Banking Domain**: Tiếp xúc với nghiệp vụ ngân hàng thực tế - rất giá trị cho career AI trong fintech 2. **Scale**: Hệ thống ngân hàng có quy mô lớn, data đa dạng 3. **Regulated Environment**: Làm việc trong môi trường regulated giúp phát triển kỹ năng compliance 4. **Digital Transformation**: OCB đang đẩy mạnh digital transformation - nhiều cơ hội thể hiện 5. **Career Path**: Từ AI Engineer → Senior → Tech Lead → AI Manager ### Rủi ro cần cân nhắc 1. **Môi trường legacy**: Ngân hàng có thể có hệ thống legacy, cần thời gian thích nghi 2. **Compliance overhead**: Quy trình approval có thể chậm hơn startup 3. **Tech stack cũ**: Có thể phải làm việc với legacy systems ban đầu ### Gợi ý cho từng profile **Sinh viên mới ra trường:** - Vị trí này yêu cầu 4+ năm, chưa phù hợp. Tham khảo các vị trí Junior Data Scientist/ML Engineer trước **Người có 2-3 năm kinh nghiệm:** - Có thể apply nhưng cạnh tranh khó khăn. Highlight mọi production experience - Cân nhắc apply đúng đợt tuyển dụng khi có headcount mở rộng **Người có 4-6 năm kinh nghiệm:** - Profile phù hợp. Tập trung vào production stories và metrics - Đàm phán lương dựa trên market rate **Người muốn chuyển ngành (non-AI → AI):** - Khó khăn vì yêu cầu 4+ năm AI/ML cụ thể - Cần build portfolio mạnh với production AI projects trước **Senior muốn thăng tiến:** - Vị trí này là bước đệm tốt để vào banking domain - Sau 1-2 năm có thể target AI Lead/Manager

Câu hỏi thường gặp

Vị trí AI Engineer tại OCB yêu cầu 4+ năm kinh nghiệm, nhưng mình chỉ có 2-3 năm trong AI có nên apply không?

Có thể apply nhưng cạnh tranh sẽ khó khăn hơn. Để tăng cơ hội, hãy tập trung vào việc highlight mọi production AI experience, kể cả intern hay pet projects nếu đã lên production. Đặc biệt, nếu bạn có kinh nghiệm trong ngành tài chính/fintech dù không phải AI engineer chính thức, hãy nhấn mạnh. Ngoài ra, đợi đúng đợt tuyển dụng khi OCB mở rộng headcount cũ Scope là cách tốt để tăng cơ hội được đánh giá.

Mình chưa có kinh nghiệm trong ngành ngân hàng, có thiệt thòi nhiều không?

Không bắt buộc nhưng là lợi thế lớn. Trong JD ghi rõ 'Banking experience is a strong plus', không phải must-have. Điều quan trọng hơn là bạn có production AI experience thực sự. Tuy nhiên, để gây ấn tượng mạnh, bạn nên tự tìm hiểu trước về các nghiệp vụ cơ bản của ngân hàng như KYC, credit scoring, AML. Khi phỏng vấn, nếu có thể đề xuất được AI use cases cụ thể cho OCB, bạn sẽ nổi bật hơn nhiều ứng viên khác.

LangChain/LangGraph là kỹ năng bắt buộc - mình chưa dùng nhiều, nên học gì trước?

Đây là 'bar' (vạch đáy) của vị trí này, nên cần đầu tư nghiêm túc. Lộ trình đề xuất: (1) LangChain cơ bản: official docs + tutorials để hiểu LCEL, chains, agents; (2) LangGraph: đây là phần advanced nhất - hiểu stateful workflows, multi-agent patterns; (3) Thực hành: xây dựng ít nhất 1-2 projects hoàn chỉnh để có portfolio; (4) Production considerations: error handling, retry logic, observability. Thời gian học: 2-4 tuần full-time hoặc 1-2 tháng part-time. Sau đó, nên deploy thử một project lên production để có real-world experience.

Mức lương cho vị trí này là bao nhiêu? Làm sao đàm phán hiệu quả?

Với JD ghi 'Thỏa thuận', OCB sẵn sàng đàm phán cho đúng người. Với 4-6 năm kinh nghiệm AI production, mức tham khảo là 45-70 triệu/tháng. Để đàm phán hiệu quả: (1) Research market rate trên các site như Glassdoor, Levels.fyi, Glassdoor Vietnam; (2) Chuẩn bị sẵn achievements với metrics cụ thể (revenue lift, cost savings, efficiency gains); (3) Đàm phán dựa trên value, không chỉ market rate; (4) Consider total comp: base + bonus + benefits. Đừng ngại đề xuất mức cao hơn nếu bạn có strong track record.

KPI của AI Engineer tại ngân hàng thường là gì?

Trong môi trường ngân hàng, KPI thường bao gồm: (1) Model performance: accuracy, latency, throughput của AI systems; (2) Business impact: CIR basis points (Cost-to-Income Ratio), revenue lift từ AI-driven processes; (3) Production reliability: uptime, error rates, incident resolution time; (4) Project delivery:按时交付 AI projects theo roadmap; (5) Adoption: tỷ lệ sử dụng AI solutions của business users. Điều đặc biệt ở OCB là họ nhấn mạnh 'outcome-obsessed' - nghĩa là bạn cần chứng minh được business impact, không chỉ technical metrics.

Cơ hội thăng tiến từ AI Engineer lên Senior AI Engineer tại OCB như thế nào?

Thông thường trong 1.5-2 năm với performance tốt, bạn có thể được promote lên Senior. Điều kiện: (1) Technical: own ít nhất 2-3 production systems hoàn chỉnh; (2) Impact: demonstrate business metrics cụ thể; (3) Leadership: mentor junior, contribute to technical decisions; (4) Domain: hiểu sâu nghiệp vụ ngân hàng. Sau Senior (2-3 năm), có thể target AI Tech Lead hoặc chuyển sang AI Manager nếu quan tâm management path. OCB đang đẩy mạnh digital transformation nên cơ hội thăng tiến khá tốt.

Mình đang làm backend developer muốn chuyển sang AI Engineer, có khả thi không?

Khả thi nhưng cần effort đáng kể. Backend skills (Python, APIs, Docker, Kubernetes) là nền tảng tốt. Thứ bạn cần bổ sung: (1) ML fundamentals: statistics, model training, evaluation; (2) LLM knowledge: how LLMs work, prompt engineering, RAG; (3) Practical AI: build và deploy ít nhất 2-3 AI projects production-ready; (4) Portfolio: GitHub với documented AI projects. Timeline realistic: 6-12 tháng self-study + hands-on projects. Cân nhắc start với intern hoặc junior role trước để có real production AI experience.

Làm việc tại ngân hàng OCB khác gì so với công ty tech/fintech?

Ưu điểm: (1) Stable - ngân hàng ít bị affected bởi market cycles; (2) Complex domain - tiếp xúc với problems có scale lớn; (3) Compliance knowledge - rất giá trị cho career dài hạn trong fintech; (4) Benefits tốt: bảo hiểm, thưởng, các ngày nghỉ. Nhược điểm: (1) Bureaucracy nhiều hơn - changes cần qua nhiều approval layers; (2) Tech stack có thể legacy hơn; (3) Innovation có thể chậm hơn startup; (4) Compensation thường thấp hơn tech companies lớn. Đánh giá: phù hợp nếu bạn muốn stability + domain expertise, không phù hợp nếu bạn muốn move fast và experiment nhiều.

AI Engineer