CV/CVC/CVCC Kế hoạch chiến lược và chuyển đổi số (AI/ Big Data/ Công Nghệ)
Mô tả công việc
Bằng cấp:
- Tốt nghiệp Đại học trở lên chuyên ngành Khoa học Máy tính, Trí tuệ Nhân tạo, Kỹ thuật Phần mềm, hoặc lĩnh vực liên quan.
- Ưu tiên có chứng chỉ liên quan đến AI/ML (ví dụ: Google Cloud AI, AWS Machine Learning) hoặc chứng chỉ về tài chính/AI (như CFA với trọng tâm AI hoặc Certified AI in Finance).
Kinh nghiệm:
- Ít nhất 3 - 5 năm kinh nghiệm thực chiến trong lĩnh vực AI/ML, với ít nhất 1 năm làm việc với Generative AI.
- Kinh nghiệm xây dựng trợ lý ảo hoặc chatbot là lợi thế lớn. Ưu tiên ứng viên có kinh nghiệm trong ngành tài chính/ngân hàng hoặc lĩnh vực liên quan đến dữ liệu nhạy cảm, bao gồm phát triển AI cho financial modeling, risk assessment, hoặc predictive analytics.
- Kinh nghiệm với n8n (công cụ tự động hóa workflow low-code để kết nối app và tự động hóa quy trình) và Dify (nền tảng phát triển ứng dụng AI dựa trên LLM với RAG và workflow automation) sẽ là lợi thế, đặc biệt trong việc xây dựng và triển khai trợ lý ảo tích hợp.
- Kinh nghiệm xây dựng cơ sở tri thức cho RAG (Retrieval-Augmented Generation) và triển khai AI Gateway (middleware quản lý AI services) là yêu cầu quan trọng.
Kỹ năng kỹ thuật:
- Thành thạo lập trình Python, và các thư viện AI như TensorFlow, PyTorch, Scikit-learn, Hugging Face Transformers. Kiến thức về các ngôn ngữ khác như R hoặc Java là lợi thế cho phân tích tài chính.
- Kiến thức vững chắc về NLP, Generative Models (GANs, VAEs, Diffusion Models), và các công cụ xử lý dữ liệu lớn (Big Data tools như Spark hoặc Hadoop là lợi thế).
- Kinh nghiệm với cloud platforms như AWS, Google Cloud, hoặc Azure để triển khai mô hình AI.
- Hiểu biết về DevOps cho AI (MLOps), bao gồm CI/CD, Docker, Kubernetes.
- Kinh nghiệm sử dụng n8n để thiết kế và triển khai workflow tự động hóa, tích hợp các dịch vụ bên thứ ba, và hỗ trợ AI agents.
- Kinh nghiệm với Dify để xây dựng ứng dụng AI native, quản lý LLM, RAG pipelines, và agentic workflows.
- Kinh nghiệm xây dựng RAG: Xử lý dữ liệu, embedding (sử dụng Sentence Transformers hoặc OpenAI embeddings), lưu trữ và truy vấn vector databases như Pinecone, FAISS, ChromaDB, hoặc Weaviate để tích hợp tri thức bên ngoài vào LLM.
- Kinh nghiệm với AI Gateway: Thiết lập và quản lý middleware như Cloudflare AI Gateway, Kong AI Gateway, hoặc Azure AI Gateway để routing, bảo mật (rate limiting, authentication), monitoring, và logging các yêu cầu AI.
- Kỹ năng prompt engineering để tối ưu hóa tương tác với LLM trong các ứng dụng tài chính.
- Kiến thức về AI ethics, bias detection, và governance, đặc biệt trong ngữ cảnh ngân hàng để đảm bảo tính công bằng và tuân thủ.
- Kỹ năng mềm: Khả năng làm việc nhóm tốt, giao tiếp rõ ràng với các bên liên quan không kỹ thuật (như bộ phận kinh doanh và tuân thủ), và giải quyết vấn đề sáng tạo. Khả năng làm việc độc lập, quản lý dự án nhỏ, và tư duy chiến lược về AI (AI strategy thinking).
- Ngôn ngữ: Tiếng Việt thành thạo; Tiếng Anh tốt (đọc hiểu tài liệu kỹ thuật và giao tiếp).
- Ưu tiên: Kinh nghiệm với các dự án AI trong lĩnh vực tài chính, như fraud detection, customer service automation, hoặc personalized banking, bao gồm sử dụng n8n, Dify, RAG knowledge base, và AI Gateway để tối ưu hóa quy trình. Hiểu biết về quy định ngân hàng Việt Nam (từ Ngân hàng Nhà nước) và kiến thức domain về sản phẩm tài chính.
HƯỚNG DẪN ỨNG TUYỂN
- Đặt tên file Đơn đăng ký ứng tuyển như sau: Địa điểm - Vị trí ứng tuyển - Họ và tên ứng viên (VD: Hà Nội - Chuyên viên KHDN - Nguyễn Văn A)
- Yêu cầu: Hồ sơ hợp lệ là hồ sơ theo mẫu của Ngân hàng, định dạng file excel và đặt tên file theo đúng hướng dẫn trên.
- LPBank có quyền từ chối tuyển dụng đối với các ứng viên nộp hồ sơ không theo quy định của LPBank hoặc ứng viên khai thông tin không chính xác.
LƯU Ý:
- Căn cứ số lượng, chất lượng ứng viên ứng tuyển, yêu cầu công việc,… Ngân hàng sẽ thông báo đến các ứng viên đủ điều kiện theo quy định để tham gia các vòng tuyển dụng (ứng viên không nhận được thông tin mời tuyển dụng từ Ngân hàng được hiểu là chưa phù hợp/chưa đáp ứng yêu cầu tuyển dụng).
- Các ứng viên đạt qua các vòng (sơ loại, thi nghiệp vụ,...) sẽ được Ngân hàng liên hệ mời tham gia các vòng tiếp theo thông qua điện thoại/Email/Tin nhắn. Kết quả tuyển dụng sẽ được thông báo đến các ứng viên tham gia tuyển dụng qua Email sau khi kết thúc chương trình tuyển dụng (thông thường từ 7 - 10 ngày làm việc).
- Việc tuyển dụng tại LPBank là hoàn toàn công bằng, minh bạch, khách quan, không qua bất cứ cá nhân trung gian và không thu bất cứ khoản chi phí tuyển dụng nào.
- Trường hợp Ông/Bà phải mất bất cứ chi phí nào trong quá trình tuyển dụng, xin vui lòng phản ánh trực tiếp tới địa chỉ email: thongbaotuyendung@lpbank.com.vn
- Trường hợp Ông/Bà phải mất chi phí tiêu cực trong quá trình tuyển dụng mà không thông báo cho Ngân hàng và/hoặc Ngân hàng phát hiện ra, Ngân hàng sẽ từ chối tuyển dụng (đối với trường hợp đã trúng tuyển nhưng chưa tiếp nhận) hoặc buộc thôi việc (đối với các trường hợp đã tiếp nhận), kể cả với trường hợp bên nhận chi phí đang là CBNV của Ngân hàng.
Quyền lợi
1. Chế độ đãi ngộ hấp dẫn, xứng tầm
- Lương hàng tháng và các chế độ phụ cấp cạnh tranh trên thị trường
- Thưởng cuối năm hấp dẫn theo đánh giá hiệu quả công việc
- Thưởng sinh nhật, Lễ/Tết,Chế độ thăm hỏi ốm đau...
- Chăm sóc sức khoẻ toàn diện: Khám sức khoẻ hàng năm, gói bảo hiểm độc quyền dảnh riêng cho LPBanker
- Các hoạt động teambuilding, nhiều chương trình văn hóa - thể thao gắn kết nội bộ
2. Môi trường làm việc hiện đại, tiên phong đổi mới sáng tạo
- Không gian làm việc trẻ trung, hiện đại, đề cao sự sáng tạo
- Làm việc với tinh thần tự chủ, linh hoạt và tiên phong
3. Đào tạo
- Các chương trình đào tạo, phát triển năng lực chuyên môn đa dạng cho cán bộ nhân viên và các cấp quản lý
- Cơ hội học hỏi và giao lưu với các đồng nghiệp xuất sắc và các chuyên gia đầu ngành
4. Các chế độ khác như chế độ nghỉ phép, đồng phục,...
Yêu cầu ứng viên
Bằng cấp:
- Tốt nghiệp Đại học trở lên chuyên ngành Khoa học Máy tính, Trí tuệ Nhân tạo, Kỹ thuật Phần mềm, hoặc lĩnh vực liên quan.
- Ưu tiên có chứng chỉ liên quan đến AI/ML (ví dụ: Google Cloud AI, AWS Machine Learning) hoặc chứng chỉ về tài chính/AI (như CFA với trọng tâm AI hoặc Certified AI in Finance).
Kinh nghiệm:
- Ít nhất 3 - 5 năm kinh nghiệm thực chiến trong lĩnh vực AI/ML, với ít nhất 1 năm làm việc với Generative AI.
- Kinh nghiệm xây dựng trợ lý ảo hoặc chatbot là lợi thế lớn. Ưu tiên ứng viên có kinh nghiệm trong ngành tài chính/ngân hàng hoặc lĩnh vực liên quan đến dữ liệu nhạy cảm, bao gồm phát triển AI cho financial modeling, risk assessment, hoặc predictive analytics.
- Kinh nghiệm với n8n (công cụ tự động hóa workflow low-code để kết nối app và tự động hóa quy trình) và Dify (nền tảng phát triển ứng dụng AI dựa trên LLM với RAG và workflow automation) sẽ là lợi thế, đặc biệt trong việc xây dựng và triển khai trợ lý ảo tích hợp.
- Kinh nghiệm xây dựng cơ sở tri thức cho RAG (Retrieval-Augmented Generation) và triển khai AI Gateway (middleware quản lý AI services) là yêu cầu quan trọng.
Kỹ năng kỹ thuật:
- Thành thạo lập trình Python, và các thư viện AI như TensorFlow, PyTorch, Scikit-learn, Hugging Face Transformers. Kiến thức về các ngôn ngữ khác như R hoặc Java là lợi thế cho phân tích tài chính.
- Kiến thức vững chắc về NLP, Generative Models (GANs, VAEs, Diffusion Models), và các công cụ xử lý dữ liệu lớn (Big Data tools như Spark hoặc Hadoop là lợi thế).
- Kinh nghiệm với cloud platforms như AWS, Google Cloud, hoặc Azure để triển khai mô hình AI.
- Hiểu biết về DevOps cho AI (MLOps), bao gồm CI/CD, Docker, Kubernetes.
- Kinh nghiệm sử dụng n8n để thiết kế và triển khai workflow tự động hóa, tích hợp các dịch vụ bên thứ ba, và hỗ trợ AI agents.
- Kinh nghiệm với Dify để xây dựng ứng dụng AI native, quản lý LLM, RAG pipelines, và agentic workflows.
- Kinh nghiệm xây dựng RAG: Xử lý dữ liệu, embedding (sử dụng Sentence Transformers hoặc OpenAI embeddings), lưu trữ và truy vấn vector databases như Pinecone, FAISS, ChromaDB, hoặc Weaviate để tích hợp tri thức bên ngoài vào LLM.
- Kinh nghiệm với AI Gateway: Thiết lập và quản lý middleware như Cloudflare AI Gateway, Kong AI Gateway, hoặc Azure AI Gateway để routing, bảo mật (rate limiting, authentication), monitoring, và logging các yêu cầu AI.
- Kỹ năng prompt engineering để tối ưu hóa tương tác với LLM trong các ứng dụng tài chính.
- Kiến thức về AI ethics, bias detection, và governance, đặc biệt trong ngữ cảnh ngân hàng để đảm bảo tính công bằng và tuân thủ.
- Kỹ năng mềm: Khả năng làm việc nhóm tốt, giao tiếp rõ ràng với các bên liên quan không kỹ thuật (như bộ phận kinh doanh và tuân thủ), và giải quyết vấn đề sáng tạo. Khả năng làm việc độc lập, quản lý dự án nhỏ, và tư duy chiến lược về AI (AI strategy thinking).
- Ngôn ngữ: Tiếng Việt thành thạo; Tiếng Anh tốt (đọc hiểu tài liệu kỹ thuật và giao tiếp).
- Ưu tiên: Kinh nghiệm với các dự án AI trong lĩnh vực tài chính, như fraud detection, customer service automation, hoặc personalized banking, bao gồm sử dụng n8n, Dify, RAG knowledge base, và AI Gateway để tối ưu hóa quy trình. Hiểu biết về quy định ngân hàng Việt Nam (từ Ngân hàng Nhà nước) và kiến thức domain về sản phẩm tài chính.
HƯỚNG DẪN ỨNG TUYỂN
- Đặt tên file Đơn đăng ký ứng tuyển như sau: Địa điểm - Vị trí ứng tuyển - Họ và tên ứng viên (VD: Hà Nội - Chuyên viên KHDN - Nguyễn Văn A)
- Yêu cầu: Hồ sơ hợp lệ là hồ sơ theo mẫu của Ngân hàng, định dạng file excel và đặt tên file theo đúng hướng dẫn trên.
- LPBank có quyền từ chối tuyển dụng đối với các ứng viên nộp hồ sơ không theo quy định của LPBank hoặc ứng viên khai thông tin không chính xác.
LƯU Ý:
- Căn cứ số lượng, chất lượng ứng viên ứng tuyển, yêu cầu công việc,… Ngân hàng sẽ thông báo đến các ứng viên đủ điều kiện theo quy định để tham gia các vòng tuyển dụng (ứng viên không nhận được thông tin mời tuyển dụng từ Ngân hàng được hiểu là chưa phù hợp/chưa đáp ứng yêu cầu tuyển dụng).
- Các ứng viên đạt qua các vòng (sơ loại, thi nghiệp vụ,...) sẽ được Ngân hàng liên hệ mời tham gia các vòng tiếp theo thông qua điện thoại/Email/Tin nhắn. Kết quả tuyển dụng sẽ được thông báo đến các ứng viên tham gia tuyển dụng qua Email sau khi kết thúc chương trình tuyển dụng (thông thường từ 7 - 10 ngày làm việc).
- Việc tuyển dụng tại LPBank là hoàn toàn công bằng, minh bạch, khách quan, không qua bất cứ cá nhân trung gian và không thu bất cứ khoản chi phí tuyển dụng nào.
- Trường hợp Ông/Bà phải mất bất cứ chi phí nào trong quá trình tuyển dụng, xin vui lòng phản ánh trực tiếp tới địa chỉ email: thongbaotuyendung@lpbank.com.vn
- Trường hợp Ông/Bà phải mất chi phí tiêu cực trong quá trình tuyển dụng mà không thông báo cho Ngân hàng và/hoặc Ngân hàng phát hiện ra, Ngân hàng sẽ từ chối tuyển dụng (đối với trường hợp đã trúng tuyển nhưng chưa tiếp nhận) hoặc buộc thôi việc (đối với các trường hợp đã tiếp nhận), kể cả với trường hợp bên nhận chi phí đang là CBNV của Ngân hàng.
Phân tích kỹ năng cần có
🔍 Phân tích kỹ năng cần có cho vị trí CV/CVC/CVCC AI tại LPBank
Đây là vị trí Chuyên viên cao cấp trở lên thuộc khối Kế hoạch chiến lược & Chuyển đổi số — một vị trí rất hiếm trên thị trường ngân hàng Việt vì kết hợp cả AI/ML kỹ thuật cao và domain tài chính ngân hàng. Dưới đây là phân tích chi tiết:
---
1️⃣ Hard Skills (Kỹ năng cứng — BẮT BUỘC)
| Nhóm kỹ năng | Cụ thể | Mức độ yêu cầu |
|---|---|---|
| Ngôn ngữ lập trình | Python (thành thạo), R hoặc Java (lợi thế) | 🔴 Bắt buộc |
| Framework AI/ML | TensorFlow, PyTorch, Scikit-learn, Hugging Face Transformers | 🔴 Bắt buộc |
| Generative AI | LLM, GANs, VAEs, Diffusion Models; ít nhất 1 năm kinh nghiệm thực chiến | 🔴 Bắt buộc |
| NLP | Xử lý ngôn ngữ tự nhiên, tokenization, embeddings | 🔴 Bắt buộc |
| RAG & Vector DB | Xây dựng knowledge base, embedding (OpenAI, Sentence Transformers), Pinecone/FAISS/ChromaDB/Weaviate | 🔴 Bắt buộc |
| Cloud Platform | AWS, Google Cloud, hoặc Azure (triển khai mô hình) | 🔴 Bắt buộc |
| MLOps / DevOps | CI/CD, Docker, Kubernetes | 🔴 Bắt buộc |
| Big Data Tools | Spark, Hadoop | 🟡 Lợi thế |
2️⃣ Kỹ năng CÔNG CỆC ĐẶC THÙ (đây là phần "lọc" ứng viên)
| Công cụ | Vai trò | Tại sao LPBank yêu cầu? |
|---|---|---|
| n8n | Low-code workflow automation, kết nối app, hỗ trợ AI agents | Tự động hóa quy trình nội bộ ngân hàng mà không cần code nhiều |
| Dify | Nền tảng AI native, quản lý LLM, RAG pipelines, agentic workflows | Xây dựng chatbot/trợ lý ảo nội bộ cho LPBank |
| AI Gateway | Cloudflare AI Gateway, Kong AI Gateway, Azure AI Gateway | Quản lý routing, bảo mật, rate limiting, monitoring các yêu cầu AI — cực kỳ quan trọng với dữ liệu nhạy cảm ngân hàng |
> 💡 Ghi chú quan trọng: 3 công cụ trên (n8n, Dify, AI Gateway) là bộ ba rất mới trong hệ sinh thái AI Việt Nam. Hầu hết ứng viên sẽ chỉ biết 1-2 cái. Nếu bạn thành thạo cả 3 thì cơ hội gần như chắc chắn.
3️⃣ Kỹ năng Domain Ngân hàng & Tài chính
- Kiến thức sản phẩm tài chính: tín dụng, tiền gửi, thẻ, bảo hiểm, đầu tư
- Use cases AI trong ngân hàng: fraud detection, credit scoring, customer service automation, personalized banking, risk assessment, predictive analytics
- Quy định NHNN: Thông tư hướng dẫn về công nghệ, an toàn thông tin, quản trị rủi ro AI
- AI Ethics & Governance: bias detection, fairness, compliance trong ngữ cụng tài chính
4️⃣ Soft Skills
- Giao tiếp với non-tech stakeholder: giải thích mô hình AI cho bộ phận kinh doanh, tuân thủ
- Tư duy chiến lược AI: không chỉ code mà phải biết AI giải quyết bài toán kinh doanh nào
- Quản lý dự án nhỏ: chạy độc lập pilot từ ý tưởng → PoC → triển khai
- Tiếng Anh: đọc hiểu tài liệu kỹ thuật, paper, giao tiếp với vendor nước ngoài
5️⃣ Chứng chỉ GỢI Ý (ưu tiên)
| Chứng chỉ | Nhà cung cấp | Giá trị |
|---|---|---|
| AWS Certified Machine Learning – Specialty | AWS | Cao |
| Google Professional Machine Learning Engineer | Cao | |
| Azure AI Engineer Associate | Microsoft | Cao |
| TensorFlow Developer Certificate | Trung bình | |
| CFA (chuyên ngành AI/Finance) | CFA Institute | Cao cho domain |
| Certified AI in Finance | Các tổ chức fintech | Trung bình |
---
⚖️ So sánh mức độ phù hợp theo cấp bậc trong JD
| Cấp | Kinh nghiệm | Hồ sơ phù hợp |
|---|---|---|
| CV (Chuyên viên) | 3 năm AI/ML + 1 năm GenAI | Data Scientist, ML Engineer tại ngân hàng/fintech đã có sản phẩm GenAI chạy thực tế |
| CVC (Chuyên viên chính) | 4 năm, có portfolio chatbot/RAG production | Lead AI Engineer, có track record triển khai hệ thống AI cấp ngân hàng |
| CVCC (Chuyên viên cao cấp) | 5+ năm, từng đề xuất AI strategy cho cấp lãnh đạo | AI Architect, Head of AI/Data team quy mô 5-10 người trở lên |
> 🎯 Lời khuyên thật lòng: Vị trí này rất kén người. LPBank không chỉ tìm "biết code AI" mà tìm người hiểu ngân hàng + biết AI. Hai nhóm này ở Việt Nam hiếm khi gặp nhau. Nếu bạn thiên về AI mà chưa có kinh nghiệm ngân hàng → phải chứng minh được khả năng học domain nhanh qua các dự án cá nhân, hackathon, hoặc bài toán side project.
Chuẩn bị phỏng vấn
🎯 Hướng dẫn phỏng vấn chi tiết cho vị trí AI tại LPBank
Dựa trên quy trình tuyển dụng của LPBank và đặc thù vị trí AI/ML cấp cao, đây là lộ trình phỏng vấn dự kiến:
---
📋 Quy trình các vòng tuyển dụng
Vòng 1: Sơ loại hồ sơ (HR Screening)
- HR check hồ sơ Excel theo mẫu LPBank, lọc keyword kỹ thuật
- Mẹo đậu vòng này: Đặt tên file đúng chuẩn "Hà Nội - CV AI - Nguyễn Văn A", điền đầy đủ các cột trong mẫu, không bỏ trống thông tin nào
Vòng 2: Thi nghiệp vụ (Technical Test)
- Có thể bao gồm: bài test Python + ML cơ bản, hoặc case study xây dựng RAG pipeline
- Thời gian: 60-90 phút, làm online hoặc tại Hội sở
Vòng 3: Phỏng vấn Technical chuyên sâu (Hiring Manager)
- Phỏng vấn với Trưởng/Phó phòng Kế hoạch chiến lược & CĐS
- Thời gian: 45-60 phút, đi sâu vào:
- Kiến thức AI/ML nền tảng
- Kinh nghiệm thực chiến
- Tư duy ứng dụng vào ngân hàng
Vòng 4: Phỏng vấn lãnh đạo (Senior Leadership)
- Phỏng vấn với Giám đốc khối hoặc Phó Tổng giám đốc
- Thời gian: 30-45 phút, tập trung vào:
- Tư duy chiến lược AI cho ngân hàng
- Khả năng giao tiếp với cấp cao
- Định hướng phát triển lâu dài
Vòng 5: Phỏng vấn HR cuối + Offer
- Thỏa thuận mức lương, phúc lợi, ngày vào làm
---
❓ Câu hỏi phỏng vấn hay gặp
🔵 Vòng Technical — AI/ML cơ bản & nâng cao
1. "Hãy giải thích sự khác nhau giữa RAG và fine-tuning LLM. Khi nào nên dùng cái nào trong ngân hàng?"
- Đáp án mẫu: RAG phù hợp khi cần cập nhật thông tin real-time (biểu phí, tỷ giá, chính sách tín dụng), fine-tuning khi cần model chuyên biệt cho nghiệp vụ (phân loại văn bản pháp lý, sentiment tiếng Việt tài chính).
2. "So sánh FAISS, Pinecone, ChromaDB. Bạn chọn cái nào cho hệ thống RAG của LPBank?"
- Đáp án mẫu: FAISS cho scale lớn + on-premise (bảo mật NHNN), Pinecone nếu muốn managed + tốc độ triển khai, ChromaDB cho prototype.
3. "Mô hình GenAI bị hallucination khi tư vấn sản phẩm tài chính. Bạn xử lý thế nào?"
- Đáp án mẫu: Kết hợp RAG với knowledge base nội bộ, prompt engineering với guardrails, human-in-the-loop cho quyết định tài chính lớn.
4. "Hãy thiết kế pipeline RAG cho chatbot tư vấn KH tại LPBank từ đầu."
- Đáp án mẫu: Thu thập tài liệu → chunking → embedding (OpenAI/Vietnamese embedding model) → lưu vector DB → query → rerank → LLM generate → guardrails.
5. "Docker vs Kubernetes khác nhau như thế nào trong MLOps?"
- Đáp án mẫu: Docker đóng gói, K8s orchestrate container. Trong MLOps: Docker để đóng gói model, K8s để scale inference.
🟢 Vòng Domain Ngân hàng
6. "Use case AI nào bạn thấy ROI cao nhất cho ngân hàng bán lẻ Việt Nam trong 1-2 năm tới?"
- Gợi ý: Fraud detection, credit scoring alternative data, chatbot CSKH 24/7, automated KYC, marketing personalization.
7. "Quy định của NHNN về ứng dụng AI trong ngân hàng có những điểm nào quan trọng?"
- Gợi ý: Thông tư 17/2024 về an toàn thông tin, Quyết định 2345 về triển khai Basel II/III, quy định về cloud, quy định về data privacy.
8. "Làm sao đảm bảo AI không phân biệt đối xử (bias) trong credit scoring?"
🟡 Vòng Tư duy chiến lược
9. "Nếu bạn là AI Lead tại LPBank, bạn sẽ ưu tiên dự án nào trong 90 ngày đầu tiên?"
- Đáp án mẫu: Quick win: chatbot nội bộ cho nhân viên (giảm 30% thời gian tra cứu quy trình). Medium-term: RAG cho CSKH. Long-term: fraud detection.
10. "Ngân hàng truyền thống vs fintech trong cuộc đua AI, ai thắng? Tại sao?"
11. "Bạn nghĩ AI sẽ thay thế hay augment nhân viên ngân hàng?"
---
👔 Dress code & Quy tắc ứng xử
| Vòng | Trang phục khuyến nghị |
|---|---|
| Vòng 2 (Technical test) | Smart casual hoặc áo sơ mi đơn giản, quần tây |
| Vòng 3-4 (Phỏng vấn) | Vest + sơ mi, hoặc áo sơ mi + quần tây, giày da. Nên mặc lịch sự, màu trung tính |
| Vòng cuối (HR) | Vest full |
Tips ứng xử:
- Đến sớm 15 phút, mang theo CV giấy in sẵn + portfolio các dự án AI
- Chuẩn bị sẵn sơ đồ kiến trúc hệ thống các dự án đã làm để giải thích trực quan
- Dùng ngôn ngữ "business outcome" hơn là ngôn ngữ kỹ thuật khi nói với lãnh đạo non-tech
- Tránh nói quá nhiều về thuật toán, tập trung vào giải quyết bài toán kinh doanh
⚠️ Lưu ý đặc biệt
- LPBank CẢNH BÁO về việc thu phí tuyển dụng → tuyệt đối không tin vào lời hứa "chạy hồ sơ có phí"
- Kết quả thông báo qua email sau 7-10 ngày làm việc
- Theo dõi email (kể cả spam folder) và tin nhắn điện thoại từ số lạ sau khi apply
Lộ trình ôn thi
📚 Lộ trình ôn tập & chuẩn bị trong 1-2 tuần
Vị trí này yêu cầu cả kiến thức AI/ML hiện đại lẫn domain ngân hàng. Dưới đây là lộ trình ôn gọn trong 10-14 ngày cho ứng viên đã có nền tảng:
---
🎯 Kiến thức nền tảng cần nắm vững
Nhóm 1: AI/ML cốt lõi (Ôn 4-5 ngày)
- Python nâng cao: async/await, decorator, generator, typing, pandas/numpy hiệu quả
- ML cơ bản: supervised/unsupervised, train-test split, cross-validation, overfitting
- Deep Learning: backprop, optimizer (SGD, Adam), regularization
- NLP: tokenization, embedding (Word2Vec, BERT), transformer architecture
- Generative Models: GAN, VAE, Diffusion, LLM (GPT, Llama, Mistral)
Nhóm 2: RAG & Vector DB (Ôn 2-3 ngày)
- Kiến trúc RAG: chunking → embedding → retrieval → generation
- Vector database: Pinecone, FAISS, ChromaDB, Weaviate (cần dùng thử ít nhất 1 cái)
- Embedding model: OpenAI text-embedding-3, Sentence Transformers, Vietnamese embedding (bkai-foundation-models/vietnamese-bi-encoder)
- Reranking: Cohere Rerank, BGE Reranker
- Đánh giá RAG: RAGAS, TruLens
Nhóm 3: Công cụ đặc thù (Ôn 2-3 ngày) — ĐÂY LÀ ĐIỂM CỘNG LỚN
- n8n: tạo workflow cơ bản, tích hợp OpenAI, Slack, Google Sheets, webhook
- Dify: tạo ứng dụng AI, upload knowledge base, agent workflow
- AI Gateway: hiểu khái niệm routing, rate limiting, monitoring
- Cloud: chọn 1 trong 3 (AWS/GCP/Azure), thử deploy 1 model đơn giản
Nhóm 4: MLOps (Ôn 1-2 ngày)
- Docker: Dockerfile cơ bản, docker-compose
- Kubernetes: pod, deployment, service
- CI/CD: GitHub Actions hoặc GitLab CI
- Model monitoring: MLflow, Weights & Biases
Nhóm 5: Domain ngân hàng (Ôn 1-2 ngày)
- Sản phẩm ngân hàng bán lẻ: tín dụng, tiền gửi, thẻ, ngân hàng số LPBank
- Quy định NHNN: Thông tư 17/2024 (an toàn thông tin), Thông tư 13/2018, Quyết định 2345
- AI use cases ngân hàng: fraud detection (kmeans + isolation forest), credit scoring (XGBoost + SHAP), chatbot (RAG), churn prediction
---
📖 Tài liệu tham khảo
Sách & Khóa học
| Tài liệu | Tác giả/Nguồn | Ghi chú |
|---|---|---|
| Hands-On Machine Learning | Aurélien Géron | ML cơ bản + nâng cao |
| Deep Learning | Ian Goodfellow | Lý thuyết nền tảng |
| Designing Machine Learning Systems | Chip Huyen | Rất phù hợp cho production ML |
| LLM Engineers Handbook | Paul Iusztin | RAG, fine-tuning, deployment |
| Coursera: AWS Machine Learning | DeepLearning.AI | Ôn thi AWS cert |
| Fast.ai Practical Deep Learning | Jeremy Howard | Thực hành |
Tài liệu miễn phí online
- Hugging Face Documentation — NLP & transformers
- LangChain/LlamaIndex docs — RAG framework
- Dify documentation — đọc kỹ 2 ngày
- n8n documentation + YouTube tutorials
- RAGAS documentation — đánh giá RAG
- MLOps Zoomcamp (DataTalks.Club) — khóa MLOps miễn phí trên GitHub
Papers quan trọng
- "Attention Is All You Need" (Transformer gốc)
- "Retrieval-Augmented Generation for Large Language Models" (RAG paper)
- "A Survey on Large Language Models" — paper tổng quan LLM
---
📅 Lộ trình 14 ngày cụ thể
| Ngày | Sáng | Chiều | Tối |
|---|---|---|---|
| 1-2 | Ôn Python nâng cao + pandas/numpy | Ôn ML cơ bản (sklearn) | Đọc Designing ML Systems chương 1-3 |
| 3-4 | Deep Learning cơ bản (PyTorch) | NLP & Transformers | Thực hành fine-tune BERT trên dataset tiếng Việt |
| 5-6 | Học LLM & GenAI | Học RAG (LlamaIndex/LangChain) | Build 1 chatbot RAG với knowledge base LPBank công khai |
| 7-8 | Dify tutorial + build app | n8n tutorial + workflow | Tích hợp Dify + n8n |
| 9-10 | Vector DB (FAISS/Pinecone) | Cloud deployment (AWS/GCP) | Deploy chatbot lên cloud |
| 11-12 | Đọc quy định NHNN | AI use cases ngân hàng | MOCK phỏng vấn technical |
| 13 | Ôn soft skills & business case | Ôn câu hỏi lãnh đạo | Đọc tin tức LPBank |
| 14 | Tổng ôn + review CV | MOCK phỏng vấn | Nghỉ ngơi, đi ngủ sớm |
---
🛠️ Project cần làm trước khi apply
Nếu chưa có kinh nghiệm ngân hàng, hãy làm 2-3 side project sau để có thật vào CV:
1. Chatbot tư vấn tài chính: RAG + Dify + knowledge base từ quy định NHNN
2. Credit scoring demo: dataset Home Credit (Kaggle), XGBoost + SHAP
3. Fraud detection pipeline: dataset IEEE-CIS (Kaggle), Spark + ML
4. Workflow automation: n8n + OpenAI + Slack (demo tự động hóa CSKH)
> Upload lên GitHub với README rõ ràng + demo GIF. Đây sẽ là "vũ khí" trong phỏng vấn.
Tư vấn nghề nghiệp
💼 Lời khuyên sự nghiệp cho vị trí AI/ML tại Ngân hàng
---
🚀 Lộ trình thăng tiến trong khối CNTT/Chuyển đổi số ngân hàng
```
AI Engineer / Data Scientist (3-5 năm)
↓
CVCC / Chuyên viên cao cấp AI ← VỊ TRÍ ĐANG TUYỂN
↓
Phó phòng / Trưởng nhóm AI (5-7 năm)
↓
Trưởng phòng AI/Data (8-10 năm)
↓
Phó Giám đốc khối CNTT (10-15 năm)
↓
Giám đốc công nghệ / CTO (15+ năm)
```
Tại LPBank nói riêng và các ngân hàng lớn (Techcombank, VPBank, MB, Vietcombank), đường thăng tiến cho chuyên gia AI đang rất rộng mở vì chiến lược chuyển đổi số đang được đẩy mạnh 2024-2030.
---
💰 Mức lương kỳ vọng theo cấp bậc (2024-2025, Hà Nội)
| Cấp bậc | Kinh nghiệm | Lương gross/tháng | Bonus + ESOP |
|---|---|---|---|
| CV (Chuyên viên) | 3 năm | 25-40 triệu | 2-4 tháng lương |
| CVC (Chuyên viên chính) | 4-5 năm | 40-65 triệu | 3-5 tháng lương |
| CVCC (Chuyên viên cao cấp) | 5-7 năm | 65-100 triệu | 4-6 tháng lương |
| Phó phòng | 7-10 năm | 100-150 triệu | 5-8 tháng + ESOP |
| Trưởng phòng | 10+ năm | 150-250 triệu | Thỏa thuận |
> ⚠️ Lưu ý: Đây là mức tham khảo cho ngân hàng tư nhân/top ngân hàng nhà nước. LPBank là ngân hàng tư nhân đang tăng trưởng nóng, mức lương có thể cạnh tranh cao hơn 10-20% so với mặt bằng chung. Khi deal lương, nhớ tính tổng package gồm: lương + phụ cấp + thưởng Tết + thưởng KPI + bảo hiểm sức khỏe gia đình.
---
📈 Kỹ năng cần phát triển thêm trong 1-2 năm tới
Nếu đang ở cấp CV/CVC (muốn lên CVCC/Lead):
- ✅ Tư duy chiến lược AI cho doanh nghiệp (đọc sách "AI Superpowers", "Competing in the Age of AI")
- ✅ Kỹ năng quản lý team nhỏ 3-5 người
- ✅ Tham gia cộng đồng: Việt Nam AI, Vietnam ML, OpenAI community
- ✅ Public content: viết blog LinkedIn về AI trong tài chính
Nếu đang ở cấp CVCC (muốn lên Quản lý):
- ✅ Quản trị rủi ro AI (model risk management theo Basel)
- ✅ Vendor management: đánh giá nhà cung cấp AI
- ✅ Budget & ROI: chứng minh AI đem lại bao nhiêu tiền/bớt bao nhiêu chi phí
- ✅ Networking với lãnh đạo cấp cao trong ngân hàng
---
🎓 Lời khuyên thực tế từ góc nhìn "đàn anh"
1. Đừng bỏ qua "AI strategy": LPBank tuyển CVCC không phải để code nhiều hơn, mà để định hướng chiến lược AI cho ngân hàng. Nếu bạn chỉ giỏi technical mà không nhìn ra business value, bạn sẽ bị bottleneck ở cấp CVC.
2. Ngân hàng ≠ Tech startup: Tốc độ ra quyết định ở ngân hàng chậm hơn, nhưng budget ổn định hơn và bài toán có data thật, user thật. Đổi lại bạn phải làm việc với nhiều compliance, policy, approval.
3. Cơ hội vàng 2025-2027: NHNN đang khuyến khích AI trong ngân hàng, các ngân hàng đua nhau tuyển AI engineer. Đây là thời điểm tốt nhất trong 5 năm qua để "nhảy" vào ngân hàng với mức lương cao.
4. Cẩn thận "burnout": Dự án AI ở ngân hàng thường kéo dài, nhiều stakeholder, nhiều policy. Cần kiên nhẫn và có tư duy "long game".
5. Học tiếng Anh chuyên ngành: Hầu hết tài liệu AI chất lượng cao đều bằng tiếng Anh. Đọc paper, blog OpenAI/Anthropic/Hugging Face hàng ngày.
6. Cân nhắc chuyển ngân hàng hay ở lại: Sau 2-3 năm ở LPBank, bạn sẽ có profile rất đẹp để move sang Techcombank, MB, VPBank với mức lương cao hơn 30-50%. Hoặc chuyển sang fintech (MoMo, ZaloPay, Timo) nếu thích startup vibe.
Câu hỏi thường gặp
Em mới ra trường ngành Khoa học Dữ liệu, có thể apply vị trí này không?
Theo JD yêu cầu tối thiểu 3-5 năm kinh nghiệm AI/ML thực chiến, vị trí này không phù hợp cho bạn mới ra trường. Tuy nhiên bạn có thể:
1. Apply các vị trí Junior Data Scientist / ML Engineer tại LPBank hoặc ngân hàng khác (Techcombank, MB thường có chương trình fresher)
2. Làm 2-3 năm ở vị trí junior, build portfolio với side project về finance, sau đó apply lại
3. Trong thời gian chờ, học thêm về n8n, Dify, RAG — đây là những công cụ ít người biết nên sẽ là lợi thế cạnh tranh lớn sau này
Em đang làm Data Scientist ở fintech 4 năm, có nên apply sang LPBank không? Mức lương có tốt hơn không?
Đây là thời điểm rất tốt để apply. Vài lý do:
1. Ngân hàng thường trả cao hơn fintech 10-20% cho cùng cấp bậc, cộng thêm bonus cuối năm ổn định hơn
2. Ngân hàng có data chất lượng cao hơn, bài toán thực tế hơn (fraud, credit scoring thật)
3. Đường thăng tiến rõ ràng hơn fintech
4. Profile ngân hàng lớn sẽ giúp bạn "đi đâu cũng được" trong tương lai
Với 4 năm kinh nghiệm, bạn đủ điều kiện ứng tuyển ở cấp CVC. Mức lương kỳ vọng hợp lý: 50-65 triệu gross. Nên deal thêm phụ cấp ăn trưa, xăng xe, điện thoại, và đặc biệt là gói bảo hiểm sức khỏe cho cả gia đình.
Em đang là Backend Engineer (Java/Python) ở ngân hàng 5 năm, muốn chuyển sang AI. Có khả thi không?
Hoàn toàn khả thi và bạn có lợi thế đặc biệt! Lý do:
1. LPBank cần người vừa code production tốt (Java/Python) vừa hiểu AI — đây là combo hiếm
2. Bạn đã quen với môi trường ngân hàng, compliance, data nhạy cảm — đây là rào cản lớn nhất với người từ tech bên ngoài vào
3. Bạn có kinh nghiệm Docker, K8s, microservices — phù hợp với phần MLOps
Lộ trình chuyển đổi trong 6 tháng:
- Học ML cơ bản (Coursera Andrew Ng)
- Học LLM & RAG (LlamaIndex tutorial)
- Làm 1-2 side project về credit scoring hoặc chatbot
- Apply vị trí này với góc nhìn "tôi build production AI system" thay vì "tôi research AI"
Vị trí CVCC thì công việc hàng ngày sẽ như thế nào? Có phải code nhiều không?
Ở cấp CVCC, tỷ lệ công việc thường là:
- 20-30% hands-on coding (build PoC, review code của team)
- 30-40% thiết kế kiến trúc, đề xuất giải pháp AI cho bài toán ngân hàng
- 20-30% họp với stakeholder, báo cáo lãnh đạo, đàm phán vendor
- 10% mentoring team member
Nếu bạn thích code 100% thì CVCC có thể không phải là goal tốt nhất — bạn có thể ở lại cấp CVC với role "Tech Lead AI" và code nhiều hơn. CVCC là cấp bắt đầu chuyển sang "AI strategy + people management".
JD yêu cầu n8n, Dify, AI Gateway — những công cụ này có quan trọng không? Tại sao ngân hàng lại dùng low-code?
Đây là dấu hiệu rất rõ ràng cho thấy LPBank muốn scale nhanh và tiết kiệm nhân sự. Lý do:
1. n8n: cho phép business analyst, BA kéo thả workflow mà không cần engineer — phù hợp kết nối CRM, email, Slack, chatbot AI tự động
2. Dify: cho phép build chatbot AI trong vài ngày thay vì vài tháng — rất phù hợp khi cần PoC nhanh
3. AI Gateway: bắt buộc với ngân hàng để quản lý chi phí gọi OpenAI/Anthropic, rate limiting, audit log — cực kỳ quan trọng cho compliance
Việc LPBank yêu cầu cả 3 cho thấy họ đang muốn "AI-first" thực sự chứ không phải làm cho có. Nếu bạn biết 3 công cụ này thì cơ hội trúng tuyển cao hơn hẳn vì đa số ứng viên chỉ biết Python thuần.
Lương "Thỏa thuận" nghĩa là bao nhiêu? Em nên đề xuất mức nào?
"Thỏa thuận" thường là LPBank muốn trả đúng người, đúng giá. Chiến lược deal lương:
1. Trước phỏng vấn vòng 3-4: KHÔNG đề xuất mức cụ thể. Chỉ nói "em mong mức tương xứng với kinh nghiệm và giá trị em mang lại"
2. Sau vòng HR cuối: đề xuất dựa trên:
- Bạn đang nhận bao nhiêu + 20-30% (nếu chuyển việc)
- Mặt bằng thị trường (xem bảng lương ở phần Career Advice)
- Tham khảo Glassdoor, VietnamWorks
3. Mức đề xuất hợp lý cho CVCC 5+ năm kinh nghiệm: 70-95 triệu gross + phụ cấp + bonus
Tips: Khi deal lương, nhấn mạnh vào tổng package thay vì chỉ lương gross. Ví dụ: bảo hiểm gia đình, thưởng KPI, ngày phép, cơ hội training nước ngoài.
Em sợ mình chưa đủ kinh nghiệm GenAI (chỉ mới ~8 tháng). Có nên apply không?
JD yêu cầu "ít nhất 1 năm GenAI", bạn thiếu khoảng 4 tháng. Có 2 lựa chọn:
1. Apply luôn nếu bạn có portfolio GenAI ấn tượng (chatbot production, RAG system chạy thật, demo video). Nhiều HR linh hoạt nếu bạn chứng minh được năng lực
2. Đợi thêm 4 tháng nếu bạn chưa có portfolio GenAI rõ ràng. Trong thời gian này tập trung build:
- 1 chatbot Dify production
- 1 RAG pipeline trên cloud
- Đóng góp 1-2 open source về AI
Ngoài ra, nếu bạn có 5 năm AI/ML (không phải GenAI) thì LPBank có thể vẫn cân nhắc vì 3-5 năm AI/ML là yêu cầu chính, GenAI chỉ là "subset". Đáng thử!
Phỏng vấn vòng lãnh đạo thường hỏi gì? Em hơi run với vòng này.
Vòng lãnh đạo ở LPBank thường có 3 nhóm câu hỏi chính:
1. Tầm nhìn AI: "Theo em, AI sẽ thay đổi ngân hàng Việt Nam thế nào trong 5 năm tới?" — Cần đưa ra quan điểm cá nhân + dẫn chứng
2. Quản trị rủi ro: "Em làm sao để AI không gây rủi ro pháp lý cho ngân hàng?" — Liên hệ Thông tư NHNN, AI Act EU
3. Phù hợp văn hóa: "Tại sao em chọn LPBank? Mục tiêu nghề nghiệp 5 năm tới?"
Tips giảm run:
- Chuẩn bị 3 câu chuyện cá nhân về dự án AI (dùng format STAR: Situation-Task-Action-Result)
- Research kỹ LPBank: chiến lược số hóa, app LPBank, tin tức gần đây
- Đặt câu hỏi ngược cho lãnh đạo: "Anh/chị thấy thách thức lớn nhất khi triển khai AI ở LPBank là gì?" — thể hiện sự quan tâm thật
- Hít thở sâu, nói chậm, dùng slide nếu được