데이터엔지니어링(데이터서비스 AI)

td {border: 1px solid #cccccc;}br {mso-data-placement:same-cell;} 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.

• 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.

• 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.

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

• 결과 안내: 지원서 제출 후 2주 이내 개별 메일 연락
• 자기소개서: 문제 해결 역량이 드러나는 경험 사례 기술(전 직군 공통 1문항)
• 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

1. 서류 접수
2. 코딩 테스트
3. 1차 면접
4. 2차 면접
5. 최종 입사 확정