이 공고, 이렇게 물어볼 겁니다
Q1
AI 모델 추론 요청이 몰릴 때 시스템이 어떻게 무너지고 있었는지, 그 구체적인 상황을 말씀해주세요. 응답 시간이 얼마였고, 어느 지점에서 timeout이 났나요?
🎯 대규모 트래픽 문제를 정량적으로 정의했고 측정했는지 검증. Kafka/Redis 최적화가 추상이 아니라 구체적 병목 제거로 착지되는지 확인
Q2
AI 모델을 프로덕션에 배포했을 때 예상 밖의 문제가 생긴 경험이 있나요? 그때 몇 시간 만에 파악했고, 그 이후로 배포 프로세스에서 뭘 바꿨는지 사례 하나를 구체적으로 말씀해주세요.
🎯 실패에서의 학습 속도와 시스템적 개선 여부를 검증. 개인이 이후 의사결정(배포 안정성)을 실제로 바꿨는가의 근거 확인
Q3
특정 AI 모델의 입출력을 Redis로 캐싱할 때, 캐시가 '낡은 데이터를 줄 가능성'과 '응답 속도' 사이의 트레이드오프를 어떻게 풀었나요? 그 모델에 대해 TTL을 얼마로 정하셨고, 그 숫자의 근거가 뭐죠?
🎯 캐싱의 일관성-성능 트레이드오프를 이해하는지 검증. 임의 판단이 아니라 데이터/도메인 기반 의사결정을 하는 사람인지 확인
Q4
Feature Store나 Airflow 기반 ETL 파이프라인을 도입했을 때, 팀의 '무엇'이 실제로 바뀌었나요? 한 가지 핵심 지표로 말씀해주세요. 그리고 그걸 어떻게 측정했는지.
🎯 데이터 인프라 개선이 실제 팀 생산성/모델 품질로 얼마나 나타났는가를 정량화했는지 검증. 팀 전체 성과 중 본인 개인 기여의 경계를 그을 수 있는가
Q5
LLM을 활용한 프로젝트에서 '이게 성공했다'를 뭘로 판단했어요? 비용이면 몇 %, 정확도면 baseline 대비 몇 %, 사용성이면 그걸 어떻게 구체적으로 재셨나요?
🎯 LLM 프로젝트 성공을 추상적으로 정의하지 않고 단일 수치로 말하는가. 배포 전 가정을 실제로 검증했는가의 프로세스 확인
질문만 읽으면 컨닝이에요. 소리 내어 답해보세요 — 어디서 틀어지는지 짚어드립니다.
공고 내용
LINE Pay는 대만을 기점으로 글로벌 시장에서 결제, 송금 등 다양한 서비스를 제공하고 있습니다.
LINE Pay AI 조직은 AI 기반 핀테크 모델과 솔루션을 개발하며, 데이터 및 AI 플랫폼을 통해 서비스와 비즈니스의 성과로 연결합니다. 현재 대만 LINE Pay의 AI/데이터 기반 업무 혁신을 주도하고 있으며, 추천 시스템 고도화와 사용자/가맹점주 대상 맞춤형 솔루션 개발을 통해 서비스 경쟁력을 높이고 있습니다.
저희는 업무 영역의 경계를 넘어 AI/데이터 기반 혁신을 선도하기 위해 최신 기술을 습득하고 최적의 솔루션 발굴을 위해 끊임없이 고민하며, 혁신적인 모델과 알고리즘을 현장에 적용하여 사용자에게 최고의 서비스를 제공합니다.
AI/데이터 기술을 바탕으로 LINE Pay 서비스를 글로벌 선두 주자로 만들어갈 분들을 기다립니다.
담당업무
- Backend Architecture & Optimization
- 트래픽 분산(Load Balancing), 대용량 요청 처리 기반 백엔드 API 설계 및 개발
- LLM/AI 모델의 긴 추론 시간을 효율적으로 처리하기 위한 비동기 메시지 기반의 메시지 큐(Kafka) 아키텍처 설계 및 운영
- AI 모델의 반복적인 추론 비용을 줄이고 응답 속도를 개선하기 위한 캐싱(Redis) 시스템 개발 및 최적화
- AI Model Serving & API Development
- AI/ML 모델의 프로덕션 서빙을 위한 고가용성 API 설계 및 성능 최적화
- AI 모델 입력 데이터의 전처리 자동화(Feature Store 적용 등) 및 파이프라인 연계
- 모델 안정적 배포/운영될 수 있도록 서빙 구조와 운영 환경 고도화
- AI Agent Development
- LLM 기반의 AI 에이전트 및 RAG(Retrieval-Augmented Generation) 아키텍처 설계
- AI 기반 서비스 개발과 운영 최적화를 위한 워크플로우 설계 및 외부 서비스 연동
자격요건
- 데이터 서빙을 위한 API 연동 개발 및 데이터 처리 경험이 있으신 분
- AI/ML 모델 관련 시스템 개발 및 운영 경험이 있으신 분
- LLM을 활용한 프로젝트 수행 또는 업무 자동화 경험이 있으신 분
- 해외 출장 및 근무에 결격 사유 없으신 분
우대사항
- Apache Airflow 기반 ETL 파이프라인 개발 및 운영 경험이 있으신 분
- Docker, Kubernetes(K8s) 기반 데이터 파이프라인 구축 및 운영 경험이 있으신 분
- AWS 기반 데이터 플랫폼 구축 경험이 있으신 분
- Vector DB 구축 및 검색 성능 최적화 경험이 있으신 분
- 글로벌 결제/핀테크 서비스에 대한 이해 및 서비스 개발 경험이 있으신 분
- JVM 기반 언어(Java/Kotlin) 및 Spring Boot, JPA를 활용한 백엔드 시스템 개발 경험이 있으신 분
전형안내
- 서류 전형 > 코딩테스트 전형 > 1차 면접 > 2차 면접 > 레퍼런스 체크 및 처우 협의 > 최종 합격 > 입사
- 전형은 상황 및 일정에 따라 변경될 수 있습니다.
근무제도
근무형태 (LINE Hybrid Work 2.0)
근무지
(※ 오프라인 협업을 위한 오피스는 판교역 그레이츠 판교에 있습니다.)
근무시간
기타
보훈 취업지원 대상 및 장애인 서류 제출 안내
회사마다 모든 공고에 똑같이 붙는 안내 문구(지원 절차·서류 반환·개인정보 고지 915자)는 접어뒀어요. 원문에서 전체 보기 →
원문에서 전체 공고 보기 →이 회사 다른 포지션 · 비슷한 공고
일본어 전문 통번역 프리랜서Corporate · TemporarySenior Security Professional (게임서비스 분야)Engineering · Full-timeLINE studioAI Ad platform PMPlanning · Full-timePM·기획AI SaaS Sales & Business Development ManagerBusiness & Sales · Full-timePM·기획 · 영업·사업Backend Software Engineer백엔드LINE Pay (Thailand) Korea OfficeLINE Pay Server EngineerEngineering · Full-time백엔드LINE Pay Plus