이 자리가 왜 생겼을까요
2025년 10월 당근은 사진을 한 번에 올리면 AI가 품목별 게시글로 나누고 판매글을 자동으로 써 주는 '여러 물건 글쓰기'를 출시하면서, 앞서 5월 AI 글쓰기와 7월 내 물건 가격 찾기를 내놓았다고 소개했습니다. 이 공고의 ML 인프라팀은 당근의 모든 팀이 ML과 LLM 기반 서비스를 만들 때 쓰도록 자체 개발한 LLM 라우터, 대규모 학습 파이프라인, ML 메타데이터 시스템을 만들고 있다고 밝혔습니다. 업무 목록의 중심도 사내 프롬프트 스튜디오와 에이전트 시스템을 지원하는 LLM 라우터와 모델 배포 시스템입니다. 여러 팀이 쓰는 ML·LLM 도구를 만들어 본 경험이 있다면 사용한 팀과 그 도구로 나간 기능까지 함께 소개하는 게 좋습니다.
당근이 지금 어떤 사업에 집중하고 있는지는 당근 채용 분석에서 이어서 볼 수 있습니다.
1하게 될 업무
사내 프롬프트 스튜디오와 에이전트 시스템을 지원하는 LLM 라우터를 개발합니다. 단순한 프록시를 넘어 다양한 LLM의 기능과 특성을 자연스럽게 활용할 수 있도록 추상화하고 확장합니다.
이렇게 볼 수 있어요
여러 LLM을 하나의 창구로 쓰게 하는 추상화가 업무의 중심입니다. API 게이트웨이를 만들었거나 여러 외부 API를 한 인터페이스로 묶어 본 경험이 이 업무와 가깝습니다.
ML 메타데이터 관리 및 조회 시스템을 자체 개발하고, AI 에이전트 기반으로 실험과 운영을 분석하고 자동화하는 방향으로 발전시킵니다.
이렇게 볼 수 있어요
실험 기록을 모으는 도구에 에이전트로 분석을 붙이는 방향까지 적혀 있습니다. 실험 추적 도구를 운영하거나 그 데이터로 반복 작업을 자동화해 본 경험이 있다면 누가 그 도구를 썼는지까지 소개하면 됩니다.
여러 학습 프레임워크를 위한 머신러닝 모델 배포 시스템을 운영·개발합니다. 사내 배포 시스템(Kontrol)과 긴밀하게 연동해 누구나 쉽고 안정적으로 모델을 서빙하고 관리할 수 있는 환경을 만듭니다.
이렇게 볼 수 있어요
모델 서빙이 사내 공통 배포 시스템과 연결돼 있습니다. 서빙 인프라를 만들어 다른 팀이 모델을 올리게 해 본 경험이라면 지원한 프레임워크와 사용 팀 수를 함께 밝힐 수 있습니다.
그 밖에도 당근에서 머신러닝과 AI를 더 잘 활용할 수 있다면 문제의 크기나 형태에 관계없이 필요한 것을 만들어 갑니다.
이렇게 볼 수 있어요
업무가 앞의 세 시스템에서 끝나지 않고 머신러닝과 AI 활용에 필요한 것이면 무엇이든 만든다는 뜻입니다. 맡은 범위 밖의 문제를 스스로 정의해 도구로 만든 경험이 이 업무의 사례가 됩니다.
2자격 요건
뚜렷한 정답이나 레퍼런스가 없는 새로운 문제를 정의하고 해결하는 과정을 즐기는 사람과 함께하고 싶다고 적었습니다.
이렇게 볼 수 있어요
참고할 사례가 없는 문제에서 무엇을 기준으로 방향을 정했는지가 질문거리입니다. 문제 정의부터 직접 했던 프로젝트 하나를 준비해 두면 됩니다.
머신러닝과 AI로 당근 서비스에 기여하고 싶은 사람, 기술 자체보다 실제 문제를 해결하고 사용자 가치를 만드는 데 관심 있는 사람을 바랍니다.
이렇게 볼 수 있어요
인프라 공고이지만 사용자 가치가 자격 요건에 있습니다. 만든 플랫폼이 어떤 서비스 기능으로 이어졌는지를 함께 쓰면 이 요건과 맞습니다.
파이썬을 주요 언어로 사용하며, 파이썬 기반 개발 환경에 익숙하거나 사용하는 데 부담이 없는 사람이 잘 맞습니다.
이렇게 볼 수 있어요
언어 조건은 파이썬 하나입니다. 다른 언어가 주력이라면 파이썬으로 만든 결과물을 함께 보여 줄 수 있습니다.
특정 도메인 경험보다 문제 해결 능력을 더 중요하게 보며, 다른 영역에서 복잡한 문제를 잘 풀어 온 사람이라면 ML이나 LLM 분야에서도 빠르게 성장할 수 있다고 봅니다.
이렇게 볼 수 있어요
ML 밖의 경력도 지원 대상으로 적혀 있습니다. 백엔드나 인프라에서 풀어 온 복잡한 문제를 자세히 쓰면 이 요건과 이어집니다.
백엔드 시스템이나 머신러닝 시스템을 개발해 본 경험이 있으면 팀에 더 빠르게 적응할 수 있습니다.
이렇게 볼 수 있어요
백엔드 시스템과 머신러닝 시스템이 '이나'로 이어져 있습니다. 다른 팀이 호출하는 서버를 만들고 운영한 경험은 업무에 있는 LLM 라우터나 모델 배포 시스템과 성격이 비슷합니다.
실무에서 약 3년 이상 문제를 풀어 온 사람(미드 레벨), 약 5년 이상 문제를 풀어 온 사람(시니어 레벨)을 기대합니다.
이렇게 볼 수 있어요
연차가 레벨별로 '약'을 붙여 적혀 있습니다. 실무 경력 전체를 기간과 함께 자세히 쓰고 어느 레벨로 지원하는지 밝혀 두면 면접에서 기대 수준을 맞추기 쉽습니다.
3우대 사항
문제를 임시방편으로 덮기보다 구조적으로 풀고, 반복되는 불편을 공통 시스템으로 만들며, 복잡한 기술을 다른 팀에게 단순한 경험으로 전달하고 싶어 하는 사람과 잘 맞는다고 적었습니다.
이렇게 볼 수 있어요
반복되는 불편을 공통 시스템으로 만들고 복잡한 기술을 단순하게 전달하는 일이 팀이 일하는 방식으로 적혀 있습니다. 개인의 노하우로 남아 있던 일을 공통 도구로 바꾼 경험을 예로 들 수 있습니다.
작더라도 실제 서비스 운영 과정에서 생기는 현실적인 문제를 직접 다뤄 본 경험을 우대합니다.
이렇게 볼 수 있어요
규모보다 실제 운영이 조건입니다. 사용자가 있는 서비스를 운영하며 겪은 문제라면 규모가 작아도 사례로 쓸 수 있습니다.
확장성, 안정성, 성능 같은 주제를 말로만이 아니라 실제 구조 개선으로 연결해 본 경험을 우대합니다.
이렇게 볼 수 있어요
구조를 바꾼 결과를 묻습니다. 바꾸기 전과 뒤의 지연 시간이나 처리량을 숫자로 비교하면 결과가 드러납니다.
여러 팀이 함께 쓸 플랫폼, 공통 도구, 내부 시스템을 고민해 본 경험을 우대합니다.
이렇게 볼 수 있어요
팀 소개의 '기술의 복잡함을 플랫폼이 대신 책임지게' 한다는 설명과 같은 방향입니다. 다른 팀이 쓴 내부 도구를 만들었다면 사용 팀 수와 받은 요청을 함께 소개할 수 있습니다.
ML 시스템(서빙, 학습 파이프라인 등)이나 LLM 기반 서비스의 흐름을 이해하고 있거나, 빠르게 배우며 실제 문제에 적용해 본 경험을 우대합니다.
이렇게 볼 수 있어요
이해하고 있는 경우와 빠르게 배워 적용한 경우가 '거나'로 이어져 있습니다. ML 경력이 짧다면 새로 배워 실제 문제에 적용한 과정을 구체적으로 적는 게 좋습니다.
정답이 없는 환경에서 오히려 더 재미를 느끼고 팀과 함께 기준을 만들어 가는 사람을 우대합니다.
이렇게 볼 수 있어요
기준을 팀과 함께 만든다는 점이 적혀 있습니다. 팀의 리뷰 규칙이나 운영 기준을 함께 정한 경험을 예로 들 수 있습니다.
4기타 사항
- 게시일 : 2025년 10월 15일
- 고용형태 : 정규직(수습 3개월)
- 근무지 : 서울특별시 서초구 강남대로 465, 교보강남타워 11층 (추정)
- 경력 조건 : 경력 3년 이상
- 학력 조건 : 해당 내용은 원본 공고에서 확인되지 않습니다.
쓰는 기술
공고 본문에 적힌 기술만 모은 목록입니다.
- Python
- LLM
전형과 지원
채용 FAQ가 밝힌 정규직 기준 일반적인 전형은 여섯 단계이고 단계마다 결과 통보에 걸리는 기간까지 공개돼 있습니다. 포지션에 따라 절차가 달라 공고마다 확인해야 합니다. 재지원 규칙이 단계마다 달라서 지원 순서를 정할 때 먼저 볼 부분입니다.
여섯 단계
일반적인 순서는 서류, 화상 인터뷰, 과제, 직무 인터뷰, 컬처핏 인터뷰와 레퍼런스 체크, 처우 협의이고 포지션에 따라 다릅니다. 결과 통보는 서류가 영업일 7일 이내, 화상과 직무 인터뷰가 5일 내외, 컬처핏 단계가 10일 내외입니다. 과제는 "5일 또는 7일 이내 작성 가능한 분량"이고 별도 전형으로 있기도 하고 인터뷰에 함께 출제되기도 합니다.
이렇게 볼 수 있어요
각 단계의 대기 기간이 공개돼 있으므로 다른 회사 일정과 겹쳐 볼 수 있습니다. 서류부터 최종까지 한 달이 넘게 걸린다고 보고 움직이는 편이 안전합니다.
컬처핏 뒤에는 1년
서류와 화상 인터뷰, 직무 인터뷰 단계에서 떨어지면 같은 공고에 6개월 뒤 다시 지원할 수 있고 다른 공고는 제한이 없습니다. 컬처핏 인터뷰 이후에는 모든 공고에 1년간 지원할 수 없습니다. 회사는 컬처핏 기준이 전 공고 공통이기 때문이라고 밝혔습니다.
이렇게 볼 수 있어요
마지막 단계의 실패 비용이 다른 단계보다 훨씬 큽니다. 인재상 다섯 가지에 각각 대응하는 사례를 하나씩 준비해야 하는 이유가 여기에 있고, 여러 공고를 염두에 두고 있다면 더욱 그렇습니다.
이력서 형식
자유 형식이고 PDF를 권장합니다. 채용 FAQ는 hwp와 word를 호환 문제로 지양해 달라고 하고 zip은 받지 않으며, 웹 링크는 이력서나 포트폴리오 파일에 첨부하라고 적었습니다.
이렇게 볼 수 있어요
형식을 정해 두지 않았으므로 양식을 맞추는 데 시간을 쓸 필요가 없습니다. 대신 자유 형식에서는 무엇을 강조할지가 온전히 지원자의 선택이라 공고의 업무 목록에 적힌 일을 해 본 경험을 자세히 적는 편이 낫습니다.
복수 지원과 그 밖의 규칙
정규직은 전부 상시 채용이고 복수 지원이 가능하며 공고별로 평가자와 기준이 달라 각각 진행됩니다. 나이와 학력 제한이 없습니다. 공고에는 입사 후 3개월 수습이 적혀 있습니다.
이렇게 볼 수 있어요
공고마다 절차가 따로 도는 구조라 두 곳에 지원하면 일정이 서로 어긋날 수 있습니다. 다만 컬처핏 단계까지 간 공고가 하나라도 있으면 그 결과가 나머지에 영향을 주므로 순서를 생각해 둘 필요가 있습니다.
지원 전 준비할 것
- 1
다른 팀이 쓴 도구 하나 정리하기
업무는 LLM 라우터, ML 메타데이터 시스템, 모델 배포 시스템처럼 다른 팀이 쓰는 플랫폼입니다. 직접 만든 내부 도구나 플랫폼 하나를 골라 누가 썼고 무엇이 단순해졌는지를 정리해 둡니다.
- 2
지원할 레벨 정하기
자격 요건은 미드 레벨 약 3년 이상, 시니어 레벨 약 5년 이상으로 나눠 적었습니다. 실무 경력과 맡아 온 역할을 기준으로 어느 레벨로 지원하는지 정하고 그에 맞는 사례를 준비합니다.
- 3
공고에 걸린 발표와 글 미리 보기
공고 아래 연관 콘텐츠에 '당근은 왜 LLM Router 를 직접 만들었을까?' 발표와 '당근의 GenAI 플랫폼' 기술 블로그 글이 걸려 있습니다. 팀이 만든 시스템의 배경을 미리 보고 직무 인터뷰에서 본인의 경험과 연결할 지점을 찾아 두세요.