AI Engineer (FDE)

[함께 해결하게 될 문제]

우리는 Text-to-SQL과 Ontology를 완성된 기술이라고 생각하지 않습니다. 현재도 실제 프로젝트를 통해 다음을 계속 검증하고 있습니다.

• 어떤 Ontology 구조가 가장 유지보수하기 쉬운지

• 어떤 검증 방식이 가장 신뢰할 수 있는지

• 어떤 데이터 모델이 AI 성능을 가장 높이는지

입사 후에는 팀과 함께 다음과 같은 문제를 해결하게 됩니다.

• 고객 인터뷰를 통해 업무 규칙과 암묵지를 발견

• 업무 규칙을 Ontology로 구조화

• Text-to-SQL이 올바른 의미를 이해하도록 AI 로직 설계

• 실제 데이터로 검증하고 반복 개선

• 프로젝트에서 검증된 방법론을 공통 자산으로 발전

우리는 Text-to-SQL 전문가를 찾는 것이 아닙니다. RAG나 LLM 서비스를 실제 운영해본 경험을 바탕으로, 함께 Enterprise AI의 방법론을 만들어 갈 사람을 찾고 있습니다.

[FDE는 어떻게 일하나요?]

프로젝트는 PM, FDE, PE가 하나의 스쿼드로 함께 수행합니다.

• PM: 고객 문제 정의, 프로젝트 설계, 사용자 경험 및 화면 기획, 프로젝트 운영

• FDE: 고객 업무와 데이터 이해, Ontology 설계, AI 로직 구현, Text-to-SQL 검증 및 고도화

• PE: 백엔드, 인프라, 배포, 운영 안정화 및 서비스 구현

예를 들어 고객이 "지난달 영업이익이 감소한 원인을 알려줘."라고 질문하면, PM은 고객이 원하는 문제를 구체화하고, FDE는 고객의 업무 규칙과 데이터를 분석하여 AI가 올바르게 이해할 수 있도록 Ontology와 AI 로직을 설계합니다. PE는 이를 실제 서비스로 구현하고 안정적으로 운영될 수 있도록 시스템을 구축합니다.

우리는 기능을 나누는 조직이 아니라, 하나의 고객 문제를 서로 다른 관점에서 함께 해결하는 팀입니다.

[필수]

• Python 기반 백엔드 개발 경험

• LLM 기반 서비스를 실제 운영 환경까지 개발하거나 운영한 경험

• RAG 또는 이에 준하는 AI 서비스를 서비스에 적용한 경험

• 고객 요구사항을 기술적으로 해결한 경험

• 모호한 문제를 정의하고 구현까지 연결한 경험

[있으면 더욱 좋습니다]

• Agent 개발 경험

• Evaluation(Evals) 구축 경험

• Text-to-SQL 경험

• Ontology 설계 경험

• Vector Database

• Graph Database

• 제조·유통·물류 시스템(SAP, MES, ERP, DW 등) 경험

[채용절차]

① 지원

이력서와 함께 아래 자료 중 가능한 것을 보내주세요. (GitHub / 기술 블로그 / 포트폴리오 / 프로젝트 소개 자료)

② AI 기반 기술 인터뷰 (약 40분)

AI와 비대면 화상 면접으로 진행됩니다. 이력서와 프로젝트 경험을 바탕으로 맞춤형 기술 및 인성 질문이 진행됩니다. 주요 확인 내용은 LLM 서비스 운영 경험, RAG, AI 시스템 설계, 기술적 의사결정 과정, 문제 해결 방식, 성장 방향입니다. AI는 질문과 기록을 담당하며, 최종 평가는 CBO와 대표가 직접 검토합니다.

③ 대면 면접 (약 2시간)

대면 면접에서는 코딩 테스트나 알고리즘 시험을 진행하지 않습니다. 대신 실제 프로젝트를 기반으로 한 비식별 사례를 함께 보며, 고객의 요구사항을 어떻게 이해하는지, 데이터에서 어떤 질문을 먼저 하는지, 업무 규칙을 어떻게 구조화할 것인지, AI가 신뢰할 수 있는 답을 만들기 위해 무엇을 검증할 것인지를 함께 이야기합니다. 이후 CBO와 대표가 함께 참여하여 지금까지의 경험, 함께 일하는 방식, 앞으로 해결하고 싶은 문제, 역할 및 처우를 편하게 이야기합니다.