1. Phát triển và tối ưu giải pháp AI
- Xây dựng và tối ưu hóa mô hình:
Tinh chỉnh (fine-tune) và tối ưu hóa các mô hình Học máy (Machine Learning) và Học sâu (Deep Learning) nhằm tối đa hóa hiệu suất (độ chính xác, độ trễ) trong khi vẫn đảm bảo tính ổn định và tối ưu chi phí hạ tầng. - Triển khai đa nền tảng:
Triển khai và ứng dụng các mô hình AI trên nhiều môi trường (cloud, on-premise), chuyển đổi mô hình để tương thích với phần cứng chuyên dụng (GPU, AI accelerator). - Phát triển ứng dụng mô hình ngôn ngữ lớn (LLM) & RAG:
Thiết kế và xây dựng các ứng dụng sử dụng Mô hình Ngôn ngữ Lớn (như Claude, GPT) cùng các nền tảng điều phối (LangChain, LangGraph); triển khai kiến trúc RAG (Retrieval-Augmented Generation) kết hợp với cơ sở dữ liệu vector để truy xuất thông tin với độ chính xác cao. - Giám sát và cải tiến mô hình:
Xây dựng cơ chế theo dõi, đánh giá hiệu năng mô hình và ứng dụng AI; liên tục cải tiến chất lượng ứng dụng trong môi trường doanh nghiệp
2. Triển khai giải pháp AI và điều phối dự án
- Phân tích yêu cầu nghiệp vụ:
Phối hợp trực tiếp cùng các khối nghiệp vụ để thu thập yêu cầu và chuyển hóa thành các tài liệu đặc tả kỹ thuật AI. - Đánh giá giải pháp bên ngoài:
Đánh giá các giải pháp AI từ các đối tác hoặc nhà cung cấp bên ngoài; thẩm định tính khả thi về mặt kỹ thuật, mức độ bảo mật và khả năng mở rộng để phù hợp với hệ sinh thái công nghệ của ngân hàng. - Tích hợp hệ thống AI:
Dẫn dắt quá trình tích hợp các mô hình AI (phát triển nội bộ hoặc từ bên thứ ba) vào các phần mềm và hạ tầng công nghệ hiện có của ngân hàng nhằm đảm bảo vận hành xuyên suốt. - Điều phối và báo cáo dự án:
Đóng vai trò cầu nối giữa đội ngũ kỹ thuật và các bộ phận nghiệp vụ; quản lý tiến độ dự án, báo cáo tình hình thực hiện và điều phối nguồn lực để bàn giao sản phẩm thành công.
