AI Engineer

담당업무

• LLM 기반 Planning, Tool-calling, Multi-step reasoning 구조 설계 및 구현

• Agent State, Memory, Workflow Orchestration, Failure handling 설계

• 법률 질의를 처리하는 RAG 파이프라인의 Query analysis, Hybrid search, Re-ranking, Fact-checking 고도화

• Answer accuracy, Citation precision, Tool-call accuracy, Hallucination rate 등 품질 지표 정의 및 평가 파이프라인 자동화

• 법률 도메인 특화 벤치마크 설계·수집·정제 및 법률 전문가 참여 Human-in-the-loop 평가 운영

• 사용자 피드백과 실패 사례를 Trace 단위로 역추적하고 평가셋과 제품 개선에 반영

• 새로운 Agent·LLM 기법 재현 및 자체 벤치마크 검증

• Latency, Cost, Reliability 관점의 전체 파이프라인 측정 및 최적화

• LLM Provider 활용, Fallback·Retry·Circuit breaker·Routing 등 장애 대응 구조 설계

• Feature flag 기반 점진 배포 및 Metric·Trace 기반 운영 이슈와 품질 저하 원인 분석

자격요건

• LLM 기반 기능을 실제 사용자가 이용하는 프로덕션 서비스로 구현한 경험

• 여러 단계의 LLM Workflow 또는 Agent 시스템을 직접 설계하고 구현한 경험

• 문제를 정량적 지표로 정의하고 실험과 측정을 통해 개선 여부를 판단한 경험

• 새로운 기술을 빠르게 이해하고 직접 검증하여 제품에 적용할 수 있는 역량

• 해외여행 및 출장에 결격·제한 사유가 없는 분

우대사항

• Agent 또는 Multi-agent 시스템을 실제 제품 맥락에서 설계·운영한 경험

• 성격이 다른 검색 엔진과 저장소를 조합한 IR 파이프라인 고도화 경험

• OpenAI, Azure OpenAI, AWS Bedrock 등 다양한 LLM Provider를 실제 서비스 환경에서 평가·운영한 경험

• Hallucination 완화, Citation verification, Guardrail 등 AI 신뢰성 향상 연구 또는 구현 경험

• 법률·금융·의료 등 정확성과 근거 제시가 엄격한 도메인에서 제품을 만든 경험

지원방법

• 이력서는 PDF 파일 형식으로 제출

• 포트폴리오와 프로젝트 추가 자료는 GitHub, Blog, Notion 등 웹 링크 제출 가능

전형절차

1. 서류 지원

2. 1차 직무역량 인터뷰

3. 2차 조직문화 인터뷰

4. 3차 CEO 인터뷰 및 레퍼런스 체크

5. 최종합격

근무환경

• AI Platform Team에서 Product와 Platform 영역을 구분하지 않고 End-to-End 주도

• R&D부터 프로덕션까지 아이디어 구체화, 자체 평가, 제품 적용 전 과정 경험

• AI Platform Team 동료 및 법률 전문가와 협업

• 법률 AI의 신뢰성, 정확성, 근거 제시, 재현성에 대한 품질 책임

마감기한

상시채용