AIR 부문을 소개합니다!

AIR 부문은 메가존 클라우드에서 AI & Data 부문을 책임지는 전사 부서로서 

기업의 AI 네이티브 전환을 지원하는 종합 AI 서비스를 책임지고 있습니다. 
온프레미스 부터 클라우드 까지 기업에서 필요한 생성형 AI / AI & ML / Data Founation 영역에 대한 컨설팅 및 구축/운영을 서비스하는 부서입니다.

이런 일을 해요!

#주요 역할

• AI 시스템의 아키텍처와 기술 전략을 설계하고 end-to-end로 리드해요.
• 주니어/미들급 엔지니어를 리드하며 코드,설계를 리뷰하고 품질 기준을 설정해요.
• 고객 및 비즈니스 리더와 직접 커뮤니케이션하며 AI 프로젝트의 KPI,ROI를 설계하고 설명해.

#핵심 요구 역량 (항목 중 4개 이상의 실무적 역량 요구)
- AI 전반 모델링 및 기반 기술 선택 및 솔루션 디자인 리드
문제 정의에 따라 적합한 알고리즘/모델 패밀리(LLM, CV, NLP, RL 등)를 선택,설계할 수 있는 수준
성능,지연시간,비용 간 트레이드오프를 고려한 모델 구조,학습 전략을 설계하고, 팀을 리드

- 에이전트 아키텍처 및 오케스트레이션 설계
멀티 에이전트/툴 기반 아키텍처를 설계하고, 복잡한 워크플로우를 안정적으로 오케스트레이션
프롬프트 전략, 메모리 관리, 컨텍스트 윈도우, 툴 호출 정책 등 시스템 레벨 설계를 주도

- 클라우드 아키텍처 설계
AI 워크로드에 최적화된 클라우드 네이티브 아키텍처를 설계 (멀티/하이브리드 클라우드 포함)
성능,비용,보안,확장성 등을 균형 있게 고려한 인프라 구조와 표준을 정의
​
- MLOps/DevOps 체계 구축 및 고도화
모델 개발→검증→배포→모니터링까지 이어지는 E2E MLOps 파이프라인 설계,구축 리드
조직 차원의 베스트 프랙티스, 브랜치 전략, 환경 전략(Dev/Staging/Prod)을 수립

- 대규모 서빙 인프라 및 성능 최적화
대규모 트래픽,대용량 모델을 위한 서빙 플랫폼 구조 설계 (GPU 풀, Autoscaling, Multi-model Serving 등)
추론 최적화(배치 처리, 캐싱, 경량화)와 SLO/SLI/SLA 기반 성능 관리 체계를 주도 경험

- 데이터/Feature 전략 설계
데이터 파이프라인,Feature Store,데이터 거버넌스 전략을 설계하고, 팀이 따를 수 있는 표준을 제시
데이터 품질,드리프트,라인리지에 대한 모니터링 및 개선 프로세스를 정의

- Full-Stack 아키텍처 및 기술 선택
프론트/백엔드/DB,캐시,API 게이트웨이 등 전체 애플리케이션 구조를 설계하고 기술 스택을 결정
AI 기능을 자연스럽게 녹여낸 UX 플로우 설계 및 기술적 현실성과 유지보수성을 고려한 판단

- Observability,운영 전략 수립
모델,데이터,인프라 전반에 대한 모니터링/로깅/트레이싱 전략을 설계하고 표준 지표를 정의
장애 대응 프로세스, On-call 체계, 장애 후 회고(Blameless Postmortem) 문화 정착 리드

- 윤리,안전,컴플라이언스 체계 리드
편향,공정성,유해성 관련 정책과 기술적 가이드를 정의하고, 이를 프로덕션에 반영하는 프로세스를 설계
개인정보 보호, 규제 준수, Explainability 요구사항을 고려하여 아키텍처,모델,데이터 전략을 조정

- 비즈니스 파트너십 및 ROI 오너십
비즈니스 요구사항을 발굴,정교화하여 AI Use Case를 정의하고, KPI,ROI 모델을 설계
C레벨,사업부와의 논의를 통해 우선순위를 조정하고, AI 프로젝트의 비즈니스 임팩트를 명확히 설명,보고

이런 분과 함께하고 싶어요! 🙋🏻‍♀️

#End-to-End AI 시스템 구축,운영 경험
AI 모델 개발 및 응용 서비스 기획 → 데이터 파이프라인 → 모델 학습/검증 → 서빙/배포 → 모니터링까지 이어지는 E2E 파이프라인을 주도적으로 설계,구축한 경험 1건 이상
실사용자(내부/외부)가 있는 프로덕션 환경에서 AI 기능을 운영한 경험

#클라우드 아키텍처 및 MLOps 경험
AWS/Azure/GCP 기반 아키텍처 설계 및 비용,성능,보안을 고려한 구조 설계 경험
Docker/Kubernetes 기반 컨테이너 환경에서 AI/웹 서비스를 운영한 경험
CI/CD 및 MLOps(모델 레지스트리, 실험 관리, 자동 배포 등) 체계 구축 또는 고도화 경험

#Full-Stack 개발 리드 경험
Frontend–Backend–DB–API까지 이어지는 전체 서비스 아키텍처 설계,구현 리드 경험
마이크로서비스, API 게이트웨이, 인증/인가 등 서비스 아키텍처 요소에 대한 실무 경험

#AI 성능,비즈니스 임팩트 개선 경험
모델 성능(정확도, 지연시간, 처리량 등) 또는 인프라 비용(리소스 최적화)을 유의미하게 개선한 경험
KPI/ROI 관점에서 비즈니스 지표(전환율, 이탈률, 운영 효율 등)를 개선한 경험

#리딩 및 협업 경험
주니어/미들급 엔지니어 또는 프로젝트 팀을 리드하며 코드 리뷰, 설계 리뷰를 수행한 경험
PM, 비즈니스 오너, 데이터 팀 등과의 협업을 통해 요구사항 정의 및 우선순위 조정을 주도한 경험

이런 경험이 있으면 더! 좋아요🙆🏻‍♀️🙆🏻‍♂️

• 컴퓨터, 전기,전자, 수학,통계, 인공지능, 데이터사이언스 등 관련 전공이면 더 좋아요.
• 알고리즘, 자료구조, 운영체제, 네트워크, 분산시스템, 데이터베이스 등 Computer Science 기초에 대한 탄탄한 이해가 있으면 더 좋아요.
• LLM/생성형 AI, 추천 시스템, 컴퓨터 비전, 음성 인식/합성, 강화학습 등 중 한 분야 이상의 깊이 있는 경험이 있으면 더 좋아요.
• 논문 구현, 벤치마크 재현, 오픈소스 기여 등으로 전문성 증명할 수 있으면 더 좋아요.
• 대규모 트래픽,대용량 시스템(고가용성(HA),Auto Scaling,멀티 리전,캐싱) 안정화 운영 경험이 있으면 더 좋아요.
• AI/서비스 관련 사내 표창, 특허, 논문, 외부 컨퍼런스 발표 경험이 있으면 더 좋아요.
• 팀 빌딩, 기술 조직 문화 개선, 기술 표준 수립 등 리더십 활동 경험이 있으면 더 좋아요.
• 클라우드 자격증 (AWS, Azure, GCP 등) 또는 머신러닝/데이터 관련 자격증 보유하고 있으면 더 좋아요.
• 기술 블로그, GitHub/오픈소스 활동, 커뮤니티/스터디 리딩 등의 지속적인 학습과 공유 활동 경험이 있으면 더 좋아요.

포지션 정보

• 경력(8년~15년 미만)
• 정규직 (정규직 전환을 위한 평가기간 3개월 계약직 운영)

합류 여정

• 채용과정 : 지원서 제출 > 1차 실무면접 >  2차 바레이저면접 > 3차 최종면접 > 입사조건검토 > 최종합격
• 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.
• 필요 시 레퍼런스 체크, 인성검사가 진행 될 수 있습니다.
• 주 근무지는 과천 본사이며, 사업부서에 따라 상세근무지가 달라질 수 있습니다.