포지션 상세
"샌드박스 안의 데모 AI는 그만. 현장을 움직이는 AI를 만듭니다."
LLM 호출 한 번으로 끝나는 서비스가 아닙니다. 제조/유통 현장의 거친 데이터를 구조화하고 숙련자의 판단을 대체하는 진짜 AI Agent를 내 손으로 직접 배포하고 AI-Native Problem Solver가 될 개발자를 찾습니다.
# Monask는 '기록'의 시대를 넘어 판단의 시대를 엽니다.
지금까지의 ERP와 MES는 훌륭한 기록 장치였습니다. 하지만 현장의 실무자들은 여전히 엑셀과 메일, 그리고 감에 의존해 의사결정을 내립니다. "이 견적이 맞나?", "내일 공정은 어떻게 짜야 하지?" 같은 질문에 답하는 건 늘 사람의 몫이었죠.
Monask는 이 지점을 AI-native 기술로 혁신합니다. 우리는 흩어진 비정형 데이터를 구조화하고 숙련자의 경험을 AI Agent의 로직으로 치환합니다. 2024년 9월 베타 런칭 직후, 매출 400억 규모의 유통사에 도입되며 그 가치를 증명했습니다. 이제 우리는 제조와 유통 전반으로 이 혁신을 확장하려 합니다.
# 우리가 찾는 AI-Native Problem Solver
우리는 단순히 개발을 잘하는 분을 찾지 않습니다. 기술을 레버리지 삼아 제품의 본질적 가치를 고민하는 동료를 찾습니다.
이런 분이라면 Monask와 함께해야 합니다:
• Why에서 시작하는 개발: "이 기능이 왜 필요한가?"를 묻고, 기획자와 "이렇게 풀면 어떨까요?"라며 더 나은 구조를 역제안하는 것이 즐거우신 분
• 실전형 AI 지향: 연구실의 데모용 AI가 아니라, 거친 산업 현장에서 실제로 돈을 벌어다 주는 '살아있는 AI'를 만들고 싶은 분
• 추상화의 달인: 복잡하고 꼬인 비즈니스 로직을 뜯어보고 이를 확장 가능한 시스템 구조로 설계할 때 카타르시스를 느끼시는 분
• 도메인 불도저: 생소한 도메인(제조, 물류, 금융 등)이 던져져도 "일단 파보자"라는 마인드로 빠르게 핵심을 간파하시는 분
# 합류하시면 이런 문제를 함께 해결합니다
단순한 구현을 넘어 AI Agent가 비즈니스 의사결정을 내리는 핵심 엔진을 설계하고 구현합니다.
• CPQ(Configure Price Quote) Agent: 수백 페이지의 RFP와 사양서를 AI가 파싱하고, 공정·원가 데이터를 매칭해 최적의 견적과 리스크를 도출하는 엔진 고도화
• AI-APS(Advanced Planning & Scheduling): 자재, 설비, 인력 등 수많은 제약 조건을 계산해 현장에서 즉시 실행 가능한 생산 계획을 생성하는 로직 설계
• 의사결정 Agent: "지금 발주해야 할까?", "납기 지연 리스크는?" 같은 질문에 데이터 근거와 미리 정보를 주거나 질문에 응답하는 Agent 구축
# 이런 역량을 기대합니다
• Full-stack Ownership: 특정 포지션에 갇히지 않고, 문제 해결을 위해 필요한 기술(Frontend, Backend, LLM Orchestration 등)을 유연하게 학습하고 적용하는 능력
• AI Leverage: LLM(Large Language Models)을 단순 API 호출 이상으로 활용하여, 에이전틱 워크플로우(Agentic Workflow)를 설계해 본 경험 혹은 깊은 이해도
• Product Thinking: 기술적 난이도보다 사용자에게 주는 임팩트를 우선순위의 기준으로 삼는 태도
# 기술 스택
• React
• Typescript
• NodeJS/NestJS
• Docker
• AWS
• Github / Github Actions
많은 개발자가 AI가 내 일자리를 뺏지 않을까 걱정할 때, 'AI를 어떻게 도구로 써서 더 큰 가치를 만들까'를 고민하는 분들이 있습니다. 화면 설계서를 코드로 옮기는 지루한 작업 대신 복잡한 비즈니스 문제를 AI로 실제로 풀어내는 경험을 제안합니다.
• 엑셀, PDF, 이메일 등에 흩어진 현장의 암묵지를 AI가 학습하고 판단할 수 있는 데이터 구조로 변환하는 비정형 데이터의 구조화
• RFP, 사양서 등 비정형 데이터에서 핵심 정보를 추출(Parsing)하고 비즈니스 로직과 매칭하는 에이전트 엔진 개발 및 최적화
• 성능, 보안, 유지보수 등을 고려한 시스템 개선
• 특정 언어에 매몰되지 않고 문제 해결에 가장 적합한 도구를 선택하며 최소 하나 이상의 백엔드/프론트엔드 프레임워크에 능숙하신 분 (Full-stack 성향 우대)
• 모르는 도메인이면 공부해서 뚫어버리면 된다는 마인드셋을 가진 분
• 제품 개발 과정에서 빈틈을 발견하면 스스로 질문을 던지고 더 나은 구조를 제안할 수 있는 분
LLM 호출 한 번으로 끝나는 서비스가 아닙니다. 제조/유통 현장의 거친 데이터를 구조화하고 숙련자의 판단을 대체하는 진짜 AI Agent를 내 손으로 직접 배포하고 AI-Native Problem Solver가 될 개발자를 찾습니다.
# Monask는 '기록'의 시대를 넘어 판단의 시대를 엽니다.
지금까지의 ERP와 MES는 훌륭한 기록 장치였습니다. 하지만 현장의 실무자들은 여전히 엑셀과 메일, 그리고 감에 의존해 의사결정을 내립니다. "이 견적이 맞나?", "내일 공정은 어떻게 짜야 하지?" 같은 질문에 답하는 건 늘 사람의 몫이었죠.
Monask는 이 지점을 AI-native 기술로 혁신합니다. 우리는 흩어진 비정형 데이터를 구조화하고 숙련자의 경험을 AI Agent의 로직으로 치환합니다. 2024년 9월 베타 런칭 직후, 매출 400억 규모의 유통사에 도입되며 그 가치를 증명했습니다. 이제 우리는 제조와 유통 전반으로 이 혁신을 확장하려 합니다.
# 우리가 찾는 AI-Native Problem Solver
우리는 단순히 개발을 잘하는 분을 찾지 않습니다. 기술을 레버리지 삼아 제품의 본질적 가치를 고민하는 동료를 찾습니다.
이런 분이라면 Monask와 함께해야 합니다:
• Why에서 시작하는 개발: "이 기능이 왜 필요한가?"를 묻고, 기획자와 "이렇게 풀면 어떨까요?"라며 더 나은 구조를 역제안하는 것이 즐거우신 분
• 실전형 AI 지향: 연구실의 데모용 AI가 아니라, 거친 산업 현장에서 실제로 돈을 벌어다 주는 '살아있는 AI'를 만들고 싶은 분
• 추상화의 달인: 복잡하고 꼬인 비즈니스 로직을 뜯어보고 이를 확장 가능한 시스템 구조로 설계할 때 카타르시스를 느끼시는 분
• 도메인 불도저: 생소한 도메인(제조, 물류, 금융 등)이 던져져도 "일단 파보자"라는 마인드로 빠르게 핵심을 간파하시는 분
# 합류하시면 이런 문제를 함께 해결합니다
단순한 구현을 넘어 AI Agent가 비즈니스 의사결정을 내리는 핵심 엔진을 설계하고 구현합니다.
• CPQ(Configure Price Quote) Agent: 수백 페이지의 RFP와 사양서를 AI가 파싱하고, 공정·원가 데이터를 매칭해 최적의 견적과 리스크를 도출하는 엔진 고도화
• AI-APS(Advanced Planning & Scheduling): 자재, 설비, 인력 등 수많은 제약 조건을 계산해 현장에서 즉시 실행 가능한 생산 계획을 생성하는 로직 설계
• 의사결정 Agent: "지금 발주해야 할까?", "납기 지연 리스크는?" 같은 질문에 데이터 근거와 미리 정보를 주거나 질문에 응답하는 Agent 구축
# 이런 역량을 기대합니다
• Full-stack Ownership: 특정 포지션에 갇히지 않고, 문제 해결을 위해 필요한 기술(Frontend, Backend, LLM Orchestration 등)을 유연하게 학습하고 적용하는 능력
• AI Leverage: LLM(Large Language Models)을 단순 API 호출 이상으로 활용하여, 에이전틱 워크플로우(Agentic Workflow)를 설계해 본 경험 혹은 깊은 이해도
• Product Thinking: 기술적 난이도보다 사용자에게 주는 임팩트를 우선순위의 기준으로 삼는 태도
# 기술 스택
• React
• Typescript
• NodeJS/NestJS
• Docker
• AWS
• Github / Github Actions
많은 개발자가 AI가 내 일자리를 뺏지 않을까 걱정할 때, 'AI를 어떻게 도구로 써서 더 큰 가치를 만들까'를 고민하는 분들이 있습니다. 화면 설계서를 코드로 옮기는 지루한 작업 대신 복잡한 비즈니스 문제를 AI로 실제로 풀어내는 경험을 제안합니다.
주요업무
• 이게 정말 필요한가라는 질문에서 시작해 기획 단계부터 참여하여 기술적으로 우아하고 비즈니스적으로 실효성 있는 기능을 구현하는 End-to-End 프로덕트 빌딩• 엑셀, PDF, 이메일 등에 흩어진 현장의 암묵지를 AI가 학습하고 판단할 수 있는 데이터 구조로 변환하는 비정형 데이터의 구조화
• RFP, 사양서 등 비정형 데이터에서 핵심 정보를 추출(Parsing)하고 비즈니스 로직과 매칭하는 에이전트 엔진 개발 및 최적화
• 성능, 보안, 유지보수 등을 고려한 시스템 개선
자격요건
• 복잡한 로직 설계 능력, ERP/MES와 같은 복잡한 도메인 지식을 빠르게 습득하고, 이를 확장 가능한 코드로 추상화할 수 있는 논리적 사고력을 갖춘 분• 특정 언어에 매몰되지 않고 문제 해결에 가장 적합한 도구를 선택하며 최소 하나 이상의 백엔드/프론트엔드 프레임워크에 능숙하신 분 (Full-stack 성향 우대)
• 모르는 도메인이면 공부해서 뚫어버리면 된다는 마인드셋을 가진 분
• 제품 개발 과정에서 빈틈을 발견하면 스스로 질문을 던지고 더 나은 구조를 제안할 수 있는 분
