AI Agent Manager

1. Mô tả vị trí Chịu trách nhiệm thiết kế, xây dựng và vận hành các hệ thống AI Agent — các tác nhân tự động có khả năng lập kế hoạch, sử dụng công cụ (tool-calling), truy xuất dữ liệu và ra quyết định để thực hiện các quy trình nghiệp vụ phức tạp mà không cần con người can thiệp ở từng bước. Vị trí này đóng vai trò cầu nối giữa nền tảng LLM và các hệ thống nghiệp vụ thực tế (CRM, hệ thống điều phối, tổng đài, ứng dụng khách hàng/tài xế), đảm bảo agent hoạt động tin cậy, an toàn và có khả năng mở rộng ở quy mô sản xuất. 2. Trách nhiệm chính Thiết kế kiến trúc AI Agent Thiết kế kiến trúc agent đơn (single-agent) và đa tác nhân (multi-agent orchestration) phù hợp với từng bài toán nghiệp vụ. Xây dựng cơ chế lập kế hoạch (planning), phân rã nhiệm vụ (task decomposition) và vòng lặp phản hồi (reasoning-action loop) cho agent. Thiết kế lớp bộ nhớ (memory) cho agent: short-term context, long-term memory, và cơ chế truy xuất kiến thức qua RAG. Tích hợp agent với các công cụ và API nội bộ (tool-calling): hệ thống điều phối, CRM, cơ sở dữ liệu vận hành, dịch vụ thanh toán. Phát triển và Triển khai ứng dụng Xây dựng các agent ứng dụng thực tế: trợ lý ảo xử lý yêu cầu khách hàng/tài xế đầu-cuối, agent tự động xử lý sự cố vận hành, agent phân tích và đề xuất quyết định kinh doanh. Thiết kế cơ chế con người giám sát (human-in-the-loop) cho các quyết định có rủi ro cao hoặc chi phí lớn. Xây dựng framework đánh giá agent: đo lường tỷ lệ hoàn thành nhiệm vụ, độ chính xác của quyết định, chi phí vận hành (token, số lượt gọi công cụ) và độ trễ. Lựa chọn và tối ưu công nghệ nền: LangGraph, AutoGen, CrewAI, hoặc framework agent tự phát triển, tùy theo mức độ phức tạp và yêu cầu kiểm soát. An toàn và Quản trị Agent (Agent Governance) Thiết lập guardrails: giới hạn phạm vi hành động, xác thực trước khi thực hiện hành động không thể đảo ngược (giao dịch, gửi email, thay đổi dữ liệu). Xây dựng cơ chế giám sát và truy vết (observability/tracing) toàn bộ chuỗi suy luận và hành động của agent để phục vụ debug và kiểm toán. Đánh giá và giảm thiểu rủi ro: agent đi chệch mục tiêu (goal drift), vòng lặp vô hạn, lạm dụng công cụ, rò rỉ dữ liệu nhạy cảm. Xây dựng quy trình rollback và circuit-breaker khi agent hoạt động bất thường trong môi trường production. Quản lý và Định hướng (áp dụng nếu tuyển ở cấp Manager/Trưởng Phòng) Xây dựng và dẫn dắt đội ngũ AI Engineer chuyên về agentic systems. Xây dựng roadmap ứng dụng AI Agent, phối hợp với các phòng ban Sản phẩm, Vận hành, Chăm sóc khách hàng để xác định các quy trình phù hợp để tự động hóa bằng agent. Đào tạo nội bộ về thiết kế agent an toàn và các best practice của ngành. 3. Yêu cầu chuyên môn Học vấn và Chứng chỉ Tốt nghiệp Đại học/MSc/PhD chuyên ngành Khoa học máy tính, Trí tuệ nhân tạo hoặc các ngành liên quan. Có dự án thực chiến hoặc đóng góp mã nguồn mở liên quan đến agentic AI là lợi thế lớn. Kỹ năng và Kinh nghiệm Tối thiểu 5-8 năm kinh nghiệm trong Machine Learning/AI Engineering, trong đó có ít nhất 1-2 năm trực tiếp xây dựng hệ thống AI Agent trong môi trường production. Thành thạo các framework xây dựng agent: LangGraph, LangChain, AutoGen, CrewAI, hoặc Semantic Kernel. Có kinh nghiệm thiết kế function-calling/tool-use, structured output, và tích hợp agent với API/microservices. Hiểu biết vững về RAG, vector database, và các kỹ thuật quản lý context/memory cho agent. Kỹ năng lập trình Python vững; kinh nghiệm triển khai hệ thống trên Cloud (Azure/AWS/GCP) và container hóa (Docker/Kubernetes). Hiểu biết về các mô hình đánh giá agent (agent evaluation), bao gồm cả đánh giá tự động (LLM-as-judge) và benchmark thực tế. 4. Kỹ năng bổ trợ Tư duy hệ thống, khả năng thiết kế quy trình nghiệp vụ phức tạp thành các bước agent có thể thực thi được. Nhạy bén về rủi ro và an toàn AI: hiểu rõ hậu quả khi agent hành động sai trong môi trường thực, đặc biệt với các hành động không thể đảo ngược. Kỹ năng giao tiếp tốt để làm việc với các phòng ban nghiệp vụ, giải thích rõ giới hạn và khả năng của agent. Cập nhật liên tục các xu hướng agentic AI (multi-agent orchestration, agent-to-agent protocols, computer-use agents) và đánh giá khả năng ứng dụng thực tế.