AI Product Engineer / 풀스택 개발자

[애드타입을 소개합니다]

애드타입은 데이터와 AI 기술을 기반으로 오프라인 광고의 기획, 실행, 운영, 성과 측정 방식을 고도화하는 광고 인텔리전스 회사입니다.

우리는 지하철, 버스, 편의점, 리테일 매장, 건물, 생활공간, 디지털 사이니지 등 사람들이 실제로 이동하고 머무는 오프라인 접점을 다룹니다.

과거의 오프라인 광고는 주로 ‘어디에 광고를 붙일 것인가’의 문제로 여겨졌습니다. 하지만 지금의 광고주는 더 구체적인 질문을 하고 있습니다.

1. 이 브랜드는 왜 오프라인 광고를 해야 하는가
2. 어떤 소비자와 어떤 공간에서 만나야 하는가
3. 오프라인 광고는 브랜드 인지도, 기억, 구매 맥락, 리테일 접점 확대에 어떤 역할을 해야 하는가
4. 성과는 어떤 기준으로 판단하고, 다음 캠페인에는 무엇을 개선해야 하는가

애드타입은 이 질문에 답하기 위해 만들어졌습니다. 단순히 광고 매체를 제안하고 집행하는 조직이 아니라, 브랜드가 오프라인 광고를 하나의 성장 전략 채널로 이해하고 활용할 수 있도록 돕는 전략 파트너가 되고자 합니다.

[애드타입에 대해 더 알아보기]

애드타입을 처음 접하시는 분들을 위해, 저희가 어떤 문제를 풀고 있고 어떤 방식으로 오프라인 광고 시장을 바꾸고 있는지 확인하실 수 있는 외부 기사와 보도자료를 함께 공유드립니다.

1. [지디넷코리아] “마케팅은 AI 시대, 광고는 아직 20년 전”…애드테크 주목 이유
2. [머니투데이] 옥외광고 패러다임 바꾼다… ‘감’ 아닌 ‘데이터’로 혁신한 이 기업
3. [디지털 인사이트] “감에 의존한 옥외광고, 이제 그만” 양승만 애드타입 사업총괄
4. [매드타임스] 애드타입, 옥외광고 유효인구 성과측정 기술 특허 등록 결정
5. [파이낸셜뉴스] 데이터 기반 옥외광고 에이전시 애드타입, 매출 1,778% 성장
6. [패션비즈] 애드타입, 옥외광고 성과 숫자로 증명... 업계 패러다임 전환 신호탄
7. [중앙일보] 애드타입, 동선 기반 옥외광고 미디어플래닝 서비스 출시

[주요 업무]

1. 애드타입 인텔리전스 제품군 백엔드 개발
2. 서베이레이더, 리뷰레이더, 애드맵, 페르소나 AI, 시뮬레이터 등 애드타입 인텔리전스 제품군의 백엔드 기능을 설계하고 개발합니다.
3. 브랜드, 제품, 캠페인, 타겟, 공간, 매체, 리포트 데이터를 어떻게 구조화하고 연결할지 함께 설계합니다.
4. 기획자가 AI 코딩 도구로 구현한 프로토타입을 기반으로 API, 데이터 구조, 인증·권한, 배포 구조를 정리하고 실제 제품 구조로 전환합니다.
5. AI Agent 시스템 설계 및 워크플로우 구현
6. LLM을 기반으로 리서치, 분석, 요약, 리포트 생성, 제안 자동화 등 실제 업무 흐름을 수행하는 AI Agent 기능을 구현합니다.
7. RAG, Function Calling, Tool Use, MCP, Agent Workflow 등 필요한 기술을 활용해 AI가 내부 데이터와 도구를 호출하고, 결과를 조합하고, 다음 행동을 이어갈 수 있는 구조를 설계합니다.
8. 리뷰레이더, 서베이레이더, 애드맵, 페르소나 AI 등 애드타입 인텔리전스 도구들이 AI Agent와 연결될 수 있는 API 및 실행 구조를 함께 설계합니다.
9. 단순 챗봇이나 데모가 아니라, 실제 제품과 내부 업무에서 반복적으로 사용할 수 있는 Agentic AI 시스템으로 구현합니다.
10. LLM 기반 지식 베이스 구축 및 RAG 파이프라인 설계
11. 리뷰, 검색, 커뮤니티, 서베이, 공간, 매체 데이터 등 다양한 비정형·정형 데이터를 LLM과 AI Agent가 읽고 분석할 수 있는 형태로 정제하고 구조화합니다.
12. 청킹, 메타데이터 설계, 임베딩, 벡터 인덱싱, 검색 구조를 설계해 AI Agent가 필요한 정보를 검색하고 참조할 수 있도록 만듭니다.
13. 필요한 경우 온톨로지, 스키마, 카테고리 체계, 개념 간 관계 구조를 설계해 애드타입 인텔리전스가 활용할 수 있는 지식 베이스를 구축합니다.

1. 백엔드 개발 또는 AI/데이터 기반 제품 개발 실무 경력 5년 이상이신 분
2. 컴퓨터공학, 컴퓨터과학, 소프트웨어공학, 인공지능, 데이터사이언스 등 관련 전공 학사 이상이신 분 또는 이에 준하는 개발 역량과 컴퓨터 과학 기본기를 갖추신 분
3. Node.js, NestJS 또는 Python 기반으로 API 서버와 비즈니스 로직을 설계·개발해본 경험이 있으신 분
4. PostgreSQL, MySQL 등 관계형 데이터베이스를 활용해 데이터 모델을 설계하고 SQL을 작성해본 경험이 있으신 분
5. LLM, AI Agent, RAG, Function Calling, Tool Use 등 AI 애플리케이션 개발 개념을 이해하고 직접 구현해본 경험이 있으신 분
6. LLM을 단순 호출하는 것을 넘어, 외부 도구·데이터·API를 연결해 실제 업무 흐름을 수행하는 Agent Workflow에 관심이 있으신 분
7. 기획 요구사항을 기술적 구조와 동작하는 MVP로 바꿔본 경험이 있으신 분
8. 기획자, 사업 담당자와 제품 요구사항을 함께 정리하고 구현 방향을 논의할 수 있으신 분

※ 지원하신 직군과 관련된 포트폴리오, GitHub, 기술 블로그, 배포 URL, 데모 영상 등이 있으시다면 함께 제출 필요

1. AI Agent 기반 제품 기능을 기획부터 개발, 배포, 운영까지 직접 구현해본 경험이 있으신 분
2. RAG, Agent Workflow, Multi-Agent, Function Calling, Tool Use, MCP 등을 활용해 실제 동작하는 시스템을 만들어본 경험이 있으신 분
3. LangChain, LlamaIndex, LangGraph, CrewAI 등 LLM/Agent 애플리케이션 프레임워크를 활용해본 경험이 있으신 분
4. OpenAI, Anthropic, Gemini 등 LLM API를 활용해 실제 기능 또는 자동화 도구를 만들어본 경험이 있으신 분
5. RAG 파이프라인, 벡터 DB, 검색 리랭킹, 임베딩 전략, 문서 인덱싱 구조를 직접 설계하거나 구현해본 경험이 있으신 분
6. 온톨로지, 지식 그래프, 카테고리 체계, 데이터 스키마 설계 등 비정형 데이터를 지식 구조로 바꿔본 경험이 있으신 분
7. Docker, AWS/GCP, CI/CD, 모니터링 등 기본적인 서비스 배포·운영 환경에 대한 이해가 있으신 분
8. Next.js, React, TypeScript 기반의 프론트엔드 개발 경험이 있으신 분

[이런 분과 함께하고 싶습니다]

1. AI를 단순 개발 보조 도구가 아니라, 제품과 업무 시스템을 바꾸는 기술로 바라보는 분
2. LLM 모델 자체보다, LLM을 활용해 실제 업무를 수행하는 AI Agent 시스템에 관심이 있는 분
3. 빠른 프로토타입을 좋아하지만, 동시에 운영 가능한 제품 구조와 유지보수성을 중요하게 생각하는 분
4. 프론트엔드 화면 구현보다 백엔드 구조, 데이터 모델, API, AI Agent 워크플로우, 시스템 안정화에 더 강점이 있는 분
5. 기획자가 만든 프로토타입을 비판적으로 바라보되, 그 속도를 죽이지 않고 제품 구조로 받아낼 수 있는 분
6. 비정형 데이터를 LLM과 AI Agent가 이해하고 분석할 수 있는 지식 구조로 바꾸는 일에 관심이 있는 분
7. 불완전한 요구사항 속에서도 핵심 문제를 파악하고, 동작하는 결과물로 빠르게 검증하는 방식을 선호하는 분
8. 광고, 마케팅, 리서치, 공간 데이터처럼 낯선 도메인을 배우고, 이를 제품 구조와 데이터 구조로 바꾸는 일에 흥미가 있는 분

서류전형 > 1차 컬쳐핏 인터뷰 > 실무 인터뷰 > CEO 인터뷰 > 최종합격

1. 서류 전형: 자유 형식의 이력서와 자기소개서를 제출해주세요.
2. 지원하신 직군과 관련된 포트폴리오, GitHub, 기술 블로그, 배포 URL, 데모 영상 등이 있으시다면 함께 제출해주세요.
3. 서류 전형에서는 단순 경력 연차보다, 실제로 어떤 문제를 어떻게 풀어보셨는지, 어떤 기술을 왜 선택하셨는지, 백엔드·데이터·LLM 애플리케이션 개발 경험을 어떻게 쌓아오셨는지를 중심으로 검토합니다.
4. 1차 컬쳐핏 인터뷰에서는 지원자분과 애드타입과의 fit을 알아가는 시간이 있습니다. 애드타입이 풀고 있는 문제, 일하는 방식, AI 기반 제품 개발 방식에 대해 함께 이야기 나눕니다.
5. 실무 인터뷰에서는 백엔드 개발 경험, LLM 애플리케이션 구현 경험, RAG·지식 베이스 설계 경험, AI 개발 도구 활용 방식, 문제 해결 방식에 대해 대화를 나누게 됩니다.
6. 필요 시 지원자님의 경험과 문제 해결 방식을 더 잘 이해하기 위한 간단한 사전 질문 또는 실무 과제가 있을 수 있습니다.
7. 실무 과제 또는 라이브 세션이 진행되는 경우, 암기식 알고리즘 테스트보다는 실제 업무와 유사한 문제를 어떻게 이해하고 구조화하는지 확인하는 방식으로 진행합니다.
8. 과제나 라이브 세션에서는 평소 사용하시는 AI 개발 도구(Cursor, Claude Code, Codex 등)를 활용하셔도 됩니다. 애드타입은 AI 도구 사용 자체보다, 이를 활용해 문제를 어떻게 정의하고, 검증하고, 실제 동작하는 구조로 만드는지를 보고자 합니다.

[지원 시 참고사항]

1. 채용 프로세스 전 과정에서 제출한 서류에 허위 기재 사실이 발견될 경우, 채용 확정 이후에도 채용이 취소될 수 있습니다.
2. 정규직 채용의 경우, 3개월의 sync-up 기간이 있습니다. (sync-up 기간 중 처우와 복지는 모두 동일합니다.)
3. 각 전형별 결과는 7일 이내 개별적으로 안내 드립니다.