시니어 백엔드 (백엔드 리드) — 경력 7년 이상

주요업무

우리는 누구인가 우리는 사람의 눈과 귀로는 알아챌 수 없는 "보이지 않는 신호"를 디지털 콘텐츠 안에 심어, 그 콘텐츠가 어디에서 만들어졌고 어디로 흘러갔는지를 추적하는 기술을 만듭니다. 오디오, 이미지, 영상, 문서 — 네 가지 모달리티에 걸쳐 스텔스 워터마크 솔루션을 연구개발하고 상용화하고 있습니다. AI가 콘텐츠를 무한히 복제하고 생성하는 시대에, 진짜와 가짜를 가려내고 출처를 증명하는 기술 인프라를 만들고 있습니다. 현재 6명의 컴팩트한 팀으로 운영 중이며 10명 규모로 증원합니다. 4개 모달리티 모두 MVP 배포 또는 임박 상태이고, 다음 12~24개월의 핵심 비전은 SDK 라이선스 사업에서 추적 SaaS 구독 사업으로의 전환입니다. 그 전환의 인프라 척추를 처음부터 함께 설계할 사람을 찾습니다. 이 자리에 대해 이 자리는 단순한 백엔드 엔지니어 자리가 아닙니다. 회사의 다음 시기 매출 모델- 추적 SaaS 의 인프라를 처음부터 책임지는 자리입니다. 워터마크 추적 사업은 본질적으로 대용량 미디어를 지속적으로 모니터링하고 분석하는 인프라 사업입니다. 오디오·영상 디코딩 파이프라인, ML 모델 서빙, 분산 처리, 웹 크롤링, GPU 자원 관리 — 이 모든 게 하나의 일관된 시스템으로 묶여야 합니다. 그리고 그 시스템은 1년 후 SDK 사업과 SaaS 사업을 모두 받쳐야 합니다. 기존 백엔드 1명 체제에서 신규 2명 체제로 전환하면서, 시니어 한 분이 인프라/추적 영역을 주도하고 미들 한 분이 제품 백엔드를 담당하는 페어 구조로 운영합니다. 시니어는 두 영역의 아키텍처를 모두 검토하며, 백엔드 페어 전체의 기술 의사결정을 책임집니다. 주요 업무 추적 인프라 설계 및 구축 • 워터마크 검출 SDK/API 서빙 인프라 설계 및 운영 • 대용량 미디어 처리 파이프라인 구축 - 오디오/영상 디코딩, 프레임 추출, 분산 처리 • 웹/스트리밍 플랫폼 모니터링 시스템 - 자동 크롤링, 콘텐츠 수집, 검출 파이프라인 • ML 모델 서빙 — 모델 배포, 추론 최적화, GPU 자원 관리 • Tracker SaaS의 코어 백엔드 아키텍처 — 멀티 모달리티 통합 대시보드를 받칠 데이터 모델 및 처리 흐름 R&D 팀과의 협업 • CTO 및 AI 리서처/빌더와 협업하여 연구 결과물을 프로덕션 시스템에 이식 • MVP 단계의 R&D 결과물을 안정적인 서비스로 전환 • 워터마크 검출 정확도와 처리 속도의 트레이드오프를 인프라 관점에서 최적화 운영과 보안 • Docker/Kubernetes 기반 서비스 운영 • 관측성(observability) 인프라 — 로깅, 메트릭, 알림 • 고객 데이터 처리에 대한 보안 정책 수립 및 실행 (B2B/B2G 모두 보안 민감)

자격요건

필수 • 백엔드 또는 인프라 엔지니어 7년 이상 경력 • 미디어 처리 (FFmpeg, GStreamer 등) 또는 대규모 분산 처리 (Kafka, Spark, Ray, Celery 등) 중 하나 이상에 대한 깊은 실무 경험 • 프로덕션 환경에서 시스템 아키텍처를 직접 설계하고 운영해본 경험 (단순 구현 이 아닌 "왜 이렇게 만들었는가"에 대한 자신만의 답을 가진 경험) • Docker, Kubernetes 기반 서비스 운영 경험 • Python, Go, Java/Kotlin, Node.js 중 둘 이상에 능숙 (Python 강력 우대 - R&D 팀과의 협업 효율) • PostgreSQL/MySQL 등 RDB와 Redis/MongoDB/Elasticsearch 등 NoSQL/검색 엔진 모두 운영 경험 • AWS, GCP, Azure 중 하나 이상에서의 프로덕션 운영 경험

우대사항

우대 • ML 모델 서빙 경험 — Triton, TorchServe, BentoML, KServe 등 • GPU 인프라 운영 경험 — CUDA 이해, GPU 스케줄링, 추론 최적화 • 웹 크롤링 또는 OSINT 시스템 구축 경험 • 미디어 산업(스트리밍, OTT, 음원 유통, 방송) 백엔드 경험 • 보안 솔루션 또는 DRM/DLP 백엔드 경험 • 스타트업 초기 멤버로 백엔드 기능을 0에서 1로 만들어본 경험 • 후배 엔지니어 멘토링 또는 기술 리딩 경험 이런 분이라면 더 잘 어울립니다 • "왜 이 기술 스택을 선택했나"에 자기 답이 있고, 동시에 그 답을 의심하는 사람 • R&D 결과물을 프로덕션으로 옮기는 일의 어려움과 가치를 모두 이해하는 사람 • "잘 동작하는" 코드보다 "오래 살아남는" 시스템을 더 중요하게 생각하는 사람 • 후배가 잘 자라도록 시간을 쓰는 일에 보람을 느끼는 사람 • AI 코딩 도구(Claude Code, Cursor 등)를 자신의 생산성 도구로 적극 활용하 는 사람

기술스택

Python, Go, Celery, ElasticSearch, PostgreSQL, Kafka, Kubernetes, AWS, Framer, CUDA

채용절차

채용 프로세스 • 1단계: 서류 검토 (이력서 + 포트폴리오/GitHub) • 2단계: 대표·CTO 1차 인터뷰 ( 회사 비전 및 후보자 경력 심층)+ 기술 인터뷰 ( 시스템 설계 디스커션 중심) • 3단계: 레퍼런스 체크 (협의) • 4단계: 처우 협의 및 최종 오퍼 지원 방법 아래 자료를 첨부하여 지원해 주세요. • 이력서 (자유 양식) • 포트폴리오 — GitHub, 기술 블로그, 또는 직접 설계·운영했던 시스템에 대한 글/문서 • (선택) 지금까지 만들어온 시스템 중 가장 자랑스러운 것 하나에 대한 짧은 글 (500~1000자) — "무엇을, 왜 그렇게 만들었는가" 우리는 "보이지 않는 신호"를 만드는 회사입니다. 그 신호가 안정적으로 흐르도록 만들어줄 인프라 동료를 기다립니다.