포지션 상세
엔터프라이즈 AI 에이전트 기업, 한국딥러닝(Korea Deep Learning)
“Enterprise AI, deployed inside. 조직이 믿고 일을 맡길 수 있는 AI를 만듭니다.”
한국딥러닝(Korea Deep Learning)은 2019년에 설립된 기업용 AI 에이전트 기업입니다. 기업의 데이터와 업무 지식, 프로세스를 연결해 AI가 업무의 맥락을 이해하고, 기업의 기준으로 판단하고, 실행까지 맡도록 만듭니다.
【What We Build】
핵심 플랫폼 DEEP Agent OS의 중심에는 DEEP Agent가 있습니다. DEEP Agent는 사내 지식을 찾아 근거와 함께 답하고, 데이터를 분석하며, 기업 시스템과 연동해 업무를 처리합니다.
자체 개발한 Vision-Language Model(VLM)을 바탕으로 DEEP OCR과 DEEP Parser가 비정형 정보를 에이전트가 쓸 수 있는 데이터로 바꾸고, DEEP Ops가 운영 중인 AI의 품질을 검증하고 관리합니다. 금융, 보험, 공공, 제조처럼 정확도와 신뢰성이 중요한 산업을 중심으로 적용 범위를 넓히고 있습니다.
【Our Technology & Traction】
자체 개발한 1.2B 파라미터 모델은 문서 파싱 벤치마크 ParseBench의 Hugging Face 리더보드에서 33개 모델 중 평균 점수 1위를 기록했습니다. (2026년 10월 13일 기준)
신한은행, 국세청, 경기도, 강동경희대병원 등 80곳이 넘는 기업과 기관이 한국딥러닝을 선택했습니다. 폐쇄망과 온프레미스 환경, 기존 ERP와 업무 시스템 연동을 지원하며, 실행 결과를 검증하고 통제하는 체계까지 함께 제공합니다.
• 80+ 기업과 공공기관 고객
• 98% 고객 재계약률
• 140억 원+ 누적 매출
• 120억 원 시리즈 A 투자 유치
【How We Work】
엔터프라이즈 AI는 정해진 기능을 개발하는 것만으로 완성되지 않습니다. 고객의 업무를 이해하고 기술로 다시 설계해, 실제 환경에서 돌아가게 만들어야 합니다. 연구, 개발, 제품, 비즈니스 조직이 같은 목표를 공유하고, 개인의 판단과 실행이 제품과 회사의 성장으로 곧바로 이어집니다.
【Who We Hire】
• Gray areas into systems: 정의되지 않은 문제를 먼저 맡아 시스템으로 만드는 사람
• Ownership: 역할의 경계를 넘어 결과까지 책임지는 사람
• Kind under pressure: 높은 난이도와 빠듯한 일정 속에서도 동료에게 친절한 사람
• Change as fuel: 빠른 변화를 배움과 성장의 기회로 삼는 사람
【Grow with Us】
AI 모델 연구부터 플랫폼 개발, 고객사 현장 적용과 운영까지, 직접 만든 기술이 실제 업무를 바꾸는 전 과정을 경험할 수 있습니다. 목표가 높고 변화가 빠른 만큼 몰입도 높은 환경입니다. 업무 강도와 근무 방식은 채용 페이지에 미리 적어 두었으니, 지원 전에 확인해 주세요. 스스로 문제를 정의하고 주도적으로 성장하고 싶은 분에게 잘 맞는 팀입니다.
업무 관련 컨퍼런스와 세미나, AI 생산성 도구, 특허 출원 보상(200만 원과 소요 비용)으로 성장을 지원합니다. 점심 케이터링, 교통비 월 10만 원, 유급 여름휴가와 건강검진 휴가도 제공합니다.
【Build AI That Gets Work Done】
AI가 기업의 핵심 업무를 수행하는 미래를 직접 설계하고 현실로 만들어갈 동료를 기다립니다.
공식 홈페이지: https://koreadeep.com/ko
_______________________________
#우리는 이런 일을 합니다
우리는 문서를 이해하는 AI를 만듭니다. 영수증, 계약서, 신청서처럼 현장에서 쓰이는 문서에서 필요한 정보를 정확하게 꺼내는 일(Document AI / KIE)이 우리의 일입니다. 이 일을 해 보면 모델 성능표보다 현장이 더 많은 것을 알려준다는 걸 알게 됩니다. 스캔 품질이 들쭉날쭉한 문서, 양식이 조금씩 다른 서류, 사람마다 다르게 쓰는 필드명이 있습니다. 그리고 "정확도 95%"라는 숫자 뒤에 숨은 5%가 실제로는 가장 중요한 문서일 때도 있습니다. 그래서 우리는 가장 화려한 기술을 쓰는 사람보다 무엇이 실제로 일어나고 있는지 먼저 들여다보는 사람과 함께하고 싶습니다.
#이런 분을 찾습니다
• 지표가 나빠졌을 때 모델부터 바꾸기 전에 데이터와 로그, 실패 사례를 먼저 열어보는 분
• "잘 돌아간다"는 말을 들으면 "어떤 조건에서요?"가 궁금해지는 분
• 사용자나 현업 담당자가 실제로 어떻게 쓰는지 보고, 거기서 문제를 다시 정의해 본 경험이 있는 분
• 한 번의 해결로 끝내지 않고, 같은 문제가 다시 생기지 않도록 구조를 바꿔 본 분
• 모르는 것을 모른다고 말하고, 관찰한 것과 추측한 것을 구분해서 이야기하는 분
• 현장 데이터 관찰과 피드백 루프 설계: 프로덕션에서 들어오는 문서와 실패 사례를 수집하고 분류합니다. 이를 다음 학습과 평가에 반영하는 구조를 만듭니다.
• 평가 체계 설계: 전체 정확도 하나로는 보이지 않는 문제를 드러내는 평가 방법을 고민합니다. 문서 유형별, 필드별, 입력 품질별로 나눠 봅니다.
• 모니터링과 원인 추적: 추론 품질, 지연, 데이터 분포 변화를 추적합니다. 문제가 생기면 근본 원인까지 따라갑니다.
• 서빙 최적화: vLLM, Triton 등을 활용해 GPU 자원 안에서 지연과 처리량의 균형을 찾습니다.
• 배포 자동화와 재현성: 누가 배포해도 같은 결과가 나오는 환경을 만들고, 모델과 데이터 버전을 추적 가능하게 관리합니다.
• 머신러닝 모델을 실제 서비스나 프로젝트에 올리고 운영해 본 경험
• Python 활용 능력, PyTorch 등 ML 프레임워크 실무 경험
• Docker 등 컨테이너 기반 배포 환경에 대한 이해
• 문제 상황을 구조적으로 정리하고, 팀과 근거를 가지고 소통할 수 있는 분
『 입사 지원 시 함께 보내주세요』
이력서와 함께 아래 질문 중 '하나 이상'에 대한 답을 자유 형식으로 보내주세요. 분량 제한은 없고, 잘 정리된 글보다 실제 경험이 담긴 글을 더 반갑게 읽습니다.
1. 현장이나 프로젝트에서 처음 생각했던 문제와 실제 문제가 달랐던 경험이 있나요? 무엇을 보고 그 차이를 알게 되었나요?
2. 지표는 괜찮았는데 실제로는 무언가 잘못되고 있었던 경험을 들려주세요. 어떻게 알아챘나요?
3. 해결하지 못했거나 결과가 기대와 달랐던 문제가 있다면, 그 과정에서 무엇을 관찰했고 지금이라면 어떻게 다르게 접근할지 알려주세요.
4. 반복되는 장애나 오류를 한 번의 수정이 아니라 구조로 해결해 본 경험이 있나요?
※ 1차 실무 면접에서는 기술 지식을 확인하는 질문보다 위 경험을 함께 깊게 파고드는 대화를 나눌 예정입니다.
“Enterprise AI, deployed inside. 조직이 믿고 일을 맡길 수 있는 AI를 만듭니다.”
한국딥러닝(Korea Deep Learning)은 2019년에 설립된 기업용 AI 에이전트 기업입니다. 기업의 데이터와 업무 지식, 프로세스를 연결해 AI가 업무의 맥락을 이해하고, 기업의 기준으로 판단하고, 실행까지 맡도록 만듭니다.
【What We Build】
핵심 플랫폼 DEEP Agent OS의 중심에는 DEEP Agent가 있습니다. DEEP Agent는 사내 지식을 찾아 근거와 함께 답하고, 데이터를 분석하며, 기업 시스템과 연동해 업무를 처리합니다.
자체 개발한 Vision-Language Model(VLM)을 바탕으로 DEEP OCR과 DEEP Parser가 비정형 정보를 에이전트가 쓸 수 있는 데이터로 바꾸고, DEEP Ops가 운영 중인 AI의 품질을 검증하고 관리합니다. 금융, 보험, 공공, 제조처럼 정확도와 신뢰성이 중요한 산업을 중심으로 적용 범위를 넓히고 있습니다.
【Our Technology & Traction】
자체 개발한 1.2B 파라미터 모델은 문서 파싱 벤치마크 ParseBench의 Hugging Face 리더보드에서 33개 모델 중 평균 점수 1위를 기록했습니다. (2026년 10월 13일 기준)
신한은행, 국세청, 경기도, 강동경희대병원 등 80곳이 넘는 기업과 기관이 한국딥러닝을 선택했습니다. 폐쇄망과 온프레미스 환경, 기존 ERP와 업무 시스템 연동을 지원하며, 실행 결과를 검증하고 통제하는 체계까지 함께 제공합니다.
• 80+ 기업과 공공기관 고객
• 98% 고객 재계약률
• 140억 원+ 누적 매출
• 120억 원 시리즈 A 투자 유치
【How We Work】
엔터프라이즈 AI는 정해진 기능을 개발하는 것만으로 완성되지 않습니다. 고객의 업무를 이해하고 기술로 다시 설계해, 실제 환경에서 돌아가게 만들어야 합니다. 연구, 개발, 제품, 비즈니스 조직이 같은 목표를 공유하고, 개인의 판단과 실행이 제품과 회사의 성장으로 곧바로 이어집니다.
【Who We Hire】
• Gray areas into systems: 정의되지 않은 문제를 먼저 맡아 시스템으로 만드는 사람
• Ownership: 역할의 경계를 넘어 결과까지 책임지는 사람
• Kind under pressure: 높은 난이도와 빠듯한 일정 속에서도 동료에게 친절한 사람
• Change as fuel: 빠른 변화를 배움과 성장의 기회로 삼는 사람
【Grow with Us】
AI 모델 연구부터 플랫폼 개발, 고객사 현장 적용과 운영까지, 직접 만든 기술이 실제 업무를 바꾸는 전 과정을 경험할 수 있습니다. 목표가 높고 변화가 빠른 만큼 몰입도 높은 환경입니다. 업무 강도와 근무 방식은 채용 페이지에 미리 적어 두었으니, 지원 전에 확인해 주세요. 스스로 문제를 정의하고 주도적으로 성장하고 싶은 분에게 잘 맞는 팀입니다.
업무 관련 컨퍼런스와 세미나, AI 생산성 도구, 특허 출원 보상(200만 원과 소요 비용)으로 성장을 지원합니다. 점심 케이터링, 교통비 월 10만 원, 유급 여름휴가와 건강검진 휴가도 제공합니다.
【Build AI That Gets Work Done】
AI가 기업의 핵심 업무를 수행하는 미래를 직접 설계하고 현실로 만들어갈 동료를 기다립니다.
공식 홈페이지: https://koreadeep.com/ko
_______________________________
#우리는 이런 일을 합니다
우리는 문서를 이해하는 AI를 만듭니다. 영수증, 계약서, 신청서처럼 현장에서 쓰이는 문서에서 필요한 정보를 정확하게 꺼내는 일(Document AI / KIE)이 우리의 일입니다. 이 일을 해 보면 모델 성능표보다 현장이 더 많은 것을 알려준다는 걸 알게 됩니다. 스캔 품질이 들쭉날쭉한 문서, 양식이 조금씩 다른 서류, 사람마다 다르게 쓰는 필드명이 있습니다. 그리고 "정확도 95%"라는 숫자 뒤에 숨은 5%가 실제로는 가장 중요한 문서일 때도 있습니다. 그래서 우리는 가장 화려한 기술을 쓰는 사람보다 무엇이 실제로 일어나고 있는지 먼저 들여다보는 사람과 함께하고 싶습니다.
#이런 분을 찾습니다
• 지표가 나빠졌을 때 모델부터 바꾸기 전에 데이터와 로그, 실패 사례를 먼저 열어보는 분
• "잘 돌아간다"는 말을 들으면 "어떤 조건에서요?"가 궁금해지는 분
• 사용자나 현업 담당자가 실제로 어떻게 쓰는지 보고, 거기서 문제를 다시 정의해 본 경험이 있는 분
• 한 번의 해결로 끝내지 않고, 같은 문제가 다시 생기지 않도록 구조를 바꿔 본 분
• 모르는 것을 모른다고 말하고, 관찰한 것과 추측한 것을 구분해서 이야기하는 분
주요업무
• 모델 학습부터 서빙까지 이어지는 파이프라인 운영과 개선: VLM 기반 문서 이해 모델의 학습, 배포, 서빙, 재학습 흐름을 안정적으로 만듭니다.• 현장 데이터 관찰과 피드백 루프 설계: 프로덕션에서 들어오는 문서와 실패 사례를 수집하고 분류합니다. 이를 다음 학습과 평가에 반영하는 구조를 만듭니다.
• 평가 체계 설계: 전체 정확도 하나로는 보이지 않는 문제를 드러내는 평가 방법을 고민합니다. 문서 유형별, 필드별, 입력 품질별로 나눠 봅니다.
• 모니터링과 원인 추적: 추론 품질, 지연, 데이터 분포 변화를 추적합니다. 문제가 생기면 근본 원인까지 따라갑니다.
• 서빙 최적화: vLLM, Triton 등을 활용해 GPU 자원 안에서 지연과 처리량의 균형을 찾습니다.
• 배포 자동화와 재현성: 누가 배포해도 같은 결과가 나오는 환경을 만들고, 모델과 데이터 버전을 추적 가능하게 관리합니다.
자격요건
• MLOps, ML 엔지니어링, 백엔드/플랫폼 엔지니어링 분야 실무 경력 3~5년• 머신러닝 모델을 실제 서비스나 프로젝트에 올리고 운영해 본 경험
• Python 활용 능력, PyTorch 등 ML 프레임워크 실무 경험
• Docker 등 컨테이너 기반 배포 환경에 대한 이해
• 문제 상황을 구조적으로 정리하고, 팀과 근거를 가지고 소통할 수 있는 분
『 입사 지원 시 함께 보내주세요』
이력서와 함께 아래 질문 중 '하나 이상'에 대한 답을 자유 형식으로 보내주세요. 분량 제한은 없고, 잘 정리된 글보다 실제 경험이 담긴 글을 더 반갑게 읽습니다.
1. 현장이나 프로젝트에서 처음 생각했던 문제와 실제 문제가 달랐던 경험이 있나요? 무엇을 보고 그 차이를 알게 되었나요?
2. 지표는 괜찮았는데 실제로는 무언가 잘못되고 있었던 경험을 들려주세요. 어떻게 알아챘나요?
3. 해결하지 못했거나 결과가 기대와 달랐던 문제가 있다면, 그 과정에서 무엇을 관찰했고 지금이라면 어떻게 다르게 접근할지 알려주세요.
4. 반복되는 장애나 오류를 한 번의 수정이 아니라 구조로 해결해 본 경험이 있나요?
※ 1차 실무 면접에서는 기술 지식을 확인하는 질문보다 위 경험을 함께 깊게 파고드는 대화를 나눌 예정입니다.
