Forward Deployed Engineer

DALPHA와 함께 ​할 ​Forward ​Deployed Engineer를 ​찾고 있어요.

DALPHA는 300개 이상의 ​국내외 ​기업과의 AI ​프로젝트, 1,500건 이상의 ​AX 컨설팅을 ​통해 ​실제 산업의 ​다양한 ​문제를 ​AI로 해결해왔습니다.

AI로 단순 ​업무를 ​자동화하는 것을 넘어,

방대한 ​데이터 ​속에서 ​사람도 발견하지 못한 ​인사이트를 찾고,

세상의 ​변화를 ​예측해 기업과 ​기관의 압도적 ​혁신을 ​이끄는 AI 기술을 ​만들고 있습니다.

기술의 ​가치는 만들어지는 순간이 아니라, 고객의 현장에 닿는 순간에 생겨납니다.

아무리 앞선 AI라도 고객의 데이터와 업무 환경에 연결되지 못한다면, 그저 가능성으로 남게 됩니다.

DALPHA의 Forward Deployed Engineer는 고객 현장에 가장 가까이 서서, 고객의 업무를 분석해 필요한 데이터 구조와 시스템을 설계하고 AI가 실제 업무 환경에서 안정적으로 동작하도록 만듭니다.

문제를 구체화하는 단계부터 시스템이 고객의 업무에 자리 잡을 때까지,

고객이 일하는 방식이 실제로 바뀌는 과정 전체를 함께할 Forward Deployed Engineer를 기다리고 있습니다.

이런 일을 함께 해요.

DALPHA의 Forward Deployed Engineer는 고객의 현업 담당자와 함께 업무 흐름과 실제 데이터를 살펴보고, 문제 해결에 필요한 시스템을 직접 설계하고 개발해요. 반복적인 작업을 자동화하거나 담당자의 판단을 돕는 등, 고객의 업무 흐름에 AI를 적용해 일하는 방식을 개선해 나가요.

• 고객의 업무 과정과 실제 데이터를 살펴 문제의 원인을 찾고, 개발할 기능과 구현 범위, 완료 기준을 고객과 함께 정해요.
• 고객의 업무와 데이터에 담긴 주요 개념과 관계를 Ontology로 구조화하고, 여러 시스템에서 다르게 관리되는 데이터를 같은 의미와 기준으로 연결해요.
• 시스템의 각 구성요소가 어떤 기능을 처리하고 데이터가 어떻게 오갈지 설계하며, 응답 속도와 운영 비용, 접근 권한과 실패 시 동작을 고려해 구현 방식을 선택해요.
• 프로젝트에 필요한 업무 로직과 사용자 화면, AI Agent를 직접 개발하고, 담당자가 결과를 검토하거나 필요한 작업을 승인할 수 있도록 구현해 고객 환경에 배포해요.
• 실제 데이터를 사용하고 주요 실패 상황을 재현해 시스템의 동작을 검증하고, 정확성과 처리 속도가 합의한 기준을 충족하는지 확인하며 오류의 원인을 찾아 개선해요.
• 설계 방식을 선택한 이유와 검증 결과를 고객에게 직접 설명하고, 확인된 사실과 추가 검증이 필요한 부분을 구분해 구현 범위와 성능, 자동화 수준에 대한 기대를 맞춰요.

이런 문제를 풀려고 해요.

DALPHA의 Forward Deployed Engineer들이 고객의 문제를 해결하고 시스템을 만드는 과정에서, 이런 질문에 답해 나가요.

• 고객은 보고서 작성을 자동화하고 싶어 하지만, 같은 지표도 부서마다 계산 기준이 다르다면 무엇부터 확인하고 정리해야 신뢰할 수 있는 결과를 만들 수 있을까?
• 고객은 최신 정보를 바로 확인하고 싶지만, 데이터를 자주 갱신할수록 비용과 기존 시스템의 부담이 커진다면 업무에 필요한 속도와 안정성을 어떤 구조로 확보할 수 있을까?
• AI Agent가 여러 시스템에 걸쳐 작업을 수행하다 중간에 실패했다면, 이미 처리된 작업을 중복 실행하거나 필요한 작업을 누락하지 않고 안전하게 복구하려면 어떻게 설계해야 할까?
• 테스트에서는 잘 동작했는데 실제 업무에서는 잘못된 결과가 나온다면, 문제가 생기는 조건을 재현하고 데이터와 구현에서 원인을 찾아, 수정한 결과까지 어떻게 검증할 수 있을까?
• 고객이 원하는 자동화 범위를 구현하기에는 데이터가 부족하거나 오류의 영향이 크다면, 가능한 대안과 한계를 어떻게 설명하고, 자동화할 범위와 사람의 확인이 필요한 단계를 고객과 어떻게 합의할 수 있을까?

이런 분을 찾고 있어요.

• AI, 백엔드, 프론트엔드 등 한 개발 영역에서 2년 이상의 개발 경력 또는 그에 준하는 역량을 갖추고, 맡은 기능의 설계와 구현, 문제 해결을 주도해 보신 분
• 업무 흐름과 요구사항을 분석해 해결할 문제와 성공 기준을 정의하고, 필요한 데이터 구조와 시스템 아키텍처를 직접 설계해 보신 분
• 새로운 기능이나 서비스를 처음부터 구현해 클라우드 또는 온프레미스 환경에 배포하고, 실제 사용 환경에서 운영·개선해 보신 분
• 개발·운영 경험을 바탕으로 낯선 환경에서도 기술적 위험을 미리 점검하고, 성능과 운영 비용을 고려해 설계·구현 방식을 선택해 보신 분
• 정상 동작뿐 아니라 예외와 실패 상황까지 고려해 테스트 기준을 세우고, 로그와 데이터를 바탕으로 문제의 원인을 찾아 수정 결과를 검증해 보신 분
• 프로젝트에 필요한 기술을 익히고, 동료와 협업하며 자신의 전문 영역 밖에서 발생한 구현·배포 문제도 해결해 보신 분
• 기획자, 디자이너, 운영 담당자 등과 협업하며 기술적 선택의 근거와 제약을 설명하고, 개발 범위와 우선순위를 함께 조율해 보신 분

이런 분이라면 더 좋아요!

아래 경험을 모두 갖출 필요는 없어요. 하나 이상의 영역에서 깊이 있게 문제를 해결해 본 경험이 있다면 좋아요.

• RAG나 Tool Calling 등을 활용한 LLM 또는 AI Agent 서비스를 개발하고, 실제 사용자의 피드백과 평가 결과를 바탕으로 개선해 보신 분
• 업무와 데이터의 주요 개념과 관계를 Ontology로 구조화하거나, 여러 시스템에서 다르게 관리되는 데이터와 지표를 일관된 기준으로 정리해 보신 분
• ERP, CRM 등 기업의 업무 시스템과 연동하거나, 온프레미스나 폐쇄망처럼 제약이 있는 환경에서 서비스를 구축해 보신 분
• Databricks, Airflow 등의 도구로 데이터 수집과 가공 파이프라인을 구축하고, 데이터 누락이나 갱신 지연 등 운영 과정에서 발생하는 문제를 해결해 보신 분
• 특정 산업이나 업무 분야의 규칙과 예외, 담당자의 판단 기준을 파악하고, 반복적인 작업을 자동화하거나 사람의 검토와 승인이 필요한 흐름을 시스템으로 구현해 보신 분
• 코딩 에이전트가 생성한 코드를 직접 검토하고 테스트하며, 구현할 수 있는 범위를 넓히거나 개발 속도와 품질을 개선해 보신 분

달파에서 사용되는 기술이에요.

• Backend: Kotlin (Ktor), Python, FastAPI, PostgreSQL, AWS (EKS, RDS, SQS, S3), Databricks
• Frontend: Next.js, React, TypeScript, TanStack Query, Tailwind CSS
• BFF: Node.js, NestJS, TypeORM, PostgreSQL
• Collaboration & Tools: Linear, Notion, Slack, Figma, Sentry, Amplitude, Claude Code·Codex 등 코딩 에이전트

이런 경험이 있다면 이력서나 포트폴리오에 구체적으로 적어주세요.

본인이 직접 설계하거나 구현한 부분과 그 과정에서의 기술적 고민과 판단을 중심으로 작성해 주세요. 팀으로 진행한 프로젝트라면 본인의 역할과 기여 범위를 구분해 주세요. 하나의 프로젝트에서 여러 항목을 함께 설명해 주셔도 좋아요.

• 새로운 기능이나 서비스를 처음부터 설계하고 구현해 실제 사용자에게 제공한 경험을 소개해 주세요. 어떤 문제를 해결하려 했고, 처음 구현할 범위를 어떻게 정해 실제로 사용할 수 있는 수준까지 완성했는지 궁금해요.
• 시스템의 구조와 핵심 동작을 소개하고, 어떤 대안을 검토했고 왜 그 방식을 선택했는지 설명해 주세요. 성능과 비용, 개발 일정이나 운영 환경 등의 조건이 판단에 어떤 영향을 줬는지도 함께 적어주세요.
• 미리 예상한 위험에는 어떻게 대비했는지, 개발·운영 중 마주친 문제는 어떤 근거로 원인을 파악하고 어떤 코드나 구조를 바꿔 해결했는지 설명해 주세요.
• 구현한 결과가 잘 동작한다고 판단한 기준과 이를 확인하기 위해 사용한 데이터, 테스트 방법, 검증 결과를 소개해 주세요. 실제 사용 과정에서 확인한 개선 효과나 남아 있는 한계도 함께 적어주시면 좋아요.
• 고객이나 다른 직군과 요구사항, 구현 범위, 우선순위를 조율할 때 어떤 기술적 근거와 대안을 설명했고, 어떻게 합의에 이르렀는지 적어주세요.

시스템 구조도나 코드 일부, 테스트 결과 등으로 설명을 보완해 주셔도 좋아요.

참고해주세요.

• Forward Deployed Engineer는 고객 현장에 가까이 있는 포지션이기 때문에, 프로젝트에 따라 고객사 방문 또는 일정 기간 고객사 상주 근무가 필요할 수 있어요.

합류 여정을 안내드려요.

모든 전형에서 합격 여부와 관계없이 결과를 안내 드리고 있어요. 혹시 결과를 안내받지 못하셨다면 [email protected]로 문의 부탁드려요!

• 서류 전형
• 3일 정도가 소요되며 합격 여부와 관계없이 결과를 안내 드리고 있어요.
• 스크리닝 인터뷰 (화상)
• 서류 전형에서 합격할 경우 달파 People 팀과 스크리닝 인터뷰를 진행해요.
• 스크리닝 인터뷰는 화상으로 진행되며 소요시간은 30분 내외예요.
• 직무 인터뷰 (대면)
• 직무 인터뷰에서는 같은 팀으로 함께 할 동료분들과 만나 직무 역량에 대한 이야기를 나누어요.
• 직무 인터뷰는 대면으로 진행되며 일반적으로 1시간 30분 정도가 소요되어요.
• 컬처핏 인터뷰 (대면)
• 달파팀의 리더십과 함께 우리 팀이 지향하는 일하는 방식에 대해서 솔직하고 편안한 분위기에서 이야기를 나누어요.
• 컬처핏 인터뷰는 대면으로 진행되며 일반적으로 1시간 정도가 소요되어요.
• 처우 협의
• 최종 합격