FDE (AI Engineering)

주요업무

합류하시면 이런 일들을 함께 하시게 됩니다.

• 고객 문제의 정의부터 해결까지 End-to-End 수행

-고객의 핵심 문제를 정의·확장하고, 요구사항을 정량 지표로 환산하여 문제 해결 전략과 실행 계획을 수립합니다.

• 비정형·반정형 데이터의 이해와 구조화

-데이터 처리 (OCR/VLM/LLM) → 데이터 마이닝/분석/통계적 분석 → 구조화를 통해 기업의 데이터를 자산화합니다.

• 이기종 데이터 통합 및 파이프라인 표준화

-이기종 DB·스키마·데이터를 정형화·구조화하고 데이터 파이프라인을 자동화·표준화합니다.

• 도메인 특화 다운스트림 테스크 해결

-기업의 문제를 활용하여 도메인 특화 문제를 해결하고 제공합니다.

• 문제 유형에 맞는 모델링·실험

-데이터 탐색 → 피처 생성 → 모델링 → 평가까지 실험하며, 문제에 맞는 기법(최적화·추론·LLM·통계 모델 등)을 조합하고 필요하면 직접 모델을 설계·학습합니다.

• 문제 해결 역량 자산화

-PoC 결과를 운영 가능한 형태로 전환하고, 재사용 가능한 모듈·매핑룰·피처를 자산화하여 내부 문제 해결 역량을 자산화합니다.

• SAIP 플랫폼과의 협업

-구조화한 데이터·모델을 SAIP 의사결정 OS에 올려 기업 업무를 자산화합니다.

저희 팀에서 사용하는 기술스택과 툴은 아래와 같습니다.

• Languages / Runtime: Python (FastAPI · asyncio · Pydantic)
• Data analytics: pandas, NumPy, scikit-learn, PyTorch, Hugging Face Transformers, OCR, OpenCV, VLM
• Agent / LLM: Agentic AI Agent, SSE Streaming, RAG, Index Engineering, Langgraph
• Observability: Langfuse, OpenTelemetry
• Data & Storage: PostgreSQL, OpenSearch, S3 / MinIO, DuckDB, Parquet, Iceberg, neo4j, Jena, open metadata
• Index: Elasticsearch, OpenSearch
• Workflow / Orchestration: Temporal, Apache Airflow, Spark, kubeflow
• Infra / DevOps: Docker, Docker Compose, Kubernetes / Helm, GitHub Actions CI
• Collaboration: Git, GitHub, GitHub Projects

자격요건

필수 역량에 대한 경험이 부족하더라도 , 목표가 동일하다면 성장 할 수 있도록 지원하고 함께 달려갑니다.

• 문제를 지표로 정의하고, 원인을 설명 가능하게 만들고, 개선을 위해 제어하는 방식으로 문제를 푸는 분
• 주어진 문제에 대해 해결해야할지에 대해 적극적인 소통과 논의 할 수 있는 태도를 가진 분
• 컴퓨터과학 전공 또는 이에 준하는 CS 기초(자료구조·알고리즘·DB·OS·네트워크 등)를 갖춘 분
• Python으로 데이터 처리·분석·모델링 코드를 작성해 재현 가능한 실험을 수행하고, 데이터를 정제·통합하며 품질(스키마·정합성·누락 등)을 점검하며, 리눅스·CLI의 서버·컨테이너 환경에서 개발할 수 있는 분
• AI 문제 해결의 전 과정을 끌고 갈 수 있는 역량. 데이터 분석·탐색으로 문제를 이해하고, 가설을 세워 전처리·피처 설계·실험으로 검증하며, 문제에 맞는 모델·알고리즘을 선택·학습·튜닝해 모델링·평가까지 수행할 수 있는 분. 그 과정에서 팀원과 함께 소통하며 문제 해결을 같이 할 수 있는 분
• AI 에이전틱 시스템 개발 경험

-LLM 기반 에이전트(tool-calling·RAG·agent loop·세션 관리)를 설계·개발하거나, 토큰·비용·관측 등 LLM 운영 이슈를 다뤄본 분

우대사항

이런 것도 있으시면 금상첨화 입니다!

• 고객 현장에서 문제를 정의하고 산출물을 만들어 본 경험이 있는 분

-고객 요구사항으로 태스크를 정의하고 분석 결과를 실제 의사결정·업무에 연결해 본 경험

• 문제별 최적 기법 선택·한계 분석 경험이 있는 분

-Rule Engine/RBS·확률 모델(PGM/BN)·그래프 모델(GNN)·시계열 모델(HMM) 등을 문제 유형에 맞게 선택·적용하고, 기존 기법의 성능·한계·실패 원인을 정량 분석해 개선 방향·대안을 제시해 본 경험

• 온톨로지·지식그래프 기반 도메인 구조화·자산화 경험이 있는 분

-TBox/ABox·스키마 설계·매핑으로 비정형 데이터를 정형 모델로 환원하거나, 도메인 암묵지를 온톨로지·룰·DSL로 자산화해 본 경험

• 대규모 데이터 처리·분석 경험이 있는 분

-Spark, Hadoop, Kafka, Flink 등 대용량·스트리밍 환경에서 데이터를 처리·분석해 본 경험

• 데이터·ML 파이프라인 구축·운영 경험이 있는 분

-수집 → 정제 → 학습 → 추론·서빙 파이프라인을 오케스트레이션 도구(Airflow·Temporal·Prefect·Argo 등)로 구축·자동화·운영해 본 경험

• 문서 AI·비정형 데이터 처리 경험이 있는 분

-OCR·문서 파싱·요약·정보 추출로 비정형 문서를 구조화 데이터로 가공해 본 경험

• MLOps 경험이 있는 분

-MLflow·모델 레지스트리·서빙·모니터링·드리프트 탐지 등으로 모델·로직을 운영 환경에서 안정적으로 관리해 본 경험

저희 팀과 함께 하시면 이런 점들이 좋습니다!

• 정해진 정답이 없는 문제를 다양한 각도로 풀어냅니다. 새로운 유형의 일이 많아 어렵지만, 그만큼 해결 과정에서 다양한 경험을 하게 됩니다.
• 빠르게 발전하는 분야라 누구에게나 모르는 파트가 있습니다. 우리 팀은 아는 것과 모르는 것을 가감 없이 공유하고 서로의 역량을 채워주며 같이 문제를 해결합니다.
• 수평적인 커뮤니케이션과 NABC(Need · Approach · Benefit · Competition) 기반의 의사결정 문화가 인상적입니다. 킥오프에서 목표를 분명히 하고 우리 방향의 경쟁력까지 함께 검토합니다.

복지 및 혜택

• 일하는 장소와 시간을 언제든 자율적으로 선택할 수 있습니다. (완전 자율출근제 + 재택근무)
• 업무용 장비는 예산 내에서 원하시는 것을 지원하고, 3년 후 교체해 드립니다. (모니터 별도)
• 업무 관련 교육, 서적 구매를 최대한 지원합니다. 내부 스터디와 세미나도 활발히 이뤄지고 있어요!
• 먹는데 돈 쓰지 마세요! 점심&저녁식사와 간식, 커피를 회사가 지원합니다.
• 수내역 도보 3분 거리의 넓고 쾌적한 오피스, 180cm의 넓은 책상, 음료와 간식이 항시 비치된 라운지 등
쾌적한 업무 환경을 제공합니다.
• 공부, 취미, 어학 등에 필요한 자기개발비를 매년 240만원 지원합니다.
• 1:1 영어 회화 프로그램(링글)을 지원합니다.
• 구성원들의 건강이 최우선! 지정 병원에서 매년 종합건강검진을 지원합니다.
• 입사 1년 이상의 구성원들에게 1,000만원 한도의 무이자 사내 대출을 지원합니다.

채용절차 및 기타 지원 유의사항

합류 과정은 이렇게 진행됩니다.

•서류 전형 : 협업 리더/ 실무진과 HR에서 함께 제출하신 내용을 검토합니다. 최대한 빠르게 피드백 드리기 위해 노력하고 있어요!
•사전 과제 : 보다 깊이 있는 직무 인터뷰 진행을 위해, 서류 전형 합격자를 대상으로 사전 과제 평가를 진행합니다.
-사전 과제 수행 기간은 직군에 따라 1~2주일이며, 당락이 있습니다.
•직무 인터뷰 : 이력서를 바탕으로 직무 담당 리더 및 실무진과 약 1시간 가량의 인터뷰를 진행합니다.
-직무 인터뷰 시, 사전 과제 산출물에 대한 발표를 요청드릴 수 있습니다.
•컬처 핏 인터뷰 : S2W의 인사 담당 리더와 진행하는 약 1시간 가량의 인터뷰 입니다. 회사와 지원자가 지향하는 비전과 가치가 잘 맞는지, 함께 성장할 수 있을지 판단하기 위해 진솔한 대화를 나누는 시간입니다.
-직군/경력에 따라 CEO 인터뷰가 추가될 수 있습니다.
•처우 협의 및 입사 : 정식 오퍼 메일을 통해 처우 협의와 입사일을 조율하고, 모든 과정이 완료되면 저희 팀에 
합류하시게 됩니다.

기업/서비스 소개

합류하실 ​팀과 ​함께 ​일하실 동료들을 ​소개합니다.

• SAIP 제품실은 신생 조직으로서 ​기업 ​내 전문가의 ​의사결정을 도울 수 ​있도록 기업의 ​실질적인 ​문제를 해결하는 ​역할을 ​가지고 ​있습니다.
• AI 엔지니어링 구성원은 ​산업 ​내 고객의 문제를 ​정의하고 ​데이터 ​분석·AI 리서치를 통해 ​다양한 산업의 ​실제 ​문제를 푸는 ​역할을 수행합니다.
• 정해진 ​정답이 ​없는 문제를 데이터와 ​AI를 중심에 ​두고 풀어냅니다. 필요하다면 직접 모델을 설계·학습하며, 문제 해결에 필요한 도구를 스스로 만들기도 합니다.
• 팀은 주니어부터 다양한 프로젝트를 이끌어 온 시니어까지 폭넓게 구성되어 있으며, 컴퓨터과학 분야 석·박사 학위 보유자도 함께합니다. 데이터베이스, 데이터 파이프라인, 소프트웨어 설계, 운영체제, 컨테이너, 프론트엔드, DevOps 등 각자 깊이 있는 역량을 갖추고 서로의 강점을 더해 문제를 풉니다.
• 팀의 기술적 목표는 의사결정을 지원하기 위해 기업 데이터에 대한 맞춤형 분석과 의미를 부여하고, 시맨틱 기반 의사결정 레이어를 통해 실무의 문제를 기술로 푸는 것 입니다.