Business Analyst, GreenNode

GreenNode (thành viên VNG Group) là nhà cung cấp hạ tầng AI Cloud hàng đầu Đông Nam Á, vận hành hệ sinh thái Cloud & AI đầy đủ: từ IaaS (vServer, vNetwork, vStorage), PaaS (VKS-Kubernetes, vDB, vMonitor) đến AI Stack chuyên sâu (Model-as-a-Service, AI Gateway, VectorDB, Agent Platform).

Chúng tôi đang mở rộng dòng sản phẩm AI và tìm một Business Analyst cấp Middle, dành khoảng 70% thời gian cho sản phẩm AI và 30% cho nền tảng Cloud bên dưới. Bạn sẽ sở hữu feature từ đầu đến cuối, có Senior BA / Product Owner kèm cặp trực tiếp.

MÔ TẢ CÔNG VIỆC

1. Phân tích và xây dựng yêu cầu cho sản phẩm AI (khoảng 70% thời gian)

• Sở hữu toàn bộ vòng đời requirement cho các feature AI được giao: Model-as-a-Service (model catalog, triển khai model, inference endpoint, quota và tính phí theo token), AI Gateway (routing, rate limit, quản lý API key, observability), VectorDB / RAG pipeline và Agent Platform.
• Làm việc cùng Product Owner, AI/ML Engineer, Platform Engineer và Design để chuyển định hướng sản phẩm và nhu cầu khách hàng thành yêu cầu rõ ràng, khả thi: PRD, user story, acceptance criteria, use case.
• Phân tích và tài liệu hóa các hành vi đặc thù của sản phẩm AI: vòng đời model (đăng ký, triển khai, phục vụ, giám sát, ngừng hỗ trợ), logic tính phí theo token, xử lý prompt và response, context window, streaming response, kỳ vọng về latency và throughput, cơ chế fallback khi lỗi.
• Vẽ hành trình người dùng end-to-end: từ lúc developer lấy API key, gọi inference endpoint, đến khi theo dõi mức sử dụng và chi phí; xác định các điểm nghẽn để đưa vào roadmap.
• Benchmark các nền tảng AI đối thủ (OpenAI, Bedrock, Vertex AI, Together, Fireworks...) về tính năng, thiết kế API và mô hình giá; tổng hợp khoảng trống và cơ hội cho team sản phẩm.
• Vẽ wireframe / prototype UI trên Figma cho các màn hình console AI (model catalog, playground, cấu hình endpoint, dashboard usage) để thống nhất với các bên liên quan trước khi vào phát triển.

2. Hỗ trợ nền tảng Cloud (khoảng 30% thời gian)

• Hỗ trợ phân tích yêu cầu cho các dịch vụ cloud mà sản phẩm AI phụ thuộc: compute (GPU instance), storage, networking, Kubernetes (VKS) và database.
• Tài liệu hóa các điểm tích hợp giữa dịch vụ AI và hạ tầng cloud: cấp phát tài nguyên GPU, cơ chế autoscaling, lưu trữ model artifact, mô hình IAM và phân quyền, tích hợp quota và billing.
• Góp phần giữ tính nhất quán giữa các sản phẩm: trải nghiệm console dùng chung, quy ước API chung, khái niệm billing và quota thống nhất giữa danh mục Cloud và AI.

3. Mô hình hóa quy trình và bàn giao phát triển

• Mô hình hóa quy trình nghiệp vụ và luồng hệ thống bằng BPMN 2.0 và UML sequence / activity diagram, đặc biệt là các luồng AI đi qua nhiều dịch vụ (request đến gateway, đến model serving, đến logging, đến billing).
• Viết đặc tả rõ ràng, kiểm thử được cho team Engineering và QA; làm rõ yêu cầu trong quá trình chạy sprint; tham gia grooming, planning và demo.
• Điều phối và thực hiện UAT với các bên liên quan nội bộ và khách hàng pilot; kiểm tra không chỉ tính đúng đắn chức năng mà cả các yếu tố chất lượng đặc thù của AI: chất lượng response, latency, xử lý lỗi, độ chính xác của chi phí.
• Viết tài liệu cho người dùng cuối: user guide, tài liệu hướng dẫn sử dụng API, release note cho các feature AI.

4. Phân tích dữ liệu và đưa ra insight

• Đọc dữ liệu sử dụng sản phẩm, inference log và phản hồi khách hàng để tìm ra insight hành động được: model nào đang được dùng nhiều, người dùng rời bỏ ở đâu, lỗi nào xuất hiện thường xuyên nhất, yếu tố nào đẩy chi phí lên.
• Định nghĩa metric thành công cho feature AI (mức độ sử dụng, token volume, latency P95, tỷ lệ lỗi, chi phí trên mỗi request) và phối hợp với team Data để xây dashboard.
• Chuyển các phát hiện thành đề xuất tính năng và backlog có thứ tự ưu tiên.

5. Phối hợp với các bên liên quan

• Là cầu nối giữa Product, AI/ML Engineering, Platform Engineering, Design và các team tiếp xúc khách hàng cho những feature được giao.
• Giải thích khái niệm AI một cách dễ hiểu cho người không chuyên kỹ thuật, và diễn giải bối cảnh nghiệp vụ rõ ràng cho engineer.
• Cảnh báo sớm rủi ro và các phụ thuộc; thống nhất phạm vi và đánh đổi cùng Senior BA / Product Owner.

Yêu cầu

HỌC VẤN VÀ KINH NGHIỆM

• Tốt nghiệp Đại học chuyên ngành Công nghệ thông tin, Hệ thống thông tin quản lý, Khoa học máy tính, Khoa học dữ liệu hoặc các ngành liên quan.
• Có 2 đến 4 năm kinh nghiệm ở vị trí Business Analyst hoặc Product Analyst trong các sản phẩm công nghệ.
• Trong đó có tối thiểu 1 năm làm việc với sản phẩm AI/ML, LLM, data platform hoặc sản phẩm API / hướng developer. Hoặc có kinh nghiệm thực hành sản phẩm AI đủ rõ ràng để trình bày chi tiết (dự án cá nhân, công cụ nội bộ, tự xây AI agent).
• Đã từng sở hữu feature từ đầu đến cuối trong môi trường Agile / Scrum.

KIẾN THỨC VỀ SẢN PHẨM AI

• Nắm vững nền tảng LLM: hiểu model, token, context window, embedding, inference endpoint là gì; phân biệt được fine-tuning, prompting và RAG.
• Quen thuộc với kiến trúc RAG: chunking, embedding, vector search, retrieval, re-ranking, generation.
• Hiểu các khái niệm AI Agent: tool / function calling, MCP, multi-step reasoning, memory.
• Hiểu các bài toán khi phục vụ model ở mức sản phẩm: latency và throughput, batching, mức sử dụng GPU, quota, rate limit, mô hình giá theo token.
• Sử dụng thành thạo các công cụ và AI agent (ChatGPT, Claude, Copilot, Cursor) để tăng tốc công việc BA: soạn tài liệu, sinh user story và test case, tóm tắt cuộc họp. Có kinh nghiệm prompt engineering hoặc tự xây agent cho công việc cụ thể là điểm cộng lớn.

KIẾN THỨC VỀ CLOUD (MỨC LÀM VIỆC ĐƯỢC)

• Hiểu các khái niệm cloud cốt lõi: phân biệt IaaS, PaaS, SaaS; các thành phần compute, storage, network; region và availability zone.
• Có kiến thức cơ bản về container và Kubernetes (pod, deployment, service, autoscaling) và cách workload AI chạy trên đó.
• Hiểu cơ bản về GPU compute (các loại GPU, cách cấp phát, chia sẻ tài nguyên) là điểm cộng.

KỸ NĂNG KỸ THUẬT VÀ NGHIỆP VỤ BA

• Thành thạo viết tài liệu có cấu trúc: PRD, SRS, user story, acceptance criteria theo cú pháp Gherkin.
• Sử dụng được BPMN 2.0 và UML (sequence, activity, use case); thành thạo công cụ mô hình hóa và wireframe như Figma, Lucidchart, draw.io, Miro hoặc Mermaid.
• Làm việc thoải mái trong môi trường Agile / Scrum và thích nghi được với nhiều công cụ quản lý dự án khác nhau (Jira, Redmine, Loop, Notion).
• Đọc và phân tích được dữ liệu sản phẩm để hỗ trợ ra quyết định; biết SQL ở mức cơ bản đến trung cấp và các công cụ BI (Metabase, Looker, Power BI) là điểm cộng.

KỸ NĂNG MỀM

• Tinh thần ownership: theo feature đến khi lên production, không dừng lại ở bước bàn giao tài liệu.
• Ham học hỏi và có khả năng tự học mạnh; lĩnh vực AI thay đổi rất nhanh và bạn cần chủ động cập nhật.
• Giao tiếp và điều phối rõ ràng; biết đặt câu hỏi đúng trọng tâm và dám phản biện giả định một cách tôn trọng.
• Tư duy phân tích có cấu trúc, chú ý chi tiết; làm việc được với sự mơ hồ của một mảng sản phẩm còn ở giai đoạn đầu.

NGOẠI NGỮ: Đọc và viết được tài liệu kỹ thuật tiếng Anh rõ ràng, súc tích; làm việc thoải mái trong môi trường sử dụng cả tiếng Anh và tiếng Việt.

CÁC ĐIỂM CỘNG KHÁC

• Có kinh nghiệm với công cụ AI Platform / MLOps: vLLM, Triton, Ray, SageMaker, Vertex AI, Bedrock, LangChain / LlamaIndex, Kubeflow, MLflow.
• Có kinh nghiệm với vector database (Milvus, Qdrant, Weaviate, pgvector) ở mức sản phẩm hoặc tích hợp.
• Biết các khái niệm đánh giá AI: benchmark, LLM-as-judge, đo lường hallucination và chất lượng response.
• Có kinh nghiệm domain BFSI, thương mại điện tử hoặc enterprise SaaS.