AI Engineer - TA192

Theo yêu cầu chính thức thì vị trí này cần 5 năm kinh nghiệm IT nên chưa phù hợp với bạn fresh graduate. Tuy nhiên, bạn có thể bắt đầu ở các vị trí Junior AI Engineer hoặc Data Engineer tại các ngân hàng để tích lũy kinh nghiệm 2-3 năm. Trong thời gian đó, hãy tự xây dựng portfolio GenAI cá nhân, đóng góp open source, và tham gia các cuộc thi hackathon AI trong finance. Khi đủ 3-5 năm, bạn hoàn toàn có thể ứng tuyển lại vị trí này với mức lương rất tốt. Đừng vội vàng, hãy xây dựng nền tảng vững chắc trước.

Tin không ghi rõ mức lương (Thỏa thuận), nhưng dựa trên thị trường, vị trí AI Engineer 5 năm kinh nghiệm tại ngân hàng lớn như VPBank thường dao động 50-80 triệu Gross/tháng tùy năng lực và portfolio GenAI. Đây là mức ước lượng tham khảo — mức lương có thể thay đổi tùy ngân hàng và thời điểm. Khi deal lương, bạn nên: (1) Nghiên cứu mặt bằng chung trên các trang như VietnamWorks, ITviec; (2) Đánh giá đúng giá trị bản thân dựa trên kinh nghiệm GenAI production và banking knowledge; (3) Đừng chỉ nhìn lương Gross mà tính cả bonus, phúc lợi, cổ phiếu ESOP nếu có. VPBank thường có chế độ tốt nên có thể chấp nhận offer thấp hơn fintech 10-15% để đổi lấy sự ổn định.

Bạn đã có nền tảng backend tốt — đó là lợi thế rất lớn vì JD đòi hỏi 3-5 năm backend. Bạn cần bổ sung: (1) Chuyển sang Python — đây là ngôn ngữ chính trong AI/ML; (2) Học về LLM, prompt engineering, RAG — bắt đầu với LangChain; (3) Làm ít nhất 2-3 project GenAI cá nhân để có portfolio; (4) Học về cloud AI services (AWS Bedrock, Azure OpenAI); (5) Đọc về banking domain. Lộ trình chuyển đổi hợp lý trong 6-12 tháng: dùng kinh nghiệm Java để làm backend cho AI services, song song đó tự học AI. Khi phỏng vấn, hãy nhấn mạnh kinh nghiệm production và khả năng deploy hệ thống lớn — đây là điều nhiều AI researcher thiếu.

Có sự khác biệt đáng kể. Ở công ty tech/product (Google, MoMo, ZaloPay), bạn sẽ tập trung 100% vào AI/ML, thử nghiệm nhiều công nghệ mới, nhưng đôi khi thiếu business context sâu. Ở ngân hàng, bạn cần: (1) Hiểu regulatory compliance — không thể thoải mái thử nghiệm như startup; (2) Làm việc với hệ thống legacy — phải tích hợp AI vào core banking cũ; (3) Stakeholder là người lớn tuổi, conservative hơn; (4) Quy trình approval chậm hơn nhưng ổn định; (5) Data thường siloed và messy hơn. Tuy nhiên, ngân hàng cũng có lợi thế: budget lớn, data nhiều, business impact rõ ràng, ít bị áp lực tăng trưởng kiểu startup.

JD ghi 'An understanding of bank business domain' nhưng không yêu cầu cứng. Bạn từ e-commerce hoàn toàn có thể chuyển sang nếu: (1) Có ít nhất 1-2 năm làm AI/ML production ở quy mô lớn; (2) Tự học về banking qua các khóa học như Coursera 'AI for Finance', đọc sách 'The AI Banking Revolution'; (3) Hiểu các quy trình: KYC, credit scoring, fraud detection, customer service; (4) Biết về quy định NHNN về AI trong tài chính. Khi phỏng vấn, hãy framing kinh nghiệm e-commerce thành transferable skills: recommendation engine → có thể làm product recommendation cho ngân hàng, chatbot → có thể làm banking chatbot. Điểm yếu là thiếu domain knowledge nhưng bạn có thể bù bằng portfolio và tinh thần học hỏi nhanh.

Các ngân hàng lớn thường có 1-2 vòng test kỹ thuật. Mức độ khó: (1) Coding test — trung bình-khó, thường về Python, SQL, có thể có bài system design; (2) AI/ML test — câu hỏi về LLM, prompt engineering, fine-tuning, RAG; (3) Cloud — AWS/Azure/GCP services; (4) Banking scenario — cách áp dụng AI vào case cụ thể. Để chuẩn bị, nên luyện LeetCode medium-hard, đọc kỹ các paper về RAG, agents gần đây. Tham khảo các nền tảng như CodeSignal, HackerRank để luyện. Một số vòng có thể là take-home assignment (48-72 giờ) yêu cầu xây dựng một prototype nhỏ — hãy làm rất kỹ phần documentation và presentation.

Không hẳn bị overqualified — JD đòi hỏi 5 năm kinh nghiệm IT và ưu tiên 2 năm GenAI, nên ứng viên có 7 năm vẫn phù hợp. Tuy nhiên, bạn cần cân nhắc: (1) Senior quá có thể không được giao task hands-on mà chỉ làm lead — bạn có chấp nhận không? (2) Lương có thể thấp hơn fintech 20-30%; (3) Tốc độ làm việc chậm hơn fintech. Nhưng ngược lại: ngân hàng ổn định hơn, ít bị burn out, có cơ hội làm dự án quy mô lớn, học hỏi từ hệ thống core banking phức tạp. Nếu bạn muốn chuyển sang góc độ leadership/architect hoặc muốn work-life balance tốt hơn, VPBank là lựa chọn tốt. Còn nếu vẫn muốn làm kỹ thuật chuyên sâu và lương cao, fintech vẫn phù hợp hơn.

Lộ trình rất đa dạng: (1) Technical path: AI Engineer → Senior AI Engineer → Lead AI Engineer → Principal AI Architect → Distinguished Engineer; (2) Management path: AI Engineer → Senior → Tech Lead → Engineering Manager → Head of AI/Data → CDO; (3) Cross-functional: Sau 3-5 năm có thể chuyển sang Product Manager, Business Analyst, hoặc thậm chí COO của một fintech nhỏ; (4) Khởi nghiệp: Kinh nghiệm AI trong ngân hàng là background rất tốt để start up fintech. Trong 5 năm tới, AI trong banking sẽ bùng nổ nên cơ hội thăng tiến rất lớn, đặc biệt với ngân hàng đang chuyển đổi số mạnh như VPBank. Nhiều CDO hiện tại của các ngân hàng Việt Nam đều bắt đầu từ vị trí engineer/analyst và phát triển dần lên.

KPI thường chia làm 3 nhóm: (1) Delivery — Số dự án AI hoàn thành đúng hạn, số use case được đưa vào production, uptime của hệ thống AI; (2) Impact — ROI của các dự án AI (tiết kiệm chi phí bao nhiêu, tăng doanh thu bao nhiêu), số lượng người dùng chatbot, tỷ lệ tự động hóa; (3) Innovation — Số paper/research nội bộ, số ý tưởng mới được áp dụng, đóng góp cho cộng đồng (blog, conference). Lưu ý: KPI trong ngân hàng thường dài hạn hơn startup (6-12 tháng/dự án thay vì 2-4 tuần). Bạn nên hỏi rõ về KPI trong buổi phỏng vấn để đánh giá tính khả thi và sự hỗ trợ từ công ty.