AI-NATIVE SOFTWARE ENGINEER

AI-Native Software Engineer tham gia thiết kế và phát triển các chức năng ứng dụng AI trong hệ sinh thái sản phẩm của công ty, đặc biệt trong các lĩnh vực Data Security, Data Governance và Personal Data Protection. Ứng viên sẽ làm việc với các công nghệ LLM, AI API, AI Agent, Pattern/Rule-based Detection và các hệ thống backend để xây dựng những chức năng AI có khả năng hoạt động ổn định trong môi trường doanh nghiệp.

Bên cạnh việc phát triển chức năng AI cho sản phẩm, ứng viên được kỳ vọng sử dụng hiệu quả các AI Coding Assistant như ChatGPT, Claude, Cursor, GitHub Copilot... nhằm nâng cao chất lượng và năng suất của toàn bộ quá trình phát triển phần mềm.

Trách nhiệm công việc

1. Phát triển chức năng AI cho sản phẩm

• Thiết kế và phát triển các chức năng sử dụng LLM/AI Model trong sản phẩm của công ty.
• Tích hợp các AI Model hoặc AI API vào hệ thống backend thông qua REST API/SDK.
• Xây dựng các pipeline kết hợp giữa Rule/Pattern-based Processing và AI-based Processing.
• Phát triển các chức năng AI phục vụ các bài toán như:
  • Data Classification.
  • PII/Sensitive Data Detection.
  • Entity Recognition.
  • Log/Data Analysis.
  • Risk Analysis và hỗ trợ phát hiện hành vi bất thường.
  • Tự động hóa phân tích và xử lý dữ liệu.
• Nghiên cứu và thử nghiệm các phương pháp ứng dụng LLM phù hợp với từng bài toán thực tế của sản phẩm.

2. Thiết kế AI Pipeline

• Thiết kế luồng xử lý dữ liệu từ input → preprocessing → AI inference → validation → output.
• Xây dựng cơ chế kết hợp giữa kết quả AI và kết quả từ các hệ thống Rule/Pattern hiện có.
• Thiết kế prompt, system instruction, structured output/schema phù hợp với từng nghiệp vụ.
• Xây dựng cơ chế validation và fallback khi AI không thể đưa ra kết quả đủ độ tin cậy.
• Tối ưu AI pipeline dựa trên các yếu tố:
  • Accuracy.
  • Latency.
  • Token/API Cost.
  • Scalability.
  • Reliability.
  • Data Privacy & Security.

3. Đánh giá và kiểm chứng chất lượng AI

• Xây dựng bộ dữ liệu và test case để đánh giá chất lượng đầu ra của AI.
• Xác định các tiêu chí đánh giá như:
  • Precision.
  • Recall.
  • Accuracy.
  • False Positive / False Negative.
  • Response consistency.
• So sánh và đánh giá các AI Model/LLM khác nhau cho từng use case.
• Phân tích các trường hợp AI trả kết quả sai hoặc không ổn định và đề xuất phương án cải thiện.
• Xây dựng cơ chế hạn chế hallucination và kiểm soát output của AI.

4. Phát triển phần mềm theo hướng AI-Native

• Sử dụng hiệu quả các công cụ như ChatGPT, Claude, Cursor, GitHub Copilot hoặc tương đương trong:
  • Phân tích yêu cầu.
  • Thiết kế kiến trúc.
  • Coding.
  • Refactoring.
  • Debugging.
  • Code Review.
  • Test Generation.
  • Technical Documentation.
• Có khả năng review và hiểu đầy đủ source code do AI sinh ra, không phụ thuộc vào AI trong việc xác định correctness của hệ thống.
• Chủ động cải tiến quy trình phát triển bằng các công cụ AI mới.

5. Self QA & Test Automation

• Thực hiện kiểm chứng source code trước khi chuyển sang QA.
• Xây dựng:
  • Unit Test.
  • Integration Test.
  • API Test.
  • AI Evaluation Test.
• Sử dụng AI hỗ trợ xây dựng test case và phát hiện edge case.
• Kiểm tra tính toàn vẹn và nhất quán của business logic.
• Phối hợp với QA để xây dựng quy trình kiểm thử phù hợp với các chức năng sử dụng AI.

6. AI Engineering & Automation

• Xây dựng các prompt template và AI workflow có khả năng tái sử dụng trong team.
• Nghiên cứu áp dụng AI Agent / Agentic Workflow vào những nghiệp vụ phù hợp.
• Tham gia xây dựng các công cụ nội bộ như:
  • AI-assisted Code Review.
  • Automated Documentation.
  • AI-based Testing.
  • Development Workflow Automation.
• Theo dõi các công nghệ AI mới và đánh giá khả năng ứng dụng vào sản phẩm.

Yêu cầu

1. Nền tảng phát triển phần mềm

• Tốt nghiệp hoặc có kiến thức tương đương chuyên ngành Computer Science, Software Engineering, Artificial Intelligence hoặc lĩnh vực liên quan.
• Có nền tảng tốt về:
  • Data Structure & Algorithm.
  • Database.
  • Operating System.
  • Computer Network.
  • Software Architecture.
• Có khả năng lập trình tốt với ít nhất một trong các ngôn ngữ:
  • Python
  • Java
• Có kinh nghiệm làm việc với REST API, JSON và hệ thống backend.
• Có khả năng đọc, phân tích, debug và tối ưu source code.

2. Kiến thức về AI/LLM

• Có kinh nghiệm hoặc kiến thức thực tế về LLM và Generative AI.
• Hiểu các khái niệm cơ bản liên quan đến:
  • Prompt Engineering.
  • Token/Context Window.
  • Embedding.
  • Structured Output.
  • Function/Tool Calling.
  • Model Evaluation.
• Có khả năng tích hợp AI Model thông qua API hoặc SDK.
• Hiểu các vấn đề thường gặp khi đưa AI vào production như:
  • Hallucination.
  • Non-deterministic Output.
  • Latency.
  • Cost.
  • Data Privacy.
  • Model Reliability.

3. Khả năng sử dụng AI Development Tools

• Có kinh nghiệm sử dụng một hoặc nhiều công cụ:
  • ChatGPT.
  • Claude.
  • Cursor.
  • GitHub Copilot.
  • Hoặc công cụ AI Coding tương đương.
• Có khả năng sử dụng AI để tăng năng suất phát triển nhưng vẫn tự kiểm chứng được:
  • Logic.
  • Correctness.
  • Performance.
  • Security.
• Không phụ thuộc hoàn toàn vào source code được AI sinh ra và có khả năng tự debug khi gặp vấn đề.

4. Tư duy kiểm chứng và giải quyết vấn đề

• Có tư duy Developer-centric QA: source code do mình phát triển phải được tự kiểm chứng trước khi chuyển cho QA.
• Có khả năng tự xây dựng test scenario và edge case.
• Có khả năng phân tích vấn đề từ requirement đến root cause thay vì chỉ xử lý symptom.
• Chủ động nghiên cứu giải pháp khi gặp công nghệ hoặc bài toán mới.

ƯU TIÊN

Ưu tiên ứng viên có một hoặc nhiều kinh nghiệm sau:

• Đã phát triển sản phẩm thực tế sử dụng LLM/Generative AI.
• Có kinh nghiệm với OpenAI API, Anthropic API hoặc các LLM platform tương đương.
• Có kinh nghiệm làm việc với Open-source LLM hoặc triển khai model nội bộ.
• Có kinh nghiệm với:
  • RAG (Retrieval-Augmented Generation).
  • Vector Database.
  • AI Agent.
  • Tool/Function Calling.
  • MCP hoặc các Agent Integration Protocol.
• Có kinh nghiệm về NLP như:
  • Named Entity Recognition.
  • Text Classification.
  • Information Extraction.
  • PII/Sensitive Data Detection.
• Có kinh nghiệm thiết kế hoặc vận hành AI Evaluation Pipeline.
• Có kinh nghiệm xây dựng pipeline kết hợp Rule/Pattern + Machine Learning/LLM.
• Có kinh nghiệm xử lý dữ liệu lớn, log hoặc dữ liệu từ Database.
• Có kinh nghiệm với Docker, CI/CD hoặc Cloud/On-premise deployment.
• Có kiến thức về Data Security, Privacy, Personal Data Protection hoặc Cybersecurity.
• Có kinh nghiệm sử dụng AI Agent để tự động hóa Software Development Lifecycle.
• Có kinh nghiệm triển khai AI-based Code Review/Test Automation trong CI/CD pipeline.

NĂNG LỰC ĐƯỢC ĐÁNH GIÁ CAO

• Chúng tôi đánh giá cao ứng viên:
• Không chỉ biết gọi AI API mà hiểu cách thiết kế một AI-enabled system có thể vận hành trong production.
• Có khả năng đánh giá khi nào nên sử dụng AI và khi nào Rule/Pattern hoặc logic truyền thống là giải pháp tốt hơn.
• Quan tâm đến tính chính xác, khả năng giải thích và kiểm chứng kết quả AI.
• Có tư duy về security và privacy by design, đặc biệt khi xử lý dữ liệu doanh nghiệp hoặc dữ liệu cá nhân.
• Có khả năng nhanh chóng thử nghiệm công nghệ mới thông qua PoC nhưng đồng thời biết chuyển PoC thành giải pháp có kiến trúc rõ ràng và có khả năng maintain.
• Chủ động trao đổi với Product, Backend, QA và các thành viên khác để đưa chức năng AI từ ý tưởng đến sản phẩm thực tế.

ĐỊNH HƯỚNG CÔNG VIỆC

• Ứng viên có cơ hội tham gia phát triển các giải pháp AI cho các bài toán thực tế trong lĩnh vực:
• Data Discovery → Data Classification → Data Flow & Lineage → Consent & Data Lifecycle → Risk Analysis → Security Monitoring
• Đây không phải vị trí chỉ tập trung vào nghiên cứu mô hình AI. Trọng tâm của vị trí là AI Engineering: đưa AI/LLM vào các sản phẩm phần mềm thực tế một cách chính xác, an toàn, có thể kiểm chứng và có khả năng vận hành trong môi trường doanh nghiệp.