이 자리가 왜 생겼을까요
메가존클라우드는 2026년 5월 기자간담회에서 'AI 네이티브' 선언 1년 만에 자사를 '엔터프라이즈 AI 오케스트레이터'로 새롭게 자리매김한다고 밝혔고, 채용을 확대하면서 고객 현장에 투입되는 FDE(Forward Deployed Engineer) 육성에 힘을 쏟고 있다고 설명했습니다. 이 공고의 AI Engineering 유닛은 고객의 문제를 AI로 푸는 표준과 성공 사례를 만들고 Megazone AIR 도입 효과를 입증하는 일을 첫 번째 업무로 적었습니다. 공고의 업무도 고객 요구 분석과 agentic workflow 구성으로 시작하므로, 실제 사용자 문제를 AI로 풀어 결과를 낸 프로젝트를 먼저 내세워야 합니다.
메가존얼라이언스가 지금 어떤 사업에 집중하고 있는지는 메가존얼라이언스 채용 분석에서 이어서 볼 수 있습니다.
1하게 될 업무
고객과 사내 부서와 협업해 문제 요구사항을 분석하고 human-in-the-loop 시스템을 설계합니다.
이렇게 볼 수 있어요
AI가 모든 것을 자동으로 처리하는 구조가 아니라 사람이 개입하는 구조를 설계합니다. 사람 검수 단계를 넣어 본 AI 시스템이 있다면 왜 그 단계를 넣었는지 설명할 수 있어야 합니다.
산업과 직무별 고유 문제를 풀기 위한 agentic workflow를 구성하고 개선합니다.
이렇게 볼 수 있어요
업무의 중심이 에이전트 구성입니다. 만든 workflow가 어떤 산업의 어떤 문제를 풀었는지를 문제 중심으로 적어야 합니다.
Retrieval-augmented generation(RAG) 시스템을 구성합니다.
이렇게 볼 수 있어요
RAG가 업무와 필수 요건 양쪽에 있습니다. 검색 품질을 어떻게 재고 개선했는지까지 적어야 단순 구현과 구별됩니다.
문제와 요구사항에 맞는 prompt engineering을 합니다.
이렇게 볼 수 있어요
프롬프트 작업이 별도 업무입니다. 프롬프트를 바꿔 결과가 달라진 사례를 비교 수치와 함께 준비할 수 있습니다.
Large language model(LLM)과 Large vision model(LVM)을 finetuning하고, 학습과 성능 개선을 위한 데이터를 구축·전처리합니다.
이렇게 볼 수 있어요
언어 모델과 비전 모델을 모두 다룹니다. 파인튜닝 경험이 있다면 데이터 구축부터 평가까지 한 흐름으로 설명할 수 있어야 합니다.
SW·인프라 엔지니어와 협업해 AI 기술을 배포하고 실제 서비스에 통합합니다.
이렇게 볼 수 있어요
모델을 만드는 데서 끝나지 않고 서비스 통합까지 함께 봅니다. SW·인프라 엔지니어와 함께 배포를 진행하므로 모델 밖의 협업 경험도 이 업무에 들어갑니다.
최신 AI 논문을 재현하고 기법을 도입하며 사내 AI 문제 해결 thought leadership 확보에 기여합니다.
이렇게 볼 수 있어요
논문 재현이 업무에 들어 있습니다. 재현해 본 논문이 있다면 결과가 원 논문과 얼마나 같았는지까지 적을 수 있습니다.
2자격 요건
컴퓨터과학, 전기 및 전자공학 관련 분야 학사 학위 또는 이에 상응하는 경험이 있어야 합니다.
이렇게 볼 수 있어요
학위가 없어도 상응하는 경험으로 대신할 수 있다고 적었습니다. 비전공자라면 실제 프로젝트 이력이 그 근거가 됩니다.
Langflow, LangChain, LangGraph 등으로 agentic workflow를 구성한 경험이 필요합니다.
이렇게 볼 수 있어요
프레임워크 이름이 구체적으로 적혀 있어, 무엇을 써 봤는지와 그것으로 만든 workflow의 단계 구성을 함께 봅니다.
RAG 기본 이론을 이해하고 시스템을 구축한 경험이 있어야 합니다.
이렇게 볼 수 있어요
이론과 구축 경험을 함께 요구합니다. 구축한 RAG의 검색 방식과 평가 방법을 정리해 둡니다.
zero-shot, few-shot, chain-of-thought 등 Prompt engineering 경험이 필요합니다.
이렇게 볼 수 있어요
기법 이름이 나열돼 있습니다. 각 기법을 언제 썼는지 실제 사례로 말할 수 있으면 됩니다.
고객 요구사항을 이해하고 인사이트를 제시하는 스토리텔링 능력, 문제에 맞는 AI 기술을 탐색하고 적용하는 능력이 있어야 합니다.
이렇게 볼 수 있어요
기술 역량과 함께 고객 설득 능력을 요구합니다. 고객이나 현업에 AI 적용안을 제안한 경험이 이 요건의 사례입니다.
데이터와 AI 학습 결과를 정량·정성적으로 평가하고 분석할 수 있어야 합니다.
이렇게 볼 수 있어요
평가 능력이 따로 적혀 있어, 모델이나 시스템을 어떤 지표로 평가했는지 숫자로 준비해야 합니다.
Machine learning, 특히 deep learning 공통 기반 이론을 정확히 이해하고 영어 기술 논문을 이해·재현할 수 있어야 합니다.
이렇게 볼 수 있어요
딥러닝 기초 이론과 영어 논문 재현이 둘 다 필수 요건입니다. 논문을 읽은 것과 직접 재현해 본 것은 달라서 재현해 본 논문이 있는지에서 차이가 납니다.
아는 것과 모르는 것에 솔직하고, 일이 잘 풀리지 않을 때 동료와 건설적으로 논의하는 자세, AI로 산업 문제를 푸는 일을 즐기는 태도가 필요합니다.
이렇게 볼 수 있어요
기술 요건 사이에 태도 요건이 함께 있습니다. 막혔던 프로젝트를 동료와 어떻게 풀었는지를 하나 준비할 수 있습니다.
3우대 사항
국내외 AI 대회(Kaggle 등) 상위권 입상이나 오픈소스 AI 프로젝트 기여 경험을 우대합니다.
이렇게 볼 수 있어요
Kaggle 순위나 오픈소스 기여는 외부에서 누구나 확인할 수 있는 이력입니다. 그래서 대회 순위와 저장소 링크가 정확해야 의미가 있습니다.
컴퓨터과학, 전기 및 전자공학 관련 분야 석사 학위나 국제 기계학습 학회 논문 출판 경험을 우대합니다.
이렇게 볼 수 있어요
연구 경력이 우대됩니다. 논문이 있다면 학회명과 연도가 이력서에 있어야 합니다.
최신 deep learning과 LLM 기술·알고리즘을 깊이 이해하거나 Multimodal LLM 프로젝트 경험이 있으면 우대합니다.
이렇게 볼 수 있어요
LVM 파인튜닝을 맡는 공고라 멀티모달 경험을 우대합니다. 멀티모달 프로젝트가 있다면 어떤 종류의 데이터를 함께 다뤘는지 밝혀야 합니다.
Container와 Kubernetes 또는 클라우드 환경에서 AI 학습 로직과 시스템을 구현한 경험, Kubeflow·Airflow 같은 MLOps 시스템 활용 경험을 우대합니다.
이렇게 볼 수 있어요
학습 인프라 경험도 우대 대상입니다. 클라우드에서 학습을 돌려 본 경험이라면 사용한 자원과 도구까지 이력서에 들어가야 합니다.
MinIO, Kafka, ElasticSearch 등 대규모 데이터 파이프라인 처리와 분석 경험을 우대합니다.
이렇게 볼 수 있어요
AI 모델 바깥의 데이터 파이프라인 경험까지 우대합니다. 다룬 데이터가 얼마나 컸는지 숫자를 붙입니다.
Embedding 모델, vector DB, document parsing, chunking에 대한 깊이 있는 경험을 우대합니다.
이렇게 볼 수 있어요
RAG 품질을 좌우하는 세부 기술입니다. 문서를 어떻게 나누고 임베딩했는지, 그 선택이 결과에 준 차이를 설명할 수 있으면 좋습니다.
4기타 사항
- 게시일 : 2025년 10월 2일
- 고용형태 : 정규직(정규직 전환을 위한 평가기간 3개월 계약직 운영)
- 근무지 : 메가존산학연센터(과천) (대한민국 경기도 과천시 7길 과천대로 74)
- 경력 조건 : 경력 2~10년
- 학력 조건 : 해당 내용은 원본 공고에서 확인되지 않습니다.
쓰는 기술
공고 본문에 적힌 기술만 모은 목록입니다.
- LangChain
- LangGraph
- Langflow
- RAG
- LLM
- LVM
- Kubernetes
- Kubeflow
- Airflow
- MinIO
- Kafka
- ElasticSearch
전형과 지원
메가존얼라이언스 채용 담당자가 안내하는 기본 절차는 지원서 제출, 1차 실무면접, 2차 바레이저면접, 3차 최종면접, 입사조건 검토, 최종합격의 6단계입니다. 분석 시점에 열어 본 메가존(주) 공고는 모두 바레이저면접 없이 실무 면접과 최종 면접을 적었고, 코딩 테스트와 기술 면접은 부서와 직무에 따라 붙습니다.
기본 단계
서류는 각 사업부 실무자가 검토하고, 1차 실무면접은 부서장과 Hiring Manager가 직무적합성을 확인합니다. 회사는 Hiring Manager를 '일반적으로 각 부서의 최고 부서장'이라고 설명했습니다. 직무에 따라 기술 면접 같은 추가 면접이 있고, 코딩 테스트를 할지는 부서와 직무에 따라 달라 서류 합격 때 따로 알려 줍니다.
이렇게 볼 수 있어요
첫 면접부터 부서의 최고 책임자가 들어올 수 있습니다. 실무 질문에 대비하면서 그 사업부가 하는 사업도 미리 알아보고 면접에 들어갑니다.
바레이저면접
자주 묻는 질문은 2차 바레이저면접을 '당사의 핵심 가치와 문화 적합성 및 문제 해결 능력 등 종합적으로 검토'하는 단계라고 설명합니다. 채용 담당자 안내는 필요하면 레퍼런스 체크와 인성검사가 더해질 수 있다고 적었고, 3차 최종면접은 경영진과의 면접입니다.
이렇게 볼 수 있어요
직무 면접과 별도로 회사의 가치에 맞는지를 보는 단계가 하나 더 있습니다. 인재상 네 가지와 Trinity Values에 맞는 경험을 미리 골라 두면 이 면접에서 바로 쓸 수 있습니다.
법인과 채용관마다 다른 단계 표기
분석한 메가존클라우드 공고는 모두 '지원서 제출 > 1차 실무면접 > 2차 바레이저면접 > 3차 최종면접 > 입사조건검토 > 최종합격'을 적었고, 메가존(주)의 Physical AI Lab·MZD·화웨이 BD·회계 업무 담당자 공고는 '지원서 제출 > 실무 면접 > 최종 면접 > 입사 조건 검토 > 최종 합격'을 적었습니다. AI 전용 채용관 페이지는 1차 실무면접, 바레이저면접, 2차 실무면접 순으로 단계 이름을 붙였습니다.
이렇게 볼 수 있어요
같은 사이트 안에서도 법인과 페이지마다 단계 이름이 다릅니다. 지원하는 공고 본문 아래쪽 '합류 여정'의 채용과정 줄이 그 공고의 실제 절차입니다.
결과 안내 기간
자주 묻는 질문은 서류 검토를 '가능한 1~2주 안으로' 진행하고 서류 합격자에게만 따로 알린다고 답합니다. 채용 담당자 안내는 서류 검토가 최대 2~3주, 실무면접과 최종면접도 각각 최대 2~3주까지 걸릴 수 있다고 적었습니다. 자주 묻는 질문은 전형 결과에 대한 피드백을 내부 가이드에 따라 공유하지 않는다고 답합니다.
이렇게 볼 수 있어요
서류에서 떨어지면 따로 연락을 받지 못할 수 있습니다. 결과가 궁금하면 언제든 recruit@mz.co.kr이나 나인하이어 카카오톡으로 물어보라고 회사가 안내합니다.
중복 지원과 재지원
여러 포지션과 여러 계열사에 중복으로 지원할 수 있고 불이익도 없다고 안내합니다. 여러 포지션에서 실무면접을 통과하면 최종 면접은 회사가 정한 한 포지션으로만 진행합니다. 다른 포지션에서 불합격해도 다시 지원하는 데 제한이 없다고 적었습니다.
이렇게 볼 수 있어요
관심 있는 사업부가 여럿이면 각각 지원해도 됩니다. 실무면접은 포지션마다 따로 보므로 이력서도 공고마다 따로 맞춥니다.
서류 양식과 포트폴리오
정해진 이력서 양식은 없고 자유양식으로 내면 되며, 이력서·자기소개서·포트폴리오·노션 등 어떤 방법이든 좋다고 안내합니다. 직무에 따라 포트폴리오를 요청할 수 있고, 자주 묻는 질문은 제출 뒤 서류를 보태려면 나인하이어 카카오톡이나 메일로 보내고, 메일로 낼 때는 포지션 명과 이름을 함께 적으라고 안내합니다.
이렇게 볼 수 있어요
양식이 정해져 있지 않으므로 사업부 소개와 공고 요건에 맞춰 경력을 어떻게 정리할지도 지원자가 정합니다. 영상 편집 공고처럼 포트폴리오를 필수로 적은 공고는 첨부를 빠뜨리지 않아야 합니다.
입사 후 3개월 평가 기간
메가존클라우드 공고는 고용형태를 '정규직 (정규직 전환을 위한 평가기간 3개월 계약직 운영)'으로 적습니다. 채용 담당자 안내는 이 3개월이 전 직원에게 공통으로 운영되는 기간이고 근속 기간과 퇴직금 산정에는 모두 포함된다고 설명합니다.
이렇게 볼 수 있어요
첫 3개월은 계약직 형태의 평가 기간입니다. 근속과 퇴직금 계산에서는 빠지지 않는다는 점까지 확인하고 처우 협의에 들어가면 됩니다.
지원 전 준비할 것
- 1
실무 면접 발표 준비
공고 안내대로 주도하거나 기여한 프로젝트 1~2개를 동기, 문제, 방법, 결과(사용자 이득), 향후 개선 사항 순서로 발표 자료를 만듭니다.
- 2
레슨 정리
일하면서 얻은 레슨을 인사이트 중심으로 정리하라는 안내에 맞춰, 실패하거나 바꾼 결정 하나를 골라 이유와 함께 적습니다.
- 3
평가 숫자
RAG·에이전트·파인튜닝으로 만든 결과를 어떤 지표로 평가했는지 숫자로 준비합니다.