![하얀마인드-[Monetai] AI Product Engineer](https://image.wanted.co.kr/optimize?src=https%3A%2F%2Fstatic.wanted.co.kr%2Fimages%2Fcompany%2F22411%2Fnqzjarwsifuzq9ob__1080_790.jpg&w=700&q=100)
![하얀마인드-[Monetai] AI Product Engineer](https://image.wanted.co.kr/optimize?src=https%3A%2F%2Fstatic.wanted.co.kr%2Fimages%2Fcompany%2F22411%2Fuzlnpofapscz1hy3__1080_790.jpg&w=700&q=100)
포지션 상세
Monetai is a B2B SaaS solution that enhances revenue of mobile apps by predicting non-paying users using machine learning and providing personalized promotions. Monetai can lead to significant sales increases immediately upon implementation, with no technical/financial risk involved. We are currently continuously refining our machine learning model with a select few invite-only partnered mobile developers and plan to expand to an SDK-based public service model in the future.
At Monetai, AI Product Engineers develop models that predict purchase likelihood from time-series user behavior data, enabling enterprise customers to maximize revenue. These models are validated through experimentation and evaluation, and ultimately deployed reliably in production environments.
They also collaborate with various teams to support enterprise customers in adopting and integrating Monetai into their products. This requires the ability to clearly explain and compellingly demonstrate complex solutions to both technical and non-technical audiences.
Beyond building and operating models, AI Product Engineers continuously evolve revenue optimization models that directly impact customer outcomes, shaping Monetai’s long-term value.
모네타이는 머신 러닝을 활용하여 결제하지 않는 사용자를 예측하고 맞춤형 프로모션을 제공함으로써 모바일앱 매출을 향상시키는 B2B SaaS 솔루션입니다. 모네타이는 구현 즉시 매출 증대 효과를 가져올 수 있으며, 도입으로 인한 기술적/재무적 위험 부담이 전혀 없습니다. 현재 초대받은 일부 파트너 모바일 개발사들과 함께 머신 러닝 모델을 지속적으로 개선하고 있으며, 향후 SDK 기반의 공개 서비스 모델로 확장할 계획입니다.
Monetai에서 AI 프로덕트 엔지니어는 시계열 사용자 행동 데이터를 활용해 구매 가능성을 예측하고, 이를 통해 고객사의 매출을 극대화할 수 있는 모델을 개발합니다. 이러한 모델을 기반으로 실험과 평가를 통해 성능을 검증하고, 최종적으로 프로덕션 환경에서 안정적으로 운영하는 역할을 맡습니다.
또한 다양한 직군과 협력하여 엔터프라이즈 고객이 Monetai를 원활하게 도입하고 자사 제품에 통합할 수 있도록 지원합니다. 이 과정에서는 기술적·비기술적 청중 모두에게 복잡한 솔루션을 이해하기 쉽게 설명하고 설득력 있게 시연할 수 있는 커뮤니케이션 역량이 큰 도움이 됩니다.
AI 프로덕트 엔지니어는 단순히 모델을 개발하고 운영하는 것을 넘어, 고객사의 성과에 직접 기여하는 수익 최적화 모델을 지속적으로 발전시키며 Monetai의 장기적인 가치를 함께 만들어 갑니다.
대규모 사용자 행동 데이터를 기반으로 구매 가능성 예측 모델을 주도적으로 개발하며, 이를 통해 엔터프라이즈 고객의 수익을 최적화하고 Monetai의 장기적인 성과를 만들어 갑니다.
• Validate model performance through offline evaluations, and measure revenue impact via online evaluation in production environments.
오프라인 평가를 통해 모델의 성능을 검증하고, 실제 프로덕션 환경에서의 온라인 평가를 통해 모델이 매출에 미치는 영향을 측정합니다.
• Deploy models in production-ready form and operate scalable inference environments to deliver real-time value to customers.
모델을 서비스에 통합 가능한 형태로 안정적으로 배포하고, 확장 가능한 추론 환경을 운영하여 고객이 실시간으로 가치를 얻을 수 있도록 합니다.
• Monitor data quality and build **feedback loops** to continuously improve model performance and reliability.
데이터 품질을 모니터링하고 **피드백 루프를 구축**하여 모델의 성능과 신뢰성을 지속적으로 높입니다.
• Support customer adoption and integration, while clearly explaining and demonstrating solutions to both technical and non-technical stakeholders.
고객사의 도입과 통합을 지원하며, 이 과정에서 기술적 및 비기술적 이해관계자 모두에게 솔루션을 명확하고 설득력 있게 설명하고 시연합니다.
• Contribute to product roadmap and technical strategy, creating long-term business impact for Monetai.
제품 로드맵과 기술 전략 수립에 참여하여 Monetai의 장기적인 비즈니스 임팩트를 만들어 갑니다.
AI 제품 구축 경험: ML/AI 기술을 활용해 프로토타입부터 제품까지 만들어본 경험. 부분 기능이 아니라 제품 전체의 관점을 가지고, 초기 설계부터 실제 배포와 사용자 경험에 이르기까지 전 과정을 이해하며 개발해본 경험이 있는 분
• MLOps and Production Experience: Hands-on experience deploying and operating models in production environments, including automation, monitoring, performance maintenance, and iteration.
MLOps 및 프로덕션 운영 경험: 모델을 실제 서비스 환경에 배포하고 운영해본 경험. 단순히 모델을 만드는 데 그치지 않고, 배포 자동화·모니터링·성능 유지·개선까지 경험해본 분.
• Large-Scale Data Processing: Experience handling and processing large-scale data for model training and evaluation. Skilled in SQL and large-scale queries, with experience using databases like Postgres and BigQuery. Experience designing and operating data pipelines is a strong plus.
대규모 데이터 처리 경험: 방대한 데이터를 효율적으로 가공·분석해 모델 학습과 평가에 활용한 경험. SQL 작성 및 대규모 데이터 쿼리 능력을 갖추고 Postgres·BigQuery 등 데이터베이스 활용 경험이 있는 분. 또한, 데이터 파이프라인을 직접 설계·운영해본 경험이 있는 분.
• User and Impact-Oriented Mindset: Ability to critically evaluate how products affect both customer success and user experience, balancing speed, quality, and cost with accountability.
사용자와 임팩트 중심 사고: 제품을 설계할 때 단순히 기술적 완성도가 아니라, 실제 사용자의 삶과 고객사의 성과에 어떤 영향을 줄지를 비판적으로 사고할 수 있는 분. 속도·완성도·비용 간 균형을 이해하고 책임감을 갖고 결정할 수 있는 분.
At Monetai, AI Product Engineers develop models that predict purchase likelihood from time-series user behavior data, enabling enterprise customers to maximize revenue. These models are validated through experimentation and evaluation, and ultimately deployed reliably in production environments.
They also collaborate with various teams to support enterprise customers in adopting and integrating Monetai into their products. This requires the ability to clearly explain and compellingly demonstrate complex solutions to both technical and non-technical audiences.
Beyond building and operating models, AI Product Engineers continuously evolve revenue optimization models that directly impact customer outcomes, shaping Monetai’s long-term value.
모네타이는 머신 러닝을 활용하여 결제하지 않는 사용자를 예측하고 맞춤형 프로모션을 제공함으로써 모바일앱 매출을 향상시키는 B2B SaaS 솔루션입니다. 모네타이는 구현 즉시 매출 증대 효과를 가져올 수 있으며, 도입으로 인한 기술적/재무적 위험 부담이 전혀 없습니다. 현재 초대받은 일부 파트너 모바일 개발사들과 함께 머신 러닝 모델을 지속적으로 개선하고 있으며, 향후 SDK 기반의 공개 서비스 모델로 확장할 계획입니다.
Monetai에서 AI 프로덕트 엔지니어는 시계열 사용자 행동 데이터를 활용해 구매 가능성을 예측하고, 이를 통해 고객사의 매출을 극대화할 수 있는 모델을 개발합니다. 이러한 모델을 기반으로 실험과 평가를 통해 성능을 검증하고, 최종적으로 프로덕션 환경에서 안정적으로 운영하는 역할을 맡습니다.
또한 다양한 직군과 협력하여 엔터프라이즈 고객이 Monetai를 원활하게 도입하고 자사 제품에 통합할 수 있도록 지원합니다. 이 과정에서는 기술적·비기술적 청중 모두에게 복잡한 솔루션을 이해하기 쉽게 설명하고 설득력 있게 시연할 수 있는 커뮤니케이션 역량이 큰 도움이 됩니다.
AI 프로덕트 엔지니어는 단순히 모델을 개발하고 운영하는 것을 넘어, 고객사의 성과에 직접 기여하는 수익 최적화 모델을 지속적으로 발전시키며 Monetai의 장기적인 가치를 함께 만들어 갑니다.
주요업무
• Lead the development of purchase likelihood prediction models based on large-scale user behavior data, optimizing enterprise customer revenue and driving Monetai’s long-term success.대규모 사용자 행동 데이터를 기반으로 구매 가능성 예측 모델을 주도적으로 개발하며, 이를 통해 엔터프라이즈 고객의 수익을 최적화하고 Monetai의 장기적인 성과를 만들어 갑니다.
• Validate model performance through offline evaluations, and measure revenue impact via online evaluation in production environments.
오프라인 평가를 통해 모델의 성능을 검증하고, 실제 프로덕션 환경에서의 온라인 평가를 통해 모델이 매출에 미치는 영향을 측정합니다.
• Deploy models in production-ready form and operate scalable inference environments to deliver real-time value to customers.
모델을 서비스에 통합 가능한 형태로 안정적으로 배포하고, 확장 가능한 추론 환경을 운영하여 고객이 실시간으로 가치를 얻을 수 있도록 합니다.
• Monitor data quality and build **feedback loops** to continuously improve model performance and reliability.
데이터 품질을 모니터링하고 **피드백 루프를 구축**하여 모델의 성능과 신뢰성을 지속적으로 높입니다.
• Support customer adoption and integration, while clearly explaining and demonstrating solutions to both technical and non-technical stakeholders.
고객사의 도입과 통합을 지원하며, 이 과정에서 기술적 및 비기술적 이해관계자 모두에게 솔루션을 명확하고 설득력 있게 설명하고 시연합니다.
• Contribute to product roadmap and technical strategy, creating long-term business impact for Monetai.
제품 로드맵과 기술 전략 수립에 참여하여 Monetai의 장기적인 비즈니스 임팩트를 만들어 갑니다.
자격요건
• AI Product Development Experience: Experience building end-to-end products using ML/AI, from prototypes to production. Ability to approach development with a whole-product perspective, from initial design through deployment and user experience.AI 제품 구축 경험: ML/AI 기술을 활용해 프로토타입부터 제품까지 만들어본 경험. 부분 기능이 아니라 제품 전체의 관점을 가지고, 초기 설계부터 실제 배포와 사용자 경험에 이르기까지 전 과정을 이해하며 개발해본 경험이 있는 분
• MLOps and Production Experience: Hands-on experience deploying and operating models in production environments, including automation, monitoring, performance maintenance, and iteration.
MLOps 및 프로덕션 운영 경험: 모델을 실제 서비스 환경에 배포하고 운영해본 경험. 단순히 모델을 만드는 데 그치지 않고, 배포 자동화·모니터링·성능 유지·개선까지 경험해본 분.
• Large-Scale Data Processing: Experience handling and processing large-scale data for model training and evaluation. Skilled in SQL and large-scale queries, with experience using databases like Postgres and BigQuery. Experience designing and operating data pipelines is a strong plus.
대규모 데이터 처리 경험: 방대한 데이터를 효율적으로 가공·분석해 모델 학습과 평가에 활용한 경험. SQL 작성 및 대규모 데이터 쿼리 능력을 갖추고 Postgres·BigQuery 등 데이터베이스 활용 경험이 있는 분. 또한, 데이터 파이프라인을 직접 설계·운영해본 경험이 있는 분.
• User and Impact-Oriented Mindset: Ability to critically evaluate how products affect both customer success and user experience, balancing speed, quality, and cost with accountability.
사용자와 임팩트 중심 사고: 제품을 설계할 때 단순히 기술적 완성도가 아니라, 실제 사용자의 삶과 고객사의 성과에 어떤 영향을 줄지를 비판적으로 사고할 수 있는 분. 속도·완성도·비용 간 균형을 이해하고 책임감을 갖고 결정할 수 있는 분.
