이 자리가 왜 생겼을까요
공고에 걸린 우아한형제들 기술블로그의 물어보새 3부(2025년 10월, BADA팀)에 따르면 LLM 서비스가 빠르게 발전하면서 구성원들은 단순히 데이터를 조회하는 도구를 넘어 업무와 지식을 아우르는 비즈니스 어시스턴트를 기대하기 시작했습니다. 글은 그 기대 수준을 기존에 구축된 RAG 기반 서비스로는 충족할 수 없었다고 적었습니다. 같은 글은 그 해답으로 멀티 에이전트 시스템 기반 아키텍처로 전환하고 Langfuse 기반 Tracing과 온·오프라인 평가 체계를 갖춘 과정을 소개합니다. 이 공고의 AI프로덕트팀은 물어보새를 사내 지식과 데이터를 기반으로 다양한 Agent와 도구를 활용해 실제 업무까지 수행하는 AI Agent라고 소개합니다. 이번 자리는 데이터 파이프라인과 Agent 백엔드, 평가와 모니터링을 함께 맡습니다. 그래서 파이프라인을 만든 경험에 더해 그 데이터를 쓰는 서비스가 제대로 동작하는지 지표로 확인해 본 경험이 필요합니다. 데이터나 서비스 품질을 측정해 개선한 사례가 있다면 지원서에 따로 밝혀 두는 게 좋습니다.
- 우아한형제들 데이터엔지니어링(데이터서비스 AI) 공고
- AI 데이터 분석가 '물어보새' - 3부. Agent로 더 넓고 깊은 지식 공유하기 (우아한형제들 기술블로그, 2025-10-15)
- AI 데이터 분석가 '물어보새' 등장 - 1부. RAG와 Text-To-SQL 활용 (우아한형제들 기술블로그, 2024-07-12)
우아한형제들이 지금 어떤 사업에 집중하고 있는지는 우아한형제들 채용 분석에서 이어서 볼 수 있습니다.
1하게 될 업무
AI 데이터 엔지니어링: AI 프로덕트에 필요한 정형/비정형 데이터를 수집, 가공, 저장, 제공하는 데이터 파이프라인을 개발하고 운영합니다. 대규모 배치/실시간 데이터를 안정적으로 처리하고 AI Agent가 활용할 수 있는 데이터 구조를 설계합니다.
이렇게 볼 수 있어요
데이터를 쓰는 쪽이 사람만이 아니라 Agent라는 점이 이 업무의 특징입니다. 비정형 문서를 검색이나 Agent가 쓰기 좋은 형태로 바꿔 본 경험이 있다면 어떤 구조로 저장했고 왜 그렇게 정했는지까지 쓸 수 있습니다.
AI Agent 및 백엔드 개발: Python 기반으로 AI Agent와 AI 프로덕트의 백엔드 시스템 및 API를 설계하고 개발합니다. AI 모델, 데이터, 검색 시스템, 사내 시스템 및 다양한 도구를 연결해 안정적이고 확장 가능한 서비스 구조를 구축합니다.
이렇게 볼 수 있어요
직무명은 데이터엔지니어링이지만 Agent 백엔드 개발이 업무의 한 축입니다. 개발환경의 Language / Backend 칸에 Python과 FastAPI가 적혀 있으므로 Python으로 API 서버를 만들어 운영한 경험이 이 업무에 맞습니다.
대화 관리, 컨텍스트 관리, 도구 실행 등을 활용해 사용자의 요청을 실제 업무 수행까지 연결하는 Agent를 개발하고 개선합니다.
이렇게 볼 수 있어요
이 업무의 Agent는 질문에 답하는 데서 끝나지 않고 도구를 실행해 업무를 처리합니다. 공고에 걸린 물어보새 3부 글도 질문의 의도를 해석하고 적절한 도구를 선택/실행해 실제 업무까지 처리하는 능력이 요구되었다고 적었습니다.
AI 서비스 운영 및 LLMOps: AI 프로덕트의 배포, 평가, 모니터링 및 운영 환경을 구축하고 고도화합니다. Agent의 실행 과정과 도구 호출을 추적해 실패 원인과 성능 병목을 분석하고, 품질, 응답 속도, 비용, 안정성, 시스템 용량을 모니터링하며 지속적으로 개선합니다.
이렇게 볼 수 있어요
운영 지표에 품질과 속도뿐 아니라 비용도 들어 있으므로 LLM 호출 비용을 재고 줄여 본 경험도 이 업무에 쓸 수 있습니다. 같은 3부 글은 Langfuse 기반 Tracing 시스템을 도입했다고 소개했고, 개발환경의 Evaluation / Monitoring 칸에도 Langfuse가 있습니다.
AI Agent Evaluation 및 품질 개선: 실제 사용자 문제와 운영 중 발생한 실패 사례를 기반으로 Agent의 평가 데이터셋과 품질 지표를 설계합니다. 평가 및 검증, 실험 과정을 자동화하고 실제 사용 데이터를 기반으로 Agent의 품질을 지속적으로 개선합니다.
이렇게 볼 수 있어요
평가 데이터를 운영 중 실패에서 만든다는 점이 핵심입니다. 3부 글은 온라인 평가로 모은 사용자 질문을 오프라인 평가 데이터로 재활용할 수 있다고 설명합니다.
최신 AI 기술의 프로덕션 적용: 새로운 AI 모델과 Agent 기술을 실제 사용자 문제에 적용할 수 있는지 실험하고 검증합니다. 품질, 비용, 응답 속도, 운영 복잡도를 고려해 적절한 기술을 선택하고 실제 서비스에 적용합니다.
이렇게 볼 수 있어요
이 업무는 새 기술을 써 보는 데 더해 실제 서비스에 넣을지 말지를 판단합니다. 모델이나 도구를 비교해 하나를 고르고 나머지를 버린 이유를 숫자로 말할 수 있다면 이 업무와 맞습니다.
2자격 요건
5년 이상의 데이터 엔지니어링 또는 백엔드 개발 경험이 필요합니다.
이렇게 볼 수 있어요
둘 중 어느 쪽 경력으로도 지원할 수 있습니다. 두 일을 오가며 일했다면 기간을 나눠 적으면 두 경력이 각각 몇 년인지 분명해집니다.
대규모 데이터 파이프라인을 설계, 개발, 운영해 본 경험이 필요합니다.
이렇게 볼 수 있어요
설계에서 운영까지 세 단계를 함께 묻습니다. 다룬 데이터 규모와 처리 주기, 장애가 났을 때 어떻게 복구했는지를 함께 적으면 운영까지 맡았다는 것을 알 수 있습니다.
Python 기반의 백엔드 서비스 및 API를 설계, 개발, 운영해 본 경험이 필요합니다.
이렇게 볼 수 있어요
데이터 엔지니어로 일해 왔더라도 서비스 API를 직접 만들어 운영한 경험이 따로 필요합니다. 다른 언어로 백엔드를 해 왔다면 Python으로 만들어 운영한 서비스를 따로 찾아 적을 수 있습니다.
Kubernetes 및 Cloud 환경에서 서비스를 개발, 배포, 운영해 본 경험이 필요합니다.
이렇게 볼 수 있어요
개발환경의 Infrastructure 칸에는 AWS와 Kubernetes가, CI/CD에는 GitLab CI와 ArgoCD가 적혀 있습니다. 서비스를 컨테이너로 배포해 운영한 경험은 쓴 도구 이름과 함께 밝히면 이 개발환경과 바로 비교됩니다.
안정성, 확장성, 성능을 고려한 시스템 설계 및 운영 경험이 필요합니다.
이렇게 볼 수 있어요
세 가지를 함께 따진 설계 판단을 묻습니다. 트래픽이 늘어 구조를 바꾼 사례가 있다면 바꾸기 전 문제와 바꾼 뒤 지표를 나란히 놓을 수 있어야 합니다.
3우대 사항
LLM 또는 AI Agent를 활용한 서비스를 개발, 운영해 본 경험을 우대합니다.
이렇게 볼 수 있어요
LLM 경험은 자격 요건이 아니라 우대 사항입니다. 데이터 엔지니어링이나 백엔드 경력으로 자격 요건을 채운다면 LLM 경험이 짧아도 지원할 수 있습니다. LLM 경험이 있다면 운영까지 해 봤는지를 함께 밝힐 수 있습니다.
실제 사용자 문제를 기반으로 AI/Agent 평가 데이터셋과 품질 지표를 설계하고 평가 과정을 자동화해 본 경험, LLMOps/MLOps 또는 AI 서비스의 평가/모니터링 환경을 구축해 본 경험을 우대합니다.
이렇게 볼 수 있어요
이 우대 사항은 업무의 Evaluation과 LLMOps 두 묶음에 그대로 이어집니다. 평가 지표를 만들고 그 지표로 모델이나 프롬프트를 바꾼 사례가 있다면 바꾸기 전후의 점수를 나란히 적을 수 있습니다.
대규모 배치/스트리밍 데이터 파이프라인을 설계하고 운영해 본 경험을 우대합니다.
이렇게 볼 수 있어요
이 조건은 자격 요건의 대규모 파이프라인 경험에 스트리밍 처리를 더한 것입니다. 개발환경에 Spark, Flink, Kafka가 함께 적혀 있으므로 실시간 처리 경험이 있다면 사용한 도구와 함께 따로 적을 만합니다.
RAG, VectorDB, Elasticsearch 등 검색 및 데이터 활용 시스템을 구축해 본 경험과 온톨로지, Knowledge Graph, Semantic Layer 등을 활용한 데이터/지식 구조화 경험을 우대합니다.
이렇게 볼 수 있어요
물어보새 1부의 제목이 'RAG와 Text-To-SQL 활용'이고 3부는 사내 지식 탐색을 다룹니다. 검색 품질을 높이려고 데이터나 지식을 어떻게 구조화했는지가 이 우대 사항의 중심입니다.
고트래픽 환경에서 백엔드 시스템의 성능, 확장성, 안정성을 개선해 본 경험을 우대합니다.
이렇게 볼 수 있어요
이 우대 사항은 자격 요건의 시스템 설계 경험을 고트래픽 환경으로 좁힌 것입니다. 처리량이나 응답 시간처럼 개선 전후를 비교할 수 있는 숫자를 함께 적으면 됩니다.
4기타 사항
- 게시일 : 2026년 9월 9일
- 고용형태 : 정규직
- 근무지 : 서울시 송파구 위례성대로 2 (방이동, 장은빌딩) (추정)
- 경력 조건 : 경력 5년 이상
- 학력 조건 : 해당 내용은 원본 공고에서 확인되지 않습니다.
쓰는 기술
공고 본문에 적힌 기술만 모은 목록입니다.
- Python
- FastAPI
- Spark
- Flink
- Kafka
- Redis
- Airflow
- RAG
- VectorDB
- Elasticsearch
- AWS
- Kubernetes
- Langfuse
- MLflow
- Prometheus
- Grafana
- GitLab CI
- ArgoCD
전형과 지원
우아한형제들 채용 사이트의 합류여정은 지원서 접수부터 최종 입사 확정까지 네 단계를 안내합니다. 재지원과 결과 안내 같은 규칙은 자주 묻는 질문에 있습니다. 이 답변들은 2022년 9월 20일에 마지막으로 수정됐으므로 지금 운영과 다른 부분이 있을 수 있습니다.
네 단계와 두 차례 인터뷰
합류여정은 '지원서 접수 → 1, 2차 인터뷰 → 처우 협의 → 최종 입사 확정' 순서를 안내합니다. 서류합격자에게만 전화로 인터뷰 일정을 알립니다. 1차 실무진 인터뷰는 2~3명의 심사관이 다대일로 약 1시간 진행합니다. 2차 경영진 인터뷰는 1차의 질문과 답변을 바탕으로 '역량과 직무 간의 적합도, 일을 대하는 태도, 우아한형제들의 문화'를 묻습니다.
이렇게 볼 수 있어요
1차는 지원한 포지션과 관련 있는 실무진이 진행하고, 2차는 역량과 직무의 적합도에 태도와 문화를 더해 묻습니다. 2차는 1차 답변을 바탕으로 이어지므로 1차에서 말한 사례를 우아한 일원칙과 연결해 다시 설명할 준비를 해 두면 도움이 됩니다. 서류합격자에게는 인터뷰 일정이 전화로 오고, 전형 일정과 결과는 이메일이나 인재영입 홈페이지로 안내되므로 지원서의 연락처와 이메일이 정확한지도 확인해야 합니다.
기간제는 1차만, 서버/백엔드는 라이브 코딩
합류여정은 '기간제의 경우, 1차 인터뷰만 진행됩니다'라고 적었습니다. 서버/백엔드 직무는 '1차면접에서 라이브 코딩 인터뷰가 진행됩니다'라고 밝혔고, 진행 방식이 다른 포지션은 사전에 자세히 안내한다고 했습니다. 데이터엔지니어링(데이터서비스 AI) 공고는 서류 다음에 코딩테스트를 둡니다.
이렇게 볼 수 있어요
같은 회사라도 고용형태와 직무에 따라 인터뷰 구성이 달라집니다. 서버/백엔드 지원자는 실무진 인터뷰에서 코드를 직접 작성하게 되므로 평소 쓰는 언어로 문제를 풀며 생각을 말로 설명하는 연습이 필요합니다.
추가 절차와 유의사항
합류여정은 기본 프로세스에 경우에 따라 '코딩테스트, 사전과제, 추가인터뷰, WSP(Work Style Profile), 평판조회 등'이 더해질 수 있다고 안내합니다. 접수 기한이 명시되지 않은 공고는 인재 영입이 완료되면 조기 마감될 수 있습니다. 해외여행에 결격 사유가 없어야 하고 지원서나 인터뷰 답변에 허위사실이 있으면 합격이 취소될 수 있습니다.
이렇게 볼 수 있어요
공고마다 추가 절차가 붙을 수 있어 지원한 공고 본문의 안내를 먼저 확인해야 합니다. 마감일이 없는 공고는 언제 마감될지 알 수 없으니 지원을 정했다면 미루지 않는 편이 낫습니다. 평판조회가 있을 수 있으므로 이전 직장의 동료나 상사 가운데 연락할 수 있는 사람을 미리 생각해 두면 일정이 늦어지지 않습니다. 데이터엔지니어링(데이터서비스 AI) 공고에는 코딩테스트와 3차 면접이, QA Engineer(자동화 및 품질 전략) 공고에는 서류 전형 중 사전과제가 있어 두 공고는 기본 절차보다 준비할 단계가 더 많습니다.
수습 기간
합류여정은 '정규직 입사 시 신입 6개월, 경력 3개월의 수습기간이 적용되며, 기간제의 경우 계약 기간에 따라 1개월 혹은 3개월의 수습기간이 적용됩니다'라고 안내합니다.
이렇게 볼 수 있어요
같은 정규직이라도 신입과 경력의 수습 기간이 두 배 차이 납니다. 이직 일정과 조건을 따질 때는 수습 기간도 함께 넣어 계산할 필요가 있습니다.
재지원과 중복지원
자주 묻는 질문은 '이전 불합격 기록이 있다면, 동일 공고에 대한 재지원은 최소 6개월 이후를 권장드립니다'라고 답합니다. 여러 공고에 중복지원할 수 있고 두 개 이상 포지션에서 서류에 합격하면 추가 내부검토를 거쳐 포지션별로 따로 면접을 보거나 각 팀 실무진이 함께 참석하는 통합면접으로 진행한다고 밝혔습니다.
이렇게 볼 수 있어요
같은 공고 재지원은 6개월 뒤를 권장하고 다른 공고 지원에 대한 제한은 적혀 있지 않습니다. 여러 공고에 함께 지원하면 통합면접이 될 수 있으므로 공고마다 다른 경험을 내세우기보다 두 공고 모두에 설명할 수 있는 사례를 준비해 두는 편이 낫습니다. 이 답변의 마지막 수정일이 2022년 9월 20일이므로 지원 전에 채용 사이트에서 지금 기준을 다시 확인해 볼 필요가 있습니다.
경력 연차와 접수 창구
자주 묻는 질문은 '공고에 명시된 경력연차는 지원에 필요한 기본적인 참고사항'이고 해당 연차 수준의 경험과 역량이 있다고 판단되면 지원할 수 있다고 답합니다. 서류는 우아한형제들 인재영입 홈페이지와 외부 채용 사이트(원티드)로만 받고 우편, 이메일, 방문 접수는 받지 않습니다. 제출한 지원서는 수정할 수 없어 마이페이지에서 지원서를 삭제한 뒤 다시 지원해야 하고 첨부파일은 최대 20MB입니다.
이렇게 볼 수 있어요
공고의 연차가 조금 모자라도 그 수준의 경험과 역량이 있다면 지원할 수 있습니다. 그 경우 연차보다 맡았던 일의 범위와 결과를 자세히 적어야 합니다. 제출 뒤에는 고칠 수 없으므로 첨부 파일과 경력 기간을 제출 전에 한 번 더 확인해야 합니다.
결과 안내와 피드백
자주 묻는 질문은 전형별 심사결과 발표에 '약 일주일 정도 기간이 소요'되고 개별적으로 안내한다고 답합니다. 지원서가 많으면 심사가 늦어질 수 있다고 덧붙였습니다. 불합격 사유는 내부 규정에 따라 공식 피드백을 하지 않습니다. 면접 복장 규정은 없고 지원서에 적은 내용의 증빙서류는 최종합격 뒤에 따로 요청합니다.
이렇게 볼 수 있어요
전형마다 약 일주일이 걸린다는 안내를 기준으로 일정을 잡을 수 있습니다. 다른 회사 전형과 함께 진행한다면 단계마다 이 일주일을 넣어 계획을 세우면 일정이 꼬이지 않습니다. 불합격 사유는 알려 주지 않으므로 인터뷰가 끝난 직후 받은 질문과 답변을 기록해 두면 다음 지원을 준비할 때 도움이 됩니다.
이 공고만 다른 점
이 포지션은 '서류 전형 → 코딩테스트 → 1차 면접 (기술면접) → 2차 면접 → 3차 면접 → 최종합격' 순으로 진행된다고 적혀 있습니다.
채용 사이트 합류여정의 기본 프로세스는 지원서 접수 뒤 1, 2차 인터뷰로 이어지는데, 이 공고에는 서류 다음 코딩테스트와 3차 면접이 더 있습니다. 합류여정 유의사항도 경우에 따라 코딩테스트 같은 추가 절차가 포함될 수 있다고 안내합니다. 면접이 세 번이므로 최종 결과까지 걸리는 기간도 기본 프로세스보다 길어질 수 있습니다.
지원 전 준비할 것
- 1
코딩테스트 대비
서류 다음 단계가 코딩테스트입니다. 시험 언어는 공고에 적혀 있지 않지만 자격 요건과 개발환경의 중심 언어가 Python이므로 Python으로 구현 문제를 풀어 보며 감을 잡아 두세요.
- 2
물어보새 3부작 읽고 맡을 부분 정하기
공고에 걸린 기술블로그 세 편이 RAG와 Text-To-SQL, Data Discovery, 멀티 에이전트 전환까지 프로덕트가 바뀌어 온 과정을 다룹니다. 읽은 뒤 내가 맡을 수 있는 부분이 데이터 파이프라인인지 Agent 백엔드인지 평가 체계인지 정리해 두면 면접 답변의 방향이 정해집니다.
- 3
파이프라인 사례에 운영 지표 붙이기
자격 요건이 설계, 개발, 운영을 함께 묻습니다. 대표 파이프라인 하나를 골라 데이터 규모, 처리 지연, 장애 복구 시간을 정리하고 Kubernetes나 클라우드에서 어떻게 배포했는지까지 이어서 설명할 수 있게 준비하세요.