Snorkel AI tuyển FDE cho mảng Data-as-a-Service: việc chính là xây evaluator, base $180.000–$320.000

Snorkel AI vừa cập nhật tin tuyển dụng Senior/Staff Forward Deployed Engineer cho nhóm Data-as-a-Service vào ngày 29/10/2026, với lương cơ bản từ $180.000 đến $320.000.

Đầu trên gần gấp 1,8 lần đầu dưới. Nhưng thứ đáng đọc kỹ hơn con số là mô tả công việc: tin tuyển vẫn đòi kinh nghiệm tích hợp hệ thống qua API, song phần việc được đặt lên đầu là xây evaluator và đo chất lượng dữ liệu.

Snorkel tự gọi mình là một “frontier AI data lab”, ra đời từ Stanford AI Lab năm 2019. Trang chủ công ty mô tả thứ họ bán là dữ liệu huấn luyện và môi trường chuyên biệt cho các lab AI tiên phong và các đội AI, gồm Data Series, phát triển dữ liệu theo yêu cầu và agent chuyên biệt.

Khi thứ giao cho khách là một bộ dữ liệu chứ không phải một hệ thống phần mềm, “triển khai” mang một nghĩa khác hẳn. Vì thế, kể cả khi không định nộp đơn vào Snorkel, bạn vẫn nên đọc tin tuyển này: nó cho thấy một kiểu vị trí FDE mà eval nằm ngay giữa công việc với khách hàng.

Khi sản phẩm là dữ liệu, FDE giao cái gì?

Snorkel mô tả vị trí này là một vai trò “engineering delivery”: nhận những nhu cầu còn mơ hồ của khách và biến chúng thành dữ liệu cấp production. FDE thuộc nhóm có mã “310 - DaaS FDE”, làm việc sát với đội DaaS Delivery Operations, và có cả phần hỗ trợ kỹ thuật cho các Delivery Manager.

Thông cáo báo chí ngày 22/9/2026 của công ty giải thích vì sao việc này cần một kỹ sư thật sự. Snorkel nói sản phẩm của họ là các nhiệm vụ agentic, môi trường và rubric ở trình độ chuyên gia, những thứ mà ngay cả người giỏi nhất cũng mất hàng giờ, có khi hàng ngày, mới dựng xong.

Một sản phẩm khó làm đến vậy thì không thể giao đi theo kiểu “làm xong rồi gửi”. Phải có người đứng giữa khách và dây chuyền sản xuất dữ liệu, hiểu khách muốn gì và kiểm chứng được rằng mình đã giao đúng thứ đó.

Một yêu cầu mơ hồ đi qua tay FDE như thế nào

Thử hình dung một lab AI nói với Snorkel rằng họ cần “dữ liệu giúp agent làm tốt hơn việc đối soát hóa đơn”. Câu này chưa đủ để sản xuất gì cả. Việc đầu tiên của FDE là viết đặc tả: một nhiệm vụ gồm những bước nào, đầu vào trông ra sao, và thế nào thì được tính là “hoàn thành”.

Bước tiếp theo là rubric, và đây là chỗ dễ sai nhất. Giả sử mỗi lời giải có ba bước: đọc đúng dòng hóa đơn, khớp với đơn đặt hàng, rồi tính số chênh lệch.

Nếu rubric chỉ kiểm tra con số cuối, một lời giải đọc sai dòng và khớp sai đơn nhưng tình cờ ra đúng tổng vẫn được chấm đạt, và khách sẽ huấn luyện model trên chính những lời giải lỗi đó.

Evaluator là chỗ biến rubric thành code chạy được trên cả lô. Một phiên bản tối giản có thể trông như sau:

def grade(sample, gold):
    checks = {
        "doc_dong": sample["lines"] == gold["lines"],
        "khop_don": sample["po_match"] == gold["po_match"],
        "so_cuoi": abs(sample["diff"] - gold["diff"]) < 0.01,
    }
    return all(checks.values()), checks

Chạy hàm này trên 50 mẫu, bạn có hai con số để so: tỷ lệ đạt nếu chỉ xét so_cuoi, và tỷ lệ đạt khi xét cả ba bước.

Khoảng cách giữa hai con số chính là lượng dữ liệu lỗi mà cách chấm theo đáp án cuối đã để lọt. Sau đó FDE dùng dữ liệu tổng hợp để lấp những kiểu trường hợp còn thiếu, rồi mới giao dataset.

Tin tuyển của Snorkel liệt kê đúng chuỗi việc đó: xây và triển khai evaluator, thiết kế hệ thống đo chất lượng, sinh dữ liệu tổng hợp, giao dataset, viết đặc tả production.

Eval là xương sống, ở mọi cấp

Trong cùng nhóm Data-as-a-Service, Snorkel còn tuyển một Director, Forward Deployed Researcher, với base $228.800–$403.200. Nhiệm vụ được ghi cho vị trí này là đặt ra và giữ chuẩn kỹ thuật cho đặc tả, khung đánh giá và sản phẩm giao khách.

Đọc hai tin cùng lúc sẽ thấy điều mà từng tin riêng lẻ không nói ra: nhánh kỹ sư và nhánh nghiên cứu khác nhau ở tầm ảnh hưởng chứ không ở chủ đề. FDE viết đặc tả và evaluator cho từng dự án; Director giữ chuẩn chung cho mọi đặc tả và khung đánh giá.

Hai khung lương còn chồng lên nhau trong khoảng $228.800 đến $320.000, tức một dải rộng $91.200. Như vậy, một FDE cấp Staff ở đầu trên có thể có base cao hơn một Director ở đầu dưới. Ở nhóm này, muốn tăng thu nhập không nhất thiết phải lên quản lý, miễn là bạn đủ sâu về eval.

Khoảng $180.000–$320.000 chưa phải con số của bạn

Tin tuyển gộp hai cấp Senior và Staff, nên khoảng lương trải qua hai bậc nghề nghiệp. Lấy điểm giữa $250.000 làm kỳ vọng là cách đọc sai: cấp bạn được xếp vào mới quyết định bạn rơi vào nửa nào.

Đó cũng chỉ là lương cơ bản. Tin tuyển ghi thêm thưởng biến đổi và nói phần lớn offer có kèm equity và phúc lợi, nên hai offer cùng base vẫn có thể chênh nhau đáng kể khi cộng hết các phần. Cuộc thương lượng thật nằm ở việc xếp cấp, không nằm ở con số đầu trên.

Ai hợp với vai trò này, và nên chuẩn bị gì

Snorkel yêu cầu từ 5 năm kinh nghiệm trở lên ở một trong các mảng data science, data engineering, ML engineering hoặc solutions engineering, cùng Python và SQL vững và kinh nghiệm tích hợp hệ thống qua API.

Danh sách này mở cửa cho nhiều xuất phát điểm: một data engineer từng làm pipeline chất lượng dữ liệu cũng có cơ hội như một ML engineer. Điểm khác biệt nằm ở việc bạn có chứng minh được mình biết đo chất lượng hay không.

Cách nhanh nhất là tự làm một dự án nhỏ trọn vòng như ví dụ hóa đơn ở trên, kèm một báo cáo ngắn cho thấy evaluator bắt được những lỗi mà cách chấm theo đáp án cuối bỏ sót. Dự án như vậy khớp trực tiếp với danh sách trách nhiệm trong tin tuyển, nên bạn có thứ cụ thể để kể khi phỏng vấn.

Trong CV, hãy viết theo kết quả đo được thay vì liệt kê công cụ, theo mẫu: “Thiết kế rubric và evaluator cho N mẫu dữ liệu agent, phát hiện X% lời giải có bước trung gian sai dù đáp án cuối đúng”, với số liệu lấy từ chính dự án của bạn.

Ở nhóm DaaS của Snorkel, câu hỏi “dữ liệu này đã đủ tốt chưa” được trả lương từ cấp Senior lên tới Director. Nếu bạn muốn nhắm tới những vị trí như vậy, hãy bắt đầu bằng một evaluator chạy được trên 50 mẫu, chứ đừng bắt đầu từ một chứng chỉ.