포지션 상세
[ 에이블랩스를 소개합니다 ]
＜MISSION＞
AI가 신약을 설계해도, 그 가설을 증명하는 실험은 여전히 사람이 수없이 반복해야 합니다. ABLE Labs는 이 물리적 실험의 병목을 로봇과 자동화로 해결합니다. 액체를 정밀하게 분주하는 Liquid Handling Robot부터 여러 장비가 연결되어 하나의 실험을 수행하는 Lab Automation System까지, 실험실에서 반복되는 작업을 자동화하는 제품을 직접 개발하고 만듭니다.
＜VISION＞
우리가 궁극적으로 만들고자 하는 것은 사람이 일일이 실험하지 않아도 로봇이 실험을 수행하고, AI가 결과를 바탕으로 다음 실험을 설계하는 Self-Driving Lab입니다. 이를 위해 기구, 전장, 소프트웨어, 제조가 서로 분리된 기능으로 일하지 않습니다. 하나의 제품이 실제 실험실에서 정확하고 안정적으로 동작할 때까지 각 영역의 엔지니어가 함께 문제를 해결합니다.
[ 이 포지션이 흥미로운 이유 ]
상용 Scheduler를 운영하는 역할이 아니라, ABLE Labs의 핵심 실행 기반을 직접 설계하는 역할입니다. 웹 백엔드에서 익숙한 패턴이 그대로 통하지 않는 지점들이 있습니다.
• 되돌릴 수 없는 작업 — 이미 분주된 액체는 다시 담을 수 없습니다. Retry와 Recovery의 의미를 다시 정의해야 합니다.
• 시간이 제약 조건인 Scheduling — 인큐베이션이 끝난 샘플은 정해진 시간 안에 다음 단계로 옮겨져야 합니다.
• 물리 공간에서의 Deadlock — 락이 아니라 로봇 팔이 든 플레이트 같은 실제 물건이 자원을 점유합니다.
• 같은 플랫폼, 다른 환경 — 클라우드와 현장 로컬 서버에서 동일하게 동작하고, 네트워크가 끊겨도 진행 중인 실험은 멈추지 않아야 합니다.
대규모 트래픽보다 정확성과 신뢰성이 핵심인 시스템입니다. 장기적으로는 AI가 설계한, 미리 정의되지 않은 Workflow를 동적으로 받아 실행하는 기반이 되어야 하며, 지금 정하는 실행 모델과 인터페이스가 이후 연결되는 장비와 Application의 기준이 됩니다.
[ 기술환경 ]
Execution Platform의 기술 스택은 아직 정해져 있지 않으며, 합류하실 분이 함께 결정합니다. 현재 연결될 시스템은 다음과 같습니다.
• 장비 제어 SW: Python / FastAPI, PocketBase(SQLite)
• 서버: Node.js / TypeScript
• 연동 방식: REST + SSE (시리얼·PLC 장비도 제어 계층에서 REST + SSE로 추상화)
• 배포 환경: 고객사에 따라 클라우드 또는 현장 로컬 설치
[ 이런 동료를 찾고 있습니다 ]
• 좋은 구조를 만드는 사람 — 기능 하나를 빠르게 추가하는 것보다, 복잡도가 커져도 안정적으로 확장할 수 있는 구조와 기준을 고민합니다.
• 된다고 믿는 사람 — 정답이 정해져 있지 않은 문제도 스스로 구조화하고, 실제로 동작하는 해결책까지 만들어냅니다.
• 성장에 진심인 사람 — 새로운 Domain과 어려운 기술 문제를 피하지 않고, 해결하는 과정에서 자신의 역량을 확장합니다.
• AI로 일하는 사람 — AI를 업무의 생산성과 문제 해결 능력을 높이는 도구로 활용합니다.
• 여러 Task의 실행 순서와 장비 배분을 결정하고, Resource Conflict와 Deadlock을 예방하는 Scheduling Engine을 개발합니다.
• 실행 상태를 일관되게 관리하고, Error 발생 시 Retry·Recovery·우회·안전 정지가 가능한 구조를 설계합니다.
• 장비 제어 Software와 Application이 연결되는 API·Event·Interface를 설계합니다.
• 실행 상태와 결과를 추적하는 데이터 구조를 만들고, 운영에서 나온 문제를 Architecture 개선으로 연결합니다.
• 여러 작업이 비동기 또는 동시에 실행되는 Backend System을 설계하고 개발해본 분
• Scheduler, Workflow Engine, Job Queue, State Machine 등 작업의 실행 순서와 상태를 관리하는 구조를 설계하거나 개발해본 분
• Concurrency, Resource Conflict, Deadlock, Retry, Failure Recovery 등 복잡한 실행 문제를 직접 해결해본 분
• 정답이 명확하지 않은 문제를 구조화하고, Architecture 설계부터 구현·검증·운영 개선까지 주도해본 분
Lab Automation 경험은 필수가 아닙니다. 배차·매칭, 물류 작업 할당, 반도체 공정 스케줄링, 워크플로 엔진 개발·운영 같은 경험이 이곳에서 바로 쓰입니다.
＜MISSION＞
AI가 신약을 설계해도, 그 가설을 증명하는 실험은 여전히 사람이 수없이 반복해야 합니다. ABLE Labs는 이 물리적 실험의 병목을 로봇과 자동화로 해결합니다. 액체를 정밀하게 분주하는 Liquid Handling Robot부터 여러 장비가 연결되어 하나의 실험을 수행하는 Lab Automation System까지, 실험실에서 반복되는 작업을 자동화하는 제품을 직접 개발하고 만듭니다.
＜VISION＞
우리가 궁극적으로 만들고자 하는 것은 사람이 일일이 실험하지 않아도 로봇이 실험을 수행하고, AI가 결과를 바탕으로 다음 실험을 설계하는 Self-Driving Lab입니다. 이를 위해 기구, 전장, 소프트웨어, 제조가 서로 분리된 기능으로 일하지 않습니다. 하나의 제품이 실제 실험실에서 정확하고 안정적으로 동작할 때까지 각 영역의 엔지니어가 함께 문제를 해결합니다.
[ 이 포지션이 흥미로운 이유 ]
상용 Scheduler를 운영하는 역할이 아니라, ABLE Labs의 핵심 실행 기반을 직접 설계하는 역할입니다. 웹 백엔드에서 익숙한 패턴이 그대로 통하지 않는 지점들이 있습니다.
• 되돌릴 수 없는 작업 — 이미 분주된 액체는 다시 담을 수 없습니다. Retry와 Recovery의 의미를 다시 정의해야 합니다.
• 시간이 제약 조건인 Scheduling — 인큐베이션이 끝난 샘플은 정해진 시간 안에 다음 단계로 옮겨져야 합니다.
• 물리 공간에서의 Deadlock — 락이 아니라 로봇 팔이 든 플레이트 같은 실제 물건이 자원을 점유합니다.
• 같은 플랫폼, 다른 환경 — 클라우드와 현장 로컬 서버에서 동일하게 동작하고, 네트워크가 끊겨도 진행 중인 실험은 멈추지 않아야 합니다.
대규모 트래픽보다 정확성과 신뢰성이 핵심인 시스템입니다. 장기적으로는 AI가 설계한, 미리 정의되지 않은 Workflow를 동적으로 받아 실행하는 기반이 되어야 하며, 지금 정하는 실행 모델과 인터페이스가 이후 연결되는 장비와 Application의 기준이 됩니다.
[ 기술환경 ]
Execution Platform의 기술 스택은 아직 정해져 있지 않으며, 합류하실 분이 함께 결정합니다. 현재 연결될 시스템은 다음과 같습니다.
• 장비 제어 SW: Python / FastAPI, PocketBase(SQLite)
• 서버: Node.js / TypeScript
• 연동 방식: REST + SSE (시리얼·PLC 장비도 제어 계층에서 REST + SSE로 추상화)
• 배포 환경: 고객사에 따라 클라우드 또는 현장 로컬 설치
[ 이런 동료를 찾고 있습니다 ]
• 좋은 구조를 만드는 사람 — 기능 하나를 빠르게 추가하는 것보다, 복잡도가 커져도 안정적으로 확장할 수 있는 구조와 기준을 고민합니다.
• 된다고 믿는 사람 — 정답이 정해져 있지 않은 문제도 스스로 구조화하고, 실제로 동작하는 해결책까지 만들어냅니다.
• 성장에 진심인 사람 — 새로운 Domain과 어려운 기술 문제를 피하지 않고, 해결하는 과정에서 자신의 역량을 확장합니다.
• AI로 일하는 사람 — AI를 업무의 생산성과 문제 해결 능력을 높이는 도구로 활용합니다.
주요업무
• 연구자가 작성한 Protocol을 시스템이 실행할 수 있는 Task와 Workflow 구조로 모델링합니다.• 여러 Task의 실행 순서와 장비 배분을 결정하고, Resource Conflict와 Deadlock을 예방하는 Scheduling Engine을 개발합니다.
• 실행 상태를 일관되게 관리하고, Error 발생 시 Retry·Recovery·우회·안전 정지가 가능한 구조를 설계합니다.
• 장비 제어 Software와 Application이 연결되는 API·Event·Interface를 설계합니다.
• 실행 상태와 결과를 추적하는 데이터 구조를 만들고, 운영에서 나온 문제를 Architecture 개선으로 연결합니다.
자격요건
• 소프트웨어 개발 실무 경력 3년 이상• 여러 작업이 비동기 또는 동시에 실행되는 Backend System을 설계하고 개발해본 분
• Scheduler, Workflow Engine, Job Queue, State Machine 등 작업의 실행 순서와 상태를 관리하는 구조를 설계하거나 개발해본 분
• Concurrency, Resource Conflict, Deadlock, Retry, Failure Recovery 등 복잡한 실행 문제를 직접 해결해본 분
• 정답이 명확하지 않은 문제를 구조화하고, Architecture 설계부터 구현·검증·운영 개선까지 주도해본 분
Lab Automation 경험은 필수가 아닙니다. 배차·매칭, 물류 작업 할당, 반도체 공정 스케줄링, 워크플로 엔진 개발·운영 같은 경험이 이곳에서 바로 쓰입니다.
