포지션 상세
"샌드박스 안의 데모 AI는 그만. 현장을 움직이는 AI를 만듭니다."
현재 고객 현장에서 실제로 사용 중인 업무 시스템을 이해하고, 그 안에 축적된 도메인 지식과 비즈니스 로직을 Monask 서비스 안에서 더 나은 제품으로 구성할 개발자를 찾습니다. 제조/유통 현장의 거친 데이터를 구조화하고 숙련자의 판단을 대체하는 진짜 AI Agent를 내 손으로 직접 배포하고 AI-Native Problem Solver가 될 개발자를 찾습니다.
## Monask는 '기록'의 시대를 넘어 판단의 시대를 엽니다.
지금까지의 ERP와 MES는 훌륭한 기록 장치였습니다. 하지만 현장의 실무자들은 여전히 엑셀과 메일, 그리고 감에 의존해 의사결정을 내립니다.
"이 견적이 맞나?"
“이 주문은 출고 가능한가?”
“이 데이터는 왜 맞지 않지?”
“이 업무는 어느 단계에서 멈춰 있지?”
“이 예외 상황은 어떻게 처리해야 하지?”
“지금 당장 확인해야 할 리스크는 무엇이지?”
"내일 공정은 어떻게 짜야 하지?"
같은 질문에 답하는 건 늘 사람의 몫이었죠. Monask는 이 지점을 AI-native 기술로 혁신합니다. 우리는 흩어진 비정형 데이터를 구조화하고 숙련자의 경험을 AI Agent의 로직으로 치환합니다.
2024년 9월 베타 런칭 직후, 매출 400억 규모의 유통사에 도입되며 그 가능성을 증명했습니다.
이제 우리는 기존 업무 시스템에 쌓인 실제 현장 데이터를 기반으로, Monask를 제조와 유통 현장에서 실질적으로 작동하는 AI 업무 플랫폼으로 확장하고 있습니다.
이번 포지션의 핵심은 기존 시스템을 유지보수하는 것이 아니라 기존 시스템 안에 축적된 업무 로직과 도메인 지식을 바탕으로 Monask의 핵심 기능을 개발하고 재구성하는 것입니다.
현재 고객 현장에는 Java + Spring + MyBatis 기반의 기존 업무 시스템이 운영되고 있습니다. 이 시스템에는 고객의 실제 업무 흐름, 예외 처리 방식, 데이터 관계, 현장의 판단 기준이 담겨 있습니다. 우리는 이를 단순히 그대로 옮기지 않습니다. 기존 시스템을 이해하되, Monask 안에서 더 나은 데이터 모델, 더 유연한 업무 흐름, AI가 활용 가능한 구조로 다시 설계하고 그 위에 AI Agent, 비정형 데이터 구조화, 업무 자동화, 의사결정 보조 기능을 얹어 실제 현장을 움직이는 서비스를 만드는 일입니다.
우리는 보기 좋은 AI 데모를 만드는 팀이 아닙니다. 현장에서 매일 쓰이고, 업무 시간을 줄이고, 오류를 줄이고, 고객의 운영 방식을 바꾸는 AI 서비스를 만듭니다.
많은 개발자가 AI가 내 일자리를 뺏지 않을까 걱정할 때, 우리는 AI를 활용해 더 복잡하고 가치 있는 문제를 풀 수 있다고 믿습니다. 화면 설계서를 코드로 옮기는 반복 작업이 아니라, 실제 현장의 업무 흐름을 바꾸는 AI-native 서비스를 함께 만들고 싶은 분을 기다립니다.
## 기술 스택
• React
• Typescript
• NodeJS/NestJS
• Docker
• AWS
• Github / Github Actions
• 주문, 출고, 재고, 정산, 승인, 업무 흐름 등 B2B 업무 도메인의 화면, API, 데이터 모델 구현
• 기존 Java + Spring + MyBatis 시스템의 코드, DB, SQL을 분석하여 핵심 업무 로직과 데이터 구조 파악
• 기존 기능을 Monask 서비스 안에서 더 나은 구조로 재설계하고 단계적으로 전환
• AI Agent, 자동화, 데이터 구조화가 가능한 방식으로 업무 프로세스와 데이터 모델 설계
• 고객 현장에서 발생하는 데이터 불일치, 예외 케이스, 운영 이슈를 분석하고 Monask 제품 개선으로 연결
• 엑셀, PDF, 이메일, 메모 등에 흩어진 비정형 업무 정보를 AI가 활용 가능한 정형 데이터로 변환하는 기능 개발
• 반복적인 확인, 검증, 판단 업무를 줄일 수 있는 AI 기반 기능 설계 및 구현
• 기획자, 도메인 담당자, 고객 커뮤니케이션 담당자와 함께 요구사항의 본질을 파악하고 더 나은 구현 방향 제안
• 기존 시스템의 기능을 점진적으로 Monask로 이전하고, 기존 시스템의 의존도를 낮추는 fadeout 작업 수행
• 성능, 보안, 유지보수 등을 고려한 시스템 개선
• Java + Spring + MyBatis 기반 시스템을 읽고 이해할 수 있는 백엔드 개발 역량을 갖춘 분
• 단순 유지보수보다 제품 개발, 구조 개선, 신규 서비스 구현에 더 큰 동기를 느끼는 분
• 문서가 부족한 기존 시스템이라도 코드와 DB를 추적해 실제 업무 로직을 파악할 수 있는 분
• ERP, 업무 시스템, 물류, 유통, 제조, 정산, 재고 등 복잡한 도메인을 빠르게 학습할 수 있는 논리적 사고력을 갖춘 분
• 기능 구현 전에 “이 기능이 왜 필요한가?”, “기존 방식보다 더 나은 구조는 무엇인가?”, “현장에서 실제로 쓸 수 있는가?“를 질문할 수 있는 분
• AI를 개발 생산성 향상 도구로 적극 활용하고, 나아가 제품 기능 안에 AI를 어떻게 녹일 수 있을지 고민할 수 있는 분
• 기술적 완성도뿐 아니라 고객 현장에서의 실질적 적용 가능성과 업무 임팩트를 중요하게 생각하는 분
현재 고객 현장에서 실제로 사용 중인 업무 시스템을 이해하고, 그 안에 축적된 도메인 지식과 비즈니스 로직을 Monask 서비스 안에서 더 나은 제품으로 구성할 개발자를 찾습니다. 제조/유통 현장의 거친 데이터를 구조화하고 숙련자의 판단을 대체하는 진짜 AI Agent를 내 손으로 직접 배포하고 AI-Native Problem Solver가 될 개발자를 찾습니다.
## Monask는 '기록'의 시대를 넘어 판단의 시대를 엽니다.
지금까지의 ERP와 MES는 훌륭한 기록 장치였습니다. 하지만 현장의 실무자들은 여전히 엑셀과 메일, 그리고 감에 의존해 의사결정을 내립니다.
"이 견적이 맞나?"
“이 주문은 출고 가능한가?”
“이 데이터는 왜 맞지 않지?”
“이 업무는 어느 단계에서 멈춰 있지?”
“이 예외 상황은 어떻게 처리해야 하지?”
“지금 당장 확인해야 할 리스크는 무엇이지?”
"내일 공정은 어떻게 짜야 하지?"
같은 질문에 답하는 건 늘 사람의 몫이었죠. Monask는 이 지점을 AI-native 기술로 혁신합니다. 우리는 흩어진 비정형 데이터를 구조화하고 숙련자의 경험을 AI Agent의 로직으로 치환합니다.
2024년 9월 베타 런칭 직후, 매출 400억 규모의 유통사에 도입되며 그 가능성을 증명했습니다.
이제 우리는 기존 업무 시스템에 쌓인 실제 현장 데이터를 기반으로, Monask를 제조와 유통 현장에서 실질적으로 작동하는 AI 업무 플랫폼으로 확장하고 있습니다.
이번 포지션의 핵심은 기존 시스템을 유지보수하는 것이 아니라 기존 시스템 안에 축적된 업무 로직과 도메인 지식을 바탕으로 Monask의 핵심 기능을 개발하고 재구성하는 것입니다.
현재 고객 현장에는 Java + Spring + MyBatis 기반의 기존 업무 시스템이 운영되고 있습니다. 이 시스템에는 고객의 실제 업무 흐름, 예외 처리 방식, 데이터 관계, 현장의 판단 기준이 담겨 있습니다. 우리는 이를 단순히 그대로 옮기지 않습니다. 기존 시스템을 이해하되, Monask 안에서 더 나은 데이터 모델, 더 유연한 업무 흐름, AI가 활용 가능한 구조로 다시 설계하고 그 위에 AI Agent, 비정형 데이터 구조화, 업무 자동화, 의사결정 보조 기능을 얹어 실제 현장을 움직이는 서비스를 만드는 일입니다.
우리는 보기 좋은 AI 데모를 만드는 팀이 아닙니다. 현장에서 매일 쓰이고, 업무 시간을 줄이고, 오류를 줄이고, 고객의 운영 방식을 바꾸는 AI 서비스를 만듭니다.
많은 개발자가 AI가 내 일자리를 뺏지 않을까 걱정할 때, 우리는 AI를 활용해 더 복잡하고 가치 있는 문제를 풀 수 있다고 믿습니다. 화면 설계서를 코드로 옮기는 반복 작업이 아니라, 실제 현장의 업무 흐름을 바꾸는 AI-native 서비스를 함께 만들고 싶은 분을 기다립니다.
## 기술 스택
• React
• Typescript
• NodeJS/NestJS
• Docker
• AWS
• Github / Github Actions
주요업무
• Monask 서비스의 신규 기능 설계 및 개발• 주문, 출고, 재고, 정산, 승인, 업무 흐름 등 B2B 업무 도메인의 화면, API, 데이터 모델 구현
• 기존 Java + Spring + MyBatis 시스템의 코드, DB, SQL을 분석하여 핵심 업무 로직과 데이터 구조 파악
• 기존 기능을 Monask 서비스 안에서 더 나은 구조로 재설계하고 단계적으로 전환
• AI Agent, 자동화, 데이터 구조화가 가능한 방식으로 업무 프로세스와 데이터 모델 설계
• 고객 현장에서 발생하는 데이터 불일치, 예외 케이스, 운영 이슈를 분석하고 Monask 제품 개선으로 연결
• 엑셀, PDF, 이메일, 메모 등에 흩어진 비정형 업무 정보를 AI가 활용 가능한 정형 데이터로 변환하는 기능 개발
• 반복적인 확인, 검증, 판단 업무를 줄일 수 있는 AI 기반 기능 설계 및 구현
• 기획자, 도메인 담당자, 고객 커뮤니케이션 담당자와 함께 요구사항의 본질을 파악하고 더 나은 구현 방향 제안
• 기존 시스템의 기능을 점진적으로 Monask로 이전하고, 기존 시스템의 의존도를 낮추는 fadeout 작업 수행
• 성능, 보안, 유지보수 등을 고려한 시스템 개선
자격요건
• 하나 이상의 백엔드 또는 프론트엔드 프레임워크를 활용해 실제 서비스를 개발해본 경험이 있으신 분• Java + Spring + MyBatis 기반 시스템을 읽고 이해할 수 있는 백엔드 개발 역량을 갖춘 분
• 단순 유지보수보다 제품 개발, 구조 개선, 신규 서비스 구현에 더 큰 동기를 느끼는 분
• 문서가 부족한 기존 시스템이라도 코드와 DB를 추적해 실제 업무 로직을 파악할 수 있는 분
• ERP, 업무 시스템, 물류, 유통, 제조, 정산, 재고 등 복잡한 도메인을 빠르게 학습할 수 있는 논리적 사고력을 갖춘 분
• 기능 구현 전에 “이 기능이 왜 필요한가?”, “기존 방식보다 더 나은 구조는 무엇인가?”, “현장에서 실제로 쓸 수 있는가?“를 질문할 수 있는 분
• AI를 개발 생산성 향상 도구로 적극 활용하고, 나아가 제품 기능 안에 AI를 어떻게 녹일 수 있을지 고민할 수 있는 분
• 기술적 완성도뿐 아니라 고객 현장에서의 실질적 적용 가능성과 업무 임팩트를 중요하게 생각하는 분
