포지션 상세
"Empowering AI, Elice."
엘리스는 공공·기업 전 영역의 AI 전환을 이끌고, 모두가 AI 시대의 주역이 되도록 돕는 글로벌 AI 기업입니다.
/*AI 인프라 혁신을 통한 AI 에코시스템 구축*/
• 최신 GPU(B200·H100) 및 국산 NPU를 탑재한 AI PMDC 통해 고성능 AI 인프라 구축 및 서비스 제공
• 국내 최고 수준의 전력 효율로 자체 구축한 AI 전용 데이터센터와 'AI 인프라-플랫폼-모델-콘텐츠' 통합 AI 생태계를 조성
• 정부 및 공공기관에 안정적인 클라우드 환경 제공이 가능한 보안인증(CSAP) 획득
/*한국어 특화 AI 모델로 교육 혁신을 선도*/
• AI SaaS 솔루션 '엘리스LXP'로 6,200여 기업·기관과 260만 명 학습자 지원
• 자체 개발한 한국어 특화 생성형 AI 모델 라이브러리로 목적별 맞춤 모델 제공
• 전국 초중고 AI 디지털교과서(AIDT)의 인프라·콘텐츠·플랫폼을 통합 공급
/* 엘리스 AI 팀을 소개합니다 */
AI 팀은 빠르게 진화하는 AI 기술을 가져다, 실제 사용자가 신뢰할 수 있는 프로덕션 제품으로 만드는 조직입니다. 엘리스그룹이 2015년부터 축적해 온 대규모 실사용 데이터(학습 로그·코드 실행 기록·교육 성과)와 자체 GPU/NPU 인프라를 기반으로, 누적 280만 명 이상이 사용하고 기업의 AI 전환(AX)을 돕는 제품 위에서 AI헬피챗을 비롯한 핵심 기능을 만들어 갑니다. 국내 주요 대기업을 포함해 대기업 상위 20개사 중 85%가 엘리스를 선택했고, AI 팀은 이 규모의 사용자가 매일 의존하는 AI 경험이 흔들림 없이 동작하도록 책임집니다.
엘리스의 Applied AI Engineer는 "쓸 수 있는 AI 기술"을 "신뢰할 수 있는 제품"으로 만드는 단계 전체를 책임집니다. 어떤 모델·검색·아키텍처를 쓸지 직접 판단하고, 실사용 환경에서 품질이 무너지는 원인을 분석하며, 정답 없는 품질을 정량화합니다. 데이터와 실제 운영 경험을 바탕으로 문제를 정의하고 풀어내며, 인프라·클라우드·백엔드 팀, PM 등 여러 직군과 협업하여 AI 기능이 실제 업무로 이어지도록 완성합니다.
/* 엘리스 Applied AI Engineer는 어떤 역할을 하나요?*/
엘리스의 Applied AI Engineer는 빠르게 진화하는 AI 기술을 가져다, 실제 280만 명이 매일 의존하는 제품으로 만드는 엘리스 AI 팀의 핵심 엔지니어입니다. 엘리스는 누적 280만 명 이상이 사용하고 국내 대기업 상위 20개사 중 85%가 선택한, 기업의 AI 전환(AX)을 돕는 회사입니다.
AI 팀은 기업 구성원이 실제 업무에 AI를 쓰도록 돕는 AI헬피챗을 만듭니다. 문서를 분석해 답을 만들고, 슬라이드·이미지 같은 산출물을 생성하는 등 업무에 바로 쓰이는 여러 AI 툴을, 하나의 챗 경험에서 자율적으로 골라 쓰는 에이전트로 묶습니다. 여기에 교육·실습과 역량 진단까지 이어 붙여 "AI가 실제 업무로 이어지는" 전환을 만들고, 이 기능들을 국내 대기업의 AX 프로젝트에 적용해 다양한 산업 현장으로 확장하고 있습니다.
데모에서 한 번 되는 것과, 수백만 명의 실사용 분포에서 늘 되는 것은 전혀 다른 문제입니다. 무너지는 응답 품질, 정답 없는 생성 품질의 측정, 예측 불가하게 실패하는 에이전트 — 이 비자명한 문제를 풀어 AI를 진짜 제품으로 완성할 분을 찾습니다. 연차나 직함보다 맡은 영역에 오너십을 갖고, 품질을 데이터로 증명하며 함께 성장할 분을 환영합니다.
-기업 구성원이 매일 쓰는 AI 툴을 직접 만듭니다. 자유로운 요청을 구조화된 산출물(슬라이드·문서 등)로 바꾸고, 길고 잡음 많은 실제 문서에서 정확히 검색·추론하며, 여러 툴을 상황에 맞게 자율적으로 조합하는 에이전트를 설계합니다. LLM·RAG·멀티모달 등 빠르게 진화하는 기술 중 무엇을 어떻게 조합할지 직접 판단해, 새로운 업무 시나리오를 실제 제품으로 완성합니다.
• 정답 없는 AI 품질 문제의 정량화
-생성 품질처럼 정답이 명확하지 않은 영역에서 무엇을 어떻게 측정할지 평가(eval) 체계를 직접 설계하고, 모델·프롬프트 변경의 효과를 데이터로 증명합니다. 2015년부터 축적된 대규모 실사용 데이터를 활용해 응답 정확도·일관성·환각을 측정 가능한 지표로 바꾸고, 회귀(regression)를 자동으로 방지하는 파이프라인을 구축합니다.
• 에이전트·파이프라인의 신뢰성 확보
-LLM·에이전트가 예측 불가하게 실패하는 지점을 추적하고, 가드레일·폴백·검증 로직을 설계하여 다양한 입력과 장애 상황에서도 일관되게 동작하도록 만듭니다. 동시에 지연시간·토큰 비용을 최적화하여 품질과 효율의 균형을 찾습니다.
• 관측성 기반의 지속적 개선
-응답 품질·지연시간·비용·가용성을 추적하는 모니터링 체계를 구축하고 SLA/SLO를 수치로 정의·개선합니다. 인프라·클라우드·백엔드 팀과 함께 데이터 파이프라인부터 서빙·모니터링까지 이어지는 운영 체계를 다지고, 운영에서 얻은 인사이트를 다음 기술 선택과 제품 방향으로 되돌려 제품이 계속 나아지는 사이클을 만듭니다.
• 기술로 제품 가치를 만든 경험: 기존 기술·도구를 조합해 실제 사용자가 쓰는 가치 있는 제품/기능으로 완성해 본 경험이 있는 분
• 모델·전략에 대한 기술적 판단: 어떤 모델·검색 전략·프롬프트 구조를 쓸지 근거를 갖고 결정하고, 그 효과를 검증해 본 경험이 있는 분
• 견고한 엔지니어링 사고: Python 또는 TypeScript로 서비스를 설계하고, API·비동기·스트리밍 처리에 대한 이해를 바탕으로 신뢰성 있는 코드를 작성할 수 있는 분
• 문제를 끝까지 추적하는 태도: 품질 저하나 장애의 원인을 데이터로 파고들고, 재발하지 않도록 구조적으로 개선할 수 있는 분
엘리스는 공공·기업 전 영역의 AI 전환을 이끌고, 모두가 AI 시대의 주역이 되도록 돕는 글로벌 AI 기업입니다.
/*AI 인프라 혁신을 통한 AI 에코시스템 구축*/
• 최신 GPU(B200·H100) 및 국산 NPU를 탑재한 AI PMDC 통해 고성능 AI 인프라 구축 및 서비스 제공
• 국내 최고 수준의 전력 효율로 자체 구축한 AI 전용 데이터센터와 'AI 인프라-플랫폼-모델-콘텐츠' 통합 AI 생태계를 조성
• 정부 및 공공기관에 안정적인 클라우드 환경 제공이 가능한 보안인증(CSAP) 획득
/*한국어 특화 AI 모델로 교육 혁신을 선도*/
• AI SaaS 솔루션 '엘리스LXP'로 6,200여 기업·기관과 260만 명 학습자 지원
• 자체 개발한 한국어 특화 생성형 AI 모델 라이브러리로 목적별 맞춤 모델 제공
• 전국 초중고 AI 디지털교과서(AIDT)의 인프라·콘텐츠·플랫폼을 통합 공급
/* 엘리스 AI 팀을 소개합니다 */
AI 팀은 빠르게 진화하는 AI 기술을 가져다, 실제 사용자가 신뢰할 수 있는 프로덕션 제품으로 만드는 조직입니다. 엘리스그룹이 2015년부터 축적해 온 대규모 실사용 데이터(학습 로그·코드 실행 기록·교육 성과)와 자체 GPU/NPU 인프라를 기반으로, 누적 280만 명 이상이 사용하고 기업의 AI 전환(AX)을 돕는 제품 위에서 AI헬피챗을 비롯한 핵심 기능을 만들어 갑니다. 국내 주요 대기업을 포함해 대기업 상위 20개사 중 85%가 엘리스를 선택했고, AI 팀은 이 규모의 사용자가 매일 의존하는 AI 경험이 흔들림 없이 동작하도록 책임집니다.
엘리스의 Applied AI Engineer는 "쓸 수 있는 AI 기술"을 "신뢰할 수 있는 제품"으로 만드는 단계 전체를 책임집니다. 어떤 모델·검색·아키텍처를 쓸지 직접 판단하고, 실사용 환경에서 품질이 무너지는 원인을 분석하며, 정답 없는 품질을 정량화합니다. 데이터와 실제 운영 경험을 바탕으로 문제를 정의하고 풀어내며, 인프라·클라우드·백엔드 팀, PM 등 여러 직군과 협업하여 AI 기능이 실제 업무로 이어지도록 완성합니다.
/* 엘리스 Applied AI Engineer는 어떤 역할을 하나요?*/
엘리스의 Applied AI Engineer는 빠르게 진화하는 AI 기술을 가져다, 실제 280만 명이 매일 의존하는 제품으로 만드는 엘리스 AI 팀의 핵심 엔지니어입니다. 엘리스는 누적 280만 명 이상이 사용하고 국내 대기업 상위 20개사 중 85%가 선택한, 기업의 AI 전환(AX)을 돕는 회사입니다.
AI 팀은 기업 구성원이 실제 업무에 AI를 쓰도록 돕는 AI헬피챗을 만듭니다. 문서를 분석해 답을 만들고, 슬라이드·이미지 같은 산출물을 생성하는 등 업무에 바로 쓰이는 여러 AI 툴을, 하나의 챗 경험에서 자율적으로 골라 쓰는 에이전트로 묶습니다. 여기에 교육·실습과 역량 진단까지 이어 붙여 "AI가 실제 업무로 이어지는" 전환을 만들고, 이 기능들을 국내 대기업의 AX 프로젝트에 적용해 다양한 산업 현장으로 확장하고 있습니다.
데모에서 한 번 되는 것과, 수백만 명의 실사용 분포에서 늘 되는 것은 전혀 다른 문제입니다. 무너지는 응답 품질, 정답 없는 생성 품질의 측정, 예측 불가하게 실패하는 에이전트 — 이 비자명한 문제를 풀어 AI를 진짜 제품으로 완성할 분을 찾습니다. 연차나 직함보다 맡은 영역에 오너십을 갖고, 품질을 데이터로 증명하며 함께 성장할 분을 환영합니다.
주요업무
• AI 기술로 제품 가치 만들기-기업 구성원이 매일 쓰는 AI 툴을 직접 만듭니다. 자유로운 요청을 구조화된 산출물(슬라이드·문서 등)로 바꾸고, 길고 잡음 많은 실제 문서에서 정확히 검색·추론하며, 여러 툴을 상황에 맞게 자율적으로 조합하는 에이전트를 설계합니다. LLM·RAG·멀티모달 등 빠르게 진화하는 기술 중 무엇을 어떻게 조합할지 직접 판단해, 새로운 업무 시나리오를 실제 제품으로 완성합니다.
• 정답 없는 AI 품질 문제의 정량화
-생성 품질처럼 정답이 명확하지 않은 영역에서 무엇을 어떻게 측정할지 평가(eval) 체계를 직접 설계하고, 모델·프롬프트 변경의 효과를 데이터로 증명합니다. 2015년부터 축적된 대규모 실사용 데이터를 활용해 응답 정확도·일관성·환각을 측정 가능한 지표로 바꾸고, 회귀(regression)를 자동으로 방지하는 파이프라인을 구축합니다.
• 에이전트·파이프라인의 신뢰성 확보
-LLM·에이전트가 예측 불가하게 실패하는 지점을 추적하고, 가드레일·폴백·검증 로직을 설계하여 다양한 입력과 장애 상황에서도 일관되게 동작하도록 만듭니다. 동시에 지연시간·토큰 비용을 최적화하여 품질과 효율의 균형을 찾습니다.
• 관측성 기반의 지속적 개선
-응답 품질·지연시간·비용·가용성을 추적하는 모니터링 체계를 구축하고 SLA/SLO를 수치로 정의·개선합니다. 인프라·클라우드·백엔드 팀과 함께 데이터 파이프라인부터 서빙·모니터링까지 이어지는 운영 체계를 다지고, 운영에서 얻은 인사이트를 다음 기술 선택과 제품 방향으로 되돌려 제품이 계속 나아지는 사이클을 만듭니다.
자격요건
• LLM 기반 서비스 개발 역량: LLM·RAG·에이전트 기반 기능을 직접 설계하고 개발해 본 경험이 있는 분• 기술로 제품 가치를 만든 경험: 기존 기술·도구를 조합해 실제 사용자가 쓰는 가치 있는 제품/기능으로 완성해 본 경험이 있는 분
• 모델·전략에 대한 기술적 판단: 어떤 모델·검색 전략·프롬프트 구조를 쓸지 근거를 갖고 결정하고, 그 효과를 검증해 본 경험이 있는 분
• 견고한 엔지니어링 사고: Python 또는 TypeScript로 서비스를 설계하고, API·비동기·스트리밍 처리에 대한 이해를 바탕으로 신뢰성 있는 코드를 작성할 수 있는 분
• 문제를 끝까지 추적하는 태도: 품질 저하나 장애의 원인을 데이터로 파고들고, 재발하지 않도록 구조적으로 개선할 수 있는 분
