포지션 상세
세이지는 2017년 '혁신적인 AI기술로 산업을 탈바꿈시킨다'는 Mission하에 제조 산업의 고객들의 다양한 문제를 해결하고자 설립되었어요. 세이지는 제조업 자동화의 첫걸음으로 스마트 팩토리를 위한 AI비전 플랫폼을 만들어 결함검사와 공정 및 현장 모니터링의 자동화를 이끌고 있어요. 주요 고객은 이차전지 분야 및 반도체(PCB) 분야 등 국내 다수의 제조기업으로 아래 솔루션들을 제공하고 있으며, 국내 뿐만 아니라 중국이나 유럽 등의 제조 공장에서 활용되고 있습니다.
[세이지에서 서비스하는 제품]
• SAIGE VISION - AI 기반 머신비전 솔루션
- 딥러닝을 이용한 제조업 비전 검사 솔루션으로, 빠르고 정확하게 제품의 결함을 찾아내요.
- SAIGE VISION의 기능은 링크를 통해 확인하실 수 있어요. (https://saige.ai/kr/solutions/vision)
- UI 가 제공되는 Developer, C/C++, C# 언어의 라이브러리 형태로 제공되는 SDK 제품이 있어요.
• SAIGE VIMS - AI 기반 제조 공정 모니터링 솔루션
- 제품 생산 공정을 실시간으로 모니터링하며 공정의 이상을 발견하는 솔루션이에요.
- 영상 데이터를 주로 다루며, 제품 생산 공정을 통합 관제하는 화면 등을 포함해요.
- SAIGE VIMS의 기능은 링크를 통해 확인하실 수 있어요. (https://saige.ai/solution/saige-vims/)
• SAIGE SAFETY - AI 기반 안전 모니터링 솔루션
- 산업 현장에 위험이 되는 상황을 실시간으로 감지하는 솔루션으로 안전한 작업 환경을 만들어요.
- 주로 산업 현장을 통합 관제하는 화면을 다루어요.
- SAIGE SAFETY의 기능은 링크를 통해 확인하실 수 있어요. (https://saige.ai/solution/saige-safety/)
세이지는 비전 AI로 "무엇이 보이는가"를 푸는 데 집중해왔어요. 결함을 찾고, 사람과 보호구를 검출하는 일은 이미 현장에서 잘 하고 있어요. 하지만 안전 관제로 영역을 넓히면서 검출만으로는 풀리지 않는 문제를 만났어요.
• 탐지와 판단은 다른 문제예요. "헬멧 미착용"은 검출 결과일 뿐, 실제 위험 여부는 작업 종류·구역·주변 상황에 따라 달라져요. 이 맥락을 룰로 메워왔지만 현장이 늘수록 룰도 함께 늘어나 한계에 부딪혔어요.
• 사고는 학습 데이터가 모이지 않아요. 대신 안전 규정·사고 사례·작업 표준이라는 지식은 쌓여 있어요. 이걸 읽고 추론하는 건 언어 모델의 영역이에요.
• 근거 없는 경보는 결국 꺼져요. 현장이 필요한 건 "위험 감지됨"이 아니라 무엇이 어긋났고 지금 무엇을 해야 하는지예요.
잘 작동하는 비전 모델 위에 판단과 설명의 레이어를 올리는 일 — 이 포지션이 맡게 될 문제예요.
[주요업무]
1. LLM 연구 및 모델 개발
- 산업 안전·제조 도메인에 특화된 LLM 학습 및 최적화 (Continual Pre-training / Fine-tuning)
- 현장 상황에 대한 자연어 설명, 위험도 진단, 개선 방안 생성 등 Language Reasoning 모델 연구
- 영상/이미지 입력과 결합한 Vision-Language 확장 (Scene Understanding + Reasoning)
- 안전 상황 인식 (위험 행동, 보호구 미착용, 위험 구역 침입 등)
- 최신 LLM/LVLM 논문 조사 및 적용 (Llama, Qwen, Gemma 계열 및 GPT-4V, Qwen-VL, InternVL 등)
2. 안전 관제 도메인 문제 정의
- 실제 현장의 안전 이슈를 AI 문제로 구조화
- 객체 인식/행동 인식 + 언어 모델 결합 전략 설계
- Rule-based 관제 vs LLM 기반 추론의 역할 분리 및 설계
3. 데이터 및 학습 전략 설계
- 텍스트 및 영상/이미지 어노테이션 전략 설계
- 도메인 데이터셋 구축 및 품질 관리
- SFT, Instruction Tuning, Alignment(DPO 등), Prompt Engineering 전략 수립
- 분산 학습 및 학습 효율화 (LoRA/QLoRA, DeepSpeed, FSDP 등) 전략 수립
4. 지식 검색 및 추론 파이프라인 구축
- 안전 규정·사고 사례·작업 표준 등 도메인 지식베이스 설계
- Sparse/Dense Retrieval 파이프라인 구축 및 검색 품질 개선
- Agentic Retrieval을 활용한 RAG 설계 및 근거 기반 위험도 판단 고도화
5. 모델 서빙 및 제품화
- 학습한 모델의 경량화·최적화 및 서비스 배포 (quantization, vLLM, TensorRT-LLM 등)
- 서비스/플랫폼 팀과 협업하여 PoC 상용화 연결
6. 기술 리딩 및 협업
- 주니어 연구원/엔지니어 기술 멘토링
- 모델 성능 지표 정의 및 실험 설계 리드
[합류하시게 될 팀]
• 세이지의 LLM Researcher로 합류하시면 AI 기반 안전 관제 기술을 개발해요. 언어 모델이 중심이지만, 영상/이미지를 함께 다루는 멀티모달 영역으로도 확장해 나가요.
- 연구소 스쿼드는 2~4명으로 구성되며, 하나의 목표를 향해 긴밀히 소통하고 협업해요.
- 프로젝트 성격에 따라 연구자가 직접 문제 정의부터 실행까지 주도해요.
- 각 연구자가 자신의 역량을 가장 효과적으로 발휘할 수 있는 환경에서 일해요.
• 석사 학위 취득 이후, 산업계에서 인공지능 프로젝트를 주도적으로 기획 및 수행한 경력이 1년 이상 있으신 분
• 1B 이상 파라미터 규모의 LLM을 직접 학습해보신 분 (Pre-training, Continual Pre-training, Fine-tuning 중 1개 이상 포함)
- 도메인 특화, 태스크 특화 등 목적에 맞게 모델을 Fine-tuning한 경험
- 학습 데이터 구성, 하이퍼파라미터 설계, 성능 평가까지 직접 수행한 경험
• 학습한 LLM을 실제 서비스/제품에 배포하고 운영해보신 분
- 모델 서빙, 추론 최적화, 성능 및 비용 트레이드오프를 고려한 의사결정 경험
• 기계 학습 관련 소프트웨어 개발 및 엔지니어링 실무 경험이 있으신 분
• RAG(Graph DB, Sparse/Dense/Agentic Retrieval) 설계 및 구축 경험이 있으신 분
• Python 및 주요 데이터 분석/머신러닝 패키지, PyTorch 프레임워크 활용에 능숙하신 분
• Git 기반 협업 경험을 보유하신 분
• 주도적으로 업무를 이끌고, 논리적인 커뮤니케이션 역량을 갖추신 분
• 지원일로부터 4개월 내 온보딩이 가능하신 분
[세이지에서 서비스하는 제품]
• SAIGE VISION - AI 기반 머신비전 솔루션
- 딥러닝을 이용한 제조업 비전 검사 솔루션으로, 빠르고 정확하게 제품의 결함을 찾아내요.
- SAIGE VISION의 기능은 링크를 통해 확인하실 수 있어요. (https://saige.ai/kr/solutions/vision)
- UI 가 제공되는 Developer, C/C++, C# 언어의 라이브러리 형태로 제공되는 SDK 제품이 있어요.
• SAIGE VIMS - AI 기반 제조 공정 모니터링 솔루션
- 제품 생산 공정을 실시간으로 모니터링하며 공정의 이상을 발견하는 솔루션이에요.
- 영상 데이터를 주로 다루며, 제품 생산 공정을 통합 관제하는 화면 등을 포함해요.
- SAIGE VIMS의 기능은 링크를 통해 확인하실 수 있어요. (https://saige.ai/solution/saige-vims/)
• SAIGE SAFETY - AI 기반 안전 모니터링 솔루션
- 산업 현장에 위험이 되는 상황을 실시간으로 감지하는 솔루션으로 안전한 작업 환경을 만들어요.
- 주로 산업 현장을 통합 관제하는 화면을 다루어요.
- SAIGE SAFETY의 기능은 링크를 통해 확인하실 수 있어요. (https://saige.ai/solution/saige-safety/)
주요업무
[비전 회사인데, 왜 LLM 리서처를 뽑나요?]세이지는 비전 AI로 "무엇이 보이는가"를 푸는 데 집중해왔어요. 결함을 찾고, 사람과 보호구를 검출하는 일은 이미 현장에서 잘 하고 있어요. 하지만 안전 관제로 영역을 넓히면서 검출만으로는 풀리지 않는 문제를 만났어요.
• 탐지와 판단은 다른 문제예요. "헬멧 미착용"은 검출 결과일 뿐, 실제 위험 여부는 작업 종류·구역·주변 상황에 따라 달라져요. 이 맥락을 룰로 메워왔지만 현장이 늘수록 룰도 함께 늘어나 한계에 부딪혔어요.
• 사고는 학습 데이터가 모이지 않아요. 대신 안전 규정·사고 사례·작업 표준이라는 지식은 쌓여 있어요. 이걸 읽고 추론하는 건 언어 모델의 영역이에요.
• 근거 없는 경보는 결국 꺼져요. 현장이 필요한 건 "위험 감지됨"이 아니라 무엇이 어긋났고 지금 무엇을 해야 하는지예요.
잘 작동하는 비전 모델 위에 판단과 설명의 레이어를 올리는 일 — 이 포지션이 맡게 될 문제예요.
[주요업무]
1. LLM 연구 및 모델 개발
- 산업 안전·제조 도메인에 특화된 LLM 학습 및 최적화 (Continual Pre-training / Fine-tuning)
- 현장 상황에 대한 자연어 설명, 위험도 진단, 개선 방안 생성 등 Language Reasoning 모델 연구
- 영상/이미지 입력과 결합한 Vision-Language 확장 (Scene Understanding + Reasoning)
- 안전 상황 인식 (위험 행동, 보호구 미착용, 위험 구역 침입 등)
- 최신 LLM/LVLM 논문 조사 및 적용 (Llama, Qwen, Gemma 계열 및 GPT-4V, Qwen-VL, InternVL 등)
2. 안전 관제 도메인 문제 정의
- 실제 현장의 안전 이슈를 AI 문제로 구조화
- 객체 인식/행동 인식 + 언어 모델 결합 전략 설계
- Rule-based 관제 vs LLM 기반 추론의 역할 분리 및 설계
3. 데이터 및 학습 전략 설계
- 텍스트 및 영상/이미지 어노테이션 전략 설계
- 도메인 데이터셋 구축 및 품질 관리
- SFT, Instruction Tuning, Alignment(DPO 등), Prompt Engineering 전략 수립
- 분산 학습 및 학습 효율화 (LoRA/QLoRA, DeepSpeed, FSDP 등) 전략 수립
4. 지식 검색 및 추론 파이프라인 구축
- 안전 규정·사고 사례·작업 표준 등 도메인 지식베이스 설계
- Sparse/Dense Retrieval 파이프라인 구축 및 검색 품질 개선
- Agentic Retrieval을 활용한 RAG 설계 및 근거 기반 위험도 판단 고도화
5. 모델 서빙 및 제품화
- 학습한 모델의 경량화·최적화 및 서비스 배포 (quantization, vLLM, TensorRT-LLM 등)
- 서비스/플랫폼 팀과 협업하여 PoC 상용화 연결
6. 기술 리딩 및 협업
- 주니어 연구원/엔지니어 기술 멘토링
- 모델 성능 지표 정의 및 실험 설계 리드
[합류하시게 될 팀]
• 세이지의 LLM Researcher로 합류하시면 AI 기반 안전 관제 기술을 개발해요. 언어 모델이 중심이지만, 영상/이미지를 함께 다루는 멀티모달 영역으로도 확장해 나가요.
- 연구소 스쿼드는 2~4명으로 구성되며, 하나의 목표를 향해 긴밀히 소통하고 협업해요.
- 프로젝트 성격에 따라 연구자가 직접 문제 정의부터 실행까지 주도해요.
- 각 연구자가 자신의 역량을 가장 효과적으로 발휘할 수 있는 환경에서 일해요.
자격요건
• 컴퓨터 공학, 전자·기계공학, 수학, 물리 또는 기타 관련된 전공의 석사 이상의 학위를 소지하고 계신 분 (석사 학위 필수)• 석사 학위 취득 이후, 산업계에서 인공지능 프로젝트를 주도적으로 기획 및 수행한 경력이 1년 이상 있으신 분
• 1B 이상 파라미터 규모의 LLM을 직접 학습해보신 분 (Pre-training, Continual Pre-training, Fine-tuning 중 1개 이상 포함)
- 도메인 특화, 태스크 특화 등 목적에 맞게 모델을 Fine-tuning한 경험
- 학습 데이터 구성, 하이퍼파라미터 설계, 성능 평가까지 직접 수행한 경험
• 학습한 LLM을 실제 서비스/제품에 배포하고 운영해보신 분
- 모델 서빙, 추론 최적화, 성능 및 비용 트레이드오프를 고려한 의사결정 경험
• 기계 학습 관련 소프트웨어 개발 및 엔지니어링 실무 경험이 있으신 분
• RAG(Graph DB, Sparse/Dense/Agentic Retrieval) 설계 및 구축 경험이 있으신 분
• Python 및 주요 데이터 분석/머신러닝 패키지, PyTorch 프레임워크 활용에 능숙하신 분
• Git 기반 협업 경험을 보유하신 분
• 주도적으로 업무를 이끌고, 논리적인 커뮤니케이션 역량을 갖추신 분
• 지원일로부터 4개월 내 온보딩이 가능하신 분
