[쿠팡] Staff~Sr. Staff, Machine Learning Engineer (Ads Engineering) 공고 분석

이 자리가 왜 생겼을까요

1하게 될 업무

• LangGraph, ReAct 등을 활용해 멀티 에이전트 오케스트레이션, 도구 사용(Tool-usage), 장단기 메모리, 자율 추론 파이프라인을 갖춘 대규모 Agentic AI 시스템을 구축합니다.

  이렇게 볼 수 있어요

  이 업무에서 만드는 것은 조직 소개가 말한 '광고 캠페인 생성부터 노출/최적화까지의 전 과정을 자율적으로 수행하는' 시스템입니다. 에이전트가 실제 업무를 끝까지 처리하게 만든 프로젝트라면 에이전트가 맡은 단계와 사람이 개입한 지점을 나눠 이야기할 수 있습니다.

• 포스트 트레이닝 강화학습(RLHF, RLAIF, Reward Modeling)을 도입해 광고주 성과와 사용자 경험을 함께 높이는 보상 기반 최적화 모델을 개발합니다.

  이렇게 볼 수 있어요

  이 업무에서는 보상을 광고주 쪽 지표와 사용자 경험 양쪽으로 정의해야 합니다. 리워드 모델을 설계하며 서로 부딪치는 목표를 하나의 보상으로 어떻게 묶었는지가 면접에서 나올 만한 주제입니다.

• LLM 파인튜닝, 지식 증류(Distillation), 대규모 분산 서빙과 실시간 추론(Inference) 효율화 아키텍처를 리드합니다.

  이렇게 볼 수 있어요

  조직 소개에 대규모 실시간 옥션(Auction) 시스템 최적화가 함께 있습니다. 증류나 서빙 최적화로 추론 지연과 비용을 줄인 사례라면 줄이기 전과 후의 지연 시간과 비용을 함께 적는 게 좋습니다.

• 복잡하고 큰 광고 데이터셋에서 숨겨진 패턴을 찾아 CTR, CVR, tROAS 달성률 같은 광고 퍼포먼스 개선으로 연결합니다.

  이렇게 볼 수 있어요

  tROAS 달성률은 광고주가 정한 목표 ROAS를 얼마나 맞췄는지를 보는 지표입니다. 광고주 목표에 맞춘 입찰이나 노출 최적화를 해 봤다면 이 지표로 결과를 보여 줄 수 있습니다.

• Ads Growth의 중장기 기술 로드맵을 세우고, 국/영문 테크니컬 디자인 문서(Design Docs)로 Product, Infrastructure 등 글로벌 유관 부서와 트레이드오프를 조율합니다.

  이렇게 볼 수 있어요

  이 팀에서 글로벌 유관 부서와의 조율은 국/영문 디자인 문서를 거칩니다. 직접 쓴 설계 문서가 있다면 그 문서가 정리한 트레이드오프와 그 뒤의 결정을 면접에서 꺼낼 만합니다.

• 코드 리뷰, 테스트 자동화, CI/CD, 시스템 디자인 가이드로 소프트웨어 엔지니어링 프랙티스를 퍼뜨리고, Claude Code 등 AI 코딩 에이전트로 개발 워크플로우를 앞당깁니다.

  이렇게 볼 수 있어요

  팀이 AI 코딩 에이전트를 개발 방식의 일부로 쓰고 있습니다. 코딩 에이전트를 팀의 리뷰와 테스트 흐름에 붙여 본 경험이 있다면 무엇을 자동화했고 품질을 어떻게 지켰는지 이야기할 수 있습니다.

2자격 요건

• 컴퓨터공학, 엔지니어링, 수학, 통계학 또는 관련 분야의 학사 학위 이상이 필요합니다.

  이렇게 볼 수 있어요

  우대 사항에 석사·박사가 있고 업무에 RLHF, RLAIF 같은 포스트 트레이닝 기법이 있습니다. 학사라면 논문 구현이나 강화학습 실험을 프로덕션으로 옮긴 경험을 자세히 적을 수 있습니다.

• 글로벌 팀 및 다국적 이해관계자와 원활하게 업무를 조율하는 데 필수인 '탁월한 커뮤니케이션 스킬'이 필요합니다.

  이렇게 볼 수 있어요

  역할 개요가 한국어와 영어 양국어로 명확하게 소통한다고 적었으니 두 언어로 모두 조율할 수 있어야 합니다. 채용 FAQ는 외국어 활용 능력이 필수인 포지션은 통역 없이 면접이 진행될 수 있다고 안내합니다.

• 대규모 프로덕션 머신러닝(ML) 시스템을 설계, 배포, 운영한 전문 경력 5년 이상이 필요합니다(영문 본문은 applied machine learning 경력 5년 이상과 프로덕션 ML 시스템을 출시·확장한 실적).

  이렇게 볼 수 있어요

  이 팀의 모델은 매달 수천만 명의 고객과 수십만 명의 판매자/광고주를 연결하는 광고 플랫폼 위에서 돌아갑니다. 배포 뒤 운영까지 맡은 시스템이라면 처리한 트래픽 규모와 운영하며 고친 문제를 함께 적을 수 있습니다.

• 멀티 에이전트 오케스트레이션, 플래닝, 자율 추론 파이프라인을 설계·구현한 Agentic AI 시스템 구축 경험이 필요합니다(예: ReAct 프레임워크, LangGraph 등 활용). 영문 본문은 memory를 함께 적었습니다.

  이렇게 볼 수 있어요

  업무에서 만드는 것은 광고 캠페인 전 과정을 에이전트가 처리하는 시스템입니다. 실제 사용자나 운영 데이터 위에서 에이전트를 돌려 본 경험에서는 에이전트가 계획을 잘못 세우거나 도구 호출에 실패했을 때 어떻게 막았는지가 면접에서 가장 구체적인 이야기가 됩니다.

• Python 숙련, Test-driven 개발, CI/CD, 확장 가능한 시스템 디자인 역량을 포함한 고도화된 소프트웨어 엔지니어링 역량이 필요합니다.

  이렇게 볼 수 있어요

  업무에도 코드 리뷰, 테스트 자동화, CI/CD로 엔지니어링 프랙티스를 퍼뜨리는 일이 있습니다. 모델 코드에 테스트와 CI/CD를 붙여 운영해 봤다면 어떤 테스트로 모델 품질 저하를 잡았는지까지 밝혀 두세요.

• 기술 방향과 로드맵을 주도적으로 세우고, 엔지니어를 멘토링하며, 전사·교차 부서 사이의 얼라인먼트를 이끌어 낸 경험이 필요합니다.

  이렇게 볼 수 있어요

  역할 개요가 이 자리를 IC(Individual Contributor)로 소개합니다. 조직을 관리한 경험보다 여러 팀이 따른 기술 로드맵을 직접 세운 사례와 멘토링한 엔지니어가 맡게 된 일을 적을 수 있습니다.

3우대 사항

• 컴퓨터공학, 엔지니어링, 수학, 통계학 또는 관련 분야의 석사나 박사 학위(Ph.D.)를 우대합니다.

  이렇게 볼 수 있어요

  학위 논문이 강화학습, LLM, 추천이나 광고 쪽이라면 업무의 보상 기반 최적화나 LLM 고도화 항목과 바로 연결됩니다.

• 대규모 디지털 광고 시스템(Advertising Systems)에 대한 깊은 이해와 개발 경험을 우대합니다.

  이렇게 볼 수 있어요

  조직 소개에 실시간 옥션 최적화와 정밀한 타겟팅이 있고, 영문 소개는 예산 집행(budget delivery)까지 듭니다. 입찰, 타겟팅, 예산 집행 가운데 어느 부분을 만들었는지 나눠 밝히면 이 팀 시스템의 어느 쪽과 이어지는지 알기 쉽습니다.

• 보상 기반 최적화를 위한 포스트 트레이닝 강화학습(RLHF, RLAIF 또는 도메인 특화 리워드 모델링) 경험과, LLM 파인튜닝, 증류(Distillation), 대규모 serving/inference 인프라 최적화 경험을 우대합니다.

  이렇게 볼 수 있어요

  두 기술이 업무에서는 보상 기반 광고 최적화 모델과 LLM 서빙 아키텍처로 쓰입니다. 리워드 모델을 학습시킨 데이터, 그리고 증류한 모델의 품질과 지연 시간이 원래 모델과 얼마나 달라졌는지를 숫자로 적는 게 좋습니다.

• End-to-End 모델 트레이닝과 서빙 파이프라인(Feature Store, 온/오프라인 평가, A/B 테스트 프레임워크)을 구축한 경험, 대용량 데이터셋에서 인사이트를 찾아 측정 가능한 광고 성과 지표로 바꾼 트랙 레코드를 우대합니다.

  이렇게 볼 수 있어요

  온/오프라인 평가와 A/B 테스트는 새 모델이 CTR, CVR, tROAS 달성률을 실제로 바꿨는지 확인하는 경로입니다. 오프라인 지표와 온라인 A/B 결과가 어긋났던 경험은 원인을 어떻게 찾았는지 함께 쓰면 됩니다.

• Claude Code 등 최신 코딩 에이전트와 AI 툴로 AI 개발 워크플로우를 앞당겨 본 경험을 우대합니다.

  이렇게 볼 수 있어요

  업무의 엔지니어링 엑설런스 항목에도 같은 도구 이름이 있습니다. 코딩 에이전트로 실험 코드나 파이프라인 작업 시간을 줄였다면 줄어든 시간과 사람이 직접 검토한 범위를 함께 적습니다.

• '탁월한 서면 커뮤니케이션 능력'을 우대합니다. 복잡한 기술 트레이드오프를 명확한 디자인 문서로 시각화·문서화해 다국적 이해관계자를 설득하는 역량입니다.

  이렇게 볼 수 있어요

  업무에도 국/영문 디자인 문서로 글로벌 유관 부서와 트레이드오프를 조율하는 일이 있습니다. 직접 쓴 디자인 문서 가운데 공개할 수 있는 구조나 목차를 준비해 가면 트레이드오프를 어떻게 정리했는지가 드러납니다.

4기타 사항

• 게시일 : 2026년 6월 17일
• 고용형태 : 해당 내용은 원본 공고에서 확인되지 않습니다.
• 근무지 : 서울
• 경력 조건 : 경력 5년 이상
• 학력 조건 : 컴퓨터공학, 엔지니어링, 수학, 통계학 또는 관련 분야의 학사 학위 이상

쓰는 기술

공고 본문에 적힌 기술만 모은 목록입니다.

• LangGraph
• ReAct
• Python
• Claude Code

전형과 지원

쿠팡 채용 안내 페이지는 전형을 서류 전형, 리크루터 스크리닝 콜, 직무 적합성 인터뷰와 핵심 역량 인터뷰, 처우 협의와 최종 오퍼 순으로 안내합니다. 지원자의 직무 역량과 조직 문화가 맞는지를 모든 전형 단계에서 확인한다고 적었으므로 어느 단계에서든 리더십 원칙에 맞춘 사례를 꺼낼 수 있어야 합니다.

지원 전 준비할 것

1. 1

   에이전트 시스템 구조도 그리기

   직접 만든 에이전트 시스템 하나를 골라 오케스트레이션, 도구 호출, 메모리, 평가 방식을 한 장의 구조도로 정리해 두세요. 면접이 모두 화상이라 화면 공유로 보여 줄 수 있습니다.

2. 2

   광고 지표 개선 사례 숫자로 정리하기

   CTR, CVR, tROAS 달성률처럼 업무에 적힌 지표 가운데 직접 움직여 본 지표를 골라 A/B 테스트 설계와 개선 폭을 정리합니다. 광고가 아닌 도메인이라면 같은 구조의 전환 지표로 바꿔 이야기할 수 있게 준비합니다.

3. 3

   영문 디자인 문서 준비

   업무에 국/영문 디자인 문서 작성이 있습니다. 공개할 수 있는 범위에서 직접 쓴 설계 문서의 목차와 트레이드오프를 정리한 방식을 영어로 이야기하는 연습을 해 두세요.