고객의 암묵지를 AI가 이해할 수 있도록 만드는 엔지니어를 찾습니다. LLM을 연결하는 것만으로는 기업의 문제를 해결할 수 없습니다. 기업마다 사용하는 용어는 다르고, 같은 질문도 회사마다 전혀 다른 의미를 가집니다. 예를 들어 어떤 회사에서 "매출"은 반품을 제외한 금액이고, 어떤 회사에서는 특정 사업부만 의미하기도 합니다. 사람들은 이런 규칙을 당연하게 생각하지만 AI는 알지 못합니다. Forward Deployed Engineer(FDE)는 고객의 업무와 데이터를 이해하고, 그 암묵지를 AI가 이해할 수 있는 구조로 만드는 역할입니다. 우리는 제조·유통·공공 기업의 ERP, MES, DW, 문서를 AI와 연결하여 실제 업무에서 사용할 수 있는 Enterprise AI를 만들고 있습니다. [Dfinite는 이런 회사입니다] Dfinite는 기업의 데이터와 업무 시스템을 AI와 연결하는 B2B AI 솔루션 기업입니다. 현재 제조·유통·공공 분야의 다양한 프로젝트를 수행하고 있으며, Enterprise RAG, Agent Workflow, Text-to-SQL, Ontology 기반 데이터 모델링 등을 활용하여 기업이 실제 업무에서 사용할 수 있는 AI를 구축합니다. 우리는 AI 데모를 만드는 회사가 아니라, 고객이 매일 사용하는 AI 서비스를 만드는 회사입니다. [함께 해결하게 될 문제] 우리는 Text-to-SQL과 Ontology를 완성된 기술이라고 생각하지 않습니다. 현재도 실제 프로젝트를 통해 - 어떤 Ontology 구조가 가장 유지보수하기 쉬운지 - 어떤 검증 방식이 가장 신뢰할 수 있는지 - 어떤 데이터 모델이 AI 성능을 가장 높이는지 를 계속 검증하고 있습니다. 입사 후에는 팀과 함께 다음과 같은 문제를 해결하게 됩니다. - 고객 인터뷰를 통해 업무 규칙과 암묵지를 발견 - 업무 규칙을 Ontology로 구조화 - Text-to-SQL이 올바른 의미를 이해하도록 AI 로직 설계 - 실제 데이터로 검증하고 반복 개선 - 프로젝트에서 검증된 방법론을 공통 자산으로 발전 우리는 Text-to-SQL 전문가를 찾는 것이 아닙니다. RAG나 LLM 서비스를 실제 운영해본 경험을 바탕으로, 함께 Enterprise AI의 방법론을 만들어 갈 사람을 찾고 있습니다.

FDE는 어떻게 일하나요? 프로젝트는 PM, FDE, PE가 하나의 스쿼드로 함께 수행합니다. [역할 구분] - PM: 고객 문제 정의, 프로젝트 설계, 사용자 경험 및 화면 기획, 프로젝트 운영 - FDE: 고객 업무와 데이터 이해, Ontology 설계, AI 로직 구현, Text-to-SQL 검증 및 고도화 - PE: 백엔드, 인프라, 배포, 운영 안정화 및 서비스 구현 예를 들어 고객이 "지난달 영업이익이 감소한 원인을 알려줘." 라고 질문하면, - PM은 고객이 원하는 문제를 구체화하고, - FDE는 고객의 업무 규칙과 데이터를 분석하여 AI가 올바르게 이해할 수 있도록 Ontology와 AI 로직을 설계합니다. - PE는 이를 실제 서비스로 구현하고 안정적으로 운영될 수 있도록 시스템을 구축합니다. 우리는 기능을 나누는 조직이 아니라, 하나의 고객 문제를 서로 다른 관점에서 함께 해결하는 팀입니다. [FDE로서 담당하게 될 일] - 고객 인터뷰를 통해 업무 규칙과 암묵지를 발견 - 발견한 업무 규칙을 Ontology로 구조화 - Text-to-SQL이 올바른 의미를 이해하도록 AI 로직 설계 - 실제 고객 데이터로 검증하고 반복 개선 - 프로젝트에서 검증된 방법론을 팀의 공통 자산으로 발전

[필수] - Python 기반 백엔드 개발 경험 - LLM 기반 서비스를 실제 운영 환경까지 개발하거나 운영한 경험 - RAG 또는 이에 준하는 AI 서비스를 서비스에 적용한 경험 - 고객 요구사항을 기술적으로 해결한 경험 - 모호한 문제를 정의하고 구현까지 연결한 경험 [우리가 중요하게 생각하는 사람] 기술 스택보다 아래와 같은 태도를 중요하게 생각합니다. - 고객의 업무를 이해하려는 사람 - 문제의 본질을 파고드는 사람 - AI가 실제 업무에서 신뢰받을 수 있을 때까지 검증하는 사람 - 새로운 기술보다 실제 문제 해결을 즐기는 사람 - 혼자 정답을 만들기보다 함께 토론하며 발전시키는 사람 [이런 분과는 잘 맞지 않을 수 있습니다] - 논문이나 모델 연구가 주 업무이길 원하는 분 - 고객과 직접 이야기하는 것이 부담스러운 분 - 요구사항만 전달받아 구현하는 역할을 선호하는 분 - 출장이 어려운 분

[있으면 더욱 좋습니다] - Agent 개발 경험 - Evaluation(Evals) 구축 경험 - Text-to-SQL 경험 - Ontology 설계 경험 - Vector Database 경험 - Graph Database 경험 - 제조·유통·물류 시스템(SAP, MES, ERP, DW 등) 경험

① 지원 이력서와 함께 아래 자료 중 가능한 것을 보내주세요. - GitHub - 기술 블로그 - 포트폴리오 - 프로젝트 소개 자료 ② AI 기반 기술 인터뷰 (약 40분) - AI와 비대면 화상 면접으로 진행됩니다. - 이력서와 프로젝트 경험을 바탕으로 맞춤형 기술 및 인성 질문이 진행됩니다. - 주요 확인 내용: LLM 서비스 운영 경험, RAG, AI 시스템 설계, 기술적 의사결정 과정, 문제 해결 방식, 성장 방향 - AI는 질문과 기록을 담당하며, 최종 평가는 팀장과 대표가 직접 검토합니다. ③ 대면 면접 (약 2시간) - 코딩 테스트나 알고리즘 시험을 진행하지 않습니다. - 실제 프로젝트를 기반으로 한 비식별 사례를 함께 보며 다음을 이야기합니다. · 고객의 요구사항을 어떻게 이해하는지 · 데이터에서 어떤 질문을 먼저 하는지 · 업무 규칙을 어떻게 구조화할 것인지 · AI가 신뢰할 수 있는 답을 만들기 위해 무엇을 검증할 것인지 - 이후 팀장과 대표가 함께 참여하여 지금까지의 경험, 함께 일하는 방식, 앞으로 해결하고 싶은 문제, 역할 및 처우를 편하게 이야기합니다.

[마지막으로] Forward Deployed Engineer는 단순히 AI를 개발하는 직무가 아닙니다. 고객의 업무를 이해하고, 사람만 알고 있던 암묵지를 발견하고, 그 지식을 Ontology와 AI 로직으로 구조화하여, AI가 실제 현장에서 신뢰받을 수 있도록 만드는 역할입니다. 우리는 아직 정답을 갖고 있지 않습니다. 그래서 이미 완성된 기술을 운영할 사람보다, 현장에서 함께 배우고 검증하며 Enterprise AI의 방법론을 만들어 갈 사람을 찾고 있습니다. [개발 환경] 우리는 AI를 개발 보조 도구가 아니라 기본 업무 환경으로 사용합니다. 회사에서는 다음과 같은 AI 도구를 제공합니다. - Claude Max - ChatGPT - 기타 업무에 필요한 AI 서비스 [근무 환경] - 서울 창업허브 공덕 - 유연 출근(08:00~10:00) - 수요일 재택근무(프로젝트 상황에 따라 조율) - 수도권 중심 고객 미팅 및 현장 방문(근무일의 약 20~30%) - 장기 상주 프로젝트 없음