AI MLOps 엔지니어

소개

“문자를 읽는 기술에서 문명을 해석하는 Document AI 기술로” ‘문서를 읽는다’는 것은 단순한 글자 인식이 아닌, 세상을 이해하고자 하는 의지입니다. KDL은 컴퓨터에게 읽기를 가르치는 일, 곧 인공지능에게 세상을 이해하는 눈을 부여하는 일에 도전하고 있습니다. 그래서 우리는 단순한 문서 자동화가 아니라, 문명 자동화를 꿈꿉니다. 세상의 모든 시스템은 텍스트로 구성되며, 그 텍스트를 AI가 사람처럼 맥락을 파악하고 판단할 수 있다면 전 세계의 지식과 절차, 행정을 다시 설계할 수 있습니다. KDL은 이 관점에서 Document AI를 개발합니다. 단순히 글자를 추출하는 OCR이 아닌, 문서 전체를 의미 단위로 해석하고 시각적 배치와 문맥, 사용자의 의도를 이해하는 기술입니다. 우리가 만든 이 AI는 단순히 문서를 읽기 위한 것이 아닙니다. 산업의 업무 구조 전체를 다시 쓰기 위한 첫 언어입니다. 사람이 손으로 읽고 판단하던 문명 위에, 이제 AI가 들어옵니다. 우리는 그 흔하디흔한 OCR에서 출발했지만, 지금은 다음 문명을 작동시킬 첫 번째 문법을 만들고 있습니다. KDL은 지금, 세상의 문명을 읽는 방식을 다시 설계하고 있습니다. 【KDL만의 독보적인 경쟁력 5가지】 · 150억 수요를 만든 ‘DEEP OCR’, 실전에서 증명된 기술력 · 비정형 문서까지 이해하는 Vision LLM 기반 AI · GPU 개인 배정, 개발자 중심의 몰입 환경 · 엔비디아 등 국내를 넘어선 글로벌 탑클래스 파트너십 · 퍼포먼스 마케팅 없이도 자생 가능한 사업 구조 【KDL이 일하는 방식】 · 일 = 몰입 = 즐거움 · 이기적 이타주의 · 모두가 기술을 이해하는 조직 · 치열한 논리적 사고 · 자유로운 소통과 투명한 공유 【KDL에서 얻는 다섯 가지 기회】 · 클린 코드와 코드 리뷰, 공유 중심의 개발 문화 속에서 함께 성장하는 기회 · 단순 기능이 아닌, 시장과 산업의 시스템을 바꾸는 개발에 참여할 수 있는 기회 · AI 기술을 이해하는 기획자·디자이너·동료들과 깊이 있게 협업하는 기회 · 비정형 문서와 VLM·OCR 같은 고난도 기술 문제에 도전하는 기회 · 실제 고객과 시장을 기반으로 실전에서 배우고 성장하는 기회 강남의 펜트하우스를 살 수 있는 돈이 아니라, 강남을 만들 수 있는 조 단위의 돈. 그리고 그것을 가능하게 하는 엄청난 자본! 이것이 바로 우리가 원하는 것입니다. 그 자본이 제대로 향할 방향을 알고 있는 팀, KDL이 그 길을 열고 있습니다. 지금, 그 여정에 함께할 당신을 기다립니다. https://koreadeep.com/ _______________________________ #우리는 이런 일을 합니다 우리는 문서를 이해하는 AI를 만듭니다. 영수증, 계약서, 신청서처럼 현장에서 쓰이는 문서에서 필요한 정보를 정확하게 꺼내는 일(Document AI / KIE)이 우리의 일입니다. 이 일을 해 보면 모델 성능표보다 현장이 더 많은 것을 알려준다는 걸 알게 됩니다. 스캔 품질이 들쭉날쭉한 문서, 양식이 조금씩 다른 서류, 사람마다 다르게 쓰는 필드명이 있습니다. 그리고 "정확도 95%"라는 숫자 뒤에 숨은 5%가 실제로는 가장 중요한 문서일 때도 있습니다. 그래서 우리는 가장 화려한 기술을 쓰는 사람보다 무엇이 실제로 일어나고 있는지 먼저 들여다보는 사람과 함께하고 싶습니다. #이런 분을 찾습니다 • 지표가 나빠졌을 때 모델부터 바꾸기 전에 데이터와 로그, 실패 사례를 먼저 열어보는 분 • "잘 돌아간다"는 말을 들으면 "어떤 조건에서요?"가 궁금해지는 분 • 사용자나 현업 담당자가 실제로 어떻게 쓰는지 보고, 거기서 문제를 다시 정의해 본 경험이 있는 분 • 한 번의 해결로 끝내지 않고, 같은 문제가 다시 생기지 않도록 구조를 바꿔 본 분 • 모르는 것을 모른다고 말하고, 관찰한 것과 추측한 것을 구분해서 이야기하는 분

주요업무

• 모델 학습부터 서빙까지 이어지는 파이프라인 운영과 개선: VLM 기반 문서 이해 모델의 학습, 배포, 서빙, 재학습 흐름을 안정적으로 만듭니다. • 현장 데이터 관찰과 피드백 루프 설계: 프로덕션에서 들어오는 문서와 실패 사례를 수집하고 분류합니다. 이를 다음 학습과 평가에 반영하는 구조를 만듭니다. • 평가 체계 설계: 전체 정확도 하나로는 보이지 않는 문제를 드러내는 평가 방법을 고민합니다. 문서 유형별, 필드별, 입력 품질별로 나눠 봅니다. • 모니터링과 원인 추적: 추론 품질, 지연, 데이터 분포 변화를 추적합니다. 문제가 생기면 근본 원인까지 따라갑니다. • 서빙 최적화: vLLM, Triton 등을 활용해 GPU 자원 안에서 지연과 처리량의 균형을 찾습니다. • 배포 자동화와 재현성: 누가 배포해도 같은 결과가 나오는 환경을 만들고, 모델과 데이터 버전을 추적 가능하게 관리합니다.

자격요건

• MLOps, ML 엔지니어링, 백엔드/플랫폼 엔지니어링 분야 실무 경력 3~5년 • 머신러닝 모델을 실제 서비스나 프로젝트에 올리고 운영해 본 경험 • Python 활용 능력, PyTorch 등 ML 프레임워크 실무 경험 • Docker 등 컨테이너 기반 배포 환경에 대한 이해 • 문제 상황을 구조적으로 정리하고, 팀과 근거를 가지고 소통할 수 있는 분 『 입사 지원 시 함께 보내주세요』 이력서와 함께 아래 질문 중 '하나 이상'에 대한 답을 자유 형식으로 보내주세요. 분량 제한은 없고, 잘 정리된 글보다 실제 경험이 담긴 글을 더 반갑게 읽습니다. 1. 현장이나 프로젝트에서 처음 생각했던 문제와 실제 문제가 달랐던 경험이 있나요? 무엇을 보고 그 차이를 알게 되었나요? 2. 지표는 괜찮았는데 실제로는 무언가 잘못되고 있었던 경험을 들려주세요. 어떻게 알아챘나요? 3. 해결하지 못했거나 결과가 기대와 달랐던 문제가 있다면, 그 과정에서 무엇을 관찰했고 지금이라면 어떻게 다르게 접근할지 알려주세요. 4. 반복되는 장애나 오류를 한 번의 수정이 아니라 구조로 해결해 본 경험이 있나요? ※ 1차 실무 면접에서는 기술 지식을 확인하는 질문보다 위 경험을 함께 깊게 파고드는 대화를 나눌 예정입니다.

우대사항

• Document AI, OCR, KIE, VLM 관련 프로젝트 경험 • 데이터 라벨링, 품질 관리, 오류 분석 체계를 직접 만들어 본 경험 • 모델 성능 저하나 데이터 드리프트를 발견하고 원인을 찾아 해결한 경험 • vLLM, Triton 등 모델 서빙 경험 • 현업 사용자, 고객사와 직접 소통하며 요구사항을 정리해 본 경험 • 온프레미스 또는 보안 제약이 있는 환경에서 일해 본 경험

혜택 및 복지

『성장을 가속하도록』 • 업무 관련 컨퍼런스, 세미나 참석 지원 • '기술 부채'나 '팀 비전' 수립을 위한 사내 워크숍 • Gemini, 코파일럿, 클로드 등 AI 생산성 도구 지원 • 최신 장비, 더블모니터, 모니터암, 시디즈 의자 제공 • 고과에 따른 인센티브 지급 • 특허 출원 시 200만 원 + 소요비용 지원 『제대로 충전하도록』 • 매년 유급 여름휴가 운영 • 매년 무급 리프레쉬 휴가 지원 • 선연차 제도 운영 • 유급 건강검진휴가 지원 『일상에서도 체감되도록』 • 교통보조금 월 10만 원 지급 • 점심시간 11시 45분부터 1시까지 운영 • 사무실로 배달되는 점심 케이터링 식사 제공 • 추가 근무 시 저녁 식사/ 야간 택시 지원 • 사내 안마 의자, 커피머신, 간식 구비 『동료애를 나누도록』 • 명절 상품권 연간 총 20만 원 • 어버이날 크루 부모님께 선물 지급 • 매 월 팀 활동비 지원 • 신규 입사자 대상 버디 제도 운영 및 식사비 지원