포지션 상세
Forbes 아시아가 선정한 100대 스타트업인 셀렉트스타는 AI 학습데이터의 구축부터 기획, 판매까지 아우르는All-in-One 서비스를 제공하며 글로벌 AI 기업들의 핵심 파트너로 성장하고 있습니다.국내 최초로 생성형 AI 신뢰성 검증 자동화 솔루션 ‘다투모 이밸(Datumo Eval)’을 출시했으며, 국가대표 AI 데이터 기업으로도 성장하고 있습니다. 누적 투자 379억원으로 시리즈B라운드를 마치고 글로벌 AI 기업으로 도약하고 있는 셀렉트스타와 함께할 여러분들을 기다리고 있습니다!
[팀 소개]
• 셀렉트스타 AI 연구 1팀은 산업과 업무에 특화된 Vertical AI를 효율적이고 안정적으로 구축하기 위한 기술을 연구합니다. 특정 도메인에 맞는 AI를 개발하는 과정에서 반복적으로 발생하는 문제를 연구적으로 분석하고, 이를 해결하는 기술을 구현하며, 궁극적으로 Vertical AI 구축 과정의 자동화를 지향합니다.
• Vertical AI를 만들려면 범용 모델을 활용하는 것만으로는 부족합니다. 도메인에 특화된 문서와 데이터를 AI가 활용할 수 있도록 가공하고, 전문가의 암묵적인 지식과 판단 기준을 구조화하며, 실제 업무에 맞는 처리 과정을 설계해야 합니다. 저희는 이 과정에서 Ontology, Agent, OCR 등 다양한 기술을 활용해 도메인 지식을 표현하고, AI가 이를 효과적으로 활용할 수 있는 방법을 연구합니다.
• 또한 AI가 어떤 조건에서 실패하는지, 어떤 데이터와 평가 기준이 필요한지, 어떤 개선 방법이 실제 성능 향상으로 이어지는지 탐구합니다. 단순히 개별 문제를 해결하는 데 그치지 않고, 문제의 원인을 분석하고 가설을 검증하며, 그 결과를 다른 도메인과 과업에도 적용할 수 있는 기술로 발전시킵니다.
• 저희가 지향하는 것은 Vertical AI 구축에 필요한 기술을 연구하고, 이를 재사용 가능한 자동화 체계로 연결하는 것입니다. 이 과정에서 새로운 문제를 발견하고, 연구적 접근과 엔지니어링을 통해 실질적인 해결 방법을 만들어 갈 AI Research Engineer를 찾습니다.
■ 도메인 지식 및 의사결정 구조화
• 문서·데이터·전문가 지식으로부터 도메인 특화 지식과 업무 의사결정 구조를 추출하고 표현하는 기술 연구
• Ontology, Knowledge Representation 등을 활용한 도메인 지식 구조화 및 자동 구축 기술 개발
• 사용자의 암묵적인 선호와 요구사항, 전문가의 판단 기준을 명시적인 평가 항목과 Rubric으로 변환하는 기술 연구
• 도메인과 과업에 따라 달라지는 판단 기준을 분석하고, AI가 이를 추론·평가 과정에 활용하는 방법 연구
■ 데이터 처리 및 AI 성능 개선 기술 연구
• 이미지·텍스트·음성 등 다양한 모달리티의 데이터를 AI가 활용 가능한 형태로 변환하는 처리 기술 연구
• 도메인 특화 AI의 성능과 실패 원인을 분석하고, 개선을 위한 데이터 구성·선별 및 모델·추론 방법 연구
• 정량적·정성적 평가 기준을 설계하고, 평가 결과를 기반으로 취약점을 발견하고 개선하는 기술 개발
• 새로운 도메인과 과업에 적응하는 과정에서 재학습, 데이터 구축, 전문가 개입 비용을 최소화하는 방법 연구
■ 연구 자동화 및 실제 문제 적용
• 데이터 구축부터 지식 구조화, 평가, 개선까지 Vertical AI 개발 과정의 단계별 자동화 기술 연구
• 선행연구의 핵심 방법을 구현하고, 실제 데이터와 다양한 실험 환경에서 효과 및 한계 검증
• 연구 결과를 재사용 가능한 기술과 파이프라인으로 구현하고, 기존 AI 솔루션 및 신규 서비스에 적용
• 고객사의 비즈니스 요구사항과 실제 업무에서 발생하는 문제를 분석하고, 이를 해결하기 위한 연구 과제 발굴
• 탑티어 컨퍼런스 논문 작성 경험 혹은 학회 및 저널 논문 투고 경험
• 원활한 커뮤니케이션 능력
• 공개된 논문 코드를 기반으로 환경을 세팅하고, 실행 및 재현을 수행할 수 있는 역량
• AI 기술을 도입함에 있어서 발생하는 문제들을 체계적으로 정리하고 연구를 통해 이를 해결하는 기술을 개발할 수 있는 역량
• 개발한 모델의 성능을 평가하고, 해당 모델에 대한 결과를 분석하여 모델을 개선해본 경험 혹은 역량
• LLM, VLM 기반 모델 활용 경험, Python AI 프레임워크(LangChain, PyTorch 등) 사용 가능
[팀 소개]
• 셀렉트스타 AI 연구 1팀은 산업과 업무에 특화된 Vertical AI를 효율적이고 안정적으로 구축하기 위한 기술을 연구합니다. 특정 도메인에 맞는 AI를 개발하는 과정에서 반복적으로 발생하는 문제를 연구적으로 분석하고, 이를 해결하는 기술을 구현하며, 궁극적으로 Vertical AI 구축 과정의 자동화를 지향합니다.
• Vertical AI를 만들려면 범용 모델을 활용하는 것만으로는 부족합니다. 도메인에 특화된 문서와 데이터를 AI가 활용할 수 있도록 가공하고, 전문가의 암묵적인 지식과 판단 기준을 구조화하며, 실제 업무에 맞는 처리 과정을 설계해야 합니다. 저희는 이 과정에서 Ontology, Agent, OCR 등 다양한 기술을 활용해 도메인 지식을 표현하고, AI가 이를 효과적으로 활용할 수 있는 방법을 연구합니다.
• 또한 AI가 어떤 조건에서 실패하는지, 어떤 데이터와 평가 기준이 필요한지, 어떤 개선 방법이 실제 성능 향상으로 이어지는지 탐구합니다. 단순히 개별 문제를 해결하는 데 그치지 않고, 문제의 원인을 분석하고 가설을 검증하며, 그 결과를 다른 도메인과 과업에도 적용할 수 있는 기술로 발전시킵니다.
• 저희가 지향하는 것은 Vertical AI 구축에 필요한 기술을 연구하고, 이를 재사용 가능한 자동화 체계로 연결하는 것입니다. 이 과정에서 새로운 문제를 발견하고, 연구적 접근과 엔지니어링을 통해 실질적인 해결 방법을 만들어 갈 AI Research Engineer를 찾습니다.
주요업무
Vertical AI 구축 과정에서 발생하는 문제를 정의하고, 선행연구 검토부터 실험 설계, 구현, 결과 분석까지 Research Engineering의 전 과정을 수행합니다. 도메인 지식의 구조화, 데이터 처리, 평가 및 개선 기술을 폭넓게 다루며, 팀의 연구 방향과 우선순위에 따라 과제를 수행합니다.■ 도메인 지식 및 의사결정 구조화
• 문서·데이터·전문가 지식으로부터 도메인 특화 지식과 업무 의사결정 구조를 추출하고 표현하는 기술 연구
• Ontology, Knowledge Representation 등을 활용한 도메인 지식 구조화 및 자동 구축 기술 개발
• 사용자의 암묵적인 선호와 요구사항, 전문가의 판단 기준을 명시적인 평가 항목과 Rubric으로 변환하는 기술 연구
• 도메인과 과업에 따라 달라지는 판단 기준을 분석하고, AI가 이를 추론·평가 과정에 활용하는 방법 연구
■ 데이터 처리 및 AI 성능 개선 기술 연구
• 이미지·텍스트·음성 등 다양한 모달리티의 데이터를 AI가 활용 가능한 형태로 변환하는 처리 기술 연구
• 도메인 특화 AI의 성능과 실패 원인을 분석하고, 개선을 위한 데이터 구성·선별 및 모델·추론 방법 연구
• 정량적·정성적 평가 기준을 설계하고, 평가 결과를 기반으로 취약점을 발견하고 개선하는 기술 개발
• 새로운 도메인과 과업에 적응하는 과정에서 재학습, 데이터 구축, 전문가 개입 비용을 최소화하는 방법 연구
■ 연구 자동화 및 실제 문제 적용
• 데이터 구축부터 지식 구조화, 평가, 개선까지 Vertical AI 개발 과정의 단계별 자동화 기술 연구
• 선행연구의 핵심 방법을 구현하고, 실제 데이터와 다양한 실험 환경에서 효과 및 한계 검증
• 연구 결과를 재사용 가능한 기술과 파이프라인으로 구현하고, 기존 AI 솔루션 및 신규 서비스에 적용
• 고객사의 비즈니스 요구사항과 실제 업무에서 발생하는 문제를 분석하고, 이를 해결하기 위한 연구 과제 발굴
자격요건
• AI/ML 관련 3년 이상 실무 경험 (모델 개발 ~ 배포 사이클 경험) 혹은 석사 졸업자는 유관 경력 1년 이상• 탑티어 컨퍼런스 논문 작성 경험 혹은 학회 및 저널 논문 투고 경험
• 원활한 커뮤니케이션 능력
• 공개된 논문 코드를 기반으로 환경을 세팅하고, 실행 및 재현을 수행할 수 있는 역량
• AI 기술을 도입함에 있어서 발생하는 문제들을 체계적으로 정리하고 연구를 통해 이를 해결하는 기술을 개발할 수 있는 역량
• 개발한 모델의 성능을 평가하고, 해당 모델에 대한 결과를 분석하여 모델을 개선해본 경험 혹은 역량
• LLM, VLM 기반 모델 활용 경험, Python AI 프레임워크(LangChain, PyTorch 등) 사용 가능
