포지션 상세
We are looking for the best
UMOS ONE은 42dot의 자회사로, 스스로 운영되는 도시교통 운영체제(Urban Mobility Operating System, UMOS)를 기반한 모빌리티 서비스에서의 실제 플릿 운영과 자율 주행 확장까지, 전 과정을 아우르는 통합 플랫폼을 개발하고 있습니다.
UMOS ONE은 모빌리티 서비스 ‘TAP!’, 차량 관제·운영 시스템 ‘Pleos Fleet’, AI 기반 운송 관리 시스템 ‘Capora’ 등 다양한 솔루션을 통해 SDV (software-defined vehicle) 기반의 기술을 상용화하며, 미래 모빌리티 서비스의 중심을 이끌어가고자 합니다.
빠르게 변화하는 시장 속에서 복잡한 문제를 날카롭게 분석해 정확한 해법을 실행력 있게 구현해 나갈 동료를 찾고 있습니다. 혼자보다는 함께 더 멀리 가는 팀, 단순한 협업을 넘어 서로의 성장을 진심으로 응원하는 문화 속에서 의미 있는 도전을 이어가고 싶다면, UMOS ONE에서 그 여정을 함께하세요.
- LLM과 실제 비즈니스 로직(API, DB)을 연결하는 Action Framework 및 MCP(Model Context Protocol) 기반 인터페이스 설계
- AI 모델(Routing, Dispatching 등)이 내린 결정을 실제 서비스 환경에 안전하게 적용하는 에이전트 워크플로우 개발
- 복잡한 운영 환경의 동적 변화를 감지하고 에이전트에게 실시간 피드백을 제공하는 '감각 시스템' 구현
• 지식 기반 데이터 엔지니어링 (Data-to-Knowledge)
- 데이터 분석가적 관점에서 에이전트의 지능을 높이기 위한 핵심 Feature 추출 및 지식화(Ontology Mapping)
- 지식 그래프(Knowledge Graph) 데이터를 에이전트가 즉시 활용할 수 있도록 고성능 조회 API 및 캐싱 레이어 구축
- 파편화된 원천 데이터를 분석하여 에이전트의 의사결정에 필요한 'Context'로 가공하는 파이프라인 개발
• 성능 분석 및 지능형 시뮬레이션 환경 구축
- AI Native Analyst 역할: 에이전트의 의사결정 품질을 정량적으로 평가하기 위한 지표(Metrics) 설정 및 대시보드 구축
- 현실 세계의 복잡성을 모사한 시뮬레이션 환경을 구축하여 에이전트 로직의 안전성과 효율성을 사전에 검증
- 시뮬레이션 데이터 분석을 통해 에이전트의 행동 패턴을 개선하는 피드백 루프 설계
• AI Native Mindset: LLM, Agentic System에 대한 깊은 이해와 이를 시스템적으로 풀어내는 역량
• Data-Savvy Engineer: SQL은 물론 대량의 데이터를 스스로 탐색하고 분석하여 시스템 로직에 반영할 수 있는 분
• 객체 지향 설계(OOP) 및 마이크로서비스 아키텍처(MSA)에 대한 탄탄한 기초
• RESTful API, gRPC, MCP 등 서비스 간 통통합 인터페이스 설계 및 운영 경험
UMOS ONE은 42dot의 자회사로, 스스로 운영되는 도시교통 운영체제(Urban Mobility Operating System, UMOS)를 기반한 모빌리티 서비스에서의 실제 플릿 운영과 자율 주행 확장까지, 전 과정을 아우르는 통합 플랫폼을 개발하고 있습니다.
UMOS ONE은 모빌리티 서비스 ‘TAP!’, 차량 관제·운영 시스템 ‘Pleos Fleet’, AI 기반 운송 관리 시스템 ‘Capora’ 등 다양한 솔루션을 통해 SDV (software-defined vehicle) 기반의 기술을 상용화하며, 미래 모빌리티 서비스의 중심을 이끌어가고자 합니다.
빠르게 변화하는 시장 속에서 복잡한 문제를 날카롭게 분석해 정확한 해법을 실행력 있게 구현해 나갈 동료를 찾고 있습니다. 혼자보다는 함께 더 멀리 가는 팀, 단순한 협업을 넘어 서로의 성장을 진심으로 응원하는 문화 속에서 의미 있는 도전을 이어가고 싶다면, UMOS ONE에서 그 여정을 함께하세요.
주요업무
• Agentic AI 시스템 구현 및 액션 프레임워크 개발- LLM과 실제 비즈니스 로직(API, DB)을 연결하는 Action Framework 및 MCP(Model Context Protocol) 기반 인터페이스 설계
- AI 모델(Routing, Dispatching 등)이 내린 결정을 실제 서비스 환경에 안전하게 적용하는 에이전트 워크플로우 개발
- 복잡한 운영 환경의 동적 변화를 감지하고 에이전트에게 실시간 피드백을 제공하는 '감각 시스템' 구현
• 지식 기반 데이터 엔지니어링 (Data-to-Knowledge)
- 데이터 분석가적 관점에서 에이전트의 지능을 높이기 위한 핵심 Feature 추출 및 지식화(Ontology Mapping)
- 지식 그래프(Knowledge Graph) 데이터를 에이전트가 즉시 활용할 수 있도록 고성능 조회 API 및 캐싱 레이어 구축
- 파편화된 원천 데이터를 분석하여 에이전트의 의사결정에 필요한 'Context'로 가공하는 파이프라인 개발
• 성능 분석 및 지능형 시뮬레이션 환경 구축
- AI Native Analyst 역할: 에이전트의 의사결정 품질을 정량적으로 평가하기 위한 지표(Metrics) 설정 및 대시보드 구축
- 현실 세계의 복잡성을 모사한 시뮬레이션 환경을 구축하여 에이전트 로직의 안전성과 효율성을 사전에 검증
- 시뮬레이션 데이터 분석을 통해 에이전트의 행동 패턴을 개선하는 피드백 루프 설계
자격요건
• 5년 이상의 백엔드 시스템 개발 경력 (Java, Kotlin, Go, Python 중 하나 이상 능숙)• AI Native Mindset: LLM, Agentic System에 대한 깊은 이해와 이를 시스템적으로 풀어내는 역량
• Data-Savvy Engineer: SQL은 물론 대량의 데이터를 스스로 탐색하고 분석하여 시스템 로직에 반영할 수 있는 분
• 객체 지향 설계(OOP) 및 마이크로서비스 아키텍처(MSA)에 대한 탄탄한 기초
• RESTful API, gRPC, MCP 등 서비스 간 통통합 인터페이스 설계 및 운영 경험
