[넥스트증권] AI Governance Manager 공고 분석

이 자리가 왜 생겼을까요

1하게 될 업무

• AI 서비스의 사용 목적, 담당 조직, 모델·제공업체, 데이터와 버전을 수집·갱신하고 신규 도입·변경 사항과 관리대장의 누락을 확인합니다.

  이렇게 볼 수 있어요

  같은 회사 공고에서 확인되는 AI 서비스만 해도 AI Engineer의 영상 생성, ML엔지니어(NLP·LLM)의 뉴스·공시 LLM·RAG 엔진, Backend Engineer (채널 서비스·플랫폼)의 AI Agent용 Agent Portal이 있고, 테크본부장은 팀 단위 챗봇을 만들 수 있는 사내 데이터 인텔리전스 플랫폼을 소개했습니다. 서비스마다 담당 팀과 외부 모델이 달라 관리대장의 누락을 찾는 일이 업무의 출발점입니다. IT 자산이나 시스템 목록을 정비해 봤다면 몇 개 시스템의 담당과 외부 연동을 관리했는지까지 적어야 규모가 드러납니다.

• 정해진 체크리스트에 따라 서비스 특성·영향과 평가 자료를 확인해 위험등급 검토 근거를 정리하고, 성능·안전성·편향 검증 결과의 누락·불일치·추가 확인 사항을 찾아 담당자에게 보완을 요청합니다.

  이렇게 볼 수 있어요

  검증 결과의 누락을 찾으려면 평가 결과표를 읽고 표본 크기나 평가 기준이 서비스 용도와 맞는지 물을 수 있어야 합니다. AI Engineer 공고가 영상의 금융 표현 위반을 VLM으로 자동 채점하고 오탐·미탐 사례를 개선한다고 적은 것처럼, 이 회사의 검증 자료는 자동 평가 결과로 들어오는 경우가 있어 오탐·미탐 비율 같은 지표를 다뤄 본 경험이 도움이 됩니다.

• 도입·출시·변경 심의의 대상과 일정, 제출 자료를 관리하고 검토 결과·승인 조건·담당자·기한을 기록하며, 주요 변경 때 재검토 필요 여부를 기준에 따라 확인해 판단이 필요한 사안을 검토 담당자에게 전달합니다.

  이렇게 볼 수 있어요

  AI 서비스는 모델, 프롬프트, 데이터가 자주 바뀌어 일반 IT 시스템보다 재검토 대상이 자주 생깁니다. IT 변경관리나 변경 승인 회의를 운영해 본 경험은 이 심의 운영에 그대로 옮겨 쓸 수 있어, 처리 건수까지 적을 만합니다.

• Data Governance와 관련 전문 조직이 확인한 데이터 출처·이용 조건과 외부 모델·API의 처리 조건을 취합하고, 실제 사용 목적과 제출 내용의 차이와 미확인 항목을 정리해 추가 검토로 연결합니다.

  이렇게 볼 수 있어요

  같은 회사 AI Engineer 공고는 Veo, Kling, Seedance, Hailuo 같은 상용·오픈웨이트 영상 생성 모델과 AWS Bedrock 환경을 업무에 명시했습니다. 외부 모델 API에 무엇을 보내고 제공업체가 입력을 어떻게 보관하거나 학습에 쓰는지는 약관마다 달라, 실제 쓰임과 제출된 처리 조건이 어긋나는 곳을 찾는 일이 이 업무의 중심입니다. SaaS나 외부 API를 도입할 때 보안성 검토나 위탁 점검을 해 봤다면, 그때 약관에서 데이터 보관·학습 조항을 확인한 방식이 이 업무에서 그대로 필요합니다.

• 정해진 지표와 기준에 따라 오류·유해 응답·민원·통제 예외를 점검해 이상 징후를 담당 조직에 전달하고, 개선 과제의 진행 상태와 완료 근거를 확인해 미해결·지연 항목을 보고합니다.

  이렇게 볼 수 있어요

  ML엔지니어(NLP·LLM) 공고는 MTS의 여러 AI 피처가 공통으로 쓰는 LLM·RAG 엔진을 운영하며 할루시네이션 통제가 성능만큼 중요하다고 강조합니다. 엔진 하나가 여러 화면에 쓰이면 오류 하나가 여러 서비스로 퍼지므로, 민원이나 유해 응답이 어느 서비스와 어느 엔진의 문제인지 가려 담당 조직에 넘기는 판단이 필요합니다. 장애나 민원 데이터를 분류해 원인 조직에 넘기고 완료까지 추적한 경험이 이 업무와 가깝습니다.

• 평가·검증·승인·변경·예외 이력을 정리하고, 정기 보고와 감독당국 자료 요청·내부감사에 필요한 근거를 취합·대조합니다.

  이렇게 볼 수 있어요

  금융회사 감사에서 증적은 승인 당시에 남은 원본 기록을 뜻하고, 감사 요청을 받은 뒤 다시 만든 문서는 증적으로 쓰기 어렵습니다. 같은 팀 Senior AI Governance Specialist 공고가 이력의 기록·보존 기준을 정하면, 이 공고는 서비스마다 그 기준대로 기록이 남았는지 확인하고 요청이 오면 근거를 대조해 냅니다. IT 감사나 ISMS 인증 심사 때 증적을 모아 대조해 본 경험이 있다면 증적을 어떤 형식으로 관리했는지가 이 업무에 바로 쓰입니다.

• 반복되는 자료 누락이나 문의를 분석해 체크리스트·양식·가이드를 개선하고, 점검·보고 자동화 과제를 제안하며 담당 서비스의 심의 준비와 기준 적용을 안내합니다.

  이렇게 볼 수 있어요

  테크본부장은 승인·정산·보고 같은 반복 업무를 노코드 워크플로우 빌더로 자동화할 계획이라고 말했습니다. 반복되는 자료 누락을 양식 개선으로 줄였거나 점검 보고를 도구로 자동화한 경험이 있으면 줄어든 문의 수나 소요 시간을 숫자로 적는 게 좋습니다.

2자격 요건

• IT·데이터·AI 서비스의 품질 검증·운영, 내부통제·보안·컴플라이언스, 데이터 관리 또는 프로젝트 운영 등 관련 실무 경력이 3~7년이어야 합니다.

  이렇게 볼 수 있어요

  금융회사의 AI 거버넌스 실무는 IT 내부통제와 정보보호에서 쓰던 체크리스트·증적·승인 기록 방식을 AI 서비스에 옮겨 오는 형태로 운영되는 경우가 많아, 나열된 경력마다 이 공고에서 연결되는 업무가 다릅니다. 품질 검증 경력은 검증 자료 점검에, 내부통제·보안 경력은 증적 관리와 감사 대응에 쓰입니다. 데이터 관리 경력은 Data Governance가 넘겨주는 출처·이용 조건을 취합하는 일로, 프로젝트 운영 경력은 심의 일정과 개선 과제 추적으로 이어집니다. 해 온 일이 이 가운데 어느 업무로 옮겨 가는지를 이력서에 자세히 적을 수 있습니다.

• 정해진 기준에 따라 자료·시스템·업무를 점검하고, 발견한 이슈의 보완·개선 완료를 추적한 경험이 있어야 합니다.

  이렇게 볼 수 있어요

  같은 팀 Senior AI Governance Specialist 공고는 심의 누락, 미해결 위험, 개선 조치 완료율과 검토 소요시간을 함께 확인한다고 적었습니다. 이 공고에서 추적해 받아 내는 완료 근거가 그 지표의 바탕 자료가 되므로, 점검 결과 관리표에서 미해결 항목을 어떻게 따라갔고 지연된 건을 누구에게 보고했는지를 설명할 수 있게 준비하는 편이 낫습니다.

• AI 서비스의 데이터 입력·모델 활용·결과 제공 흐름을 이해하고, 오류·편향·정보 유출 등 주요 위험을 기술 담당자와 논의할 수 있어야 합니다.

  이렇게 볼 수 있어요

  고객 정보가 외부 모델로 넘어가는 정보 유출은 입력 단계, 편향은 모델과 학습 데이터, 잘못된 금융 정보는 결과 단계의 문제입니다. 이렇게 단계를 나눠 기술 담당자와 위험을 논의해 본 경험을 사례로 들 수 있습니다.

• 정책·가이드·체크리스트를 읽고 담당 업무에 적용하며, 판단이 어려운 사안을 근거와 함께 정리해 검토를 요청할 수 있어야 합니다.

  이렇게 볼 수 있어요

  공고 요약은 정책 수립, 위험등급 확정, 예외·위험 수용의 최종 판단을 회사가 정한 검토·승인 체계에 맡기고, 기준 해석이 필요하거나 위험이 높은 사안은 거버넌스 책임자와 소관 전문 조직이 검토한다고 적었습니다. 여기서 올리는 검토 요청서는 그 판단의 입력 자료이자 나중에 감사에서 결정 근거로 다시 쓰이는 문서입니다. 애매한 사안을 사실관계와 적용 기준, 쟁점으로 나눠 상신한 문서가 있으면 그 구성이 이 요건에 가장 가깝습니다.

• 스프레드시트·업무 관리 도구 등으로 현황, 점검 결과, 이슈와 증적을 체계적으로 관리할 수 있어야 합니다.

  이렇게 볼 수 있어요

  테크본부장은 사내 데이터 인텔리전스 플랫폼에서 텍스트로 질문하면 SQL 쿼리나 리포트로 바뀌고 셀프서비스 BI로 데이터를 직접 탐색할 수 있다고 소개했습니다. AI 서비스 목록과 심의 이력을 스프레드시트로 관리하더라도 나중에 이런 사내 도구로 옮겨 갈 가능성이 있습니다. 항목끼리 어떻게 연결했고 상태값을 어떻게 정의했는지까지 설명할 수 있어야 도구가 바뀌어도 그대로 쓰이는 관리 방식이 드러납니다.

• 개발·현업·통제 담당자와 자료 보완·일정·후속 조치를 조율하고 결과를 명확하게 문서화할 수 있어야 합니다.

  이렇게 볼 수 있어요

  CISO는 채용 사이트 인터뷰에서 '무조건 막는 보안'보다 안전한 범위 안에서 더 빠르게 실행할 방법을 고민한다고 말했고, 같은 팀 Senior 공고는 검토 소요시간을 관리 지표로 적었습니다. 보완 요청이 출시를 늦추는 시간도 관리 대상이라는 뜻이므로, 일정 압박 속에서 보완 기한을 합의하고 결과를 기록으로 남긴 경험이 이 요건에 맞습니다.

3우대 사항

• AI 서비스의 평가·테스트, 출시 검토, 운영 모니터링 또는 AI 거버넌스 업무에 참여한 경험, 생성형 AI·LLM·RAG 서비스의 응답 품질·안전성 테스트나 평가 결과 분석 경험을 우대합니다.

  이렇게 볼 수 있어요

  회사는 MTS에서 AI가 시장 정보를 분석해 숏폼 영상으로 만드는 것이 핵심이라고 밝혔고, 뉴스·공시를 다루는 RAG 엔진도 함께 개발하고 있습니다. 금융 정보를 생성하는 서비스라 사실 오류와 투자 권유로 오해될 표현이 주요 평가 항목이 될 가능성이 큽니다. 평가셋을 직접 만들었거나 결과를 분석해 출시 판단에 쓴 경험이 있다면 그때 세운 평가 기준이 이 우대에서 가장 구체적인 증거입니다.

• 증권·은행·핀테크 등 금융 환경에서 서비스 운영·품질관리·내부통제 업무를 경험했으면 우대합니다.

  이렇게 볼 수 있어요

  금융회사의 내부통제는 업무마다 통제 항목과 점검 주기, 책임자를 정하고 이행을 증빙하는 방식이라 AI 거버넌스 절차와 모양이 같습니다. 금융회사에서 통제 점검을 해 봤다면 대상 업무가 AI 서비스로 바뀐다고 보고 그 경험을 자세히 적을 수 있습니다.

• 금융분야 AI RMF, AI 윤리원칙 또는 관련 위험관리 프레임워크를 학습하거나 업무에 활용해 봤으면 우대합니다.

  이렇게 볼 수 있어요

  같은 팀 Senior AI Governance Specialist 공고는 금융분야 AI RMF와 AI 윤리원칙을 회사 서비스에 맞는 위험평가·심의·검증·모니터링 절차로 구체화하는 일을 업무로 적었습니다. 이 공고의 체크리스트가 그 절차에서 나오므로, 프레임워크의 단계를 점검 항목으로 옮겨 본 경험이나 영상 생성·RAG 같은 이 회사 서비스에 적용해 본 생각이 1차 인터뷰 이야깃거리가 됩니다.

• 데이터 출처·품질·개인정보·이용 권한 또는 외부 서비스 이용 조건을 점검해 봤으면 우대합니다.

  이렇게 볼 수 있어요

  데이터 출처·품질·이용 조건은 이 공고에서 Data Governance 담당자가 제공하고, 같은 회사 Data Engineer (Data Platform) 공고는 카탈로그·리니지 수집 기반을 운영한다고 적었습니다. 뉴스·공시나 시세 데이터는 제공업체 라이선스가 AI 학습과 생성물 재배포를 허용하는지가 따로 걸리므로, 데이터 이용 계약 조건을 점검해 본 경험이 있으면 구체적인 항목을 들 수 있습니다.

• SQL·Python·워크플로 도구 등으로 데이터 확인, 점검·증적 수집·보고를 자동화해 봤으면 우대합니다.

  이렇게 볼 수 있어요

  회사는 일하는 원칙에 반복 업무를 AI와 자동화에 맡긴다고 적었고, 이 공고의 업무에도 점검·보고 자동화 과제 제안이 있습니다. 증적 수집이나 정기 보고를 쿼리나 스크립트로 바꾼 사례가 있으면 줄어든 수작업 시간을 숫자로 보여 줄 수 있습니다.

• 심의체 운영, 감사 자료 준비 또는 실무 가이드·교육 자료 작성 경험을 우대합니다.

  이렇게 볼 수 있어요

  같은 팀 Senior 공고는 위원회·협의체 운영 지원과 실무 가이드·교육으로 기준을 현업에 정착시키는 일을 맡고, 이 공고는 담당 서비스의 심의 준비와 기준 적용 안내를 맡습니다. 쟁점과 선택지를 줄여 결정권자가 한 번에 판단하게 만드는 안건 작성 경험은 심의 준비에, 실무 가이드나 교육 자료를 만든 경험은 기준 적용 안내에 쓰이므로, 그 자료를 쓴 현업 부서와 이후 문의가 어떻게 달라졌는지를 함께 적는 게 좋습니다.

4기타 사항

• 게시일 : 2026년 10월 28일
• 고용형태 : 정규직
• 근무지 : 서울특별시 강남구 강남대로 464 비제바노빌딩 3-6층
• 경력 조건 : 경력 3~7년
• 학력 조건 : 해당 내용은 원본 공고에서 확인되지 않습니다.

전형과 지원

채용 사이트 How We Hire가 밝힌 기본 절차는 서류 접수, 1차 인터뷰, 2차 인터뷰, 처우 협의, 최종 합격의 다섯 단계입니다. 개발·디자인 공고 상당수는 1차 인터뷰 앞에 AI 스크리닝을 더하므로 공고마다 전형 문단을 확인해야 합니다.

지원 전 준비할 것

1. 1

   점검하고 닫은 이슈 사례 고르기

   기준에 따라 점검해 이슈를 찾고 담당자 보완을 받아 완료 근거까지 확인한 사례를 하나 골라, 발견부터 종료까지 걸린 기간과 함께 준비합니다.

2. 2

   회사 AI 서비스별 위험 적어 보기

   공고와 채용 사이트에 나온 AI 영상 생성, LLM·RAG 엔진, Agent Portal, 데이터 인텔리전스 플랫폼마다 어떤 위험을 먼저 점검할지 적어 보면 1차 인터뷰에서 이야기할 거리가 생깁니다.

3. 3

   자동화 결과물 링크 준비하기

   제출 서류에 GitHub·기술 블로그·포트폴리오 링크를 선택으로 낼 수 있으므로, 점검·보고를 자동화한 스크립트나 대시보드가 있으면 민감 정보를 지운 형태로 링크를 마련합니다.