우리는 전자·반도체·자동차·제조 산업의 복잡한 설계 문제를 해결하는 AI Agent를 개발합니다. 요구사항 문서, 회로도, 데이터시트, BOM 등 흩어진 엔지니어링 데이터를 Ontology와 Knowledge Graph로 구조화하고, LLM과 Multimodal AI를 결합해 설계 자동화 및 오류 검증 기술을 만듭니다.

현재 LG전자, 현대자동차, DB글로벌칩, BOS반도체 등 국내외 주요 제조 기업의 실제 산업 문제를 다루며, 연구 성과를 상용 제품으로 연결하고 있습니다. SECA에서 경험할 수 있는 것 실제 산업 데이터 - 대기업의 실제 설계 데이터와 고객 과제를 기반으로 AI 기술을 개발합니다.

연구부터 제품화까지 - 논문 구현, 모델 실험, 평가, 제품 개발 및 실제 고객 환경 적용까지 경험합니다.

연구·개발 인프라 - 개인별 최신 AI Coding Tool과 고성능 GPU 클라우드 인프라를 지원합니다.

글로벌 연구 기회 - 국내외 유수 연구진과 협업하고 해외 학회·컨퍼런스, 산업 전시회에 참여할 기회를 제공합니다.

핵심 기술에 대한 오너십 - 초기 핵심 개발자로서 기술 방향과 제품 아키텍처를 직접 만들어갑니다.

SECA는 단순히 AI API를 연결하는 개발자가 아니라, 문제를 정의하고, 기술적 가설을 세우고, 실제 성능을 검증해 제품 수준으로 완성할 수 있는 엔지니어를 찾습니다.

- Requirements, Datasheet, Drawing, Schematic, BOM에서 텍스트, 표, 도형, 기호를 추출해 구조화합니다.

- 표, 다이어그램, 회로도처럼 배치가 곧 의미인 문서를 VLM, OCR, Layout 분석을 조합해 파싱합니다.

- 추출한 값마다 단위, 조건, 원문 위치를 함께 남겨 이후 검색과 검증에서 근거로 쓸 수 있게 합니다.

- 문서 유형별 실패 사례로 평가셋을 만들고, 모델이나 파이프라인을 바꿀 때마다 전후를 비교합니다.

- 요구사항, 부품, 설계 블록 사이의 관계를 표현하는 Ontology와 Knowledge Graph 스키마를 설계합니다.

- 구조화된 설계 데이터 위에서 Retrieval, Reranking, Graph RAG 파이프라인을 구현합니다. 의미 검색, 속성 필터, 수치·범위 조건을 어디에 쓸지 직접 정합니다.

최고 수준의 개발 장비와 AI 도구를 지원해, 연구와 개발에 필요한 자원을 아끼지 않습니다.

1. 프리미엄 개발 장비

LG 32인치 OLED 모니터 지원

허먼밀러(Herman Miller) 사무용 의자 제공

업무에 필요한 추가 사무기기 구매 비용 일부 지원

2. 최신 AI 개발 도구

구성원별 OpenAI Codex 및 Claude Code 유료 플랜 각각 지원 Pro·Max 등 상위 요금제 지원 및 필요시 추가 사용량·요금제 지원

최신 AI 모델과 개발 도구를 적극적으로 활용할 수 있는 환경

3. 고성능 AI 연구 인프라

고성능 GPU 클라우드 인스턴스 적극 지원

대규모 모델 추론, Fine-tuning 및 AI 실험에 필요한 컴퓨팅 리소스 제공 NVIDIA Inception 및 AWS 스타트업 프로그램 기반 연구·개발 인프라 활용

4. 유연하고 쾌적한 근무 환경

업무 특성에 맞는 유연근무

부분 재택근무 지원

강남역 인근 NAVER D2SF 강남 입주 오피스

딥테크 스타트업 및 창업 생태계와 교류할 수 있는 업무 환경

5. 국내외 연구·성장 기회

해외 AI 학회 및 기술 컨퍼런스 참가 기회

국내외 유수 대학·연구기관 연구진과 공동연구 및 협업 기회

글로벌 AI·산업 전시회 참가 및 전시 부스 지원

NAVER D2SF 및 스타트업 생태계의 네트워킹·해커톤·기술 행사 참여

국내외 대기업과의 AI 연구·개발 및 실증 프로젝트 참여

AI 및 EDA 분야의 최신 연구 성과를 실제 산업 문제에 적용할 기회

자격요건

Python 기반 ML / data pipeline 개발 경험
graph data structure, graph algorithm, GNN 중 하나 이상의 경험
PyTorch, PyTorch Geometric, DGL 등 graph ML framework 사용 경험
복잡한 engineering data를 graph 형태로 모델링할 수 있는 능력
ML model output을 실제 제품 workflow와 연결할 수 있는 software engineering 역량

우대사항

CAD 도면, 회로도 등 엔지니어링 문서 처리 경험 - Ontology나 Knowledge Graph를 직접 설계하고 실제 데이터로 채워 본 분
Multimodal Document, Table, Diagram Understanding을 실제 문서로 깊게 다뤄본 분
OCR과 VLM 출력의 오류 패턴을 분석하고, 후처리와 검증 로직으로 품질을 끌어올려 본 분
AI 서비스를 실제 고객 환경까지 배포·운영해 본 경험
Docker, Kubernetes, AWS/EKS, On-Premise 환경 배포 경험