FDE(DS)

주식회사 인공지능팩토리를 소개해요

• 인공지능팩토리는 공공기관과 기업에 특화된 AI 에이전트 솔루션을 만드는 AI 기업입니다.
• 많은 기업의 AI 에이전트가 데모와 PoC에 머물 때, 우리는 에이전트를 실제 업무 현장에 투입해 성과로 증명해 왔습니다. 주요 공공기관·공기업에 AI 에이전트 시스템을 납품하고 운영하고 있는, 업계에서 몇 안 되는 팀입니다.
• 보안 요건이 까다로운 폐쇄망 온프레미스부터 클라우드 SaaS까지, 기관의 환경 그대로 에이전트를 구축하고 운영합니다. 여기에 경진대회로 검증한 모델과 데이터를 더해, 현장에서 바로 작동하는 AI를 빠르게 만들어 냅니다.
• ㆍ어시웍스 (AssiWorks) - 노코드 AI 에이전트 빌더: 코딩 없이 툴 등록, 에이전트 구성, 워크플로우 자동화 세 단계로 기관 전용 AI 에이전트를 만드는 플랫폼입니다. 내부 API·DB·문서 시스템과 연동되며, 폐쇄망 온프레미스 설치를 지원합니다.
• ㆍ경진대회 플랫폼 - AI 모델 검증·발굴: AI 모델의 성능을 겨루고 검증하는 경진대회·해커톤 운영 플랫폼입니다. 실시간 리더보드와 추론 자동화로 참가자 모델을 자동 평가하며, 여기서 검증된 모델이 실제 사업의 출발점이 됩니다.
• ㆍAF ARENA - AX 학습형 해커톤: AI 전환(AX)을 위해 학습과 해커톤을 결합한 러닝톤 (Learning-thon) 프로그램입니다. 참가자가 배우는 동시에 실전 문제를 풀며 AI 역량을 몸에 익히도록 설계했습니다.
• [직무 소개]
• 공공 AX 전환의 최전선에서, 데이터와 AI로 '진짜 작동하는 시스템'을 만드는 Data Science 중심 FDE를 찾습니다.
• 고객은 이제 단순 화면과 기능 개발이 아니라 AI 플랫폼과 대규모 데이터 자동화를 요구합니다. 발주처가 가진 문서·정형 데이터·업무 로그는 제각각이고, 요구사항은 모호합니다. 이 데이터를 분석해 문제를 정의하고, AI 에이전트·RAG·데이터 파이프라인으로 실제 구동되는 솔루션까지 만들어 내는 사람이 우리가 정의하는 FDE입니다.
• 단순히 모델 정확도를 올리는 연구자도, 스펙대로 코드만 짜는 개발자도 아닙니다. 고객 현장에 들어가 데이터로 문제를 풀고, 그 결과를 운영 가능한 시스템으로 납품하는 빌더입니다. 산림·에너지·원자력 분야 등 공공기관에서 진행 중인 에이전트 사업에 투입되어, 기관의 실제 업무를 수행하는 에이전트를 설계하고 검증합니다.

이런 업무를 해요

• ㆍAI 에이전트 설계·구축: LangGraph, DeepAgents 등으로 툴 호출·멀티스텝 추론·워크플로우를 수행하는 업무용 에이전트를 설계하고, 기관 내부 시스템(API·DB·문서)과 연동해 구축합니다.
• ㆍ에이전트 검증·평가: 시나리오 기반 테스트셋과 평가 지표로 에이전트의 정확도·안정성을 검증하고, 결과를 바탕으로 개선 사이클을 운영합니다.
• ㆍ데이터 기반 문제 정의 및 PoC: 발주처(공공기관)의 모호한 요구사항과 업무 프로세스, 보유 데이터를 분석해 AI·데이터로 풀 수 있는 구조로 정의하고, 빠르게 PoC를 만들어 검증합니다.
• ㆍ에이전트 지식 기반(RAG) 구축: HWP/PDF 등 기관 문서의 파싱·청킹·임베딩, Vector Database 구축, 검색·답변 품질 평가까지 에이전트가 활용할 RAG 파이프라인을 설계하고 개선합니다.
• ㆍLLM 데이터셋 구축 및 품질 관리 자동화: LLM 튜닝용 QA 데이터셋 생성 파이프라인(LLM 기반 생성·검증 포함)을 구축하고, 데이터 품질 이상을 자동 판정·재처리하는 파이프라인(샘플링·검수 포함)을 만듭니다.
• ㆍ모델 서빙 및 운영 배포: Python 백엔드로 모델을 서빙하고, GPU 자원 환경(온프레미스·폐쇄망 포함)에서 성능을 최적화해 실제 운영까지 책임집니다.
• ㆍ엔드투엔드(E2E) 사업 수행: 제안·착수 단계의 데이터·AI 아키텍처 설계부터 구축, 성능 검증, 산출물(보고서·데이터셋·벡터 DB) 납품까지 전 주기를 주도합니다. 백엔드·프론트엔드 개발자와 협업합니다.
• ㆍ신기술 공공 적용 리딩: LLM·에이전트·데이터 자동화 등 신기술을 공공 보안 규정(국정원 가이드 등)에 맞춰 안전하게 이식하고 개발 표준을 정립합니다.

이런 분들을 찾고 있어요

• ㆍ학력 : 학력무관
• ㆍPython 기반 데이터 분석·머신러닝/딥러닝 개발 경력 2년 이상 (또는 이에 준하는 역량)
• ㆍ중급 이상 Python 프로그래밍 능력 (pandas, NumPy, scikit-learn, PyTorch 등)
• ㆍAI 에이전트, RAG, 프롬프트 엔지니어링 등 LLM 기반 기능을 실제 운영 환경까지 구축·배포해 본 경험
• ㆍ데이터 전처리·특성 설계·모델 평가 등 통계·ML 기본기와 실험 설계 능력
• ㆍSQL·RDB 활용 능력과 Linux·Docker 환경에 대한 익숙함
• ㆍ복잡한 현장 문제를 데이터 관점에서 구조화하고, 해결책을 주도적으로 실행하는 역량
• ㆍ기술 문서 작성 및 협업 커뮤니케이션 역량 (RFP 분석, 제안서, 설계서, 분석 보고서 등 산출물 작성 가능자)
• ㆍ필요 시 고객사(발주처) 현장 미팅·출장이 가능하신 분
• [이런 분과 함께 성장하고 싶습니다]
• ㆍ협업의 가치를 알고, 동료와 비개발 직군(발주처 담당자)에게 기술과 분석 결과를 '비즈니스의 언어'로 설명하고 설득할 수 있는 분
• ㆍ모델을 처음부터 만드는 것에 머물지 않고, 경진대회 등으로 확보한 모델·데이터에 자신의 지식과 경험과 AI를 적재적소에 활용해 실제 개발 성과로 연결해 내는 분
• ㆍ데이터에서 출발해 가설을 세우고, 실험으로 검증하고, 실제로 운영되는 시스템으로 마무리하는 흐름이 익숙한 분

이런 분이면 더 좋아요

• ㆍ직접 만든 에이전트를 시나리오 테스트·평가 지표로 검증·평가하고 개선해 본 경험 (Evals, LLM-as-a-judge, HITL 등)
• ㆍ빠르게 변하는 AI 트렌드에 민감하고, 신규 모델·에이전트·AI 코딩 도구(Claude Code, Cursor 등)를 직접 실무에 적용해 본 분
• ㆍLangGraph, DeepAgents 등 에이전트 프레임워크 기반 설계·구축 경험 (MCP, 멀티 에이전트, Text2SQL 등)
• ㆍGPU 환경에서의 모델 서빙·성능 최적화 경험 (vLLM, TensorRT-LLM 등)
• ㆍ데이터 파이프라인(Airflow 등) 및 MLOps 구축 경험
• ㆍ한국어 문서(HWP/HWPX, PDF, 스캔 문서) 파싱·OCR, 임베딩·벡터 검색 최적화 경험
• ㆍ온프레미스·폐쇄망 등 보안 환경 구축 경험, 공공기관 사업 수행 경험 및 보안 요건 이해
• ㆍAI 경진대회 수상 또는 참여 경험
• ㆍAI·통계·데이터 관련 전공 석사 이상, 또는 빅데이터분석기사·ADsP/ADP 등 관련 자격증 보유자
• [급여]
• ㆍ면접 후 결정

이런 기술이 필요해요

Docker

Pandas

Python

Pytorch

SQL

Linux

Numpy

• Scikit-Learn

RAG

이런 조건에서 근무할 예정이에요

• ㆍ고용 형태 : 정규직(수습 3개월)
• ㆍ근무지 주소 : 서울 중구 세종대로18길 16 (북창동, 우성빌딩) 804호

  지도보기

함께하면 이런 점들이 좋아요

• 업무 환경
• ㆍ사내 GPU 서버 기반의 학습·실험 환경 (VRAM 48GB급·24GB급 NVIDIA RTX GPU)
• ㆍ개인 노트북 및 다양한 업무 툴 지원
• ㆍClaude, Cursor 등 개발 생산성 향상을 위한 AI 도구 지원
• ㆍSlack, Notion, Google Workspace 기반의 비동기·문서 중심 협업
• ㆍ사내 음료(커피/차) 제공
• 성장 지원
• ㆍ직무 발명 및 특허 출원에 대한 보상금 지급
• ㆍ논문 작성 및 학회 발표 지원
• ㆍ자기계발비, 자격증 취득비, 교육비 지원
• ㆍ신규 입사자 OJT 운영
• 일과 삶의 균형
• ㆍ주 40시간 근무 (주 52시간제 준수)
• ㆍ자유로운 연차 및 반차 사용
• ㆍ수평적 조직문화
• 구성원과 가족 지원
• ㆍ산전후 휴가, 남성 출산휴가
• ㆍ각종 경조사 지원
• 보상 및 안정성
• ㆍ성과급 및 장기근속자 포상
• ㆍ퇴직연금, 4대 보험

합류 여정은 이렇게 진행돼요

• ㆍ서류전형 > 면접전형 > 최종합격
• ㆍ면접일정은 추후 통보됩니다.

지원 시 유의해주세요

허위사실이 발견될 경우 채용이 취소될 수 있습니다.