이 자리가 왜 생겼을까요
2026년 10월 정식 출시된 보이스 알프는 채팅 상담 AI 에이전트 ALF를 전화로 넓힌 제품이라고 회사가 발표했습니다. 이 공고는 2025년 ALF의 해결률이 52%에서 80%로 올랐다고 적으면서도 남은 20%를 '진짜 어려운 문제'로 들고, 고객사 지식 활용과 상담 품질 측정, 더 복잡한 상담을 처리하는 에이전트 설계를 AI팀이 맡는다고 밝혔습니다. RAG나 에이전트를 개선해 본 경험은 개선 전후 지표까지 있어야 이 팀의 과제와 비교가 됩니다.
채널코퍼레이션이 지금 어떤 사업에 집중하고 있는지는 채널코퍼레이션 채용 분석에서 이어서 볼 수 있습니다.
1하게 될 업무
고객 상담 에이전트(ALF)의 RAG 성능을 고도화하고 멀티모달 지식 검색 시스템을 설계합니다.
이렇게 볼 수 있어요
공고는 고객사의 지식을 AI가 진짜 이해하고 활용할 수 있도록 만드는 일을 팀의 첫 과제로 적었습니다. RAG를 개선해 본 경험이 있다면 검색 정확도나 답변 정확도가 얼마나 바뀌었는지를 숫자로 적을 수 있습니다.
PDF, 스프레드시트, 웹페이지 등 다양한 원천 데이터에서 지식을 전처리하는 파이프라인을 구축합니다.
이렇게 볼 수 있어요
고객사가 올리는 자료 형식이 제각각이라는 뜻입니다. 문서 파싱이나 청킹 전략을 다뤄 봤다면 어떤 형식에서 무엇이 어려웠고 어떻게 풀었는지가 이 업무와 맞는 사례입니다.
AI 상담을 평가하고 개선하는 자동화 시스템과 벤치마크를 만듭니다.
이렇게 볼 수 있어요
공고는 Evaluation을 세 과제 영역의 하나로 들고, 팀 NSM(고객 성공율)에 직결되는 선행지표를 직접 정의하고 움직인다고 적었습니다. 평가 지표를 직접 설계하고 그 지표로 모델을 고쳐 본 경험이 이 업무에 맞습니다.
상담과 마케팅을 아우르는 대고객 에이전트를 설계하고 멀티 LLM 인프라 비용을 최적화합니다.
이렇게 볼 수 있어요
에이전트 설계와 비용 관리가 한 업무로 묶여 있습니다. 여러 모델을 섞어 쓰며 호출 비용을 줄여 봤다면 줄인 비율이 이 업무의 사례가 됩니다.
최신 연구를 서베이하고 신규 기능을 PoC합니다.
이렇게 볼 수 있어요
공고는 연구 결과를 논문으로 발표할 수 있다는 점을 기회로 꼽았습니다. 논문 구현이나 PoC 경험이라면 실제 제품에 들어갔는지까지 이어서 쓰면 연구와 제품을 함께 다룬 경험이 됩니다.
2자격 요건
모호한 비즈니스 문제를 AI/ML 문제로 바꾸고 빠른 가설 검증을 반복하며 몰입해 문제를 해결해 본 경험이 필요합니다.
이렇게 볼 수 있어요
비즈니스 문제를 AI/ML 문제로 바꾸는 정의 단계부터 요구합니다. 그런 사례라면 처음 받은 요구와 바꾼 문제 정의를 나란히 적으면 차이가 드러납니다.
대규모 언어 모델의 동작 메커니즘을 깊이 이해하고 활용할 수 있어야 합니다.
이렇게 볼 수 있어요
API를 호출해 본 경험보다 모델이 왜 그렇게 동작하는지 설명할 수 있는지를 묻습니다. 사전 기술 인터뷰가 ML/AI 기술 중심의 Q&A라 이 부분을 말로 설명하는 준비가 필요합니다.
RAG, 벡터 검색 등 정보 검색 시스템을 설계하거나 고도화해 본 경험이 필요합니다.
이렇게 볼 수 있어요
업무의 ALF RAG 고도화와 바로 이어지는 요건입니다. 다뤄 본 검색 시스템의 문서 규모와 개선 지표를 숫자로 적으면 됩니다.
Python 프로그래밍 능력과 PyTorch, Hugging Face, wandb 같은 ML 개발 라이브러리·플랫폼 활용 능력이 필요합니다.
이렇게 볼 수 있어요
wandb는 실험 기록과 지표 비교에 쓰는 도구입니다. 업무의 상담 평가 벤치마크와 신규 기능 PoC에서 쓰임새가 큽니다. Hugging Face로 공개 모델을 가져와 미세 조정했거나 wandb로 실험을 비교해 RAG·에이전트 설정을 골랐다면, 도구 이름을 공고 표기 그대로 적고 그 실험으로 무엇을 정했는지까지 밝힐 수 있습니다.
컴퓨터공학, 전자공학, 수학, 통계학 등 관련 전공 학사 이상의 학위가 필요합니다.
이렇게 볼 수 있어요
같은 회사 Machine Learning Engineer (Model Training)와 Forward Deployed Engineer 공고에는 학위 요건이 없지만, 신입부터 뽑는 이 공고는 관련 전공 학사 이상을 자격 요건으로 둡니다. 석사 이상은 우대 사항에 따로 있습니다. 신입이라면 정보 검색이나 자연어 처리를 다룬 과목·프로젝트를 전공명과 함께 적으면 업무의 RAG 고도화와 어디서 이어지는지 보입니다.
3우대 사항
LLM 기반 AI 에이전트를 설계하고 프로덕션 환경에서 운영해 본 경험, 벤치마크나 LLM-as-a-judge 같은 AI 시스템 평가 체계를 설계해 본 경험을 우대합니다.
이렇게 볼 수 있어요
ALF의 남은 20%를 다루는 세 과제 영역 가운데 에이전트 운영 경험은 Agent에, 평가 체계 설계 경험은 Evaluation에 해당합니다. 운영하던 에이전트의 실패를 평가 체계로 찾아내 고친 사례 하나로 두 영역을 함께 설명할 수 있습니다.
대규모 트래픽 환경에서 AI 모델을 서빙·운영한 경험, 대규모 데이터 처리 파이프라인을 설계·운영한 경험, LLM 서빙 비용을 최적화한 경험을 우대합니다.
이렇게 볼 수 있어요
공고는 ALF가 매일 수만 건의 고객 상담을 응대한다고 적었습니다. 서빙 경험은 초당 요청 수나 지연 시간, 비용 절감 폭처럼 규모를 보여 주는 숫자로 적어야 비교가 됩니다.
상담·고객 서비스 도메인 데이터를 다뤄 본 경험을 우대합니다.
이렇게 볼 수 있어요
ALF는 고객사의 상담을 대신 처리하는 에이전트라, 상담 기록을 다뤄 본 경험은 상담 품질 평가와 고객사 지식 활용 과제에 직접 쓰입니다. 상담 데이터로 무엇을 분류하거나 평가해 봤는지가 그 연결을 보여 주는 부분입니다.
Go 프로그래밍 능력을 우대합니다.
이렇게 볼 수 있어요
같은 채용 사이트의 Software Engineer 공고는 새 백엔드 서비스를 Go로 개발한다고 적었습니다. Go로 만든 서비스가 있다면 그 서비스가 맡은 역할까지 이력서에 남겨 둘 만합니다.
관련 전공 석사 이상의 학위를 우대합니다.
이렇게 볼 수 있어요
연구 주제가 RAG, 평가, 에이전트와 가깝다면 학위 칸에 연구 주제를 덧붙여 두세요.
AI 주제의 논문 출판 경험이나 경진대회 활동 경력을 우대합니다.
이렇게 볼 수 있어요
이 팀은 최신 연구를 서베이해 새 기능을 PoC로 시험하는 일도 맡습니다. 논문이나 대회에서 다룬 문제를 실제 기능 시험으로 옮겨 본 경험을 함께 적어 둘 만합니다.
4기타 사항
- 게시일 : 2023년 5월 30일
- 고용형태 : 정규직
- 근무지 : 서울특별시 강남구 논현로 508, 8층(역삼동, GS타워) (추정)
- 경력 조건 : 신입~경력직
- 학력 조건 : 컴퓨터공학, 전자공학, 수학, 통계학 등 관련 전공 학사 이상
쓰는 기술
공고 본문에 적힌 기술만 모은 목록입니다.
- Python
- PyTorch
- Hugging Face
- wandb
- Go
전형과 지원
분석 시점 한국 공고의 전형은 서류전형, 1차 면접, 2차 면접, 최종 합격 네 단계가 가장 많았고, 직군에 따라 3차 면접이나 과제 전형, 일부 개발 공고의 온라인 사전 기술 인터뷰, Data Analyst와 Japan Product Specialist 공고의 콜 인터뷰가 더 있었습니다. 45건 가운데 40건이 전형 설명에 컬처핏이나 채널팀 문화와의 적합성 확인을 적었습니다.
기본 흐름과 추가 인터뷰
분석 시점(2026년 10월 22일) 한국 공고 45건 가운데 18건이 서류전형, 1차 면접, 2차 면접, 최종 합격 순서였고 9건은 여기에 3차 면접이 더 있었습니다. 35건에는 추가 인터뷰를 요청할 수 있다는 안내가 있고, 그 가운데 31건은 1~2회라고 횟수를 적었습니다.
이렇게 볼 수 있어요
공고에 적힌 단계 수보다 면접이 한두 번 늘 수 있다는 뜻이라 일정을 넉넉하게 잡는 편이 안전합니다. 지원할 공고의 '어떤 방식으로 채용하나요?' 절에 단계별로 무엇을 보는지가 적혀 있으니 면접 전에 다시 읽어 두면 됩니다.
Software Engineer·AI 공고는 온라인 사전 기술 인터뷰부터
Software Engineer 공고는 서류 제출 뒤 30~45분 동안 기본 구현 능력과 CS 기초를 보는 온라인 사전 기술 인터뷰를 하고, 1차 인터뷰에서 최대 2시간 동안 인터랙티브 라이브 코딩을 한다고 적었습니다. Software Engineer, Senior 공고와 Forward Deployed Engineer 공고도 같은 30~45분 사전 기술 인터뷰로 구현 능력과 CS 기초를 보고, Senior 공고의 1차 인터뷰는 최대 2시간 동안 PS 문제 풀이와 라이브 코딩을 합니다. Applied AI Engineer와 Machine Learning Engineer 공고의 사전 기술 인터뷰는 30분 동안 ML/AI 기술 중심의 Q&A로 진행됩니다.
이렇게 볼 수 있어요
이 공고들은 서류 다음에 바로 기술 확인 단계가 있습니다. DevOps 공고는 사전 기술 인터뷰 대신 1차 인터뷰를 온라인으로 합니다. 자료구조·알고리즘·운영체제·네트워크 같은 CS 기초를 다시 보고, 대표 프로젝트 하나는 기술 선택의 이유까지 설명할 수 있게 준비해 두는 편이 좋습니다.
면접 한 번은 컬처핏을 봅니다
Security Engineer 공고는 1차 면접에서 직무 적합성과 역량을, 2차 면접에서 '보다 깊이 있는 직무적인 이야기와 컬쳐핏'을 확인한다고 적었습니다. 분석 시점 한국 공고 45건 가운데 40건이 전형 설명에 컬처핏이나 채널팀 문화와의 적합성 확인을 적었습니다.
이렇게 볼 수 있어요
직무 역량과 별개로 문화 적합성을 보는 단계가 따로 있습니다. 인재상 절의 Customer Driven, 고객이 답이다, 임팩트 중심에 맞는 사례를 하나씩 정리해 두면 그 면접에서 바로 쓸 수 있습니다.
과제와 포트폴리오를 내는 공고
PR Manager 공고는 이력서와 함께 보도자료·기획기사·콘텐츠 같은 대표 작업물 포트폴리오와 작업물별 기여도를 내 달라고 적었고, 서류 합격자에게 글쓰기 과제를 이메일로 안내합니다. Product Manager (PM) 공고와 Product Designer, Senior 공고에도 과제 전형이 있습니다. Marketing Specialist 공고는 포트폴리오를 필수로 내고 프로젝트별 기여도를 적어 달라고 했습니다. Engineering Team, 영상 PD 공고는 서류 다음에 과제 전형이 있고 대표 콘텐츠와 함께 각 작업에서 직접 담당한 역할과 범위를 적어 달라고 안내합니다. Legal Counsel 공고는 1차 면접 뒤 실제 업무와 비슷한 사안에 대한 짧은 의견서 과제가 있고, Forward Deployed Engineer 공고는 사전 기술 인터뷰 뒤 3일 동안 수행하는 과제 전형이 있습니다.
이렇게 볼 수 있어요
PR, 마케팅, 영상 PD, 프로덕트 디자인 공고는 서류 단계부터 작업물을 봅니다. 포트폴리오에는 작업물마다 본인이 맡은 부분을 따로 적어야 공고가 요구하는 기여도 표기를 채울 수 있습니다.
이 공고만 다른 점
채용 과정은 서류 제출, 사전 기술 인터뷰(온라인), 1차 인터뷰, 2차 인터뷰, 3차 인터뷰, 최종 합격 순입니다. 사전 기술 인터뷰는 30분 동안 ML/AI 기술 중심의 Q&A, 1차는 1시간 동안 라이브로 주어진 상황에서 AI를 활용한 해결 방안을 도출하는 문제 풀이, 2차는 1시간 30분 동안 수행한 프로젝트 설명과 질의응답, 3차는 컬처핏 인터뷰입니다.
1차 인터뷰는 결과뿐만 아니라 문제를 풀어 가는 과정 자체를 중요하게 평가한다고 공고가 밝혔습니다. 풀이 중에 생각을 소리 내어 설명하는 연습이 필요한 단계입니다.
지원 전 준비할 것
- 1
개선 전후 숫자 정리
업무와 요건이 해결률·평가·비용 같은 지표를 기준으로 적혀 있습니다. 다뤄 본 RAG나 에이전트 프로젝트마다 개선 전후 지표와 그 지표를 어떻게 쟀는지를 정리해 두세요.
- 2
라이브 문제 풀이 연습
1차 인터뷰는 그 자리에서 제시하는 상황에 AI를 활용한 해결 방안을 라이브로 도출하는 문제 풀이입니다. 상담 자동화 같은 실제 문제 하나를 골라 문제 정의부터 평가 방법까지 소리 내어 설명해 보세요.
- 3
기술 블로그 읽기
채널톡 기술 블로그에는 자체 모델로 상담 분석 비용을 줄인 글과 보이스 알프의 턴 감지 모델 개발기가 올라와 있습니다. 팀이 실제로 푼 문제를 알고 가면 2차 인터뷰의 프로젝트 질의응답에서 비교할 거리가 생깁니다.