"LLM API를 감싸는 래퍼를 만드시겠습니까, 사람의 판단을 대체하는 AI 시스템을 설계하시겠습니까?" 그럴듯한 데모를 만들고 끝나는 'PoC형 AI 개발'에 지치셨나요? AI 면접관 'Effy(에피)'와 인재 적합도 분석 엔진 'TEO(테오)'는 슬라이드 위의 청사진이 아닙니다. 지금 이 순간에도 고객사의 실제 채용 의사결정에 투입되고 있는, 매출을 만드는 프로덕션 시스템입니다. 그리고 프로덕션에서 LLM을 다룬다는 것은 데모를 만드는 것과 차원이 다른 문제입니다. 응답은 매번 흔들리고, Rate Limit은 예고 없이 걸리며, 외부 API는 새벽에 죽고, 토큰 비용은 조용히 새어 나갑니다. 무엇보다 "이 출력이 좋은 출력인가"를 판단할 자(尺)가 없습니다. 이 혼돈을 감이 아닌 시스템으로 제압할, 진짜 AI Engineer를 모십니다. [우리가 정의하는 AI Engineer] 우리는 AI 엔지니어를 '프롬프트를 잘 쓰는 사람'이나 'API 문서를 옮겨 적는 중간 작업자'로 생각하지 않습니다. Architect & Problem Solver: 프롬프트를 몇 번 고쳐보고 "좋아진 것 같다"에서 멈추는 분을 원하지 않습니다. 출력 품질을 측정 가능한 지표로 정의하고, 확률적으로 흔들리는 모델 위에 결정론적으로 예측 가능한 시스템을 올리는 엔지니어여야 합니다. 장애가 터졌을 때 원인을 발본색원하여 구조적인 해결책을 제시해야 합니다. 비즈니스 임팩트 창출: 최신 모델을 남보다 먼저 도입하는 것도 의미가 있지만, "이 추론이 고객의 채용 의사결정을 실제로 바꾸는가?"를 기준으로 기술적 대안을 제안해야 합니다. 하이브리드 협업자: 백엔드의 깊이를 갖추되, 필요할 때는 프론트엔드의 화면 흐름과 상태 구조까지 이해하며 제품의 완성도를 극대화할 수 있는 시야를 갖춘 분을 원합니다.

[스펙터에서 주도하시게 될 임팩트] 1. 대규모 LLM 오케스트레이션 및 비동기 아키텍처 설계 (Core Challenge) OpenAI, Anthropic 등 멀티 프로바이더 환경에서 모델 호출 계층을 설계하고, Rate Limit 및 대량 추론 요청 상황을 완벽하게 오케스트레이션 합니다. AWS SQS 등 메시지 브로커를 활용해 이벤트 기반의 비동기 추론 파이프라인을 설계하며, Retry, DLQ, Backoff를 활용해 Queue 처리와 외부 LLM API 연동의 무결성을 보장합니다. 모델·프롬프트 버전에 따라 발생하는 토큰 비용과 지연시간을 추적하고, 캐싱·모델 라우팅·배치 처리로 최적화합니다. 2. AI 출력 품질을 지배하는 평가 체계 구축 (Quality Ownership) Effy와 TEO의 출력 품질을 "좋아진 것 같다"가 아니라 숫자로 판정할 수 있는 평가(Evaluation) 체계를 설계하고 운영합니다. 프롬프트와 컨텍스트 구성을 코드처럼 버전 관리하고, 모든 변경이 품질에 미치는 영향을 회귀 검증하는 파이프라인을 구축합니다. 평판, 면접, 이력 데이터를 모델이 안정적으로 활용할 수 있는 컨텍스트로 구조화합니다. 3. AI 프로덕트를 지탱하는 B2B Enterprise SaaS 백엔드 설계 Java, Kotlin, Python, Spring Boot를 기반으로 스펙터 코어 서비스 및 AI 프로덕트의 백엔드 아키텍처를 주도적으로 설계합니다. 평판, 면접, 분석 리포트 등 핵심 데이터를 다루는 PostgreSQL 기반의 데이터 모델링을 수행하고, 복잡한 쿼리 최적화 및 성능 병목 현상을 해결합니다. 4. Serverless 인프라 운영 및 개발 생산성 고도화 AWS 환경(Lambda, SQS, CloudWatch, IAM, S3 등)에서 Serverless 기반의 안정적인 서비스 운영, 모니터링, 장애 대응을 수행합니다. CI/CD 파이프라인 고도화, 코드 리뷰, 테스트 자동화를 통해 팀 전체의 엔지니어링 품질을 한 단계 끌어올립니다. 🛠️ 스펙터의 기술 스택 (Tech Stack) - AI: OpenAI API, Anthropic API - Backend: Java, Kotlin, Spring Boot, (Python) - Database: PostgreSQL - Infra: AWS (Lambda, SQS, S3, CloudWatch, IAM 등) - CI/CD & Collaboration: GitHub Actions, GitHub

- OpenAI, Anthropic 등 외부 LLM API를 실제 프로덕션 제품에 연동하고, 대규모 트래픽과 장애 상황에 대응해 보신 분 (단발성 PoC가 아닌, 운영 경험) - Java, Kotlin, Spring Boot, Python 기반의 백엔드 실무 개발 경력이 5년+ 있으신 분 - AWS SQS 등을 활용한 비동기 아키텍처 및 Queue 처리(Retry, DLQ 등) 경험이 있으신 분 - AWS 기반 인프라(Lambda 등)를 활용한 Serverless 환경 개발 및 운영, 장애 대응 경험이 있으신 분 - PostgreSQL 등 RDBMS 환경에서 복잡한 데이터 모델링 및 쿼리 성능 최적화를 경험해 보신 분 - 단순 API 개발을 넘어, 프론트엔드 엔지니어 및 PM과 함께 비즈니스 맥락을 논의하며 대안을 찾아가는 협업 역량을 갖추신 분 [우대 사항] - LLM 출력의 품질을 측정하고 개선해 보신 분 (프롬프트 엔지니어링, eval 설계, 컨텍스트 엔지니어링 등) - RAG, 벡터 검색(pgvector 등), 임베딩 파이프라인을 구축하고 운영해 보신 분 - LLM 토큰 비용 및 지연시간을 구조적으로 최적화해 보신 분 (캐싱, 모델 라우팅, 배치 추론 등) - MSA(Microservices Architecture) 환경에서 서비스를 설계하거나 운영해 본 경험이 있으신 분 - JPA, Querydsl을 활용해 복잡한 도메인 로직과 데이터 조회 구조를 설계해 본 경험이 있으신 분 - B2B SaaS 또는 HR Tech 제품 개발 경험이 있으신 분 - 보안, 개인정보, 권한 관리 등 민감한 데이터를 다루는 엔터프라이즈급 서비스 개발 경험이 있으신 분

- LLM 출력의 품질을 측정하고 개선해 보신 분 (프롬프트 엔지니어링, eval 설계, 컨텍스트 엔지니어링 등) - RAG, 벡터 검색(pgvector 등), 임베딩 파이프라인을 구축하고 운영해 보신 분 - LLM 토큰 비용 및 지연시간을 구조적으로 최적화해 보신 분 (캐싱, 모델 라우팅, 배치 추론 등) - MSA(Microservices Architecture) 환경에서 서비스를 설계하거나 운영해 본 경험이 있으신 분 - JPA, Querydsl을 활용해 복잡한 도메인 로직과 데이터 조회 구조를 설계해 본 경험이 있으신 분 - B2B SaaS 또는 HR Tech 제품 개발 경험이 있으신 분 - 보안, 개인정보, 권한 관리 등 민감한 데이터를 다루는 엔터프라이즈급 서비스 개발 경험이 있으신 분

서류전형 → 에피(Effy) 전형 → 평판등록 → 직무 인터뷰 → 컬처핏 인터뷰 → 처우협의 → 최종합격

[합류 시 약속드리는 대우] - 포장할 필요 없는 강력한 AI 무기: 기술력 자체로 시장을 압도할 수 있는 Effy와 TEO가 여러분이 직접 설계하고 통제할 시스템의 핵심 엔진이 됩니다. 남이 만들어 둔 위에 얹는 것이 아니라, AI 엔지니어링의 기준 자체를 세우는 자리입니다. - 성과에 상응하는 파격적인 업사이드: 당신의 엔지니어링 실력에 걸맞은 대우를 합니다. 치열한 몰입에 상응하는 업계 최고 수준의 기본급과 회사의 성장을 그대로 공유하는 스톡옵션을 제안합니다. - 최고의 러닝메이트: 기획서만 던져주는 직원이 아니라 '왜'를 함께 고민하는 뛰어난 Product Manager, Frontend Engineer, 그리고 글로벌 기업, 빅테크 출신의 경영진이 당신의 치열한 파트너가 됩니다. 안전한 래퍼를 떠나, 폭발하는 로켓의 추론 엔진을 직접 설계할 준비가 되셨습니까? 그렇다면 당신이 바로 우리가 찾는 팀스펙터입니다.