Kỹ sư AI chịu trách nhiệm chính trong việc nghiên cứu, phát triển và triển khai các giải pháp dựa trên Mô hình ngôn ngữ lớn (LLM) và AI tạo sinh (GenAI)
#1. Large Language Model & Generative AI
- Nghiên cứu, đánh giá và lựa chọn các LLM/VLM phù hợp với từng bài toán nghiệp vụ.
- Fine-tune và tối ưu LLM cho tiếng Việt và dữ liệu chuyên ngành.
- Xây dựng các ứng dụng sử dụng LLM, Tool Calling, Function Calling và AI Agent.
- Triển khai và tối ưu model trên Cloud, Self-hosted hoặc On-device theo các yêu cầu về chất lượng, latency, throughput và chi phí vận hành.
#2. RAG & Knowledge Systems
- Thiết kế, xây dựng và tối ưu hệ thống Retrieval-Augmented Generation (RAG).
- Nghiên cứu và triển khai các kỹ thuật Embedding, Vector Search, Hybrid Search, Query Rewriting, Reranking và Context Construction.
- Xây dựng bộ tiêu chí đánh giá chất lượng RAG với các chỉ số như Recall@K, Precision@K, Faithfulness, Answer Relevance và Hallucination Rate.
- Tối ưu chất lượng truy xuất và khả năng trả lời trên các bộ dữ liệu nghiệp vụ lớn.
#3. Computer Vision & Document AI
- Nghiên cứu, phát triển và tối ưu các mô hình Computer Vision/VLM cho các bài toán xử lý hình ảnh và tài liệu.
- Xây dựng giải pháp OCR/Document AI phục vụ nhận dạng và trích xuất thông tin từ các loại chứng từ như: Hồ sơ/chứng từ bệnh viện, Hóa đơn, Đơn thuốc, Chứng từ và tài liệu nghiệp vụ.
- Nghiên cứu khả năng kết hợp OCR + VLM + LLM để hiểu, phân loại và xử lý tài liệu tự động.
# 4. AI Evaluation & Research
- Xây dựng framework và bộ dữ liệu AI Evaluation phục vụ đánh giá LLM, RAG, Agent và VLM.
- Theo dõi các chỉ số về quality, accuracy, latency, throughput, cost và regression giữa các phiên bản.
- Xây dựng cơ chế kiểm soát và giảm hallucination, đánh giá độ tin cậy của kết quả AI.
- Theo dõi, nghiên cứu và thử nghiệm các paper, model, framework và kỹ thuật AI mới.
- Thực hiện benchmark/POC và đưa ra lựa chọn công nghệ dựa trên số liệu thực nghiệm thay vì chỉ dựa trên xu hướng công nghệ.
# 5. AI Production & MLOps là điểm cộng
- Đưa các mô hình và giải pháp AI từ Research → POC → Prototype → Production.
- Tối ưu inference, GPU utilization, model serving và khả năng mở rộng của hệ thống.
- Phối hợp xây dựng các cơ chế Monitoring, Logging, Versioning và Model Evaluation trên môi trường Production.
- Theo dõi và tối ưu chi phí vận hành AI theo từng use case.
