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.
• 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.
이런 환경에서 연구합니다
• 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.
• 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
• 여러 서로 다른 응용 도메인의 AI/ML 프로젝트를 성공적으로 진행해본 경험
• 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
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
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.
주요업무
이런 문제를 풀게 됩니다• 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.
이런 환경에서 연구합니다
• 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.
자격요건
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
• 여러 서로 다른 응용 도메인의 AI/ML 프로젝트를 성공적으로 진행해본 경험
• 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
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
