[삼일PwC] LLMOps Engineer 채용 공고 분석

이 자리가 왜 생겼을까요

1하게 될 업무

• GPU 서버 기반 LLM 학습·추론 인프라를 설계·구축하고 운영합니다.

  이렇게 볼 수 있어요

  학습과 추론이 함께 적혀 있어 서빙 환경만이 아니라 학습용 환경도 맡습니다. 어떤 GPU를 몇 대 규모로 다뤘는지 숫자로 밝히면 경험의 규모가 바로 전달됩니다.

• LLM API 서빙 시스템을 설계·배포하고 GPU 사용률·비용을 최적화합니다.

  이렇게 볼 수 있어요

  비용 최적화가 업무에 명시돼 있습니다. GPU 사용률을 올리거나 비용을 줄인 사례가 있다면 바꾸기 전과 후의 수치가 이 업무의 경험을 가장 분명하게 드러냅니다.

• 양자화·모델 경량화를 통해 메모리와 지연시간을 최적화합니다.

  이렇게 볼 수 있어요

  우대 사항의 GPTQ, AWQ 같은 양자화 기법이 이 업무에 쓰입니다. 양자화 뒤 응답 품질이 얼마나 달라졌고 그것을 어떻게 확인했는지까지 밝혀야 실무 경험으로 전달됩니다.

• 클라우드/On-premise 환경의 AI 서비스 배포 환경과 CI/CD·MLOps 체계를 구축합니다.

  이렇게 볼 수 있어요

  클라우드와 On-premise 두 환경을 모두 다룹니다. 한쪽 환경만 다뤄 봤다면 다른 쪽에서 배포 방식이 무엇이 달라지는지 면접에서 설명할 준비가 필요합니다.

• LLM 성능·품질·인프라를 모니터링하고 가드레일을 적용합니다.

  이렇게 볼 수 있어요

  인프라 지표와 함께 모델 응답의 품질까지 모니터링 대상입니다. 가드레일로 어떤 입력이나 출력을 막았고 그 기준을 어떻게 정했는지가 이 업무의 사례가 됩니다.

2자격 요건

• 컴퓨터공학/인공지능 등 관련 전공 4년제 학사 학위 이상 또는 이에 준하는 실무 경험이 필요합니다.

  이렇게 볼 수 있어요

  학위가 없더라도 그에 준하는 실무 경험으로 조건을 채울 수 있습니다. 전공이 다르다면 AI 인프라를 운영한 기간과 규모를 구체적으로 밝혀 그 실무 경험을 보여 줄 수 있습니다.

• LLMOps 또는 AI 인프라 운영 실무 경력이 3년 이상이어야 합니다.

  이렇게 볼 수 있어요

  LLMOps라는 이름이 붙은 경력만이 아니라 AI 인프라 운영 경력도 조건에 들어갑니다. LLM 이전에 ML 모델 서빙 인프라를 운영했다면 그 기간도 AI 인프라 운영으로 설명할 수 있습니다.

• GPU 서버 환경에서 AI 워크로드를 운영한 경험이 있어야 합니다.

  이렇게 볼 수 있어요

  GPU 서버 운영이 필수 조건입니다. GPU 드라이버 버전이나 자원 배분처럼 GPU 서버에서만 생기는 문제를 다뤄 본 사례가 있다면 이 조건을 채운다는 것이 구체적으로 드러납니다.

• Python 기반 AI/데이터 파이프라인 개발 및 운영 경험이 필요합니다.

  이렇게 볼 수 있어요

  인프라 운영 직무이지만 파이프라인을 직접 개발하는 Python 역량을 함께 요구합니다. 데이터나 모델이 흐르는 파이프라인을 만들고 운영한 사례가 운영 자동화 스크립트보다 이 조건에 직접 들어맞습니다.

• Docker·Kubernetes 기반 컨테이너 서비스를 배포하고 운영한 경험이 필요합니다.

  이렇게 볼 수 있어요

  Docker·Kubernetes 기반 배포·운영 경험이 필수 조건입니다. GPU 노드를 Kubernetes에서 다뤄 본 경험이 있다면 이 조건과 GPU 조건을 한 사례로 보여 줄 수 있습니다.

3우대 사항

• vLLM, SGLang, TensorRT-LLM 등 LLM 추론 프레임워크 운영 경험을 우대합니다.

  이렇게 볼 수 있어요

  추론 프레임워크 세 개가 이름으로 적혀 있습니다. 써 본 프레임워크가 있다면 처리량이나 지연시간을 어떤 설정으로 조정했는지가 운영 경험의 내용이 됩니다.

• CUDA·NCCL 등 GPU 컴퓨팅 스택 이해와 분산 학습/추론 경험을 우대합니다.

  이렇게 볼 수 있어요

  여러 GPU에 걸쳐 모델을 학습하거나 추론하는 경험을 우대합니다. 그런 경험이 있다면 GPU 몇 장에 모델을 어떻게 나눴는지와 통신 병목을 어떻게 다뤘는지 적을 수 있습니다.

• 양자화(GPTQ, AWQ 등) 적용을 통한 GPU 메모리 최적화 경험을 우대합니다.

  이렇게 볼 수 있어요

  업무의 양자화·모델 경량화가 우대 사항에서 기법 이름으로 다시 나옵니다. 적용한 기법 이름과 함께 메모리를 얼마나 줄였는지 숫자로 밝히면 경험이 구체적으로 전달됩니다.

• 온프레미스 GPU 클러스터 또는 폐쇄망 AI 인프라 구축 경험을 우대합니다.

  이렇게 볼 수 있어요

  둘 중 하나의 구축 경험이면 우대 대상입니다. 폐쇄망이라면 외부에서 모델과 패키지를 어떻게 들여왔고 무엇이 막혔는지가 면접에서 설명할 거리가 됩니다.

• 대규모 트래픽 또는 엔터프라이즈 AI 서비스 운영 경험을 우대합니다.

  이렇게 볼 수 있어요

  이것도 둘 중 하나의 경험이면 됩니다. 요청 수 같은 트래픽 규모나 서비스를 쓰는 조직의 크기를 숫자로 밝히면 어느 쪽 경험인지 바로 구분됩니다.

4기타 사항

• 게시일 : 2026년 7월 9일
• 고용형태 : 정규직
• 근무지 : 삼일회계법인 본사 (서울 용산구 한강대로 100)
• 경력 조건 : 경력 3년 이상
• 학력 조건 : 컴퓨터공학/인공지능 등 관련 전공 4년제 학사 학위 이상 또는 이에 준하는 실무 경험

쓰는 기술

공고 본문에 적힌 기술만 모은 목록입니다.

• Python
• Docker
• Kubernetes
• vLLM
• SGLang
• TensorRT-LLM
• CUDA
• NCCL

전형과 지원

삼일PwC 수시채용은 서류전형 합격자에게만 면접을 개별로 알리고, 경력 채용은 개별 면접과 매월 한 번 열리는 Firm Interview를 거쳐 확정됩니다. 면접 횟수와 인성검사 순서는 공고마다 다르게 적혀 있습니다.

지원 전 준비할 것

1. 1

   GPU 비용과 지연시간 수치 모으기

   업무는 GPU 사용률·비용 최적화와 메모리·지연시간 최적화를 모두 요구합니다. 운영했던 서빙 시스템에서 최적화 전후의 GPU 사용률, 비용, 응답 시간을 찾아 표로 정리해 두면 경력기술서와 면접에 같은 숫자를 쓸 수 있습니다.

2. 2

   써 본 추론 프레임워크를 이름으로 적기

   우대 사항에는 vLLM, SGLang, TensorRT-LLM과 GPTQ, AWQ가 도구 이름 그대로 적혀 있습니다. 써 본 것은 어떤 모델에 어떤 설정으로 적용했는지 적고 써 보지 않은 것은 비슷한 용도로 쓴 도구와 짝지어 말할 수 있게 준비하세요.

3. 3

   운영 환경을 경력기술서에 밝히기

   공고는 '경력자의 경우 경력기술서 상세 기술'을 요청합니다. 프로젝트마다 클라우드인지 On-premise인지, 폐쇄망이었는지, GPU 몇 장 규모였는지를 밝혀 두면 자격요건과 우대 사항에 맞는 경험이 한 번에 드러납니다.