포지션 상세
인포시즈는 제조·반도체·플랜트·금융·공공 등 한국 산업의 핵심 현장에서, AI가 실제 운영과 의사결정을 직접 수행할 수 있도록 만드는 Enterprise AI 기업입니다.
Sr. Applied Scientist (Agent)는 아직 아무도 풀지 못한 엔터프라이즈 에이전트 문제를 연구 수준에서 정의하고, 그 해법을 국내 최대 규모의 산업 프로젝트에 직접 적용하는 역할입니다. 논문 속 벤치마크가 아니라 실제 현장의 데이터와 제약 조건 위에서 SOTA를 만들어내는 일이며, 그 과정에서 기술의 방향성을 스스로 설계하는 권한과 책임을 함께 갖습니다.
이런 환경에서 연구합니다
아직 정답이 없는 문제를 다루되, 그것을 끝까지 밀어붙일 수 있는 자원과 권한이 함께 주어집니다.
• 아직 아무도 풀지 못한 문제에 도전합니다. 엔터프라이즈 환경에서는 "그럴듯한 답"이 아니라 "신뢰할 수 있는 답"이 필요하기 때문에 환각(hallucination)을 구조적으로 제거하는 것이 전제 조건입니다. 다뤄야 하는 데이터도 문서, 도면(P&ID, CLD 등), 관계형 데이터베이스, ERP/CRM, EDR 보안 로그처럼 형식과 출처가 제각각인 비정형 데이터가 뒤섞여 있습니다. 또한 이렇게 얽힌 데이터 위에서 사용자의 의도를 정확히 읽어내고, 한 번의 질의로 끝나지 않는 multi-turn 대화를 통해 모호한 요구를 스스로 구체화해가며 정답에 도달하는 검색·추론 성능을 끌어올리는 일이 핵심 과제입니다. 여기에 운영 데이터로부터 스스로 성능을 끌어올리는 자기개선(self-improving) 에이전트, 그리고 사람이 수작업으로 하던 도메인 온톨로지(데이터 간의 개념과 관계를 정의하는 의미 구조)를 에이전트가 스스로 설계하고 새로운 데이터가 유입되면 그에 맞춰 온톨로지 변경까지 제안하는 AI FDE가 연구 대상입니다.
• 국내 최대 규모의 프로젝트에 실제로 쓰입니다. 반도체, 플랜트, 금융, 공공 등 한국 산업을 대표하는 대기업·기관의 대형 프로젝트에 우리 솔루션이 실제로 투입되고 있습니다. 데모로 끝나는 연구가 아니라, 규모 있는 현장에서 운영되며 임팩트를 만들어내는 연구입니다.
• 높은 자율성을 가집니다. 새롭게 빌딩되는 Agent Research Squad의 founding member로 합류합니다. 기존 아키텍처나 관행에 얽매일 필요 없이 팀의 기술 로드맵과 방향성을 직접 수립하고, 성능만 제대로 나온다면 접근 방식은 무엇이든 자유롭게 선택할 수 있습니다. 나아가 함께 일할 동료의 채용 기준(hiring bar)을 직접 세우고 그 기준으로 동료를 뽑으며 초기 팀 문화를 만드는 일까지, 정리된 문제를 받아 푸는 것이 아니라 무엇을 어떻게 풀지를 스스로 정의하는 자리입니다.
• 보상은 업계 최고 수준으로 협의합니다. 실력과 주도성을 겸비한 연구자에게는 업계 최고 수준의 처우를 제안합니다.
• 연구 성과를 논문으로 발표할 수 있습니다. 현장에서 얻은 문제와 해법을 top-tier 학회 혹은 저널에 게재하는 것을 적극 장려하고 지원합니다.
• 환각을 구조적으로 차단해, 근거가 검증되는(grounded·verifiable) 엔터프라이즈 에이전트를 설계하고 구현합니다.
• 문서·도면·데이터베이스·ERP/CRM·EDR 로그처럼 이질적이고 비정형적인 데이터를 이해하고 추론하는 멀티모달·멀티소스 에이전트를 개발합니다.
• 사용자의 의도를 정확히 이해하고, multi-turn 대화를 통해 모호한 요구를 스스로 구체화해가며 정답을 찾아내는 검색·질의 성능을 고도화합니다.
• 도메인의 개념과 관계를 표현하는 온톨로지·스키마를 사람 대신 자동으로 설계하고, 새로운 데이터가 유입되면 그에 맞춰 온톨로지 변경을 제안하는 에이전트(AI FDE)를 연구합니다.
• 운영 환경에서 쌓이는 데이터로부터 스스로 성능을 개선하는 self-improving 파이프라인을 만듭니다.
• 시간이 지날수록 회사와 도메인을 더 깊이 이해하며 함께 성장하는, 살아 움직이는 에이전트 메모리(agent memory) 시스템을 장기적으로 설계합니다.
• 정답이 정의되지 않은 문제에 대해, 무엇을 성공으로 볼지부터 정하는 평가 체계를 직접 설계합니다
• 벤치마크 점수 자체보다, 실제 문제를 끝까지 작동하게 만드는 데 더 큰 흥미를 느끼는 분
• 정답이 없는 문제를 스스로 정의하고 방향을 만들어가는 데 익숙한 분
• 복잡하게 얽힌 데이터와 관계 구조를 이해하고 추상화하는 과정을 즐기는 분
• 논문 구현에 머무르지 않고 운영 환경까지 끝까지 연결하려는 분
• 기술의 방향성을 직접 설계하는 자율성과 그에 따르는 책임을 함께 반기는 분
# 기본적으로 이런 역량을 기대합니다
• 3년 이상의 연구 경험 (석/박사과정 포함)
• NeurIPS, ICML, ICLR, ACL, EMNLP, NAACL, CVPR, ICCV, ECCV 등 ML/AI 분야 top-tier 학회 논문 발표 경험
• RAG, 검색, 추론(reasoning), tool use, planning 등 에이전트 핵심 기술에 대한 이해
• 머신러닝, 통계, 컴퓨터과학 전반에 대한 탄탄한 기초
• Python 기반의 강한 소프트웨어 개발 역량과 PyTorch 등 딥러닝 툴킷 활용 경험
• 비즈니스 요구사항에 맞추어 머신 러닝 방법론의 평가 방식을 스스로 정의해본 경험
Sr. Applied Scientist (Agent)는 아직 아무도 풀지 못한 엔터프라이즈 에이전트 문제를 연구 수준에서 정의하고, 그 해법을 국내 최대 규모의 산업 프로젝트에 직접 적용하는 역할입니다. 논문 속 벤치마크가 아니라 실제 현장의 데이터와 제약 조건 위에서 SOTA를 만들어내는 일이며, 그 과정에서 기술의 방향성을 스스로 설계하는 권한과 책임을 함께 갖습니다.
이런 환경에서 연구합니다
아직 정답이 없는 문제를 다루되, 그것을 끝까지 밀어붙일 수 있는 자원과 권한이 함께 주어집니다.
• 아직 아무도 풀지 못한 문제에 도전합니다. 엔터프라이즈 환경에서는 "그럴듯한 답"이 아니라 "신뢰할 수 있는 답"이 필요하기 때문에 환각(hallucination)을 구조적으로 제거하는 것이 전제 조건입니다. 다뤄야 하는 데이터도 문서, 도면(P&ID, CLD 등), 관계형 데이터베이스, ERP/CRM, EDR 보안 로그처럼 형식과 출처가 제각각인 비정형 데이터가 뒤섞여 있습니다. 또한 이렇게 얽힌 데이터 위에서 사용자의 의도를 정확히 읽어내고, 한 번의 질의로 끝나지 않는 multi-turn 대화를 통해 모호한 요구를 스스로 구체화해가며 정답에 도달하는 검색·추론 성능을 끌어올리는 일이 핵심 과제입니다. 여기에 운영 데이터로부터 스스로 성능을 끌어올리는 자기개선(self-improving) 에이전트, 그리고 사람이 수작업으로 하던 도메인 온톨로지(데이터 간의 개념과 관계를 정의하는 의미 구조)를 에이전트가 스스로 설계하고 새로운 데이터가 유입되면 그에 맞춰 온톨로지 변경까지 제안하는 AI FDE가 연구 대상입니다.
• 국내 최대 규모의 프로젝트에 실제로 쓰입니다. 반도체, 플랜트, 금융, 공공 등 한국 산업을 대표하는 대기업·기관의 대형 프로젝트에 우리 솔루션이 실제로 투입되고 있습니다. 데모로 끝나는 연구가 아니라, 규모 있는 현장에서 운영되며 임팩트를 만들어내는 연구입니다.
• 높은 자율성을 가집니다. 새롭게 빌딩되는 Agent Research Squad의 founding member로 합류합니다. 기존 아키텍처나 관행에 얽매일 필요 없이 팀의 기술 로드맵과 방향성을 직접 수립하고, 성능만 제대로 나온다면 접근 방식은 무엇이든 자유롭게 선택할 수 있습니다. 나아가 함께 일할 동료의 채용 기준(hiring bar)을 직접 세우고 그 기준으로 동료를 뽑으며 초기 팀 문화를 만드는 일까지, 정리된 문제를 받아 푸는 것이 아니라 무엇을 어떻게 풀지를 스스로 정의하는 자리입니다.
• 보상은 업계 최고 수준으로 협의합니다. 실력과 주도성을 겸비한 연구자에게는 업계 최고 수준의 처우를 제안합니다.
• 연구 성과를 논문으로 발표할 수 있습니다. 현장에서 얻은 문제와 해법을 top-tier 학회 혹은 저널에 게재하는 것을 적극 장려하고 지원합니다.
주요업무
아래는 우리 앞에 놓인 도전적인 연구 방향들입니다. 한 사람이 이 전부를 떠안아야 하는 자리가 아닙니다. 무엇이 지금 가장 중요한지 직접 우선순위를 정하고, 필요하다면 함께 풀어갈 동료를 직접 뽑아가며, 문제의 범위와 속도를 스스로 조율하면 됩니다. 정해진 과제 목록을 소화하는 자리가 아니라, 어디서부터 어떻게 풀지를 주도적으로 설계하는 자리입니다.• 환각을 구조적으로 차단해, 근거가 검증되는(grounded·verifiable) 엔터프라이즈 에이전트를 설계하고 구현합니다.
• 문서·도면·데이터베이스·ERP/CRM·EDR 로그처럼 이질적이고 비정형적인 데이터를 이해하고 추론하는 멀티모달·멀티소스 에이전트를 개발합니다.
• 사용자의 의도를 정확히 이해하고, multi-turn 대화를 통해 모호한 요구를 스스로 구체화해가며 정답을 찾아내는 검색·질의 성능을 고도화합니다.
• 도메인의 개념과 관계를 표현하는 온톨로지·스키마를 사람 대신 자동으로 설계하고, 새로운 데이터가 유입되면 그에 맞춰 온톨로지 변경을 제안하는 에이전트(AI FDE)를 연구합니다.
• 운영 환경에서 쌓이는 데이터로부터 스스로 성능을 개선하는 self-improving 파이프라인을 만듭니다.
• 시간이 지날수록 회사와 도메인을 더 깊이 이해하며 함께 성장하는, 살아 움직이는 에이전트 메모리(agent memory) 시스템을 장기적으로 설계합니다.
• 정답이 정의되지 않은 문제에 대해, 무엇을 성공으로 볼지부터 정하는 평가 체계를 직접 설계합니다
자격요건
# 이런 분을 찾고 있습니다• 벤치마크 점수 자체보다, 실제 문제를 끝까지 작동하게 만드는 데 더 큰 흥미를 느끼는 분
• 정답이 없는 문제를 스스로 정의하고 방향을 만들어가는 데 익숙한 분
• 복잡하게 얽힌 데이터와 관계 구조를 이해하고 추상화하는 과정을 즐기는 분
• 논문 구현에 머무르지 않고 운영 환경까지 끝까지 연결하려는 분
• 기술의 방향성을 직접 설계하는 자율성과 그에 따르는 책임을 함께 반기는 분
# 기본적으로 이런 역량을 기대합니다
• 3년 이상의 연구 경험 (석/박사과정 포함)
• NeurIPS, ICML, ICLR, ACL, EMNLP, NAACL, CVPR, ICCV, ECCV 등 ML/AI 분야 top-tier 학회 논문 발표 경험
• RAG, 검색, 추론(reasoning), tool use, planning 등 에이전트 핵심 기술에 대한 이해
• 머신러닝, 통계, 컴퓨터과학 전반에 대한 탄탄한 기초
• Python 기반의 강한 소프트웨어 개발 역량과 PyTorch 등 딥러닝 툴킷 활용 경험
• 비즈니스 요구사항에 맞추어 머신 러닝 방법론의 평가 방식을 스스로 정의해본 경험
