Senior AI Engineer (Voice Taskforce) - Hà Nội - TA174

Mục đích của chức danh
- Chủ động triển khai và phối hợp Trưởng phòng và/hoặc các chuyên gia trong việc phối hợp với các đơn vị kinh doanh, đơn vị hỗ trợ kinh doanh, cùng các trung tâm/phòng ban khác trong nội bộ khối EDA;
- Thực hiện các nhiệm vụ phân tích dữ liệu và phát triển mô hình học máy, học sâu, hoặc GenAI dưới sự định hướng chuyên môn; chịu trách nhiệm chính xây dựng các ứng dụng AI/phân tích dữ liệu, khai thác hệ thống dữ liệu phức tạp nhằm phục vụ nhu cầu phân tích, hiểu hành vi khách hàng và đưa ra các đề xuất khuyến nghị ban đầu.
- Chịu trách nhiệm thiết kế, phát triển, triển khai và vận hành các giải pháp AI/GenAI cho Voice Taskforce tại VPBank, bao gồm Callbot, Speech-to-Text, Text-to-Speech, Voice Analytics, Virtual QC, intent detection, sentiment analysis và các ứng dụng AI xử lý dữ liệu cuộc gọi.
- Vị trí này đóng vai trò cầu nối giữa mô hình AI, hệ thống công nghệ và nhu cầu nghiệp vụ; chuyển hóa các mô hình AI/GenAI từ giai đoạn thử nghiệm sang sản phẩm production ổn định, có khả năng mở rộng, bảo mật và đáp ứng yêu cầu vận hành thực tế của ngân hàng.
- Đóng vai trò đầu mối kỹ thuật ở cấp nhóm nhỏ, có khả năng hướng dẫn chuyên viên cấp dưới.

Các trách nhiệm chính
1. Chủ động và phối hợp triển khai các giải pháp khoa học dữ liệu và trí tuệ nhân tạo cho các đơn vị trong ngân hàng
- Chủ động đề xuất, thiết kế và phối hợp triển khai các giải pháp AI/GenAI có tính ứng dụng cao, tập trung vào các bài toán Voice AI như Callbot, Virtual QC, Speech-to-Text, Text-to-Speech, Voice Analytics, intent detection, sentiment analysis, trích xuất thông tin từ hội thoại và tự động hóa quy trình nghiệp vụ.
- Phối hợp chặt chẽ với các đơn vị kinh doanh, vận hành, Contact Center, IT, AI Platform, Data Platform và các bên liên quan để làm rõ yêu cầu, thiết kế giải pháp kỹ thuật, xây dựng MVP, kiểm thử UAT, triển khai production và bàn giao vận hành.
- Tham gia xây dựng pipeline xử lý dữ liệu thoại và hội thoại, bao gồm tiếp nhận audio, tiền xử lý âm thanh, nhận diện giọng nói, xử lý transcript, phân loại ý định, phân tích cảm xúc, trích xuất thông tin nghiệp vụ và chuẩn hóa kết quả đầu ra phục vụ các hệ thống nội bộ.
- Phát triển, tích hợp và vận hành các mô hình học máy, học sâu và GenAI nhằm hỗ trợ các mục tiêu như tự động hóa cuộc gọi, kiểm tra chất lượng cuộc gọi, phân tích hành vi khách hàng, cá nhân hóa tương tác, hỗ trợ chăm sóc khách hàng, gợi ý hành động cho nhân viên và tối ưu hóa quy trình vận hành.
- Xây dựng các sản phẩm AI/ML/GenAI theo hướng có thể tái sử dụng, mở rộng và vận hành ổn định trên môi trường production; đảm bảo các giải pháp đáp ứng yêu cầu về hiệu năng, độ trễ, bảo mật dữ liệu, khả năng giám sát và tiêu chuẩn kiến trúc công nghệ của ngân hàng.
2. Nghiên cứu & cập nhật kỹ thuật, công nghệ mới
- Thường xuyên nghiên cứu, cập nhật các xu hướng, kỹ thuật và công nghệ mới trong lĩnh vực AI Engineering, Machine Learning, Deep Learning, GenAI, LLMOps/MLOps và Voice AI theo định hướng của cấp quản lý, chuyên gia nội bộ và nhu cầu triển khai thực tế tại ngân hàng.
- Chủ động tìm hiểu, đánh giá và thử nghiệm các mô hình, framework, công cụ và kiến trúc mới phục vụ các bài toán Voice AI như Speech-to-Text, Text-to-Speech, Voice Activity Detection, speaker diarization, intent detection, sentiment analysis, voice analytics, call summarization, Virtual QC và Callbot.
- Đề xuất áp dụng các công nghệ mới nhằm cải thiện chất lượng mô hình, giảm độ trễ xử lý, tối ưu chi phí inference, tăng khả năng mở rộng, nâng cao độ ổn định và khả năng giám sát của các sản phẩm AI/GenAI trên môi trường production.
- Cập nhật các thực hành tốt về MLOps/LLMOps, model serving, prompt engineering, RAG, guardrail, monitoring, evaluation, data governance và bảo mật dữ liệu trong quá trình phát triển, triển khai và vận hành giải pháp AI.
- Tham gia hỗ trợ đào tạo, hướng dẫn, review kỹ thuật và chia sẻ kinh nghiệm cho các thành viên cấp thấp hơn trong nhóm khi được phân công.
3. Thực hiện các công việc khác theo phân công của cấp thẩm quyền

Các kết quả
- Triển khai thành công các giải pháp AI/ML/GenAI vào vận hành thực tế, đảm bảo đáp ứng các yêu cầu về hiệu năng, tính ổn định, khả năng mở rộng và mang lại giá trị cho các đơn vị kinh doanh và vận hành.
- Nâng cao hiệu quả kinh doanh và vận hành thông qua ứng dụng AI, góp phần cải thiện các chỉ số như tăng tỷ lệ chuyển đổi, giảm tỷ lệ khách hàng rời bỏ, giảm thời gian xử lý (SLA/TAT), tăng năng suất, tối ưu chi phí vận hành và gia tăng hiệu quả kinh doanh.
- Xây dựng và phát triển các năng lực AI dùng chung (AI Platform/AI Services) thông qua việc chuẩn hóa, tái sử dụng các thành phần AI (model, prompt, workflow, API, knowledge base...), rút ngắn thời gian triển khai các use case mới và thúc đẩy mở rộng ứng dụng AI trên toàn Ngân hàng.
- Các phương pháp và kỹ thuật mới được áp dụng thực tế trong EDA
- Hoàn thành các công việc theo phân công.

1. Trình độ đào tạo: Tốt nghiệp Đại học trở lên trong các lĩnh vực liên quan như: Khoa học Máy tính, Toán học/Toán ứng dụng, Thống kê, Kỹ thuật, Khoa học Dữ liệu, Kinh tế lượng, Tài chính định lượng, hoặc các ngành liên quan đến phân tích dữ liệu và xử lý thông tin.
2. Kiến thức/ Chuyên môn có liên quan
- Nắm vững kiến thức về mô hình thống kê, thuật toán học máy, học sâu và GenAI, đồng thời có khả năng đánh giá, tùy biến và tối ưu hóa các kỹ thuật cho các bài toán phức tạp trong thực tế.
- Có hiểu biết sâu và vận dụng thành thạo các kỹ thuật phân tích dữ liệu nâng cao, bao gồm kiểm định giả thuyết, phân tích nhân quả, xử lý mất cân bằng dữ liệu, phân tích chuỗi thời gian, mô hình suy diễn, vector embeddings…
- Thành thạo Python và các thư viện chuyên sâu phục vụ học máy, học sâu và GenAI như: Scikit-learn, XGBoost, LGBM, PyTorch, TensorFlow, Hugging Face Transformers,,..cùng các công cụ hỗ trợ triển khai như MLflow, Docker, Git.
- Hiểu rõ và có khả năng tham gia triển khai các quy trình phát triển và vận hành mô hình (MLOps/LangOps), bao gồm xử lý dữ liệu, huấn luyện, đánh giá, kiểm thử, triển khai và giám sát mô hình
- Có khả năng phối hợp hiệu quả với các đơn vị kinh doanh/vận hành để hiểu bài toán, chuyển đổi thành giải pháp phân tích dữ liệu cụ thể, có giá trị ứng dụng cao và đo lường được hiệu quả.
- Có kiến thức chuyên sâu về các mô hình AI để giải quyết các bài toán liên quan đến voice (speech to text, text to speech, voice activity detection,...)
- Có khả năng thiết kế giải pháp kĩ thuật để giải quyết các bài toán liên quan đến voice (ví dụ: voice bot,...)
3. Các kỹ năng
- Kỹ năng thuyết trình. giao tiếp rõ ràng và mạch lạc, có thể trình bày kết quả phân tích, mô hình và insight cho chuyên gia hoặc đơn vị phối hợp.
- Có khả năng phối hợp làm việc nhóm hiệu quả, đặc biệt trong các nhóm liên chức năng giữa Data, BU và IT.
- Kỹ năng giải quyết vấn đề tốt, có khả năng tiếp cận các bài toán phân tích theo hướng cấu trúc và logic.
4. Các kinh nghiệm liên quan
- Tối thiểu 3–5 năm kinh nghiệm trong lĩnh vực phân tích nâng cao, phát triển mô hình học máy/học sâu và/hoặc ứng dụng AI/GenAI vào bài toán thực tiễn.
- Có kinh nghiệm chủ động triển khai các mô hình hoặc giải pháp phân tích phục vụ một hoặc nhiều mục tiêu như tăng trưởng kinh doanh, cá nhân hóa, tối ưu hóa vận hành, nâng cao trải nghiệm khách hàng, phòng chống gian lận, v.v.
- Đã từng tham gia hoặc đóng vai trò chính trong việc triển khai mô hình hoặc ứng dụng AI/ML/GenAI trên nền tảng cloud như AWS, Azure, Google Cloud, Databricks, v.v.
- Có kinh nghiệm xử lý, trực quan hóa và diễn giải dữ liệu một cách sâu sắc, kết nối với nhu cầu kinh doanh và gợi ý hành động cụ thể.
- Có khả năng hướng dẫn hoặc hỗ trợ chuyên viên khác trong nhóm khi triển khai mô hình hoặc xử lý dữ liệu.
- Ưu tiên ứng viên có kinh nghiệm làm việc tại các ngân hàng
- Đã từng training / optimize ít nhất một mô hình voice. Các hướng optimize được dùng phải thật sự nâng cao độ chính xác của mô hình hoặc giải quyết triệt để một pain point nào đó.