▣ 메가존 소개

메가존은 1998년 웹 에이전시/호스팅 사업으로 IT 산업에 첫 발을 내딛었습니다. 글로벌 IT 기업과 파트너십 체결 및 유수의 국내 엔터프라이즈 고객사의 사이트 구축 및 운영/호스팅을 통한 IT 시장 저변의 확대를 시작하였습니다. 메가존은 IT 산업에 안주하지 않고, 광고/영상으로의 사업 확장을 통해 국내 산업 전반의 흐름을 선도하고 있으며, 개발자/서비스기획자/디자이너/광고AE/아트디렉터 등 다양한 직무의 직원들이 어우러진 회사입니다. 메가존은 직원들의 성장을 위해 직무 관련 교육, 도서 지원 등을 아끼지 않으며, 다양한 복지 제도(버디 프로그램 운영 등)를 통해 직원이 행복한 회사를 지향하고자 합니다.

▣ 제조AX센터 소개

메가존 제조AX센터는 데이터, AI, 클라우드 기술을 연결해 고객사의 업무를 실제 서비스로 구현하고 운영까지 책임지는 조직입니다.

센터는 고객사의 업무와 보유 데이터를 분석하고, 적용할 AI 유스케이스와 모델을 선정합니다. 선정한 모델의 라이선스와 GPU 요구 사양을 검증하고, 데이터 파이프라인과 애플리케이션, 클라우드와 현장 인프라를 함께 설계·구축해요. 구축이 끝난 뒤에는 같은 구조를 여러  고객사에 반복 배포하고 운영할 수 있도록 자동화와 표준화도 진행합니다.

현재는 제조업 기반 중소기업 AX 사업을 추진하고 있습니다. 수요예측, 예지보전, 불량검사, 품질 원인 분석, 문서·도면 이해, 제조 Copilot  같은 과제를 고객사의 데이터 확보 수준에 맞춰 단계적으로 도입합니다. 모델만 제안하는 데서 끝내지 않고 데이터 점검, 모델·하드웨어 추천, PoC,서비스 구축, 현장 연계와 운영까지 하나의 흐름으로 수행합니다.

동시에 고객사마다 반복되는 데이터 수집, 변환, 저장, 카탈로그, 데이터 흐름 추적 작업을 제품화하는 Data Alchemy Studio를 개발하고  있습니다.

이번 채용은 특정 팀 소속을 전제로 하지 않는 제조AX센터 단위 채용입니다. 채용 전형에서 확인한 직무 전문성, 기술 경험, 프로젝트 경험과 입사 시점의 프로젝트 수요를 기준으로 센터 내 배치 팀을 결정합니다. 배치 후에는 각 팀의 전문성을 살리면서 기획·컨설팅, 데이터 엔지니어링,ML, 백엔드·프론트엔드, MLOps, DevOps·인프라 직군과 함께 고객 과제를 수행합니다.

AI 애플리케이션·MLOps 엔지니어를 소개해요!

이 직무는 모델을 고객사가 실제로 쓰는 서비스로 구현하고, 그 서비스를 현장에 배포해 안정적으로 운영하는 역할이에요. 모델을 API와 화면뒤에 붙이는 구현 작업과, 배포·재학습·모니터링을 자동화하는 작업을 함께 맡아요.

모델을 선정하고 추가 학습하는 작업은 같은 활용 사례에 다시 사용할 수 있어요. 하지만 각 고객사의 폐쇄망에 모델을 설치하고, 데이터가 변경될 때마다 재학습해 배포하는 작업은 고객사 수만큼 늘어나요. 따라서 배포와 운영을 얼마나 표준화했는지가 사업 확장 속도를 좌우해요.

따라서 이 직무의 주요 목표는 배포 건수를 늘리는 것이 아니라 폐쇄망 온프레미스 환경에 동일한 구성을 반복해서 배포할 수 있는 표준을 만드는 것이에요. 첫 번째 고객사에 구축한 구성을 두 번째와 세 번째 고객사에도 동일하게 적용할 수 있어야 해요.

서비스 구현 쪽에서는 모델 추론 결과를 API로 열고, 현장 담당자가 쓰는 화면과 고객사의 기존 시스템에 연결해요. UI/UX 기획·컨설턴트가 작성한 화면 정의서를 받아 구현하고, ML 엔지니어가 만든 모델을 서빙 계층에 얹는 자리라 양쪽과 계속 붙어서 일하게 돼요.

이런 일을 해요!

• AI 모델을 실제 서비스로 구현해요. FastAPI 등으로 백엔드를 만들고, 추론 결과를 보여주는 화면까지 맡을 때도 있어요
• API를 설계하고 고객사의 MES, ERP 같은 기존 시스템과 연동해요
• 고객사별 모델 배포·서빙 구조를 표준화해요. 폐쇄망 온프레미스 환경에 동일한 구성을 반복해서 배포할 수 있도록 만들어요
• vLLM, Triton, KServe, TorchServe 같은 모델 서빙 기술로 추론 환경을 구성하고 운영해요
• MLflow, Kubeflow를 기반으로 모델 레지스트리와 실험 추적 환경을 구축하고, 버전 관리와 이전 버전 복구 절차를 만들어요
• 클라우드와 온프레미스 양쪽에서 서비스를 배포하고 운영해요. CI/CD 파이프라인으로 배포 과정을 자동화해요
• 재학습과 자동 배포 절차를 설계하고 구축해요. 학습 데이터 갱신, 재학습, 배포 반영, 원인 분석까지 전 과정을 하나의 파이프라인으로 연결해요
• 인터넷에 연결되지 않은 고객사 환경에 컨테이너 이미지와 모델 가중치를 반입하는 절차를 만들고 문서화해요
• 양자화, 배치 처리 방식, KV 캐시 설정을 조정해 추론 성능을 높이고 GPU 사용량을 줄여요. 긴 컨텍스트를 사용하는 RAG 환경에서 KV캐시가 모델 가중치보다 많은 메모리를 사용하는 경우에도 메모리 사용량을 최적화해요
• 모델 성능 모니터링과 드리프트 감지 체계를 운영해요

이런 분과 함께하고 싶어요! 🙋🏻‍♀️

• 백엔드 개발 또는 MLOps 경력이 3년 이상이고, Python과 백엔드 프레임워크(FastAPI, Django, Spring 등)로 REST API를설계하고 개발해 오신 분
• Docker와 Kubernetes 환경에서 CI/CD 파이프라인을 구성해 보신 분
• vLLM, Triton, KServe, TorchServe 중 2종 이상으로 모델 서빙 인프라를 구축하고 운영해 보신 분
• MLflow, Kubeflow 등으로 모델 레지스트리와 실험 추적을 운영해 보신 분
• 재학습 파이프라인 자동화를 설계하고 구축해 보신 분
• 폐쇄망 환경에 모델을 배포해 보신 분. 인터넷 접근 없이 컨테이너 이미지와 모델 가중치를 반입하는 절차까지 직접 해 보신 경험이 필요해요
• 양자화, 배치 전략, KV 캐시 등 추론 성능 최적화를 실무로 해 보신 분
• 한 번 만든 배포 구조를 다른 엔지니어도 동일하게 적용할 수 있도록 문서화하고 자동화하시는 분

이런 경험이 있으면 더! 좋아요🙆🏻‍♀️🙆🏻‍♂️

• 다수 고객사를 대상으로 동일한 구조를 반복 배포해 보신 분
• GPU 자원 스케줄링과 멀티테넌시 운영 경험이 있으신 분
• AWS, GCP, Azure에서 서비스를 운영해 보신 분. SageMaker, BentoML 같은 매니지드 서빙·MLOps 도구를 써 보셨다면 더 좋아요React 등으로 프론트엔드를 구현해 보신 분
• 요청이 많이 몰리는 서비스를 운영하며 성능과 안정성을 다뤄 보신 분
• 모델 품질 저하를 감지해 자동 롤백하는 체계를 만들어 보신 분
• 제조업의 MES, ERP, SCM을 다뤄 보신 분. 불량 판정이나 설비 이상 예측 결과가 실제 작업 지시에 반영되려면 MES 검사 실적이나SCM 계획 데이터와 연결되어야 해요. 이 시스템 연동을 API나 DB 인터페이스로 구현해 보신 경험을 바로 활용할 수 있어요
• 설치만 하고 끝내지 않고 운영 인계까지 해 보신 분. 고객사 내부에 인프라 운영 인력이 부족한 경우가 많으므로, 구축 후 운영 방법까지함께 설계해 보신 경험이 도움이 돼요

포지션 정보 및 참고사항

• 경력 (3년 이상 ~ )
• 정규직 (정규직 전환을 위한 평가기간 3개월 계약직 운영)
• 수행 업무 및 프로젝트에 따라 평가기간이 달라질 수 있어요.
• 이 직무는 MLOps만 담당하지 않아요. 모델을 서비스로 만드는 백엔드 개발이 업무의 상당 부분을 차지해요
• 외부 인터넷에 연결되지 않은 고객사 환경에서 진행하는 현장 작업이 포함돼요
• 배포 자동화 스크립트, 파이프라인 설계 문서, 서빙 구성 사례가 있다면 함께 제출해 주세요
• 면접에서 폐쇄망 배포 절차와 서빙 구성에 대한 설계 질문이 포함될 수 있어요

합류 여정

• 채용과정 : 지원서 제출(서류 전형) > 실무 면접(기술 인터뷰) > 최종 면접(임원 인터뷰) > 입사 조건 검토 > 최종 합격
• 직무에 따라 전형 절차는 달라질 수 있어요.

지원 시 유의사항

• 지원서 내용, 또는 전형 진행 중 허위 사실이 있는 경우 전형 진행이 취소 될 수 있어요.
• 보훈대상자(취업보호대상자) 및 장애인은 관련 법령에 의거해 우대돼요.
• 사업부서에 따라 상세 근무지는 다를 수 있어요.