[AX] AI 리서치 엔지니어

[우리가 해결하려는 문제]

• AI가 기업의 핵심 업무에 깊숙이 들어올수록 가장 중요한 질문은 하나로 좁혀져요.
• "이 에이전트 정말 비즈니스를 맡길 만큼 믿을 수 있는가?"
• 사용자 만족도 평가 혹은 출시 전 QA 는 일시적인 해결책으로, 엔터프라이즈 환경에서 언제든 치명적인 결과로 이어질 수 있어요. 상시로 동작하는 체계적인 AI 통제 시스템이 반드시 마련되어야 기업에서도 믿고 활용할 수 있는 기반이 갖춰져요.
• 우리는 기업들이 안심하고 사용할 수 있는 에이전트 통제의 새로운 기준을 세우고, 이 기술적 난제를 함께 돌파할 동료를 찾아요.

[우리가 일하는 방식]

• Trust & Honesty | 투명한 신뢰: 우리는 건강한 충돌을 두려워하지 않아요. 솔직한 피드백으로 서로의 성장을 돕고, 끈끈한 신뢰를 바탕으로 동료의 성공을 위해 아낌없이 지원해요.
• Logical Leadership | 논리적 주도성: 직급과 연차에 상관없이, 가장 합리적이고 논리적인 제안이 의사결정의 중심이 돼요. 누구나 오너십을 가지고 스스로의 업무를 정의하며 리딩해요.
• Total Immersion | 압도적 몰입: 우리는 단순한 'Task'를 처리하는 데 그치지 않아요. 우리가 만드는 기술이 세상에 남길 실질적인 가치에 집중하며, 정점에 도달하기 위해 치열하게 몰입해요.

[주요 업무]

• Agent 오류 탐지 및 벤치마크 구축: 에이전트의 환각, 추론 오류, 도구 사용 실패 같은 문제를 잡아내는 모델을 연구해요. 감에 의존하지 않고 수치로 증명할 수 있도록, 자체 벤치마크 데이터셋과 자동화된 평가 파이프라인을 직접 만들어요.
• Agent 파이프라인 최적화: 비용, 추론 속도, 정확도 사이의 최적점을 찾아요. 프롬프트 엔지니어링부터 전체 파이프라인 설계까지 다루며, 실제 서비스에서 Agent가 최고의 성능을 내도록 개선해요.
• Research-to-Production: 연구실 수준의 실험 코드(PoC)를 실제 프로덕션에 올릴 수 있는 상태로 다듬어요. 엔지니어링 팀이 안정적으로 서비스에 연동할 수 있도록 코드를 리팩토링하고 테스트 코드를 작성해 이관해요.
• 논문 및 특허 자산화: 업무 과정에서 풀어낸 어려운 문제들과 독창적인 해결책을 그냥 휘발시키지 않아요. 이를 정리해 탑티어 학회(NeurIPS, ICLR 등)에 논문을 투고하거나 특허를 출원하여 우리 팀만의 확실한 기술 자산으로 만들어요.

• AI (ML/LLM) 역량: Transformer 구조와 LLM의 동작 원리를 이해하고 있으며, PyTorch, HuggingFace 등 Python 기반 ML 프레임워크를 실무 수준에서 막힘없이 다룰 수 있어요.
• 에이전트 설계 및 평가: Multi-Agent 시스템이나 ReAct 등을 활용해 에이전트를 직접 설계하고 제어해 본 분. 또한 LLM-as-a-Judge 같은 최신 평가 방법을 이해하고 실제 코드에 적용해 봤어요.
• 빠른 논문 구현 역량: 최신 논문을 읽고 끝나는 것이 아니라, 그 안의 복잡한 아이디어를 실제 돌아가는 코드로 빠르게 구현해서 테스트해 볼 수 있어요.
• 문제 정의와 주도성: 위에서 내려오는 태스크만 처리하는 것이 아니라, 현장의 진짜 문제를 스스로 찾아내고 프로젝트의 시작부터 끝까지 직접 끌고 가본 경험이 있어요.
• 기술 커뮤니케이션: 본인이 해결한 복잡한 기술적 성과를 논문, 특허, 기술 문서 등으로 남이 이해하기 쉽게 정리할 수 있어요.

• 컴퓨터 공학, AI 관련 석/박사 학위를 보유하시거나, 그에 준하는 실무 연구 및 개발 경험이 있어요.
• 대규모 벤치마크 데이터셋을 직접 만들어 보거나, 에이전트가 실패하는 케이스 및 안전성 에 대해 깊게 연구해 봤어요.
• vLLM 등을 활용해 추론 환경을 최적화해 보거나 모델 경량화 경험이 있어요.
• 자신의 기술적 성과를 특허로 출원 및 등록해 본 경험이 있어요.

1. 사전 과제
2. 직무 인터뷰
3. 컬처핏 인터뷰
4. 대표 인터뷰
5. 레퍼런스 체크