"AI의 성능을 넘어, 실제 비즈니스 현장에서 완벽하게 작동할 수 있도록 데이터의 새로운 표준을 만듭니다." 대부분 기업이 AI 모델에 집중할 때, CUBIG은 AI가 실패하는 진짜 이유인 '데이터 상태' 에 집중합니다. CUBIG은 기업이 보유한 데이터를 AI가 잘 활용할 수 있도록 최상의 운영 가능 상태(AI-Ready)로 전환, 관리하며, 그 과정에서 데이터가 변하더라도 AI 결과가 흔들리지 않도록 실행 상태를 견고하게 고정합니다. 특히, CUBIG의 Syntitan 은 AI-Ready 운영 레이어로서 AI가 사용하는 데이터의 준비 상태를 진단하고 관리하고 AI가 어떤 상태에서 결과를 만들었는지 확인하며 운영 중에도 그 결과를 비교, 추적할 수 있도록 하는 핵심 B2B SaaS 형 제품으로 이 제품을 통해 국내를 넘어 미국과 유럽에서 데이터 중심 AI(Data-centric AI)의 기준을 세우고 있습니다. 모델 경쟁의 시대를 지나 데이터로 승부하는 AI 운영의 시대, CUBIG과 함께 AI 혁신의 토대를 완성할 동료를 기다립니다. [팀 문화] 01. 스타트업다운 실행력, 그리고 명확한 속도 우리는 유연함과 빠른 실행력을 바탕으로 움직이는 팀입니다. 하지만 단순히 빠르기만 한 속도보다는, 올바른 방향으로의 속도를 중요하게 생각합니다. CUBIG은 불필요한 과정을 줄이고, 더 효율적인 방법을 찾으며 움직입니다. 빠르게 시도하고, 문제를 정확히 짚고, 필요할 땐 방향을 바꾸는 데에도 망설이지 않습니다. 실제로 일이 되게 만드는 것, 그게 우리의 기준입니다. 02. 목표는 높게, 문제는 깊게 우리는 '할 수 있는 목표'보다는, '꼭 해야만 하는 목표'를 세웁니다. 기존의 방식으로는 풀 수 없던 문제들에도 한 걸음 더 깊이 들어가고, 새로운 방식으로 답을 찾아갑니다. CUBIG의 기술은 이런 도전과 고민에서 시작됩니다. 03. 성과는 결국, 사람이 만든다 우리는 팀의 성과가 결국 사람에서 시작된다고 믿습니다. 각자의 전문성과 몰입이 모여 하나의 성과가 되고, 그 성과는 다시 개인에게 공정하게 돌아갑니다. 노력과 결과에 맞는 기회와 보상은 항상 준비되어 있습니다. 04. 온전한 효율 중심으로 우리는 단순히 바쁘게 일하기보다, 처음부터 구조적으로 효율적인 방법을 고민합니다. 불필요한 절차나 반복은 줄이고, 작은 리소스로도 더 나은 결과를 만드는 방식에 집중합니다. 속도와 완성도 모두를 지키는 일, 그것이 CUBIG의 일하는 방식입니다. 05. 결국, 함께 성장할 사람들과 CUBIG은 기술로 데이터의 경계를 허물고 있습니다. 이 여정을 함께하는 우리는, 문제를 깊이 이해하고 기술로 풀어내며, 그 과정 속에서 끊임없이 성장해 나갑니다. 기술을 좋아하고, 스스로 배움을 확장할 줄 아는 사람. 우리는 그런 동료와 함께 더 멀리 가고 싶습니다.

CUBIG은 지금 한국을 넘어 미국과 유럽 시장으로 확장하고 있습니다. 이 단계에서는 좋은 제품을 만드는 것만으로 충분하지 않습니다. 우리가 어떤 문제를 발견했고, 왜 기존 방식으로는 풀리지 않으며, 실제 제품이 어떻게 동작하는지를 기술적으로 증명하고 시장과 공개적으로 논의할 수 있어야 합니다. 본 포지션은 바로 그 역할을 맡습니다. 제품을 직접 사용하고 실험해 기술적 증거를 만들고, 이를 LinkedIn, Reddit, Hacker News, GitHub, Hugging Face, Medium 등 외부 기술 커뮤니티의 언어로 설명하는 역할입니다. 좋은 코드를 작성하는 것을 넘어 "무엇을 증명해야 하는가", "어떤 기술적 논점을 시장에 던져야 하는가", "외부의 반론에 어떻게 답해야 하는가"를 스스로 판단하고 실행하는 Senior Individual Contributor 포지션입니다. • 제품(Syntitan, DTS, LLM Capsule)을 직접 사용해 데모, benchmark, 실험 등 공개 가능한 기술적 증거를 제작 • 이를 LinkedIn, Medium, X, Reddit, Hacker News 등에 원본 기술 콘텐츠로 발행해서 회사, CEO, C레벨 계정별 관점을 구분해 논의,반론에 직접 대응 • AI-Ready Data, RAG, Agent, MLOps, synthetic data, privacy engineering 등에서 CUBIG만의 기술 관점을 정의하고 시장에 제기 • 커뮤니티, 고객, 세일즈에서 반복되는 질문과 objection을 FAQ, Technical brief, Demo, Sales enablement 로 전환 • 시장 반응(buyer vocabulary, 실패 패턴, 기술 반론)을 구조화해 Product, Engineering, GTM에 전달

• SW, 데이터, ML/AI 엔지니어링, MLOps, 솔루션 아키텍처, FDE 등 기술 실무 3년 이상 • Python, SQL, API, notebook, 데이터 파이프라인을 직접 다룰 수 있는 분 • LLM, RAG, AI Agent, 데이터 품질/observability, MLOps, privacy engineering, synthetic data 중 2개 이상을 실제로 다뤄본 분 • 영어로 기술 콘텐츠·댓글을 작성하고 외부 기술 반론에 답할 수 있는 분 • 공개 채널(LinkedIn, X, Reddit, Hacker News, GitHub, Hugging Face, 기술 블로그 등)에서 직접 작성한 기술 콘텐츠 또는 기술 논의 이력이 있는 분 [필수제출] • 본인 공개 기술 활동을 확인할 수 있는 URL 1개 이상 (LinkedIn / X / Reddit / HN / GitHub / Hugging Face / 기술 블로그 / 발표자료 등) • 또는 관련 포트폴리오 제출 (사내 개발 프로젝트나 비공개 포트폴리오는 불가)

• 본인 기술 채널에서 audience/follower를 직접 성장시켜 본 경험 • Show HN, Product Hunt, GitHub 등에서 제품, 기술 launch를 직접 리드한 경험 • 공개 기술 반론, 비판에 회사 또는 개인 계정으로 대응해 본 경험 • Benchmark, Technical comparison을 직접 설계, 공개, 오픈소스 운영/contribution, 기술 웨비나, 밋업, 컨퍼런스 발표 경험 • Developer Advocate/Relations, Technical Marketing Engineer, FDE 등 기술–시장 접점 경험

• 서류 전형 • 1차 비대면 면접 : 이력 및 직무 관련 면접 30분 + 면접자 질문 10분 (포지션에 따라 사전 주제 제시 후 5분 정도 발표 요청이 있을 수 있습니다 실제 저희가 고민 중인 문제를 어떻게 접근해서 솔루션을 제시해 주실지 보기 위함입니다) • 2차 대면 면접 : 컬처핏 면접 30분 + 면접자 질문 10분 • 3차 처우확인 및 협의 : 명확한 희망 처우 수준, 합류 가능 시점 확인 • 최종 합격

• NAVER 1784 사옥 내 조식 자판기, 사내식당(중, 석식) 이용 • 명절 선물 지급 • 업무 연관 도서, 교육, 컨퍼런스 등 학습비 조건부 지원 • 성과, 역할, 기여에 따른 명확한 보상 지향함