[무신사] Data Operations Lead 공고 분석

이 자리가 왜 생겼을까요

1하게 될 업무

• 세 개 영역의 우선순위와 리소스를 조정하고, 요청이 몰릴 때 무엇을 먼저 할지 결정합니다. 파트 리드와 구성원의 성장을 지원하고 조직에 필요한 인재를 직접 채용하며, 내부 인력과 외부 협력 인력이 함께 일하는 구조를 설계하고 운영합니다.

  이렇게 볼 수 있어요

  팀 소개에는 AI 서비스 지원, 검색품질, 상품 속성 자동화용 데이터 제작, 상품 정보 비교 검수가 나란히 적혀 있어 요청이 몰리면 이 업무들 사이에서 우선순위를 정하게 될 수 있습니다. Data Operations AI Part Lead 공고는 AI·검색 PM의 분기 OKR 협업 과제 요청을 모아 공수(MD)를 산정하는 일을 파트 리드의 업무로 소개합니다. 그래서 이 포지션의 우선순위 조정은 파트 리드들이 올린 요청을 조직 단위로 정리하는 일로 이어질 수 있습니다.

• 검색 사전, 카테고리·속성, 정답셋 등 기준 데이터의 품질 기준을 정의합니다. 처리량, 정확도, 재작업률, 요청부터 반영까지의 리드타임을 지표로 관리하고, 품질이 흔들릴 때 원인을 찾아 프로세스를 고칩니다.

  이렇게 볼 수 있어요

  팀 소개는 상품별 올바른 검색어와 머신이 학습할 정답값 태그를 만드는 일을 핵심으로 꼽습니다. 재작업률은 한 번 만든 데이터가 다시 수정에 들어가는 비율이고 리드타임은 요청이 기준 데이터에 반영되기까지 걸리는 시간입니다. 처리량만 보면 드러나지 않는 품질 문제가 이 두 지표에서 나타나므로, 지표를 정의한 경험은 어떤 문제를 그 수치로 발견했는지로 풉니다.

• Visual Search, Chat Agent 등 AI 제품의 평가셋을 설계하고 관리합니다. 출시 가능 여부를 판정하는 품질 기준을 세워 검증과 의사결정을 수행하고, 모델 변경에 따른 성능과 품질 변화를 지속적으로 측정하고 분석하는 평가 체계를 구축합니다.

  이렇게 볼 수 있어요

  공고는 이 조직을 '품질 게이트를 쥐고 있는 조직'이라고 소개하고 판정 기준이 없으면 모델을 출시할 수 없다고 말합니다. AI Part Lead 공고는 DO의 사인오프 없이는 대고객 AI가 릴리즈되지 않는다고 적고 대상 제품으로 CS AI Agent, 무신사 렌즈, 마이클로젯, Agentic AI 해설을 듭니다. 이 포지션이 설계하는 평가셋은 그 제품들의 출시 판정 자료이고, 모델이 바뀔 때마다 같은 평가셋으로 다시 재는 업무가 뒤따릅니다.

• 반복적인 데이터 운영 업무에서 자동화가 가능한 영역을 발굴해 개선 과제로 구체화합니다. 자동화 결과의 품질을 검증하고 사람이 개입해야 할 구간을 정하며, 자동화 이후에도 품질이 유지되는지 모니터링합니다.

  이렇게 볼 수 있어요

  공고는 사람이 하나씩 붙어서 하던 레이블링과 매핑 작업을 AI로 옮기고 있다고 밝혔습니다. 줄어든 공수를 보여 주는 것과 별개로, 이 업무는 자동화가 틀리는 구간을 찾아 사람이 확인할 지점으로 남기는 설계를 따로 요구합니다. 자동화 결과를 표본 추출로 검수해 오류율을 잰 방식을 꺼내면 이 업무와 맞습니다.

2자격 요건

• 데이터 운영, 어노테이션, 카탈로그, 콘텐츠 오퍼레이션, QA 중 한 영역 이상에서 조직을 이끌어 본 경험이 필요합니다.

  이렇게 볼 수 있어요

  원문 자격 요건에는 연차 숫자가 없고 공고 머리의 경력 조건이 8년 이상입니다. 다섯 영역 중 한 곳이므로 QA 조직이나 카탈로그 운영 조직을 이끈 경력도 이 요건의 경력으로 적을 수 있습니다. 이끈 인원 규모와 조직이 맡은 산출물을 함께 쓰면 업무에 적힌 조직 운영과의 연결이 보입니다.

• 여러 명의 구성원을 관리해 본 경험이 필요하고, 파트 리드를 통한 간접 관리도 포함합니다.

  이렇게 볼 수 있어요

  AI Part Lead 공고에는 계약직 오퍼레이터 6명 내외의 온보딩과 관리가 파트 리드 업무로 적혀 있습니다. Data Operations Lead는 그런 파트를 거쳐 구성원을 관리합니다. 간접 관리 경험은 파트 리드와 어떤 지표로 소통했는지를 함께 쓰면 분명해집니다.

• 품질을 감이 아니라 수치로 정의하고, 측정 체계를 만들어 운영해 본 경험이 필요합니다.

  이렇게 볼 수 있어요

  같은 문구가 AI Part Lead 공고에도 있지만 그쪽은 평가셋·골든셋으로 측정해 본 경험까지 적었습니다. 이 공고가 묻는 것은 측정 체계를 만들어 운영한 경험입니다. 업무의 처리량, 정확도, 재작업률, 리드타임 관리가 그 체계의 실물입니다.

• 반복 업무를 도구화·자동화로 전환해 실제로 공수를 줄여 본 경험이 필요합니다.

  이렇게 볼 수 있어요

  결과로 요구하는 것은 줄어든 공수입니다. 줄인 공수는 업무의 내부 인력과 외부 협력 인력 구조를 정하는 입력이 되고, Data Operations AI Part Lead 공고 업무에는 매뉴얼 평가 프로세스를 문서화해 AI Judge와 자동 채점으로 옮기는 항목이 있습니다. 업무의 자동화 전환은 사람이 개입할 구간을 정하는 일까지 포함하므로, 줄인 공수와 함께 사람이 남은 구간을 어떻게 정했는지를 한 사례에 담습니다.

• 엔지니어링·프로덕트 조직과 요구사항을 정렬하고 합의를 만들어 본 경험이 필요합니다.

  이렇게 볼 수 있어요

  이 팀의 산출물은 검색, 추천, 상품 속성 자동화 모델이 쓰는 기준 데이터와 평가셋이라 요구가 엔지니어링과 프로덕트 두 조직에서 들어옵니다. 합의를 만든 경험은 평가 기준을 두고 요구가 서로 달랐던 사례에서 무엇으로 합의했는지로 씁니다.

3우대 사항

• 커머스, 검색, 추천 도메인에서 데이터를 다뤄 본 경험을 우대합니다.

  이렇게 볼 수 있어요

  업무의 검색 사전과 정답셋, 검색 결과 품질 측정이 모두 검색 도메인 작업입니다. 팀 소개는 무신사가 고객이 찾는 상품을 정확히 보여 주는 일에 집중하고 있다고 적었습니다(공고 게시 시점). 검색어와 상품 매핑 데이터를 다룬 경험이 이 우대와 가장 가깝습니다.

• LLM 및 AI 제품의 평가셋 설계, 프롬프트 평가, 품질 QA 경험을 우대합니다.

  이렇게 볼 수 있어요

  업무의 Visual Search와 Chat Agent 평가셋 설계를 해 본 경험이 쓰입니다. 지원 서류 안내가 '포트폴리오 또는 프롬프트 작성 사례'를 선택 서류로 받으므로 프롬프트 평가 경험은 사례 문서로 낼 수 있습니다.

• 대규모 상품 카탈로그(카테고리·속성 체계)를 운영해 본 경험을 우대합니다.

  이렇게 볼 수 있어요

  카테고리와 속성 체계는 이 팀이 상품 속성 자동화에 쓰는 정답값의 틀입니다. 같은 회사의 Product Engineer (Catalog) 공고가 통합 카탈로그의 표준화를 개발 쪽에서 맡는다면, 이 우대는 카탈로그의 데이터 품질을 운영 쪽에서 맡아 본 경험입니다.

• 외부 협력사 인력 운영을 관리해 본 경험을 우대합니다.

  이렇게 볼 수 있어요

  공고가 밝힌 대로 사람이 하던 레이블링과 매핑을 AI로 옮기는 중이라 외부 협력 인력이 맡는 작업의 양과 종류도 함께 바뀔 수 있습니다. 협력사에 맡긴 작업이 줄거나 성격이 달라졌을 때 인력 구조를 다시 짠 경험이 이 우대와 가깝습니다. 협력사 인력의 작업량과 품질 지표를 어떻게 관리했는지, 계약 범위를 어떻게 정했는지가 업무의 내부·외부 인력 구조 설계에서 꺼낼 이야기입니다.

• SQL이나 대시보드로 운영 지표를 직접 확인하고 다뤄 본 경험을 우대합니다.

  이렇게 볼 수 있어요

  처리량, 정확도, 재작업률, 리드타임을 지표로 관리하는 업무에서 지표를 보고서로 받지 않고 직접 뽑아 본 경험을 묻습니다. AI Part Lead 공고는 같은 능력을 스프레드시트·SQL·대시보드로 작업량과 정확도를 관리한 경험으로 요구합니다.

4기타 사항

• 게시일 : 2026년 9월 4일
• 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.

• SQL

전형과 지원

무신사 정규직 공고는 기본적으로 인터뷰를 두 번 봅니다. 공고에 따라 3차 인터뷰나 커피챗처럼 단계가 하나씩 더 붙거나 1차 인터뷰를 두 번 보는 공고도 있으므로 지원할 공고의 전형 절차 항목을 따로 확인해야 합니다.

지원 전 준비할 것

1. 1

   품질 지표를 정의한 사례 한 건

   정확도, 재작업률, 리드타임 가운데 직접 정의하거나 도입한 지표를 골라 정의한 이유와 그 수치로 바꾼 의사결정을 한 사례로 적습니다. 공고의 필수 서류는 이력서 하나라 이 사례도 이력서 안에 적습니다.

2. 2

   자동화 전후를 숫자로

   반복 업무를 자동화해 줄인 공수를 전후 숫자로 적고, 자동화 이후 사람이 확인하는 구간을 무엇을 기준으로 정했는지 한 줄을 붙입니다.

3. 3

   프롬프트 작성 사례 고르기

   LLM 출력 평가나 검수용 프롬프트를 쓴 경험이 있다면 선택 서류로 받는 포트폴리오나 프롬프트 작성 사례에 평가 기준과 결과를 담습니다.