Machine Learning Engineer

담당업무

• LLM, RAG, Agentic AI 기반 시스템의 설계부터 구현, 배포, 운영까지 제품의 전체 수명주기를 책임하고 주도

• Agent의 핵심 컴포넌트를 제품 요구사항에 맞춰 최적으로 구성하고, 트래픽 증가에도 유연하게 대응할 수 있는 스케일링 전략을 수립

• 검색과 생성 파이프라인을 프로덕션 기준으로 설계하며, Fallback, Retry, Circuit Breaker, Rate Limit 등 다양한 안전장치를 통해 장애와 품질 저하를 사전에 방지

• 캐싱과 배치 처리, 모델 라우팅 기술 등을 활용하여 응답 지연시간과 인퍼런스 비용을 최적화하고 시스템 효율을 극대화

• 단순한 로그 수집을 넘어 메트릭과 트레이싱이 통합된 Observability 체계를 구축하여 복잡한 에이전트 동작 과정을 시각화

• 환각, 근거 누락, 도구 오작동 등 품질 이슈가 발생했을 때 가설과 실험을 통해 근본 원인을 규명하고 이를 바탕으로 모델과 인덱스를 개선

• 데이터 기반의 릴리즈 전략을 통해 리스크를 최소화하며 지속적으로 개선되는 모델을 안전하게 배포

자격요건

• 소프트웨어 엔지니어링 경력 5년 이상 또는 그에 준하는 역량을 보유한 자

• LLM 및 RAG 기반 상용 서비스 End-to-End 경험을 1년 이상 보유한 자

• 단순히 프레임워크의 API를 호출하는 것을 넘어 사용하는 기술의 내부 동작 원리를 깊이 이해하고 성능 한계와 사이드 이펙트를 예측할 수 있는 자

• AWS/GCP 등 Public Cloud 환경에서의 서비스 운영 경험과 백엔드 전반에 대한 이해를 바탕으로 AI 모델을 독립된 기능이 아닌 완성된 제품으로 통합할 수 있는 자

• 검색과 기록에서 멈추지 않고 실험과 구현을 통해 가설을 검증하고 지식을 내재화하는 자

• 장애를 대비하는 견고한 설계를 고민하고 다양한 기술적 전략을 제시하는 자

• Agentic AI를 구성하는 핵심 컴포넌트를 실제 제품 맥락에서 설계하거나 운영한 경험이 있는 자

• RAG 품질 관리(E2E 평가 프레임워크 구축 및 정량적 지표 기반 개선 경험) 보유자

• IR 파이프라인 고도화 경험(Elasticsearch 등 하이브리드 검색, 재랭킹, 쿼리 분석) 보유자

• 배포 파이프라인 표준화(Kubernetes, ArgoCD, Helm) 및 데이터 품질 관리 자동화 경험자

• 쿼리 실행 계획 분석이나 인프라 리소스 최적화, 부하 테스트를 통해 시스템 성능을 극한으로 튜닝한 경험자

• 최신 기술을 신속히 프로토타이핑하고 코드 리뷰 및 기술 공유에 능동적으로 기여한 경험자

• 엘박스 머신러닝 엔지니어 기술 스택의 핵심 구성 요소를 실제 서비스 맥락에서 설계하거나 운영한 경험이 있는 자

기술 스택

• Serving & Agent Framework: FastAPI, LangChain, LangGraph, Pydantic

• AI Search & Knowledge Store: Elasticsearch, Milvus, Qdrant, Neo4j, PostgreSQL, Redis

• Observability: Langfuse, OpenTelemetry, Datadog

• Infrastructure & Cloud: AWS(EKS, ECS, Lambda 등), GCP, Azure Kubernetes, Docker

• DevOps & CI/CD: ArgoCD, Helm, GitHub, Jenkins

전형절차

1. 서류전형

2. 1차 직무역량 인터뷰

3. 2차 조직문화 인터뷰

4. 3차 CEO 인터뷰 및 레퍼런스 체크

5. 최종합격

지원방법

채용 문의: recruit@lbox.kr

근무환경 및 복리후생

• Observability 체계를 통한 투명한 에이전트 동작 시각화

• 안정성과 품질을 고려한 시스템 설계 문화

• 근무지 정보는 본 채용 공고에 포함되지 않음

비고 및 참고사항

• 채용 프로세스는 상황에 따라 사전 안내 후 변경될 수 있음

• 포지션 관련 문의 및 공유를 위한 다큐멘터리 링크 안내가 본문에 포함되어 있음