포지션 상세
함께하게 될 FDE본부를 소개합니다 !
-FDE본부는 산업에서 발생하는 다양한 문제 해결을 위해 AI 기술을 개발하고 산업현장에 적용하여 실질적인 가치를 만들어 냅니다.
-실제 현장의 데이터를 이용해 AI 문제를 정의하고 이를 풀어가는 과정을 통해 End-to-end 머신러닝 라이프사이클을 경험합니다.
-마키나락스에 축적된 문제해결 경험을 자산화, 솔루션화 하는 과정을 함께 합니다.
👉합류 시 함께하게 될 프로젝트를 소개합니다.
[DrawX]
산업 현장의 도면(PDF/DWG)을 AI가 이해·판단·추천하는 B2B SaaS 플랫폼입니다. 도면 비교, 변경 검토, 원가·견적 분석, 등 사람이 수행하던 엔지니어링 판단을 AI Agent가 보조하고 대체하는 제품을 만들고 있습니다.
DrawX는 지금 Agent 아키텍처의 근본적인 설계를 함께 결정할 수 있는 시점에 있습니다. 이미 완성된 시스템에 기능을 얹는 것이 아니라, 도면이라는 복잡한 비정형 데이터를 Agent가 어떻게 참조하고, 어떤 단위로 판단하며, 어떤 구조로 워크플로우를 조립할 것인지를 직접 정의하는 단계입니다. Tool 설계, 메모리 구조, 멀티 소스 참조 전략, VLM 연동 방식 — 이 모든 것이 아직 열려 있고, 이 의사결정에 본인의 기술적 판단이 직접 반영 될 수 있습니다.
초기 제품 개발에 참여한다는 것은 단순히 코드를 일찍 작성한다는 의미가 아닙니다. 본인이 설계한 Agent 구조가 제품의 기본 골격이 되고, 이후 모든 기능이 그 위에서 확장됩니다. 제품이 성장할수록 본인의 설계 결정이 만든 영향 범위도 함께 커집니다.
✔️주요 기술: LangGraph 등 Agent 프레임워크 활용
• 멀티 소스 참조 기반 LLM/VLM 시스템 개발: 도면 이미지, 기술 문서, DB 테이블 등 이질적인 데이터 소스를 하나의 파이프라인에서 처리합니다. 비정형 도면과 텍스트가 혼재된 산업 데이터를 VLM이 정확하게 이해할 수 있도록 프롬프트 엔지니어링 및 입력 구조를 설계합니다.
• 공통 로직 추상화 및 시스템 구조 설계: 도면 비교, 변경 검토, 원가 분석 등 개별 워크플로우에서 반복되는 패턴을 찾아냅니다. 팀원들과 함께 Agent가 공유하는 도구, 메모리, 판단 체인을 추상화하여 확장성 높은 시스템 구조를 만들어 갑니다.
• Agentic 검색 설계 및 최적화: Agent가 정확한 판단을 내리기 위해 필요한 정보를 스스로 찾아오는 체계를 만듭니다. 백엔드 엔지니어와 협업하여 도면·문서에 대한 최적의 검색 전략(Agentic Retrieve, Vector DB, Hybrid Search 등)을 수립하고, Agent가 쿼리 생성부터 결과 판단, 재검색까지 자율적으로 수행하는 과정을 구현합니다.
• 복잡한 비즈니스 요구사항을 LLM/VLM이 처리할 수 있는 워크플로우로 구조화하고 구현해 보신분
• 기술 문서, DB 등 다양한 형태의 데이터를 다루며 복잡한 비즈니스 요구사항을 LLM/VLM이 처리할 수 있는 워크플로우로 구조화하고 구현해보신 분
• 본인이 만든 Agent 로직이나 모델이 실제 프로덕트에 탑재되는 과정을 경험해 보신분
-FDE본부는 산업에서 발생하는 다양한 문제 해결을 위해 AI 기술을 개발하고 산업현장에 적용하여 실질적인 가치를 만들어 냅니다.
-실제 현장의 데이터를 이용해 AI 문제를 정의하고 이를 풀어가는 과정을 통해 End-to-end 머신러닝 라이프사이클을 경험합니다.
-마키나락스에 축적된 문제해결 경험을 자산화, 솔루션화 하는 과정을 함께 합니다.
👉합류 시 함께하게 될 프로젝트를 소개합니다.
[DrawX]
산업 현장의 도면(PDF/DWG)을 AI가 이해·판단·추천하는 B2B SaaS 플랫폼입니다. 도면 비교, 변경 검토, 원가·견적 분석, 등 사람이 수행하던 엔지니어링 판단을 AI Agent가 보조하고 대체하는 제품을 만들고 있습니다.
DrawX는 지금 Agent 아키텍처의 근본적인 설계를 함께 결정할 수 있는 시점에 있습니다. 이미 완성된 시스템에 기능을 얹는 것이 아니라, 도면이라는 복잡한 비정형 데이터를 Agent가 어떻게 참조하고, 어떤 단위로 판단하며, 어떤 구조로 워크플로우를 조립할 것인지를 직접 정의하는 단계입니다. Tool 설계, 메모리 구조, 멀티 소스 참조 전략, VLM 연동 방식 — 이 모든 것이 아직 열려 있고, 이 의사결정에 본인의 기술적 판단이 직접 반영 될 수 있습니다.
초기 제품 개발에 참여한다는 것은 단순히 코드를 일찍 작성한다는 의미가 아닙니다. 본인이 설계한 Agent 구조가 제품의 기본 골격이 되고, 이후 모든 기능이 그 위에서 확장됩니다. 제품이 성장할수록 본인의 설계 결정이 만든 영향 범위도 함께 커집니다.
주요업무
• Agentic Workflow 설계 및 구현: "이 도면에서 변경점을 찾아 견적에 반영해줘" — 이처럼 복잡한 사용자의 요청을 Agent가 스스로 단계를 분해하고 데이터를 참조하여 결과를 도출하는 워크플로우를 만듭니다.✔️주요 기술: LangGraph 등 Agent 프레임워크 활용
• 멀티 소스 참조 기반 LLM/VLM 시스템 개발: 도면 이미지, 기술 문서, DB 테이블 등 이질적인 데이터 소스를 하나의 파이프라인에서 처리합니다. 비정형 도면과 텍스트가 혼재된 산업 데이터를 VLM이 정확하게 이해할 수 있도록 프롬프트 엔지니어링 및 입력 구조를 설계합니다.
• 공통 로직 추상화 및 시스템 구조 설계: 도면 비교, 변경 검토, 원가 분석 등 개별 워크플로우에서 반복되는 패턴을 찾아냅니다. 팀원들과 함께 Agent가 공유하는 도구, 메모리, 판단 체인을 추상화하여 확장성 높은 시스템 구조를 만들어 갑니다.
• Agentic 검색 설계 및 최적화: Agent가 정확한 판단을 내리기 위해 필요한 정보를 스스로 찾아오는 체계를 만듭니다. 백엔드 엔지니어와 협업하여 도면·문서에 대한 최적의 검색 전략(Agentic Retrieve, Vector DB, Hybrid Search 등)을 수립하고, Agent가 쿼리 생성부터 결과 판단, 재검색까지 자율적으로 수행하는 과정을 구현합니다.
자격요건
• 1년 이상 LLM 또는 VLM을 활용한 프로젝트 개발 경험이 있는 분 (석사 연구 기간은 제외)• 복잡한 비즈니스 요구사항을 LLM/VLM이 처리할 수 있는 워크플로우로 구조화하고 구현해 보신분
• 기술 문서, DB 등 다양한 형태의 데이터를 다루며 복잡한 비즈니스 요구사항을 LLM/VLM이 처리할 수 있는 워크플로우로 구조화하고 구현해보신 분
• 본인이 만든 Agent 로직이나 모델이 실제 프로덕트에 탑재되는 과정을 경험해 보신분
