[넥스트증권] Senior AI Governance Specialist 공고 분석

이 자리가 왜 생겼을까요

1하게 될 업무

• AI 위험관리규정, 윤리기준과 업무 절차를 수립·개선하고, 관련 전문 조직과 규제·가이드라인 요구사항을 검토해 서비스별 점검 항목, 담당자, 검토·승인 권한과 예외 처리 기준으로 구체화합니다.

  이렇게 볼 수 있어요

  규정을 '서비스별 점검 항목, 담당자, 검토·승인 권한과 예외 처리 기준'까지 내리는 일이라, 문서 작성보다 누가 무엇을 승인하는지 정하는 권한 설계가 중심입니다. 준법감시·리스크관리·정보보호 조직이 이미 가진 권한과 충돌하지 않게 경계를 정해 본 경험이 있다면 어떤 권한을 기존 조직에 남기고 무엇을 새로 정했는지를 구체적으로 적을 만합니다.

• 사내 업무용·대고객 AI 서비스와 자체·외부 모델의 목적, 이용자, 담당 조직, 데이터, 버전과 제공업체를 관리하고, 이용 범위와 영향을 바탕으로 위험을 식별·평가하며 경감 조치의 효과와 잔여위험을 확인해 위험등급을 관리합니다.

  이렇게 볼 수 있어요

  이 회사에는 사내 업무용 AI(테크본부장이 소개한 데이터 인텔리전스 플랫폼과 팀 단위 챗봇)와 대고객 AI(AI 숏폼 영상, 뉴스·공시 기반 LLM·RAG 엔진, AI Agent가 증권 API를 쓰는 Agent Portal)가 함께 있습니다. 고객의 투자 판단에 영향을 주는 서비스와 사내 도구는 같은 등급 기준으로 다루기 어려우므로, 이용자와 영향 범위로 등급 기준을 설계하고 잔여위험을 관리해 본 경험이 이 업무와 이어집니다.

• 성능·편향·설명가능성·안전성·보안·소비자보호 등의 검증 기준을 마련하고, 서비스 위험 수준에 따라 검증 범위·검토 주체·증적을 정하며 평가 결과의 한계와 미해결 위험을 확인해 보완 조치를 관리합니다.

  이렇게 볼 수 있어요

  검증 기준에 소비자보호가 있는 것은 금융 서비스이기 때문입니다. AI가 만든 시장 해석 영상이 특정 종목을 권하는 것처럼 보이면 투자권유나 광고 규제 문제가 될 수 있고, 프로덕트본부는 콘텐츠팀과 컴플라이언스 조직이 긴밀하게 협업한다고 밝혔습니다. 위험 수준에 따라 검증 범위를 다르게 정해 본 경험이 있다면 등급별로 무엇을 더 요구했는지가 이 업무에서 내릴 판단과 직접 연결됩니다.

• 도입·출시 전 심의 안건, 검토 결과, 승인 조건과 후속 조치를 관리하고, 고위험 서비스의 추가 검증과 사람의 개입·서비스 중단 기준을 마련하며, 모델·프롬프트·데이터·사용 목적의 주요 변경과 서비스 종료에 필요한 재평가·통제 절차를 운영합니다.

  이렇게 볼 수 있어요

  AI Engineer 공고는 생성 영상을 수만 건 단위로 돌아가는 시스템으로 만들고 결과를 자동으로 채점하는 평가 파이프라인을 둔다고 적었습니다. 그 규모에서는 모든 결과물을 사람이 보기 어려워, 발행 전 사람 검수를 어느 등급까지 붙일지가 비용과 속도를 함께 바꿉니다. 그런 기준을 운영 조직과 합의해 본 경험이나, 프롬프트 변경처럼 작아 보이는 변경을 재평가 대상으로 삼은 기준을 사례로 들 수 있습니다.

• 외부 모델·API·클라우드의 데이터 처리, 서비스 변경, 책임 범위와 종료 시 조치를 관련 조직과 검토하고, Data Governance가 관리하는 출처·이용 권한·품질 정보를 근거로 학습·평가·추론 데이터의 목적 적합성과 대표성·편향 검증을 AI/ML 담당자와 구체화합니다.

  이렇게 볼 수 있어요

  AI Engineer 공고는 Veo, Kling, Seedance, Hailuo 같은 상용·오픈웨이트 영상 생성 모델을 품질·비용·지연 기준으로 비교해 쓰고 새 모델을 계속 검증한다고 적었습니다. 모델 제공업체가 바뀌거나 서비스를 끝내면 데이터 처리 조건과 책임 범위도 함께 바뀌므로, 외부 모델의 종료 시 조치까지 계약 단계에서 정해 본 경험이 이 업무의 핵심입니다.

• 모델 성능·입출력 데이터 변화, 오류·유해 응답, 고객 민원과 통제 예외의 점검 기준·주기·담당자를 정하고, 이상이 생기면 개선·재평가·보고로 연결하며 서비스 중단·복구와 고객 피해 구제 절차를 담당 조직과 연계합니다.

  이렇게 볼 수 있어요

  금융 뉴스와 공시는 시장 국면에 따라 내용과 양이 크게 바뀌어, 출시 때 통과한 모델도 입력 데이터가 달라지면 성능이 떨어질 수 있습니다. 이상이 생겼을 때 서비스 중단과 고객 피해 구제까지 이어지는 절차를 담당 조직과 만든 경험이 있다면, 그 절차를 실제 사고에 가동해 본 사례까지 함께 적는 편이 설득력이 있습니다.

• AI/ML·서비스·데이터·통제 조직과 개선 과제의 우선순위·담당자·일정·완료 기준을 합의해 실행을 추진하고, 심의 누락, 미해결 위험, 개선 조치 완료율과 검토 소요시간을 함께 확인하며 반복 점검·증적 수집·보고의 자동화를 추진합니다.

  이렇게 볼 수 있어요

  검토 소요시간을 지표에 함께 넣은 것은 거버넌스가 출시를 얼마나 늦추는지도 관리 대상이라는 뜻입니다. CISO가 채용 사이트 인터뷰에서 '무조건 막는 보안'보다 안전한 범위 안에서 더 빠르게 실행할 방법을 고민한다고 말한 방향과 같은 관점이므로, 통제를 강화하면서 검토 기간을 줄인 사례가 있으면 숫자와 함께 꺼내면 됩니다.

• 평가·검증·승인·예외·변경·개선 이력의 기록·보존 기준을 정립하고, 위원회·협의체 운영과 감독당국 자료 요청·내부감사 대응을 지원하며, 실무 가이드와 교육으로 AI 윤리·위험관리 기준을 현업에 정착시킵니다.

  이렇게 볼 수 있어요

  금융투자업자는 자본시장법에 따라 업무 관련 자료를 항목별로 정해진 기간(최장 10년) 기록·유지해야 해서, AI 심의 이력을 그 보존 체계 안에서 어떻게 관리할지를 정하는 일이 이 기준에 포함됩니다. 이 기준이 있어야 감독당국이 언제 자료를 요청해도 서비스별 승인 이력과 예외 근거를 바로 낼 수 있습니다. 위원회나 협의체를 운영하고 현업 교육으로 기준을 정착시킨 경험이 있다면 교육한 대상과 그 뒤 심의 누락이 어떻게 달라졌는지로 정착 정도를 보여 줄 수 있습니다.

2자격 요건

• AI 거버넌스·모델 위험관리, IT 내부통제·보안·컴플라이언스, 데이터 거버넌스, AI/ML 서비스·플랫폼 또는 기술 프로그램·프로젝트 관리 등 관련 경력이 합산 8년 이상이어야 합니다.

  이렇게 볼 수 있어요

  공고 요약에 따르면 이 포지션은 AI/ML 엔지니어와 서비스 담당자, Data Governance, 그리고 준법감시·리스크관리·정보보호·소비자보호 조직과 함께 일합니다. 나열된 경력 분야 대부분이 이 협업 조직 가운데 한 곳이 하는 일이라, 여러 분야를 거쳤다면 각 경력에서 기준을 세우거나 승인 절차를 운영한 일을 자세히 적으면 8년의 경력이 하나의 흐름으로 이어집니다.

• IT·데이터·AI 서비스 관련 업무에서 위험평가·검증·승인·변경관리·운영통제 가운데 하나 이상의 기준이나 절차를 직접 설계하고 여러 조직에 적용·개선한 경험이 있어야 합니다.

  이렇게 볼 수 있어요

  같은 팀 AI Governance Manager 공고는 정해진 기준을 적용하는 경험을 요구하고, 이 공고는 기준을 '직접 설계'해 여러 조직에 적용한 경험을 요구합니다. 설계한 절차를 처음 적용한 뒤 현업의 예외 요청을 받아 어떻게 고쳤는지까지 이어서 적으면 설계와 개선이 한 사례 안에 담깁니다.

• AI 모델과 서비스의 학습·검증·배포·운영 흐름을 이해하고, 단계별 위험과 필요한 증적을 기술 담당자와 논의할 수 있어야 합니다.

  이렇게 볼 수 있어요

  AI 생애주기에서는 단계마다 남겨야 할 증적이 달라집니다. 학습 단계는 데이터 출처와 이용 권한, 검증 단계는 평가셋과 결과, 배포 단계는 승인 기록과 버전, 운영 단계는 모니터링 지표와 사고 기록이 대표적인 증적입니다. 이 구분으로 기술 담당자와 증적 요건을 합의해 본 경험이 있다면 이 요건에서 가장 먼저 꺼낼 만합니다.

• 개발·데이터·AI/ML 등 기술 담당자와 협업해 정책·업무 요구사항을 시스템 요구사항과 실행 과제로 구체화해 봤어야 합니다.

  이렇게 볼 수 있어요

  고위험 콘텐츠는 사람 검수 뒤 발행한다는 정책은 콘텐츠 관리 시스템에 검토 상태와 승인자 기록이 있어야 지켜집니다. 같은 회사 Software Engineer (Full-stack, Content Operations & Creator Platform) 공고가 콘텐츠의 컴플라이언스 검토 결과와 변경 이력 관리 기능을 업무로 적은 것처럼, 정책을 화면과 데이터 요건으로 옮겨 본 경험이 이 요건과 이어집니다.

• 서비스의 검증 결과, 운영 지표와 점검 증적을 근거로 통제 이행 여부, 잔여위험과 추가 확인 사항을 판단할 수 있어야 합니다.

  이렇게 볼 수 있어요

  통제가 문서에 있는지와 실제로 작동했는지는 다른 질문입니다. 내부감사나 인증 심사에서 통제의 운영 효과성을 증적으로 평가해 본 경험은 이 요건이 말하는 판단을 실제로 해 본 이력입니다. 그때 잔여위험을 어떻게 기록했는지도 함께 설명할 수 있어야 합니다.

• 법규·가이드라인·계약 조건의 요구사항을 관련 전문 조직과 검토하고 실행 가능한 업무 절차와 점검 항목으로 구체화할 수 있어야 합니다.

  이렇게 볼 수 있어요

  공고 요약은 이 포지션이 준법감시·리스크관리·정보보호·소비자보호 조직과 소관 영역을 검토한다고 적었습니다. 그 조직들이 해석한 결론을 받아도 가이드라인이나 외부 모델 이용 약관의 문장은 그대로 현업이 따를 수 없어, 점검 항목 한 줄로 바꾸는 작업은 이 포지션이 맡습니다. 규제 문구를 체크리스트로 바꾼 전후를 보여 줄 수 있는 자료가 있으면 이 요건을 설명하기 좋습니다.

• 개발·현업·통제 조직 간 이견과 우선순위를 조율하고, 결정 근거와 후속 조치를 문서화해 실제 업무에 정착시켜 봤어야 합니다.

  이렇게 볼 수 있어요

  공고는 기술적 검증과 위험경감 조치의 구현은 해당 기술 담당자가 하고 최종 승인과 위험 수용은 회사가 정한 권한 체계에 따른다고 적어, 이 포지션은 결정권 없이 조직 사이를 조율합니다. 출시를 서두르는 서비스 조직과 통제 조직 사이의 이견이 이 포지션으로 모이므로, 이견이 있던 사안에서 결정 근거를 남기고 후속 조치가 실제로 지켜졌는지 확인까지 한 사례를 고르면 '정착'까지 보여 줄 수 있습니다.

3우대 사항

• 증권·은행·카드·핀테크 등 금융 환경에서 AI 거버넌스, 모델 위험관리 또는 AI 관련 내부통제를 수행한 경험, 금융분야 AI RMF·AI 윤리원칙 또는 유사한 위험관리 프레임워크를 실제 업무에 적용한 경험을 우대합니다.

  이렇게 볼 수 있어요

  금융회사의 모델 위험관리는 신용평가 모델처럼 의사결정에 쓰는 모델을 검증하고 승인해 온 분야라, 생성형 AI 거버넌스로 옮겨 올 절차가 이미 있습니다. 금융권에서 모델 검증이나 AI 내부통제를 맡았다면 그 절차가 AI RMF의 어느 단계에 해당하는지 대응시켜 보면 경험을 옮겨 쓸 수 있는 범위가 분명해집니다.

• AI 서비스 목록, 위험등급 분류, 출시 전 심의 또는 모델 변경관리 체계를 구축·운영한 경험, 여러 부서가 쓰는 AI 관리 체계를 초기 설계부터 정착까지 이끌고 운영 지표로 개선 효과를 확인한 경험을 우대합니다.

  이렇게 볼 수 있어요

  테크본부장 인터뷰에 따르면 회사는 팀마다 자체 챗봇을 만들 수 있는 환경을 준비하고 있어, AI를 쓰는 부서가 늘어나는 속도에 맞춰 관리 체계를 세워야 합니다. 체계를 만든 뒤 심의 대상 누락이나 검토 기간 같은 운영 지표가 어떻게 바뀌었는지를 기간과 함께 적는 게 좋습니다.

• 생성형 AI·LLM·RAG 서비스의 환각, 편향, 정보 유출, 프롬프트 공격 등 위험과 품질·안전성 평가 체계를 다뤄 봤으면 우대합니다.

  이렇게 볼 수 있어요

  AI Agent가 Open API로 주문을 낼 수 있는 Agent Portal에서는 프롬프트 공격이 잘못된 주문으로 이어질 수 있고, 뉴스·공시 RAG 엔진에서는 환각이 잘못된 시장 정보가 됩니다. 서비스 유형마다 어떤 위험을 먼저 평가했는지 설명할 수 있는 경험이 이 회사 서비스에 맞습니다.

• 외부 AI 모델·API·클라우드 공급업체의 이용 조건, 데이터 처리와 서비스 의존 위험을 검토해 봤으면 우대합니다.

  이렇게 볼 수 있어요

  AI Engineer 공고는 새로 공개되는 영상 생성 모델을 계속 검증해 교체·추가 여부를 정하는 일을 업무로 적고, 외부 생성 API의 실패·재시도·비용 상한을 코드로 통제한 경험을 필수 요건으로 들었습니다. 모델 교체가 잦은 서비스라 공급업체 검토가 도입 때 한 번으로 끝나지 않고, 제공업체의 정책이나 가격 변경이 곧 서비스 위험이 됩니다. 대체 모델 전환 계획이나 출구 조항까지 다뤄 본 경험이 있으면 어떤 조항을 넣었는지까지 적는 게 좋습니다.

• 모델 성능 저하, 데이터 분포 변화 또는 AI 서비스 사고의 모니터링·개선 절차를 운영해 봤으면 우대합니다.

  이렇게 볼 수 있어요

  ML엔지니어(NLP·LLM) 공고는 MTS AI 피처가 공통으로 쓰는 LLM·RAG 엔진과 fallback을 운영한다고 적었습니다. 성능 저하를 판정해 fallback으로 넘기려면 기준선과 경보 임계값을 먼저 정해야 하므로, 어떤 지표로 저하를 판정했고 재평가나 이전 버전 복구까지 어떤 절차로 이어졌는지를 이 우대의 근거로 꺼낼 수 있습니다.

• 감독당국 자료 제출, 내부감사 또는 AI 관련 위원회·협의체 운영 경험, Python·SQL·워크플로 도구 등으로 평가 결과 분석과 점검·증적 수집·보고를 자동화한 경험을 우대합니다.

  이렇게 볼 수 있어요

  CISO는 채용 사이트 인터뷰에서 정보보호본부가 Claude Code로 3일 만에 내부 보안 자동화 기능을 구현했다고 밝혔습니다. 테크본부장도 승인·보고 같은 반복 업무를 노코드 워크플로우 빌더로 자동화할 계획을 소개했습니다. 통제 조직도 도구를 직접 만드는 회사라, 감사 대응이나 위원회 운영을 하면서 그 준비 시간을 도구로 줄인 사례가 있으면 두 경험을 한 사례로 묶어 말할 수 있습니다.

4기타 사항

• 게시일 : 2026년 10월 28일
• 고용형태 : 정규직
• 근무지 : 서울특별시 강남구 강남대로 464 비제바노빌딩 3-6층
• 경력 조건 : 경력 8년 이상
• 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

   설계한 절차 하나 고르기

   위험평가·승인·변경관리 가운데 직접 설계해 여러 조직에 적용한 절차를 골라, 처음 안과 현업 의견을 반영해 고친 안을 나란히 설명할 수 있게 준비합니다.

2. 2

   회사 AI 서비스별 통제안 그려 보기

   AI 영상 생성, LLM·RAG 엔진, Agent Portal, 사내 데이터 인텔리전스 플랫폼마다 위험등급과 사람 개입 기준을 어떻게 정할지 한 장으로 그려 봅니다.

3. 3

   운영 지표 사례 꺼내기

   통제 체계를 만든 뒤 심의 누락, 개선 완료율, 검토 소요시간처럼 숫자로 바뀐 것이 있으면 기간과 함께 정리합니다.