[위프(WHIF)] Tech- LLM Engineer

주요업무

캐릭터가 정말 "그 캐릭터답게" 말하게 만드는 LLM 엔지니어를 찾습니다. 인격,말투,감정 - AI가 만든 답장인데 유저가 설레는 경험을 설계합니다. 우리가 찾는 건 특정 기술의 전문가가 아니라 문제해결사입니다. LLM이 가장 자신 있는 무기라면 그걸로 시작하되, 문제를 해결하기 위해 프론트엔드를 고치고, 백엔드 API를 만들고, 인프라를 만지고, 1 Pager를 쓰는 일까지 — 필요한 건 뭐든 합니다. [위프를 소개합니다] 위프(whif.io)는 유저가 직접 캐릭터를 만들고, 시나리오를 설계하고, AI 캐릭터와 몰입감 넘치는 대화를 나누는 서비스입니다. 캐릭터가 정말 살아있는 것처럼 느끼게 만드는 것 — 그게 우리의 핵심 과제입니다. 한국과 일본을 중심으로 9개국에서 서비스하고 있습니다. 여러 LLM 프로바이더 동시 운용 + 자체 모델 호스 [우리 팀] 누적 투자금 180억 원 (카카오벤처스, 스프링캠프 등)2번의 EXIT을 경험하고 다시 시작하는 팀. 7개 아이템에 도전해 5번 실패하고, 2번 매각했습니다구성원 모두가 창업자 출신, 쿠팡을 비롯한 IT 팀 출신 소수 정예프론트엔드, 백엔드, LLM, 인프라를 한 사람이 End-to-End로 작업합니다. [이 포지션이 지금 필요한 이유] 캐릭터가 "그 캐릭터답게" 말하려면, LLM에게 단순히 텍스트를 생성시키는 것만으로는 안 됩니다. 인격을 유지하고, 말투를 지키고, 세계관을 벗어나지 않으면서도 유저가 설레는 답장을 만들어야 합니다. 여러 모델 중 최적을 고르고, 자체 모델을 파인튜닝하고, 캐릭터가 점점 더 자연스러워지도록 개선하는 일 — 이게 이 포지션의 핵심입니다. LLM을 무기로 들고 합류해, 유저가 "AI인 줄 알면서도 빠져드는" 경험을 만들어낼 프로덕트 엔지니어를 찾고 있습니다. [합류하면 바로 이런 문제를 풀게 됩니다] 당신의 시작 무기는 LLM입니다 하지만 문제를 해결하는 데 필요한 일은 코딩에 국한되지 않습니다. 어떤 날은 PM과 함께 1 Pager를 쓰고, 어떤 날은 LLM 모델을 바꿔가며 A/B 실험을 돌리고, 어떤 날은 인프라 설정을 만지고, 어떤 날은 프론트엔드 UI를 직접 고칩니다. 문제가 어디에 있든 해결하는 사람 — 그게 우리가 말하는 LLM 엔지니어입니다. 우리 팀의 모든 엔지니어가 같은 문제를 함께 풀고 있습니다. 아래는 프론트엔드 공고든, 백엔드 공고든, LLM 공고든 동일한 문제 목록입니다 — 시작하는 무기만 다릅니다. 우리 팀은 한 사람이 동시에 5~15개의 AI 에이전트를 병렬로 돌리며 일합니다. 솔직히 항상 정신없고 작업 기억이 모자랄 때도 많은데, 그게 또 재밌습니다. 이 속도감이 맞는 분이라면 매일이 신날 겁니다. [팀이 지금 풀고 있는 문제들] • 캐릭터의 답장이 올 때 심장이 뛰는 실시간 채팅 경험 만들기 • 새로운 장르의 유저가 첫 대화에서 바로 빠져들 수 있는 앱 설계 • "이 캐릭터 진짜 나를 기억하네" — 프론트부터 LLM까지 관통하는 기능 개발 • 캐릭터가 더 자연스럽게 말하도록 모델 라우팅과 프롬프트 최적화 • 캐릭터와의 관계가 깊어지는 걸 유저가 느낄 수 있는 시스템 설계 • 9개국 유저 모두가 자기 언어로 몰입할 수 있는 다국어 UX • 결제 한 번으로 끊김 없이 이어지는 매끄러운 경험 • 대화가 점점 지루해지지 않도록 — 채팅 엔진의 서사 확장 [이렇게 일합니다] 가장 중요한 건 속도다 리드타임을 최대한 짧게, 피처를 최대한 빠르게 딜리버리하는 것이 1번입니다. 생산성, 리드타임 단축, 사용자 부정 경험 최소화 — 이 세 가지를 기준으로 모든 의사결정을 합니다. Agentic CodingAI 에이전트와 함께 코딩합니다. 코드 리뷰, 테스트, 배포까지 자동화되어 있어서, 아이디어에서 프로덕션까지의 거리가 짧습니다. E2E 오너십한 사람이 기획 참여 구현 배포 모니터링까지 소유합니다. 누군가에게 넘기고 기다리는 구조가 아닙니다. 장애에서 배운다같은 실수를 두 번 하지 않습니다. 장애가 나면 원인을 찾고, 자동화된 도구로 재발을 방지합니다. [주요업무] 유저가 캐릭터와 대화하며 빠져드는 경험 — 그 경험을 더 좋게 만드는 모든 일을 합니다. • "이 기능 있으면 유저가 더 빠져들겠다" — 문제를 직접 정의하고, 설계하고, 만들고, 배포까지 • 하나의 기능을 프론트엔드 서버 LLM까지 스택을 관통하며 완성 • 유저가 어디서 이탈하는지 데이터로 보고, 실험을 돌리고, 결과로 다음 방향을 결정 • 캐릭터가 더 자연스럽게 말하도록 — LLM 실험, 프롬프트 개선, 모델 전환 • 서비스가 끊기지 않도록 — 인프라, 모니터링, 장애 대응까지 필요하면 직접 • 결제, 다국어, 채팅 엔진 — 도메인 경계 없이 유저 경험에 필요한 건 뭐든 [기술 스택] • 언어: TypeScript, Python, Go • 프론트엔드: React 기반 SPA + 모바일 하이브리드 앱 (iOS/Android) • 백엔드: Typescript 서버, Python 비동기 서버, Go 서버 • AI/LLM: 여러 LLM 프로바이더 + 자체 모델 • 인프라: GCP, CI/CD, 모니터링

자격요건

• LLM/ML 기반 프로덕션 서비스 개발 또는 운영 경험 (ML 3년 이상, 또는 LLM 프로덕션 1년 이상 포함) • 프롬프트 엔지니어링을 넘어 평가(Eval) 파이프라인을 설계하고 운영한 경험 • Python으로 비동기 API 서버를 구축하고 운영한 경험

우대사항

• 멀티 모델 오케스트레이션(라우팅, 폴백, A/B 실험) 경험 • RAG 파이프라인 설계/운영 경험 (벡터 DB, 임베딩, 청킹 전략) • 파인튜닝 경험 (LoRA, DPO, RLHF 등) • LLM 관측성 도구 운영 경험• 토큰 비용 최적화 경험 (캐싱, 컨텍스트 윈도우 관리, 모델 다운사이징) • Go 또는 TypeScript로 코드를 읽고 수정한 경험 • 콘텐츠 안전성/가드레일 설계 경험 • 오픈소스 기여 또는 기술 블로그 운영 • 기능 하나를 끝까지 책임지고 출시해본 경험 (프롬프트 설계부터 배포/모니터링까지)

기술스택

LLM

채용절차

기술력 자체보다 함께 일하는 방식을 먼저 봅니다. 상황에 따라 순서가 조정될 수 있습니다. 1. 협업 인터뷰 (60분) — 일하는 방식, 커뮤니케이션 스타일, 과거 협업 경험 2. Culture fit Interview (60분) — 미션/비전 fit, 가치관, 성장 방향 3. Technical Interview (60분) — LLM 시스템 설계 및 과거 프로젝트 기반 기술 대화4. 처우 협의