messenger

Chat Mess

zalo

Chat Zalo

phone

Phone

Gọi ngay: 097.5151.777
messenger

Facebook

messenger

TikTok

Hỗ trợ tư vấn: 097.5151.777
VPBank

Dự án Bảo hiểm nhân thọ] - Head of AI Solution

Dự án Salus
CMNV

Mô tả công việc

MÔ TẢ CÔNG VIỆC
Trưởng bộ phận Giải pháp AI chịu trách nhiệm dẫn dắt chiến lược và ứng dụng AI/ML nhằm tạo giá trị kinh doanh đo lường được, đồng thời đảm bảo hiệu quả, kiểm soát rủi ro và tuân thủ.

1. Chiến lược AI/ML & Lãnh đạo:

  • Xây dựng, phát triển và triển khai chiến lược, lộ trình và kế hoạch ứng dụng AI/ML phù hợp với chiến lược kinh doanh, mô hình vận hành, nguồn lực và định hướng công nghệ của Công ty.
  • Phối hợp với Tập đoàn, các đối tác phân phối, bộ phận Kiến trúc Dữ liệu Doanh nghiệp và các đơn vị liên quan để xác định, đánh giá và ưu tiên các AI/ML use cases có giá trị kinh doanh cao.
  • Ưu tiên các giải pháp có khả năng triển khai nhanh, tạo ra hiệu quả thực tế, đồng thời cân bằng giữa nhu cầu quick wins và định hướng phát triển dài hạn. Xây dựng kế hoạch hoạt động, mục tiêu, KPI và cơ chế theo dõi hiệu quả của Bộ phận Giải pháp AI.
  • Đảm bảo chiến lược và danh mục sáng kiến AI/ML được Ban Lãnh đạo phê duyệt, triển khai theo đúng ưu tiên và các cam kết về tiến độ, chất lượng và giá trị kinh doanh.

2. Phát triển & Triển khai Giải pháp AI/ML:

  • Chịu trách nhiệm toàn diện trong việc thiết kế, phát triển và triển khai các giải pháp AI/ML nhằm giải quyết các bài toán kinh doanh, nghiệp vụ và vận hành.
  • Dẫn dắt quá trình đưa các giải pháp từ giai đoạn xác định bài toán, thiết kế, thử nghiệm đến triển khai và vận hành thực tế (production).
  • Phối hợp chặt chẽ với các bộ phận Data Architecture, Technology, Product và các đơn vị nghiệp vụ để đảm bảo nền tảng dữ liệu, hạ tầng và hệ thống đáp ứng yêu cầu triển khai.
  • Quản lý tiến độ, chất lượng và hiệu quả vận hành của các mô hình, sản phẩm và dịch vụ AI/ML.
  • Đảm bảo các giải pháp được đưa vào khai thác thực tế đúng cam kết và tạo ra giá trị kinh doanh có thể đo lường thông qua các chỉ số như hiệu quả vận hành, tốc độ xử lý, tỷ lệ chuyển đổi, tối ưu chi phí, trải nghiệm khách hàng hoặc các KPI đã được thống nhất.

3. AI Innovation & Business Enablement:

  • Dẫn dắt các hoạt động đổi mới sáng tạo theo hướng ứng dụng thực tế, ưu tiên các giải pháp phù hợp với nhu cầu kinh doanh, dễ triển khai, vận hành và bảo trì.
  • Chủ động tư vấn và đề xuất các giải pháp AI/ML cho các đơn vị CNTT, nghiệp vụ và đối tác phân phối nhằm nâng cao năng suất, tối ưu chi phí và cải thiện trải nghiệm người dùng.
  • Nghiên cứu, đánh giá và lựa chọn các công nghệ, nền tảng và đối tác AI phù hợp với nhu cầu và năng lực của Công ty.
  • Thúc đẩy việc ứng dụng AI trong các hành trình khách hàng, quy trình vận hành và các sản phẩm/dịch vụ của Công ty.
  • Đảm bảo các sáng kiến AI đóng góp rõ ràng vào việc nâng cao hiệu quả chi phí, tốc độ, chất lượng dịch vụ, năng suất vận hành và trải nghiệm của khách hàng/đối tác, được theo dõi thông qua các KPI phù hợp như NPS, rNPS hoặc các chỉ số hiệu quả kinh doanh khác.

4. Quản trị Rủi ro, Tuân thủ & Model Governance: Xây dựng và triển khai khung quản trị AI/ML, đảm bảo các mô hình minh bạch, có khả năng giải trình, được giám sát xuyên suốt vòng đời, vận hành trong ngưỡng rủi ro cho phép và tuân thủ đầy đủ quy định nội bộ, pháp luật và yêu cầu đặc thù ngành bảo hiểm.

5. Quản lý Đối tác & Các bên liên quan: Xây dựng và điều phối quan hệ với các đơn vị nội bộ, đối tác công nghệ và AI/ML; chuyển hóa nhu cầu kinh doanh thành các use case khả thi, quản lý vendor và tạo đồng thuận giữa các bên để đảm bảo giải pháp AI được triển khai đúng mục tiêu, tối ưu nguồn lực, chi phí và hiệu quả đầu tư.

6. Quản lý Đội ngũ & Nguồn lực: Xây dựng và phát triển đội ngũ AI/ML, Data Science có năng lực cao; tối ưu cơ cấu, nhân sự và phân bổ nguồn lực theo các ưu tiên chiến lược, đồng thời thúc đẩy văn hóa đổi mới, ownership, hiệu suất và gắn kết nhân tài.

Yêu cầu ứng viên

YÊU CẦU CÔNG VIỆC

  • Tốt nghiệp Đại học trở lên chuyên ngành Công nghệ Thông tin, Khoa học Máy tính, Trí tuệ Nhân tạo, Học máy, Khoa học Dữ liệu hoặc các lĩnh vực liên quan. Có các chứng chỉ chuyên môn về AI/ML, Machine Learning, Data Science hoặc Cloud là một lợi thế.
  • Có tối thiểu 06 năm kinh nghiệm trong lĩnh vực AI/ML ứng dụng, Data Science, xây dựng giải pháp công nghệ hoặc các lĩnh vực liên quan.
  • Có tối thiểu 03 năm kinh nghiệm quản lý đội ngũ, ưu tiên kinh nghiệm dẫn dắt đội ngũ AI/ML, Data Science hoặc Technology Solution.
  • Có kinh nghiệm end-to-end triển khai AI/ML, từ xác định bài toán, xây dựng use case, thiết kế, tích hợp đến vận hành và đo lường hiệu quả kinh doanh.
  • Có tư duy Applied AI/ML và business-driven, khả năng phối hợp với Data, Technology, đơn vị nghiệp vụ và đối tác để xây dựng roadmap, lựa chọn nền tảng và triển khai giải pháp phù hợp.
  • Có hiểu biết về AI Governance, Model Risk, tuân thủ và quản lý vendor; ưu tiên kinh nghiệm trong Tài chính – Ngân hàng – Bảo hiểm và các nền tảng AI/ML Cloud.
  • Applied AI & Technology Expertise: Có nền tảng chuyên môn vững về AI/ML và khả năng đánh giá tính khả thi, lựa chọn giải pháp và công nghệ phù hợp với nhu cầu doanh nghiệp.
  • Business Acumen: Có khả năng kết nối công nghệ với mục tiêu kinh doanh, xác định các use cases có giá trị và ưu tiên nguồn lực theo mức độ tác động.
  • Leadership & People Management: Có năng lực xây dựng, phát triển và dẫn dắt đội ngũ chuyên môn trong môi trường có tốc độ thay đổi cao.
  • Stakeholder & Vendor Management: Có khả năng quản lý kỳ vọng, đàm phán, tạo đồng thuận và điều phối hiệu quả các đơn vị nội bộ, đối tác phân phối và nhà cung cấp.
  • Communication & Influence: Có khả năng lắng nghe, khai thác nhu cầu, trình bày vấn đề phức tạp một cách rõ ràng và thuyết phục các bên liên quan.
  • Risk & Governance Mindset: Có tư duy quản trị rủi ro, hiểu và chủ động kiểm soát các vấn đề liên quan đến Model Risk, AI Governance và Compliance.
  • Result & Execution Orientation: Chủ động, có tinh thần ownership cao, tập trung vào tốc độ triển khai và các kết quả có thể đo lường. Có khả năng giao tiếp, thuyết trình và trình bày vấn đề tốt bằng tiếng Việt và tiếng Anh.

Phân tích kỹ năng cần có

Phân tích kỹ năng cho vị trí Head of AI Solution – Dự án Salus (VPBank)

Đây là vị trí Cấp C-level/Head trong lĩnh vực AI/ML ứng dụng tại một dự án bảo hiểm nhân thọ (Salus) thuộc hệ sinh thái VPBank. Ứng viên cần vừa có nền tảng kỹ thuật chuyên sâu vừa có tư duy kinh doanh và khả năng lãnh đạo cấp cao.

---

1. Hard Skills (Kỹ năng cứng) – BẮT BUỘC

Nhóm kỹ năng Chi tiết yêu cầu Mức độ
AI/ML chuyên sâu Thiết kế, phát triển, triển khai mô hình ML/DL/GenAI từ bài toán → production Bắt buộc
End-to-end AI lifecycle Từ ideation, use case, PoC, deployment, monitoring, retraining Bắt buộc
Data & Platform Hiểu biết Data Architecture, Data Lakehouse, Feature Store, MLOps Bắt buộc
Cloud AI/ML AWS SageMaker / Azure ML / GCP Vertex AI; ít nhất 1 nền tảng thành thạo Bắt buộc
AI Governance & Model Risk Model Risk Management (MRM), Explainability (XAI), Fairness, Drift Monitoring Bắt buộc
Lập trình Python, SQL; biết thêm Scala/Java/R là lợi thế Bắt buộc
Statistical & ML foundations Toán thống kê, Optimization, Probability, Time-series, NLP, Computer Vision Bắt buộc
Insurance Domain Knowledge Hiểu bảo hiểm nhân thọ: underwriting, claims, distribution, customer journey Ưu tiên cao

---

2. Soft Skills (Kỹ năng mềm) – CỰC KỲ QUAN TRỌNG

Kỹ năng Tại sao quan trọng với vị trí này
Strategic Thinking Phải xây chiến lược AI/ML 3–5 năm cho toàn bộ Salus
Business Translation Chuyển bài toán kinh doanh (tăng conversion, giảm claims cost) → AI use case
Executive Communication Thuyết trình trước Ban Lãnh đạo VPBank & Salus
Stakeholder Management Điều phối nhiều bên: Data, Tech, Sales, Distribution, Vendor, Compliance
Vendor Negotiation Chọn và quản lý các vendor AI lớn (AWS, Microsoft, startup AI)
People Leadership Xây team 10–30 người, giữ chân AI talents
Change Management Dẫn dắt tổ chức truyền thống (bảo hiểm) chấp nhận AI
Bilingual (VN–EN) Làm việc với vendor quốc tế và tập đoàn VPBank

---

3. Chứng chỉ nên có (để tăng sức mạnh hồ sơ)

Chứng chỉ Tổ chức Ghi chú
AWS Certified Machine Learning – Specialty AWS Chứng minh năng lực ML production
Azure AI Engineer Associate (AI-102) Microsoft Phù hợp nếu VPBank dùng Azure
Google Professional ML Engineer Google Nếu dùng GCP
Stanford AI Graduate Certificate / MIT xPRO Học thuật Tăng uy tín chiến lược
Deep Learning Specialization Coursera/Andrew Ng Nền tảng DL
TensorFlow Developer Certificate Google Triển khai DL
ISO 42001 / AI Governance / NIST AI RMF Quốc tế Cho AI Governance
FRM / Actuarial (chỉ nếu chuyên Insurance) GARP / SOA Hiếm nhưng rất giá trị

---

4. So sánh năng lực theo cấp bậc

Tiêu chí Senior AI Engineer (5–7 năm) AI Manager (3–5 năm quản lý) Head of AI Solution (JD này)
Coding hands-on 60% thời gian 10–20% <10% (review + governance)
Stakeholder mgmt Trung bình Cao Cực cao (Ban Lãnh đạo)
Strategy Thấp Trung bình Cốt lõi
Team size 1–3 người 5–10 người 10–30 người
Budget responsibility Không Có (multi-million USD)
AI Governance Cơ bản Trung bình Owner

---

💡 Nhận xét quan trọng

  • Đây không phải vị trí kỹ thuật thuần túy – 70% thời gian sẽ là strategy, stakeholder, governance, people.
  • Ứng viên lý tưởng: người đã từng build & ship AI ở production trong ngành tài chính/bảo hiểm, hiểu model risk, đã lead team ≥10 người, và nói được 2 thứ tiếng.
  • Nếu bạn chỉ giỏi code ML mà chưa từng chịu trách nhiệm P&L của AI initiative, bạn chưa sẵn sàng cho vị trí này.

Chuẩn bị phỏng vấn

Hướng dẫn phỏng vấn Head of AI Solution – Salus (VPBank)

Với vị trí Head cấp cao, quy trình phỏng vấn thường kéo dài 4–6 tuần qua nhiều vòng. Dưới đây là cấu trúc điển hình và câu hỏi thường gặp.

---

🗂️ Quy trình phỏng vấn dự kiến (5–6 vòng)

Vòng Hình thức Người phỏng vấn Mục đích
Vòng 1 HR Screening (60–90 phút) HR BP Culture fit, mức lương, motivation
Vòng 2 Technical Deep-dive (90–120 phút) Head of Data/AI hiện tại + 1 Senior AI Architect Đánh giá nền tảng AI/ML
Vòng 3 Case Study / Business Case 2–3 panelist (Data, Product, Business) Tư duy business-driven AI
Vòng 4 Leadership & People HR Director + 1 SME Năng lực lãnh đạo, quản lý xung đột
Vòng 5 Final – Ban Lãnh đạo CEO Salus / CFO / CTO Tập đoàn Vision, strategic alignment
Vòng 6 (optional) Reference check + Offer HR Đàm phán

---

🎯 Câu hỏi hay gặp theo từng vòng

Vòng 1 – HR Screening
  • Tại sao bạn rời bỏ vị trí hiện tại / muốn sang bảo hiểm từ fintech/banking?
  • Mức lương kỳ vọng? Bonus stock/ESOP?
  • Bạn quản lý team lớn nhất bao nhiêu người?
  • Bạn sẵn sàng on-board trong bao lâu?
Vòng 2 – Technical Deep-dive
  • Mô tả một dự án AI/ML end-to-end mà bạn từng dẫn dắt từ ideation → production.
  • Làm thế nào để phát hiện và xử lý model drift trong một mô hình đang chạy production 3 năm?
  • So sánh batch training vs online learning cho hệ thống real-time fraud detection.
  • Giải thích cách bạn implement Explainable AI (XAI) cho một mô hình underwriting đen (black-box).
  • Bạn đánh giá thế nào khi phải chọn giữa độ chính xác (accuracy)khả năng giải trình (interpretability) trong bảo hiểm?
  • Khi nào nên dùng LLM (GPT-4, Claude) và khi nào nên dùng ML truyền thống cho bài toán phân loại claim?
Vòng 3 – Case Study

Thường là một bài toán thực tế, ví dụ:

> "Salus đang có tỷ lệ claims từ chối cao bất thường ở khu vực miền Nam. Khách hàng phàn nàn NPS giảm 15 điểm. Bạn sẽ xây dựng chiến lược AI để giải quyết vấn đề này trong 6 tháng như thế nào? Đề xuất 3 use cases ưu tiên, KPI đo lường, và budget cần thiết."

Gợi ý khung trả lời (theo cấu trúc Pyramid Principle):
1. Kết luận chính (tuyên bố giải pháp tổng thể)
2. 3 use cases ưu tiên (ví dụ: NLP claim triage, anomaly detection cho gian lận, voice analytics cho call center)
3. Với mỗi use case: data cần, công nghệ, timeline, KPI, ROI kỳ vọng
4. Cơ chế governance & risk
5. Team & vendor cần thiết

Vòng 4 – Leadership
  • Kể về một lần bạn phải sa thải một nhân viên kỹ thuật giỏi nhưng toxic với team.
  • Cách bạn giữ chân AI top talent khi họ bị Google/Facebook Việt Nam offer gấp đôi lương?
  • Bạn xử lý thế nào khi CEO muốn ship AI trong 1 tháng nhưng team bạn nói cần 6 tháng?
  • Mô tả cách bạn build culture of ownership trong một team AI.
Vòng 5 – Final (CEO/CFO/CTO)
  • Bạn nhìn thấy AI sẽ thay đổi ngành bảo hiểm nhân thọ Việt Nam như thế nào trong 5 năm tới?
  • Nếu được nhận, 90 ngày đầu tiên bạn sẽ làm gì?
  • Bạn đề xuất cách nào để đo lường ROI của AI trong ngữ cảnh bảo hiểm?

---

👔 Dress code & chuẩn bị

  • Trang phục: Business formal (vest + sơ mi + cà vạt cho nam; vest/blazer cho nữ). Vòng cuối với CEO chắc chắn cần vest.
  • Tài liệu cần mang:
  • CV bản in đẹp, dưới 3 trang
  • Portfolio các dự án AI đã làm (kết quả định lượng)
  • Danh sách 3–5 references sẵn sàng
  • Sơ đồ chiến lược AI 90 ngày / 1 năm (vẽ tay hoặc slide)
  • Hỏi ngược (cực quan trọng với vị trí Head):
  • Cơ cấu team hiện tại của Salus như thế nào?
  • Ban Lãnh đạo đã có budget cho AI chưa hay phải xin?
  • Mức độ tự chủ trong tech stack selection?
  • Kỳ vọng về use case đầu tiên trong 3 tháng?

---

💡 Top 5 tips

1. Đừng nói quá nhiều về model học thuật – họ cần người ship được, không phải publish paper.
2. Luôn có con số ROI cho mọi use case bạn đề xuất.
3. Hỏi về Model Risk Management – đây là điểm họ rất coi trọng (ngành bảo hiểm).
4. Thể hiện sự hiểu biết về bảo hiểm nhân thọ – nếu bạn đến từ fintech, hãy dành 1 tuần đọc trước về underwriting, claims, distribution.
5. Đừng quên nói tiếng Anh – 30% câu hỏi có thể bằng tiếng Anh.

Lộ trình ôn thi

Ôn thi & Chuẩn bị kiến thức (lộ trình 2 tuần)

Vì đây là vị trí Head cấp C, bạn không "thi" theo nghĩa truyền thống. Bạn cần chuẩn bị để thuyết trình trước Ban Lãnh đạo thuyết phục rằng bạn là người phù hợp. Lộ trình 2 tuần như sau:

---

📅 Tuần 1: Nền tảng AI/ML & Insurance Domain

Ngày 1–2: AI/ML Production Best Practices
  • Đọc: "Designing Machine Learning Systems" – Chip Huyen (bắt buộc)
  • Đọc: "Machine Learning Engineering" – Andriy Burkov
  • Topic cần nắm: MLOps, Feature Store, Model Monitoring, Drift Detection, A/B Testing cho ML
Ngày 3–4: AI Governance & Model Risk
  • Đọc: NIST AI Risk Management Framework (free PDF)
  • Đọc: ISO/IEC 42001:2023 (tổng quan)
  • Topic cần nắm: Model Risk Management (MRM), Explainability (SHAP, LIME), Fairness & Bias, Model Card, Datasheet
Ngày 5–7: Bảo hiểm nhân thọ & ngành tài chính Việt Nam
  • Đọc: Báo cáo thường niên VPBank + Salus (lấy từ website)
  • Đọc: Luật Kinh doanh Bảo hiểm Việt Nam (2022 sửa đổi)
  • Đọc: Circular 13/2019/TT-NHNN về model risk trong ngân hàng
  • Đọc: Báo cáo của Deloitte/PwC/EY về AI in Insurance 2023–2024
  • Tìm hiểu: Hơn 10 AI use case điển hình trong insurance: claims automation, fraud detection, underwriting AI, customer churn, personalized pricing

---

📅 Tuần 2: Chiến lược, Case Study & Phỏng vấn

Ngày 8–9: Chiến lược AI cho doanh nghiệp
  • Đọc: "Competing in the Age of AI" – Iansiti & Lakhani (HBR)
  • Đọc: "The AI-First Company" – Ash Fontana
  • Phân tích: 3 chiến lược AI của các công ty bảo hiểm lớn (Ping An, Manulife, Prudential)
Ngày 10–11: Chuẩn bị case study
  • Vẽ AI 90-day plan cho Salus
  • Chuẩn bị 3 use case đầu tiên ưu tiên, mỗi cái kèm:
  • Business problem
  • Data cần thiết
  • Tech stack
  • Team & budget
  • KPI & ROI dự kiến
  • Risk & mitigation
Ngày 12–14: Mock interview & polish
  • Mock interview với bạn bè / mentor trong ngành
  • Ghi hình tự luyện 5 câu hỏi khó nhất
  • Chuẩn bị storytelling cho 3 dự án AI quan trọng nhất (dùng STAR framework: Situation, Task, Action, Result)

---

📚 Tài liệu tham khảo gợi ý

Chủ đề Tài liệu Nguồn
ML Production "Designing Machine Learning Systems" – Chip Huyen O'Reilly
AI Strategy "AI-First Company" – Ash Fontana Book
AI Governance NIST AI RMF NIST.gov (free)
Insurance AI "AI for Insurance" reports Deloitte, BCG
Model Risk SR 11-7 (US Federal Reserve) Fed.gov
Vietnamese Context Báo cáo VPBank, Circulars NHNN VPBank.com.vn
LLM in Business "Generative AI for Business" – Amar Adher O-Reilly

---

🧠 Knowledge Checklist (tự kiểm tra)

Bạn có thể tự tin trả lời TẤT CẢ các câu sau không?

  • [ ] Cách phát hiện & xử lý model drift (data drift, concept drift, label drift)
  • [ ] SHAP vs LIME khác nhau thế nào, khi nào dùng cái nào
  • [ ] 3 cách deploy ML model (batch, online, edge) và trade-off
  • [ ] RLHF là gì, áp dụng thế nào cho LLM
  • [ ] RAG architecture cho chatbot nội bộ
  • [ ] Fine-tuning vs Prompt Engineering vs RAG – khi nào dùng cái nào
  • [ ] 3 thách thức lớn nhất khi áp dụng AI vào bảo hiểm nhân thọ VN
  • [ ] Model Risk trong Basel/SR 11-7 là gì
  • [ ] Cách đo ROI của AI project trong insurance
  • [ ] AI Act EU 2024 ảnh hưởng đến MNO Việt Nam thế nào

Nếu còn câu nào bí, hãy dành thêm thời gian ôn lại trước ngày phỏng vấn.

Tư vấn nghề nghiệp

Lời khuyên sự nghiệp cho Head of AI Solution – Insurance

---

🎯 Lộ trình thăng tiến cho vị trí này

```
AI Engineer / Data Scientist (0–3 năm)

Senior AI Engineer / Data Scientist (3–5 năm)

Lead AI / AI Manager (5–8 năm, vừa code vừa manage)

┌─────────────────┬──────────────────┐
↓ ↓ ↓
AI Manager AI Architect Product Owner
(people) (tech) (business)
└─────────────────┴──────────────────┘

Head of AI / Chief AI Officer
(10–15 năm, vị trí JD này)

Chief Data/AI Officer / VP AI
```

---

💰 Mức lương kỳ vọng (USD/tháng, gross) cho Việt Nam 2024–2025

Cấp bậc Kinh nghiệm Fintech/Bank Tech giant (Google, Grab) Startup AI
Senior AI Engineer 5–7 năm $3,000–$5,500 $5,000–$8,500 $2,500–$4,500
AI Manager / Lead 7–10 năm $5,000–$8,500 $7,000–$12,000 $4,000–$7,000
Head of AI Solution 10–15 năm $8,000–$15,000 $12,000–$20,000 $6,000–$10,000
Chief AI Officer 15+ năm $15,000–$25,000 $20,000–$40,000 $10,000–$20,000

> Lưu ý: Vị trí Head tại VPBank/Salus thường offer gross VND ~250–450 triệu/tháng (~10K–18K USD), cộng thưởng KPI 2–6 tháng lương, ESOP có thể có. Một số trường hợp đặc biệt lên đến 600 triệu/tháng nếu bạn bring được network/vendor quốc tế.

---

🛤️ Lộ trình 1–2 năm nếu bạn apply không thành công lần này

Nếu bạn đang ở Senior AI Engineer (5–7 năm):
  • 6 tháng tới: Thử sức lead 1–2 dự án AI lớn, đi sâu vào 1 ngành (banking/insurance)
  • 12 tháng tới: Apply các vị trí AI Manager tại Techcombank, MB, Momo, hoặc các công ty bảo hiểm (Manulife VN, Prudential VN, AIA VN, Bảo Việt)
  • 18–24 tháng tới: Apply Head of AI ở scale nhỏ hơn (startup insuretech), rồi nhảy lên các vị trí Head tại tập đoàn lớn
Nếu bạn đang ở AI Manager (7–10 năm):
  • Bạn đã gần đủ cho vị trí này. Cần bổ sung:
  • AI Governance/MRM experience (học thêm cert)
  • Insurance domain knowledge (đọc + đi networking)
  • Một dự án AI ship thật trong insurance/banking
  • 12 tháng tới: Apply lại Head of AI hoặc apply các fintech/bảo hiểm lớn tương đương
Nếu bạn đang ở ngành khác muốn chuyển sang:
  • Rất khó nhảy thẳng lên Head, nên chuyển từng bước qua Senior → Manager → Head
  • Ưu tiên tìm vị trí AI Product Manager / Business Translator trong insurance trước

---

📈 Kỹ năng cần phát triển thêm trong 2–3 năm tới

1. GenAI/LLM Production: 80% công ty tài chính VN đang thử nghiệm LLM, ai biết RAG + fine-tuning + evaluation là có lợi thế cực lớn
2. AI Governance & Compliance: Đây là "dark horse" – ít người có, nhu cầu cao, regulation ngày càng chặt
3. Insurance Domain Knowledge: Nếu chưa có, hãy đọc + đi seminar + join cộng đồng
4. Executive Presence: Kỹ năng thuyết trình, storytelling, viết strategy deck chuyên nghiệp
5. Vendor & Procurement: Hiểu cách mua SaaS AI, đánh giá startup AI, đàm phán enterprise agreement
6. People Management: Coaching, performance review, hiring tốt

---

🧭 Lời khuyên cá nhân

> "Vị trí Head of AI trong bảo hiểm nhân thọ ở VN là một trong những ghế hiếmcó giá trị cao nhất hiện nay. Ngành này có data ít, regulations chặt, nhưng đang digital hóa mạnh – bạn sẽ được xây mà không bị ràng buộc di sản cũ. Nếu bạn ship được AI tốt ở đây, đó sẽ là dấu ấn sự nghiệp 10 năm của bạn."

Đánh giá rủi ro:

  • Salus là dự án của VPBank – có thể là joint venture với đối tác nước ngoài. Cần check độ ổn định của dự án và ai là người quyết định thật sự (Ban Lãnh đạo VPBank hay đối tác).
  • "Head of" cấp cao thường đi kèm áp lực P&L rõ ràng. Hãy hỏi rõ về budget AI đã được duyệt chưa.
  • Bảo hiểm nhân thọ có chu kỳ sales theo mùa (cao điểm cuối năm). Bạn cần hiểu để set KPI hợp lý.

Khi nào KHÔNG nên apply:

  • Bạn chỉ có background research/academic, chưa từng ship production
  • Bạn không chịu được áp lực stakeholder đa chiều
  • Bạn không sẵn sàng chuyển từ "hands-on coder" sang "people manager + strategist"
  • Bạn không quan tâm đến ngành bảo hiểm (vì đây là ngành có quy trình rất đặc thù)

Câu hỏi thường gặp

Mình mới ra trường chuyên ngành AI, apply được vị trí Head of AI Solution không?

Không, hoàn toàn không phù hợp. JD yêu cầu 6 năm kinh nghiệm AI/ML thực tế3 năm kinh nghiệm quản lý đội ngũ. Vị trí Head cấp này đòi hỏi bạn phải từng ship AI ở production, hiểu model risk, biết negotiate với vendor và thuyết trình trước Ban Lãnh đạo. Bạn nên bắt đầu ở vị trí Junior AI Engineer / Data Scientist, mất khoảng 8–12 năm để đạt được level này. Đừng vội, từng bước mới chắc.

Mình đang là Data Scientist ở ngân hàng 4 năm, mơ ước lên Head of AI, cần chuẩn bị gì?

Bạn đang trên đường đúng nhưng còn thiếu khoảng 6–8 năm nữa. Hãy ưu tiên: (1) Xin làm Lead/Manager 1 team nhỏ 3–5 người trong 1–2 năm tới; (2) Học thêm MLOps và AI Governance – đây là hai kỹ năng ít người có nhưng cực kỳ cần cho vị trí Head; (3) Lấy chứng chỉ cloud ML (AWS ML Specialty chẳng hạn); (4) Cố gắng ship ít nhất 2 AI use case thật ra production mà có ROI đo lường được. Đừng bỏ qua insurance domain – đọc trước 1–2 tháng về bảo hiểm nhân thọ sẽ giúp bạn khác biệt.

Mức lương kỳ vọng hợp lý cho Head of AI tại VPBank Salus là bao nhiêu?

Ở thị trường Việt Nam 2024–2025, mức gross cho Head of AI Solution tại ngân hàng/tập đoàn lớn dao động 250–450 triệu VND/tháng (~10K–18K USD), cộng thưởng KPI năm 2–6 tháng lương và có thể có ESOP nếu là dự án JV. Một số trường hợp đặc biệt (ứng viên từ Google/Amazon, bring theo network vendor quốc tế) có thể đàm phán lên 500–600 triệu/tháng. Khi đàm phán, nhớ rằng JD này ghi "thỏa thuận" – nghĩa là họ mong đợi bạn đưa ra con số. Hãy nghiên cứu mức lương các vị trí tương đương trên topcv, ITviet, VietnamWorks trước khi đàm phán.

Mình đang ở mảng fintech/crypto, muốn chuyển sang insurance AI có khả thi không?

Hoàn toàn khả thi vì nền tảng kỹ thuật AI/ML là giống nhau. Tuy nhiên bạn cần bổ sung: (1) Hiểu biết về bảo hiểm nhân thọ: underwriting, claims, customer journey – đọc ít nhất 2–3 quyển sách + các báo cáo Deloitte/PwC; (2) Model Risk Management: ngành bảo hiểm chặt hơn fintech về compliance, bạn cần học SR 11-7 hoặc Basel model risk; (3) Hiểu về VPBank & Salus: đọc báo cáo thường niên, hiểu chiến lược, biết ai là Ban Lãnh đạo. Bạn sẽ có lợi thế nếu từng làm về fraud detection (cả crypto lẫn insurance đều cần). Đề xuất: nhảy vào 1 vị trí AI Manager ở Manulife/AIA/Prudential trước 1–2 năm rồi mới apply Head.

Làm Head of AI trong bảo hiểm nhân thọ có khác gì so với ngân hàng?

Có 3 khác biệt lớn: (1) Data ít hơn nhiều – bảo hiểm nhân thọ có ít khách hàng hơn ngân hàng 10–100 lần, nên các kỹ thuật ML phải tinh tế hơn, transfer learning và synthetic data quan trọng hơn; (2) Regulatory chặt hơn – mỗi quyết định từ chối bảo hiểm phải explainable, model phải qua approval của actuary; (3) Sales-driven hơn – thành công của AI thường đo bằng conversion rate và customer acquisition, không phải transaction processing như bank. Bù lại, bảo hiểm ít bị cạnh tranh từ Big Tech, nên bạn có thời gian xây AI từ từ.

Vị trí này có cần chứng chỉ CFA/FRM không?

Không bắt buộc nhưng rất có giá trị, đặc biệt FRM. CFA giúp bạn hiểu tài chính nhưng vị trí này cần kỹ thuật AI nhiều hơn. FRM (Financial Risk Manager) giúp bạn nói chuyện với Ban Lãnh đạo về Model Risk – đây là điểm mà nhiều ứng viên AI yếu. Nếu bạn đã có FRM hoặc chứng chỉ Actuarial (SOA/CAS), đó là golden ticket vì rất hiếm người vừa giỏi AI vừa hiểu actuarial science. Ngoài ra, AWS ML Specialty hoặc Azure AI Engineer chứng minh bạn có thể ship ML production cũng rất giá trị.

Mình sợ mình chưa đủ giỏi để làm Head, có nên apply thử không?

Nên apply nếu bạn có ít nhất 80% yêu cầu. Head of AI Solution không phải vị trí cần "perfect match" 100%, họ tìm người có tố chất lãnh đạo + tham vọng + có thể học nhanh. Chuẩn bị kỹ cho buổi phỏng vấn, đặc biệt là vòng leadership, có thể giúp bạn vượt qua những điểm yếu về technical. Tuy nhiên, nếu bạn chưa từng quản lý ai, chưa từng ship AI ra production, hoặc không nói được tiếng Anh – đừng apply vì rất dễ bị "knock out" ngay vòng 1. Hãy chân thành về điểm yếu và cho thấy roadmap bạn sẽ bù đắp.

Thời gian làm việc và culture ở vị trí Head như thế nào? Thường có OT không?

Vị trí Head cấp C tại VPBank/tập đoàn lớn ở VN thường: (1) Giờ làm chính thức 8h–17h30 hoặc 9h–18h, nhưng thực tế làm 10–12 tiếng/ngày là bình thường, đặc biệt khi launch dự án; (2) Họp rất nhiều – 50–70% thời gian là họp với stakeholders; (3) Phải available ngoài giờ khi có sự cố production; (4) Thưởng Tết, lương tháng 13, nhiều chế độ phúc lợi; (5) Được đi học/hội thảo quốc tế. OT không tính riêng nhưng được bù bằng bonus và KPI. Văn hóa có thể khá bureaucratic – bạn cần kiên nhẫn với việc xin duyệt nhiều cấp.