[하이브] [HYBE] Full-Stack 개발 공고 분석

이 자리가 왜 생겼을까요

1하게 될 업무

• 사내 웹 서비스의 프론트엔드와 백엔드를 함께 설계하고 개발합니다. 화면과 컴포넌트, 다국어, 그리드와 차트, 그리고 API와 배치, 데이터 모델이 한 줄 안에 들어 있습니다.

  이렇게 볼 수 있어요

  업무 범위를 나열이 아니라 한 문장으로 묶어 둔 것이 이 공고의 성격입니다. 프론트엔드와 백엔드를 모두 맡아 본 프로젝트가 있다면 그 프로젝트 하나를 깊게 적는 편이, 양쪽 경력을 따로 나열하는 것보다 이 공고와 맞습니다.

• 데이터 파이프라인과 외부 데이터 수집기를 개발하고 운영합니다. 세부 항목으로 인증과 세션 처리, 재시도와 백오프, 정합성 검증, 대규모 백필을 들었습니다.

  이렇게 볼 수 있어요

  외부에서 데이터를 긁어 오는 일이 업무에 포함돼 있고, 그 과정에서 생기는 문제까지 이름으로 적어 두었습니다. 수집기를 만들어 본 경험이 있다면 차단당했을 때 무엇을 했는지, 중간에 끊긴 데이터를 어떻게 메웠는지가 이 항목의 근거가 됩니다.

• BigQuery 기반 데이터 모델과 스키마를 설계하고 개발 환경에서 운영 환경으로 이관합니다.

  이렇게 볼 수 있어요

  분석용 데이터 웨어하우스를 직접 다루는 자리입니다. 데이터 엔지니어 공고가 따로 없고 이 한 자리가 그 역할을 겸하므로, SQL과 모델링 경험을 기술 나열이 아니라 설계 판단으로 적어야 합니다.

• 사용자와 조직, 권한 체계를 설계하고 HR 시스템, SSO, 전자결재, Slack, 메일, SAP과 연동합니다.

  이렇게 볼 수 있어요

  사내 시스템 여섯 가지를 이름으로 지정했습니다. 사내 도구를 만들어 본 경험에서 가장 많은 시간이 드는 구간이 대개 이 연동이므로, 어떤 시스템과 붙였고 무엇이 막혔는지 적으면 실무 면접에서 바로 이어집니다.

• LLM 모델을 운영합니다. 모델 버전 전환에 따른 회귀 검증, 응답 속도와 비용, 품질의 트레이드오프 관리, 호출 모니터링을 업무로 적었습니다.

  이렇게 볼 수 있어요

  모델을 고르는 일이 아니라 바뀐 뒤를 관리하는 일로 적혀 있습니다. 모델을 바꿨을 때 결과가 달라지는 것을 어떻게 확인했는지가 핵심이고, 검증 방법을 갖고 있었다면 그 방법을 설명할 수 있어야 합니다.

• BI 도구인 Apache Superset을 커스터마이징하고 커스텀 차트를 개발합니다.

  이렇게 볼 수 있어요

  도구 이름을 지정해 두어 써 본 적이 있는지가 분명하게 드러납니다. 다른 BI 도구를 확장해 본 경험이 있다면 무엇을 어떻게 고쳤는지 적어 대체 근거로 쓸 수 있습니다.

2자격 요건

• 학력과 전공은 무관하고 5년 이상 개발 경력을 요구합니다.

  이렇게 볼 수 있어요

  숫자를 하나만 걸어 둔 대신 뒤따르는 요건이 많습니다. 재직 기간과 함께 개발로 맡은 일을 프로젝트마다 구체적으로 밝혀 두면 검토하는 쪽에서 한 번에 확인할 수 있습니다.

• 웹 서비스의 프론트엔드와 백엔드를 모두 직접 개발하고 운영해 본 사람을 찾습니다.

  이렇게 볼 수 있어요

  '직접'과 '운영'이 함께 붙어 있습니다. 팀에서 한쪽을 주로 맡았더라도 프론트엔드와 백엔드를 직접 개발하고 운영한 부분이 있다면 그 프로젝트를 골라 자세히 쓰는 편이 이 조건과 잘 이어집니다.

• Python(FastAPI 등) 또는 Java/Spring 백엔드와 React 계열 프론트엔드를 함께 요구합니다. 프론트엔드 쪽 세부 항목은 상태 관리, 그리드와 차트 컴포넌트, 다국어 처리입니다.

  이렇게 볼 수 있어요

  백엔드는 둘 중 하나로 열어 두고 프론트엔드는 React 계열로 좁혔습니다. 다국어 처리를 따로 적은 것은 하이브가 여러 나라에 법인을 두고 있는 구조와 이어집니다. 다국어를 다뤄 본 경험이 있으면 언어 개수와 방식을 밝히면 됩니다.

• SQL과 데이터 모델링 역량, 그리고 BigQuery 등 분석용 데이터 웨어하우스나 대용량 데이터 처리 경험을 요구합니다.

  이렇게 볼 수 있어요

  이 항목이 일반 풀스택 공고와 다른 지점입니다. 서비스 데이터베이스만 다뤄 본 경력이라면 분석용 저장소를 쓴 경험을 찾아 앞으로 옮기거나, 왜 저장소를 나눴는지 설명할 준비가 필요합니다.

• GCP 또는 AWS에서 직접 배포하고 운영해 본 사람을 찾습니다. 컨테이너, CI/CD, 배치와 스케줄러 운영을 포함한다고 적었습니다.

  이렇게 볼 수 있어요

  배포까지 한 사람이 맡는 구조라 인프라를 남에게 넘긴 경험은 근거가 약합니다. 파이프라인을 직접 구성한 사례가 있으면 어떤 단계로 나눴는지 적으면 됩니다.

• 요구사항이 확정되지 않은 상태에서 현업과 직접 대화하며 스스로 범위를 정의하고 완료까지 이끌어 본 경험을 요구합니다.

  이렇게 볼 수 있어요

  기술 요건이 아니라 일하는 방식을 필수 자격으로 둔 항목입니다. 사내 시스템은 요구사항을 주는 사람이 같은 회사 동료라서 생기는 조건이고, 하이브 인재상 가운데 자율 항목이 말하는 역할 확장과도 이어집니다. 기획서 없이 시작한 프로젝트가 있다면 범위를 어떻게 좁혔는지 적어야 합니다.

3우대 사항

• MCP 서버나 LangGraph, LangChain, CrewAI, Dify 같은 에이전트 프레임워크 실사용 경험을 선호합니다.

  이렇게 볼 수 있어요

  프레임워크를 다섯 개나 나열해 두었습니다. 하나라도 실제로 써 봤다면 무엇을 만들었는지 적을 만하고, 써 보지 않았다면 아래 LLM 항목 쪽에 집중하는 편이 낫습니다.

• LLM API를 실제 제품 기능으로 구현해 본 경험을 선호하면서 '프롬프트 활용 수준이 아니라, RAG·에이전트·함수 호출 등을 코드로 구현하고 품질·비용·지연을 관리해 본 경험'이라고 수준을 지정했습니다.

  이렇게 볼 수 있어요

  무엇을 인정하지 않을지까지 적어 둔 항목입니다. 프롬프트를 다뤘다는 서술만으로는 이 조건을 채우지 못하므로 호출 비용과 응답 시간을 어떻게 측정하고 줄였는지 숫자로 준비해야 합니다.

• 대규모 데이터 수집 시스템 설계와 운영 경험을 선호하면서 인증과 세션, 차단 대응, 재시도, 데이터 정합성 검증을 예로 들었습니다.

  이렇게 볼 수 있어요

  업무 목록에 있던 항목이 선호 요건으로 한 번 더 나옵니다. 같은 내용이 두 곳에 적혀 있으면 실제로 중요한 축일 가능성이 높으므로 여기에 해당하는 경험을 우선 정리하는 편이 좋습니다.

• 시큐어코딩과 취약점 분석에 따라 소스를 고칠 수 있는 사람을 선호합니다. 음악과 엔터테인먼트 산업 데이터에 대한 관심이나 이해도 선호 요건으로 함께 적었습니다.

  이렇게 볼 수 있어요

  산업 이해를 선호 요건 마지막에 둔 점이 눈에 띕니다. 필수가 아니므로 업계 경험이 없어도 지원할 수 있지만, 차트나 스트리밍 데이터를 다뤄 본 적이 있다면 적어 두면 됩니다.

4기타 사항

• 게시일 : 2026년 9월 1일
• 고용형태 : 정규직
• 근무지 : 용산 (대한민국 서울특별시 용산구 한강대로 42, HYBE)
• 경력 조건 : 경력 5년 이상
• 학력 조건 : 학력 및 전공 무관

쓰는 기술

공고 본문에 적힌 기술만 모은 목록입니다.

• Python
• FastAPI
• Java
• Spring
• React
• Next.js
• SQL
• BigQuery
• GCP
• AWS
• CI/CD
• Apache Superset
• LangGraph
• LangChain
• CrewAI
• Dify
• MCP

전형과 지원

하이브 전형은 인터뷰가 세 번이고 각각 보는 것이 다릅니다. 입사 뒤에는 권장 기간 6개월의 온보딩 과정이 이어집니다. 위버스컴퍼니 공고 절반 이상에는 이 기간이 3개월로 적혀 있습니다.

지원 전 준비할 것

1. 1

   프론트엔드와 백엔드를 혼자 맡았던 프로젝트 하나 고르기

   자격 요건이 양쪽을 '모두 직접' 개발하고 운영한 경험을 요구합니다. 여러 프로젝트에서 나눠 맡은 경력을 나열하기보다, 혼자 끝까지 끌고 간 프로젝트 하나를 골라 설계 판단과 배포, 운영까지 한 흐름으로 적는 편이 이 공고에 맞습니다.

2. 2

   요구사항 없이 시작한 일의 범위를 어떻게 정했는지 쓰기

   필수 자격 요건에 들어 있는 항목이고 기술 경력만으로는 채울 수 없습니다. 현업과 몇 번 만나 무엇을 빼기로 했는지, 처음 범위와 최종 범위가 어떻게 달라졌는지를 문장으로 정리해 두면 실무 면접에서 그대로 답이 됩니다.

3. 3

   LLM 관련 경험을 비용과 지연 중심으로 정리하기

   선호 요건이 프롬프트 활용 수준을 인정하지 않는다고 명시했습니다. 호출당 비용이 얼마였고 응답 시간이 어느 정도였는지, 모델을 바꿨을 때 품질 회귀를 어떻게 확인했는지를 숫자로 준비하면 이 항목을 채울 수 있습니다.

4. 4

   분석용 데이터 저장소를 다룬 경험 찾아내기

   BigQuery를 이름으로 지정했지만 대용량 데이터 처리 경험도 함께 인정합니다. 서비스 데이터베이스만 다뤄 봤다면 데이터를 분석용으로 따로 옮긴 경험이나 집계 테이블을 설계한 경험을 찾아 이 항목에 대응시키면 됩니다.