포지션 상세
[포지션 소개]
Superb AI의 Forward Deployed Engineer(FDE)는 Applied AI 팀 소속으로, 엔지니어가 고객 현장에 직접 들어가 문제를 정의하고 해결하는 방식으로 일합니다. 완성된 제품을 전달하는 것이 아니라, 제조·물류·인프라 현장의 문제를 가장 가까운 곳에서 파악하고, 그에 맞는 AI 솔루션을 처음부터 설계·개발하여 실질적인 비즈니스 가치를 만듭니다.
우리가 다루는 문제는 대부분 레퍼런스가 없습니다. 항만의 하역 작업 안전, 건설 현장의 중장비 접근 감지, 제조 라인의 이상 상황 판단처럼 공개 데이터셋도, 검증된 벤치마크도, 참고할 선행 사례도 없는 상태에서 시작합니다.
무엇이 풀어야 할 문제인지 기술적으로 정의하고, 어떤 데이터를 어떻게 수집·설계할지, 무엇을 성공의 지표로 삼을지를 스스로 결정해야 합니다. 그래서 이 일은 기존 기술을 현장에 적용하는 엔지니어링이 아니라, 문제 정의에서 출발하는 응용 연구이자 AI 컨설팅에 가깝습니다.
Senior FDE는 문제 정의, 데이터 설계, 평가 설계, 모델 리서치·개발, 배포, 운영에 이르는 전체 사이클을 처음부터 끝까지 오너십을 갖고 이끕니다. 그리고 그 결과물 중 무엇이 여러 프로젝트에서 다시 활용할 수 있는 자산이 될지 판단하여, 다음 문제 해결의 출발점으로 만듭니다.
[팀 소개]
Applied AI 팀은 Superb AI가 자체 개발한 Vision Foundation Model(ZERO)을 기반으로, Multi-camera Vision System과 VLM(Vision-Language Model) 등 최신 기술을 결합하여 복잡한 환경에서도 강인하게 동작하는 솔루션을 개발합니다.
설계한 데이터와 모델이 몇 주 안에 실제 현장에서 검증되고, 그 피드백이 다음 연구의 출발점이 됩니다. 논문 심사가 아니라 현장이 결과를 평가합니다.
• 모호한 현장 요구사항을 기술적으로 풀 수 있는 문제로 정의하고, 프로젝트 스코핑과 우선순위를 주도적으로 결정합니다.
• 레퍼런스가 없는 문제에서 데이터 수집·설계 전략과 평가 지표(벤치마크)를 처음부터 설계하고, 이를 기준으로 프로젝트의 성공을 정의합니다.
[모델 리서치 및 개발]
• Superb AI의 Vision Foundation Model(ZERO)을 실제 현장 문제에 적용·확장하고, 객체 탐지·추적부터 복잡한 상황 판단이 필요한 VLM 파인튜닝·평가까지 문제에 맞는 모델을 직접 리서치·개발합니다.
• 실데이터가 부족한 환경에서 synthetic data 생성·활용 등 데이터 중심 접근으로 문제를 풉니다.
[현장 적용 및 자산화]
• 현장마다 다른 하드웨어·카메라 환경을 고려하여, 정확도와 비용을 함께 최적화한 솔루션을 배포합니다.
• 프로젝트에서 만든 데이터셋, 벤치마크, 모델, 파이프라인을 재사용 가능한 자산으로 정리하여, 다음 프로젝트가 매번 처음부터 시작하지 않도록 만듭니다.
• 팀 내 FDE 멘토링과 기술 리뷰를 수행하고, 현장에서 얻은 인사이트를 Sales/PM/유관팀에 공유합니다.
• ML 연구/개발 경력이 5년 이상인 분 (박사 과정 기간 포함)
• 정답이 정해지지 않은 문제에서 데이터셋과 평가 지표를 스스로 설계해본 경험이 있는 분
• 아이디어를 실험으로 끝내지 않고, 실제로 동작하는 시스템까지 완성해본 경험이 있는 분
• 복잡한 기술 이슈를 구조화하여 분석하고, 연구 배경이 없는 이해관계자와도 기술적 의사결정을 조율할 수 있는 분
Superb AI의 Forward Deployed Engineer(FDE)는 Applied AI 팀 소속으로, 엔지니어가 고객 현장에 직접 들어가 문제를 정의하고 해결하는 방식으로 일합니다. 완성된 제품을 전달하는 것이 아니라, 제조·물류·인프라 현장의 문제를 가장 가까운 곳에서 파악하고, 그에 맞는 AI 솔루션을 처음부터 설계·개발하여 실질적인 비즈니스 가치를 만듭니다.
우리가 다루는 문제는 대부분 레퍼런스가 없습니다. 항만의 하역 작업 안전, 건설 현장의 중장비 접근 감지, 제조 라인의 이상 상황 판단처럼 공개 데이터셋도, 검증된 벤치마크도, 참고할 선행 사례도 없는 상태에서 시작합니다.
무엇이 풀어야 할 문제인지 기술적으로 정의하고, 어떤 데이터를 어떻게 수집·설계할지, 무엇을 성공의 지표로 삼을지를 스스로 결정해야 합니다. 그래서 이 일은 기존 기술을 현장에 적용하는 엔지니어링이 아니라, 문제 정의에서 출발하는 응용 연구이자 AI 컨설팅에 가깝습니다.
Senior FDE는 문제 정의, 데이터 설계, 평가 설계, 모델 리서치·개발, 배포, 운영에 이르는 전체 사이클을 처음부터 끝까지 오너십을 갖고 이끕니다. 그리고 그 결과물 중 무엇이 여러 프로젝트에서 다시 활용할 수 있는 자산이 될지 판단하여, 다음 문제 해결의 출발점으로 만듭니다.
[팀 소개]
Applied AI 팀은 Superb AI가 자체 개발한 Vision Foundation Model(ZERO)을 기반으로, Multi-camera Vision System과 VLM(Vision-Language Model) 등 최신 기술을 결합하여 복잡한 환경에서도 강인하게 동작하는 솔루션을 개발합니다.
설계한 데이터와 모델이 몇 주 안에 실제 현장에서 검증되고, 그 피드백이 다음 연구의 출발점이 됩니다. 논문 심사가 아니라 현장이 결과를 평가합니다.
주요업무
[프로젝트 오너십 및 솔루션 설계]• 모호한 현장 요구사항을 기술적으로 풀 수 있는 문제로 정의하고, 프로젝트 스코핑과 우선순위를 주도적으로 결정합니다.
• 레퍼런스가 없는 문제에서 데이터 수집·설계 전략과 평가 지표(벤치마크)를 처음부터 설계하고, 이를 기준으로 프로젝트의 성공을 정의합니다.
[모델 리서치 및 개발]
• Superb AI의 Vision Foundation Model(ZERO)을 실제 현장 문제에 적용·확장하고, 객체 탐지·추적부터 복잡한 상황 판단이 필요한 VLM 파인튜닝·평가까지 문제에 맞는 모델을 직접 리서치·개발합니다.
• 실데이터가 부족한 환경에서 synthetic data 생성·활용 등 데이터 중심 접근으로 문제를 풉니다.
[현장 적용 및 자산화]
• 현장마다 다른 하드웨어·카메라 환경을 고려하여, 정확도와 비용을 함께 최적화한 솔루션을 배포합니다.
• 프로젝트에서 만든 데이터셋, 벤치마크, 모델, 파이프라인을 재사용 가능한 자산으로 정리하여, 다음 프로젝트가 매번 처음부터 시작하지 않도록 만듭니다.
• 팀 내 FDE 멘토링과 기술 리뷰를 수행하고, 현장에서 얻은 인사이트를 Sales/PM/유관팀에 공유합니다.
자격요건
• Computer Vision/ML 분야 박사 학위, 또는 그에 준하는 연구 경험이 있는 분 (AI/ML/Computer Vision 분야 학회 논문 실적, 혹은 산업 현장에서 선행 사례가 없는 ML 문제를 처음부터 정의하고 해결해본 경험)• ML 연구/개발 경력이 5년 이상인 분 (박사 과정 기간 포함)
• 정답이 정해지지 않은 문제에서 데이터셋과 평가 지표를 스스로 설계해본 경험이 있는 분
• 아이디어를 실험으로 끝내지 않고, 실제로 동작하는 시스템까지 완성해본 경험이 있는 분
• 복잡한 기술 이슈를 구조화하여 분석하고, 연구 배경이 없는 이해관계자와도 기술적 의사결정을 조율할 수 있는 분
