이 공고, 이렇게 물어볼 겁니다
Q1
실제 프로덕션 환경에서 대규모 데이터 파이프라인을 개발하고 운영한 경험이 있을 텐데, 구체적으로 어떤 문제가 있었는지와 어떻게 해결했는지 사례를 하나 꼽아서 말씀해주실 수 있을까요?
🎯 실제 프로덕션 환경에서 대규모 데이터 파이프라인 개발 및 운영 경험 확인
Q2
AI 프로덕트의 백엔드 시스템 및 API를 설계하고 개발한 경험이 있을 텐데, 그때 어떤 기술 스택을 사용했으며, 어떻게 안정적이고 확장 가능한 서비스 구조를 구축했는지 설명해주실 수 있을까요?
🎯 AI 프로덕트 백엔드 시스템 및 API 설계 및 개발 경험 확인
Q3
LLM 또는 AI Agent를 활용한 서비스 개발·운영 경험은 있나요? 만약 있다면, 그때 어떤 평가 데이터셋과 품질 지표를 설계했으며, 평가 과정을 자동화했는지 구체적으로 설명해주실 수 있을까요?
🎯 LLM 또는 AI Agent 활용 서비스 개발·운영 경험 확인
Q4
고트래픽 환경에서 백엔드 시스템의 성능, 확장성, 안정성을 개선한 경험이 있을 텐데, 그때 어떤 접근 방법을 사용했으며, 어떻게 성능을 개선했는지 숫자로 따져 본 사례를 하나 꼽아서 말씀해주실 수 있을까요?
🎯 고트래픽 환경에서 백엔드 시스템 성능 개선 경험 확인
Q5
품질과 비용, 응답 속도 사이의 균형을 숫자로 따져 본 경험이 있을 텐데, 그때 어떻게 균형을 맞추었으며, 어떤 결정 기준을 사용했는지 구체적으로 설명해주실 수 있을까요?
🎯 품질과 비용, 응답 속도 균형 맞추기 경험 확인
질문만 읽으면 컨닝이에요. 소리 내어 답해보세요 — 어디서 틀어지는지 짚어드립니다.
공고 내용
우리가 푸는 문제
AI프로덕트팀은 AI 기술을 실제 서비스와 업무에 적용해 고객과 구성원의 문제를 해결하는 AI 프로덕트를 개발하고 운영합니다. AI Agent를 중심으로 LLM(대규모 언어 모델), 멀티모달 등 최신 AI 모델과 LLMOps(LLM 운영) 기술을 활용하며, 사내 지식과 데이터로 실제 업무까지 수행하는 '물어보새', 고객 데이터로 마케팅과 비즈니스 의사결정을 돕는 '배민360'을 만들고 있습니다. AI가 데이터와 비즈니스 맥락을 이해하고 스스로 탐색·추론해 행동하려면, 그 아래의 데이터와 시스템이 먼저 단단해야 합니다. 이 포지션은 기술 검증에 머무르지 않고, AI가 안정적으로 일할 수 있는 데이터와 백엔드의 기반을 실제 프로덕션에 구현합니다.
당신이 책임지게 될 임팩트
- AI 데이터 엔지니어링 · AI 프로덕트에 필요한 정형·비정형 데이터를 수집, 가공, 저장, 제공하는 데이터 파이프라인을 개발하고 운영합니다.
- 대규모 배치·실시간 데이터를 안정적으로 처리하고, AI Agent가 활용할 수 있는 데이터 구조를 설계합니다.
- AI Agent 및 백엔드 개발 · Python 기반으로 AI Agent와 AI 프로덕트의 백엔드 시스템 및 API를 설계하고 개발합니다.
- AI 모델, 데이터, 검색 시스템, 사내 시스템과 다양한 도구를 연결해 안정적이고 확장 가능한 서비스 구조를 구축합니다.
- 대화 관리, 컨텍스트 관리, 도구 실행 등을 활용해 사용자의 요청을 실제 업무 수행까지 연결하는 Agent를 개발하고 개선합니다.
- AI 서비스 운영 및 LLMOps · AI 프로덕트의 배포, 평가, 모니터링 및 운영 환경을 구축하고 고도화합니다.
- Agent의 실행 과정과 도구 호출을 추적하고, 실패 원인과 성능 병목을 분석합니다.
- 품질, 응답 속도, 비용, 안정성, 시스템 용량을 모니터링하고 지속적으로 개선합니다.
- AI Agent Evaluation 및 품질 개선 · 실제 사용자 문제와 운영 중 발생한 실패 사례를 바탕으로 Agent의 평가 데이터셋과 품질 지표를 설계합니다.
- 평가·검증·실험 과정을 자동화하고, 실제 사용 데이터로 Agent의 품질을 꾸준히 끌어올립니다.
- 최신 AI 기술의 프로덕션 적용 · 새로운 AI 모델과 Agent 기술을 실제 사용자 문제에 적용할 수 있는지 실험하고 검증합니다.
- 품질, 비용, 응답 속도, 운영 복잡도를 고려해 적절한 기술을 골라 실제 서비스에 적용합니다.
우리가 함께 일하고 싶은 사람
- 5년 이상의 데이터 엔지니어링 또는 백엔드 개발 경험이 필요해요.
- 대규모 데이터 파이프라인을 설계, 개발, 운영해 본 경험이 필요해요.
- Python 기반의 백엔드 서비스 및 API를 설계, 개발, 운영해 본 경험을 중요하게 봐요.
- Kubernetes 및 Cloud 환경에서 서비스를 개발, 배포, 운영해 본 경험이 필요해요.
- 안정성, 확장성, 성능을 고려해 시스템을 설계하고 운영해 본 경험을 중요하게 봐요.
- 이런 경험이 있다면 더 잘 맞아요. · LLM 또는 AI Agent를 활용한 서비스 개발·운영 경험
- 실제 사용자 문제를 기반으로 AI·Agent 평가 데이터셋과 품질 지표를 설계하고 평가 과정을 자동화해 본 경험
- 대규모 배치·스트리밍 데이터 파이프라인 설계·운영 경험
- RAG(검색 증강 생성), VectorDB, Elasticsearch 등 검색 및 데이터 활용 시스템 구축 경험
- 온톨로지, Knowledge Graph, Semantic Layer 등을 활용한 데이터·지식 구조화 경험
- 고트래픽 환경에서 백엔드 시스템의 성능, 확장성, 안정성을 개선해 본 경험
- LLMOps·MLOps 또는 AI 서비스의 평가·모니터링 환경 구축 경험
- 품질과 비용, 응답 속도 사이의 균형을 숫자로 따져 보고 결정하는 사람과 일하고 싶어요.
개발 환경
아래는 현재 사용 중인 주요 기술이며, 해결하려는 문제와 운영 환경에 따라 적절한 기술을 검토하고 선택합니다.
- Language·Backend: Python, FastAPI
- Data·Streaming: Spark, Flink, Kafka, Redis, Airflow
- AI·Search: LLM, RAG, VectorDB, Elasticsearch
- Infrastructure: AWS, Kubernetes
- Evaluation·Monitoring: Langfuse, MLflow, Prometheus, Grafana
- Collaboration·CI/CD: GitLab, Jira, Confluence, Slack, GitLab CI, ArgoCD
합류여정
- 코딩 테스트: 개별 응시 안내에 따라 기한 내 익숙한 환경에서 응시해 주세요. 결과 심사에는 약 일주일이 걸립니다.
- 1차 면접: 실무진과 다대일 면접(120분)
- 2차 면접: 리더급 면접위원과 HR 면접위원과 다대일 면접(60분)
- 입사 확정: 평판조회와 처우협의를 거쳐 최종 합격 결정 후, 입사일 조율
- 수습기간: 경력직 기준 입사 후 3개월
- 서류 접수
- 코딩 테스트
- 1차 면접
- 2차 면접
- 최종 입사 확정
회사마다 모든 공고에 똑같이 붙는 안내 문구(지원 절차·서류 반환·개인정보 고지 79자)는 접어뒀어요. 원문에서 전체 보기 →
원문에서 전체 공고 보기 →