이 자리가 왜 생겼을까요
Core AI 조직은 공고에서 자체 모델 개발보다 검증된 상용 AI 모델과 서비스를 빠르게 도입해 무신사 스토어, 글로벌, 29CM, 솔드아웃 등 여러 서비스에서 쇼핑 경험을 전달하는 데 집중한다고 소개합니다. ZDNet 보도에 따르면 무신사는 2026년 6월 자체 개발한 커머스 탐색 기술 '무신사 MCP'를 적용한 앱을 챗GPT에 출시했습니다. 같은 보도에서 무신사는 기존 검색 중심 커머스에서 대화형 커머스로 전환을 가속화할 계획이라고 밝혔습니다. 이 공고는 주요 모델의 성능과 비용, 오픈소스 생태계 변화를 모니터링해 적합한 기술을 도입하는 일을 업무로 적었습니다. 상용 모델 여러 개를 비교해 서비스에 적용해 본 경험이 있다면 비교 기준과 비용, 출시 뒤 지표를 한 사례로 정리할 수 있습니다.
무신사가 지금 어떤 사업에 집중하고 있는지는 무신사 채용 분석에서 이어서 볼 수 있습니다.
1하게 될 업무
패션 커머스 전반의 AI 시스템을 설계·개발·운영해 플랫폼 고도화에 기여합니다.
이렇게 볼 수 있어요
설계와 개발에 더해 운영도 업무입니다. AI 기능을 서비스에 붙인 뒤 운영까지 맡아 본 경험이 이 업무와 가깝습니다.
생성형 AI, 멀티모달 모델, 실시간 개인화 등 최신 AI 기술 동향을 지속적으로 학습하고 서비스에 적용합니다.
이렇게 볼 수 있어요
세 기술이 조직 소개에도 같은 순서로 나옵니다. 이 가운데 실제 서비스에 적용해 본 것이 있다면 기술 이름과 적용한 기능을 함께 적어 보세요.
AI 업계의 주요 모델 성능과 비용, 오픈소스 생태계의 변화를 모니터링하고 적합한 기술을 도입합니다.
이렇게 볼 수 있어요
모델을 고를 때 성능과 비용을 함께 비교하는 업무입니다. 상용 모델을 교체하거나 여러 모델을 비교 평가한 경험이 있다면 비교한 지표와 비용 차이를 숫자로 정리할 수 있습니다.
무신사에 최적화된 AI 솔루션을 주도적으로 탐색·평가하고 실제 서비스에 적용합니다.
이렇게 볼 수 있어요
평가에서 끝나지 않고 서비스 적용까지가 업무입니다. 검토한 뒤 도입하지 않기로 한 솔루션이 있다면 그 이유도 면접에서 이야기할 거리입니다.
PM·디자이너 및 유관 조직과 함께 해결할 고객 문제와 우선순위를 정의하고, 모호한 요구를 측정 가능한 가설로 바꾸며, 출시 이후 지표로 성과를 확인해 다음 개선으로 연결합니다.
이렇게 볼 수 있어요
Product Engineer 소개에 적힌 일하는 방식이 업무 항목으로도 들어 있습니다. 출시 전에 세운 가설과 출시 뒤 지표의 변화를 한 프로젝트로 묶어 설명할 수 있어야 합니다.
AI 코딩 에이전트를 설계·구현·테스트·코드 리뷰·운영 전반에 활용하고, 그 경험을 팀과 나눠 개발 생산성과 품질을 높이는 AI 기반 개발 방식을 조직에 만들어 갑니다.
이렇게 볼 수 있어요
개인이 에이전트를 쓰는 데서 끝나지 않고 팀의 개발 방식을 바꾸는 일까지 적혀 있습니다. 팀 단위로 에이전트 사용 규칙이나 리뷰 절차를 만든 경험이 있다면 도입 전후의 변화를 함께 남깁니다.
2자격 요건
개발 경력 8년 이상 혹은 그에 준하는 역량이 필요합니다.
이렇게 볼 수 있어요
공고 하단의 직무 구분은 Backend Engineering입니다. 8년에는 서버 개발과 AI 기능 개발 경력을 함께 적을 수 있습니다. AI 시스템을 설계·운영한 프로젝트는 맡은 일과 함께 구체적으로 써 두세요.
Java/Spring/JPA 기반의 소프트웨어 개발 경험과 데이터 구조에 대한 기본 지식이 필요합니다.
이렇게 볼 수 있어요
필수 자격 요건에 적힌 언어는 Java/Spring/JPA이고, 기술 스택에는 Spring(Java/Kotlin)과 Python이 있습니다. Java/Spring으로 개발한 기간을 분명히 적고, Python으로 AI 기능을 다룬 경험이 있다면 따로 밝힐 수 있습니다.
AI Agent를 활용한 Coding 경험과 Prompt Engineering 경험이 있고 결과물의 한계와 적용 지점을 명확하게 알아야 합니다. AI 코딩 에이전트(Codex, Claude Code 등)를 실무에 적극 활용하고 결과물의 품질을 스스로 검증하고 책임질 수 있어야 합니다.
이렇게 볼 수 있어요
두 항목 모두 에이전트를 쓰는 것보다 결과를 검증하는 쪽을 더 강조합니다. 에이전트가 낸 코드를 어떻게 확인했고 어떤 경우에 쓰지 않기로 했는지까지 사례로 준비합니다.
PostgreSQL, MongoDB 기반의 데이터베이스를 활용한 개발 경험이 있고, 정규화와 반정규화의 트레이드오프를 알고 선택할 수 있어야 합니다.
이렇게 볼 수 있어요
기술 스택 목록의 데이터 저장소는 PostgreSQL과 Maria DB(MySQL)인데 자격 요건에는 MongoDB도 나옵니다. 정규화 여부를 고른 이유를 조회 패턴과 함께 말할 수 있어야 합니다.
Git을 이용한 협업에 익숙하고 Rebase merge와 Squash merge의 장단점을 이해해야 합니다.
이렇게 볼 수 있어요
병합 방식까지 이름으로 적은 요건입니다. 팀에서 어떤 방식을 썼고 왜 그렇게 정했는지 짧게 말할 수 있으면 됩니다.
기술에 국한되지 않고 고객 중심으로 합리적인 의사결정을 내리는 유연함과 업무 백로그 및 우선순위 관리 능력이 필요합니다.
이렇게 볼 수 있어요
기술적으로 더 나은 안 대신 고객 쪽을 택한 결정이 있다면 그때 무엇을 포기했는지까지 이야기할 수 있습니다.
구현에 머무르지 않고 고객 문제를 함께 정의하고 출시 이후의 지표로 결과를 확인하며 일해 온 경험이 필요합니다.
이렇게 볼 수 있어요
업무의 가설과 지표 항목이 필수 요건에도 다시 나옵니다. 구현한 기능 목록보다 출시 전후 지표의 변화가 경력기술서에 필요합니다.
기술적 의사결정을 트레이드오프와 함께 문서로 정리하고 이를 비즈니스 맥락에서 설명할 수 있어야 합니다.
이렇게 볼 수 있어요
선택지와 버린 이유를 적은 설계 문서가 있다면 면접에서 예로 들 수 있습니다.
3우대 사항
팀 내에서 기술적 리더십을 발휘해 구성원과 함께 팀의 성장을 촉진하고자 하는 분, 주도적이며 리더십을 발휘할 수 있는 분을 우대합니다.
이렇게 볼 수 있어요
리더십 항목이 두 번 나옵니다. 직책이 없어도 코드 리뷰 기준이나 기술 결정을 이끈 경험을 적을 수 있습니다.
이커머스 및 플랫폼 서비스 개발 경험, 최적화에 대한 경험이나 클린코드에 대한 높은 이해를 우대합니다.
이렇게 볼 수 있어요
커머스 경력은 필수가 아니라 우대 사항입니다. 다른 업종 출신이라면 최적화로 줄인 응답 시간이나 비용을 숫자로 적어 이 항목과 연결할 수 있습니다.
고객에게 필요한 요구사항을 먼저 제안하고 고객 경험을 개선한 경험과 Problem Solving 관련 활동 경험을 우대합니다.
이렇게 볼 수 있어요
요청받아 만든 기능과 먼저 제안한 기능은 다른 경험입니다.
비즈니스 KPI를 기술로 개선하고 수치로 증명해 본 경험, 가설 수립 → 실험 → 데이터 검증을 거쳐 제품 의사결정에 참여해 본 경험을 우대합니다.
이렇게 볼 수 있어요
실험에 참여한 경험만이 아니라 그 결과로 어떤 제품 결정이 바뀌었는지까지가 이 항목의 범위입니다.
AI를 개발 프로세스에 도입해 팀 단위 생산성이나 품질을 개선한 경험을 우대합니다.
이렇게 볼 수 있어요
필수 요건이 개인의 에이전트 활용을 묻는다면 이 항목은 팀 단위의 변화를 묻습니다. 리뷰 시간이나 배포 주기처럼 팀 지표의 변화로 말할 수 있는 경험입니다.
AI를 활용해 클라이언트 밖의 영역(서버 API, 데이터 파이프라인 등)까지 직접 문제를 풀어 본 경험을 우대합니다.
이렇게 볼 수 있어요
지원 서류 안내도 전문 영역 밖으로 문제를 넓혀 풀어 본 경험이 있다면 함께 적어 달라고 요청합니다. 클라이언트 개발자가 서버 API를 직접 고쳐 본 경험처럼 본업 밖의 영역을 AI로 다룬 사례가 여기에 맞습니다.
4기타 사항
- 게시일 : 2026년 7월 28일
- 고용형태 : 정규직(수습 3개월)
- 근무지 : 무신사 성수 오피스
- 경력 조건 : 경력 8년 이상
- 학력 조건 : 해당 내용은 원본 공고에서 확인되지 않습니다.
쓰는 기술
공고 본문에 적힌 기술만 모은 목록입니다.
- Spring
- Java
- Kotlin
- JPA
- Python
- Kafka
- PostgreSQL
- Maria DB(MySQL)
- MongoDB
- Docker
- Kubernetes
- Grafana
- Git
- Codex
- Claude Code
전형과 지원
무신사 정규직 공고는 기본적으로 인터뷰를 두 번 봅니다. 공고에 따라 3차 인터뷰나 커피챗처럼 단계가 하나씩 더 붙으므로 지원할 공고의 전형 절차 항목을 따로 확인해야 합니다.
정규직은 인터뷰 두 번
분석 시점 정규직 117건을 전수로 보면 96건이 서류, 1차 인터뷰, 2차 인터뷰, 처우 협의, 최종합격으로 같습니다. 인터뷰가 한 번뿐인 전형은 계약직 7건에만 나타납니다. 지원 마감일이 없는 상시 지원이 대부분입니다.
공고마다 붙는 단계
분석 시점 개발과 머신러닝 직군 7건에는 Live Coding이나 System Design, 컬쳐핏, 기술과제가 붙고 6건에는 3차 커피챗이, 4건에는 과제 전형이 붙습니다. 통역 테스트나 중국어, 일본어 커뮤니케이션 역량 검증이 붙는 공고도 있습니다.
이렇게 볼 수 있어요
분석 시점에 표준형이 아닌 공고는 117건 중 21건이었습니다. 일정을 잡기 전에 지원할 공고의 전형 절차 줄을 직접 읽어야 하고, 커피챗이 붙은 공고는 단계가 하나 더 있는 만큼 기간을 더 잡는 편이 좋습니다.
서류에 적으라고 안내한 것
공고 대부분이 지원 서류 안내에 같은 문장을 답니다. "왜 해당 문제를 해결해야 했는지, 어떤 전략을 세웠는지, 어떤 성과가 있었는지 등에 대한 문제 정의, 문제 해결, 성과에 대한 전반적인 내용을 담아주세요"와 "프로젝트별 기여도 표시"입니다.
이렇게 볼 수 있어요
회사가 서류의 구성을 사실상 지정한 셈입니다. 프로젝트마다 문제 정의와 해결, 성과가 다 있는지 세어 보면 그대로 자가 점검이 되고 기여도 표시는 빠뜨리기 쉬우니 따로 확인합니다.
근무 조건
선택적 근로시간제를 운영하고 코어타임은 11시부터 16시까지입니다. 신규 입사자는 3개월 수습이며 수습 기간에도 급여와 복지가 100% 적용됩니다.
이 공고만 다른 점
전형 절차가 서류 검토, 1차 인터뷰(Live Coding), 2차 인터뷰(컬쳐핏), 처우 협의, 최종합격이고, 1차 인터뷰는 Live Coding, Architecture Design 중 유연하게 구성되어 진행될 수 있다고 적었습니다.
인터뷰 횟수는 무신사 정규직 표준과 같은 두 번이지만 공고는 1차를 기술 검증 자리로 정했습니다. 코딩과 설계 가운데 무엇이 나올지 미리 알 수 없으므로 두 가지를 모두 준비하는 편이 안전합니다.
지원 전 준비할 것
- 1
AI 활용 사례를 검증 과정까지 적기
지원 서류 안내는 AI로 문제를 해결한 사례가 있다면 활용 방식과 결과, 결과물을 어떻게 검증했는지를 함께 적어 달라고 요청합니다. 사례마다 세 가지가 다 들어 있는지 확인합니다.
- 2
모델 비교 경험을 표로 정리하기
업무 항목에 주요 모델의 성능과 비용 모니터링이 들어 있습니다. 비교해 본 모델 이름, 평가 지표, 비용, 최종 선택과 그 이유를 한 표로 만들어 두면 면접에서 바로 꺼낼 수 있습니다.
- 3
Live Coding과 설계를 둘 다 준비하기
1차 인터뷰는 Live Coding과 Architecture Design 가운데 유연하게 구성된다고 적혀 있습니다. Java/Spring 코딩 연습과 함께 직접 설계한 시스템 하나를 그림으로 설명하는 연습을 해 둡니다.