포지션 상세
[알프레드가 만드는 제품]
알프레드는 AI 경리·세무·급여 에이전트 'Alfred'를 운영하고 있습니다. 'Alfred'는 2026년 2월, 중소벤처기업부 주관 'OpenData X AI 챌린지' 소상공인 맞춤형 컨설팅 부문에서 최우수상(1위)을 수상하며 기술력을 검증받았습니다.
앞으로 알프레드가 나아갈 방향은 "사업자의 금융을 통째로 맡길 수 있는 AI 에이전트 플랫폼"을 만드는 것입니다. 알프레드는 사업자의 금융·세무·급여 데이터를 다룹니다. 데이터 엔지니어는 이 데이터를 안정적으로 연결하고 구조화하여, AI 에이전트가 사업자의 상황을 정확하게 이해하고 적절한 업무를 수행할 수 있는 기반을 만듭니다.
[이 포지션에 대해]
■ 우리는 모델을 넘어, 금융의 복잡도를 해결하는 AI 워크플로우를 설계합니다.
■ 알프레드 파이낸스 본부는 금융과 세무의 복잡한 비즈니스 로직을 완벽하게 수행하는 Agentic AI를 구축합니다.
■ 우리는 단순히 성능 좋은 모델을 찾는 것에 그치지 않고, 수많은 금융 도구와 데이터를 정교하게 엮어 실질적인 문제를 해결하는 시스템 오케스트레이션에 집중합니다.
■ 실제 업무 사례를 바탕으로 에이전트의 성공 기준을 정의하고, 실패 원인을 분석하여 정확도·응답 시간·비용을 개선합니다.
■ 에이전트 워크플로우 설계: 복잡한 금융 업무 프로세스를 분석하여 AI 에이전트가 수행 가능한 단계별 워크플로우(LangGraph, CrewAI 등)로 구조화 및 구현
■ AI 오케스트레이션 시스템 고도화: LLM과 확정적 알고리즘(Rule-based)을 결합하여, 금융 서비스에 필수적인 '정확성'과 '재현성'을 보장하는 하이브리드 자동화 시스템 개발
■ 에이전트 커버리지 확대: 에이전트가 외부 DB, API, 금융 계산 도구 등을 자유자재로 호출하여 업무를 완수할 수 있도록 Tool Use 및 MCP(Model Context Protocol) 인터페이스 설계
■ RAG 파이프라인 최적화: 금융 도메인 지식을 에이전트에게 효율적으로 전달하기 위한 데이터 전처리, 검색(Retrieval) 전략 및 파이프라인 구축
■ 시스템 성능 모니터링: 에이전트의 의사결정 과정을 추적하고, 워크플로우상의 병목이나 오류를 분석·개선하기 위한 관측성(Observability) 체계 구축
■ LLM의 특성과 한계를 이해하고, 실제 서비스에서 모델·프롬프트·컨텍스트·검색·도구 활용 방식을 선택하고 개선해 본 분
■ 실무 경력 만 5년 이상: 단순 모델 실험보다는 '백엔드 시스템 설계' 혹은 '비즈니스 로직 자동화' 관점의 개발 경험 필수 AI 시스템 또는 업무 자동화 제품의 설계·구현·운영 경험 필수
■ AI 오케스트레이션 역량: LangChain, LangGraph 등을 활용해 복잡한 추론 체인이나 멀티 에이전트 협업 시스템을 실제 제품에 적용해 본 경험, 역할 분담, 상태·컨텍스트 전달, 도구 호출과 실패 처리의 설계 경험
■ 논리적 문제 해결 능력: 추상적인 비즈니스 요구사항을 실행 가능한 기술적 워크플로우로 구체화할 수 있는 설계 능력
■ 상용 LLM 활용 경험: GPT, Claude, Gemini 등의 API를 활용하여 신뢰도 높은 상용 서비스를 개발하고 운영해 본 경험
알프레드는 AI 경리·세무·급여 에이전트 'Alfred'를 운영하고 있습니다. 'Alfred'는 2026년 2월, 중소벤처기업부 주관 'OpenData X AI 챌린지' 소상공인 맞춤형 컨설팅 부문에서 최우수상(1위)을 수상하며 기술력을 검증받았습니다.
앞으로 알프레드가 나아갈 방향은 "사업자의 금융을 통째로 맡길 수 있는 AI 에이전트 플랫폼"을 만드는 것입니다. 알프레드는 사업자의 금융·세무·급여 데이터를 다룹니다. 데이터 엔지니어는 이 데이터를 안정적으로 연결하고 구조화하여, AI 에이전트가 사업자의 상황을 정확하게 이해하고 적절한 업무를 수행할 수 있는 기반을 만듭니다.
[이 포지션에 대해]
■ 우리는 모델을 넘어, 금융의 복잡도를 해결하는 AI 워크플로우를 설계합니다.
■ 알프레드 파이낸스 본부는 금융과 세무의 복잡한 비즈니스 로직을 완벽하게 수행하는 Agentic AI를 구축합니다.
■ 우리는 단순히 성능 좋은 모델을 찾는 것에 그치지 않고, 수많은 금융 도구와 데이터를 정교하게 엮어 실질적인 문제를 해결하는 시스템 오케스트레이션에 집중합니다.
주요업무
[합류하시면 이런 역할을 합니다]■ 실제 업무 사례를 바탕으로 에이전트의 성공 기준을 정의하고, 실패 원인을 분석하여 정확도·응답 시간·비용을 개선합니다.
■ 에이전트 워크플로우 설계: 복잡한 금융 업무 프로세스를 분석하여 AI 에이전트가 수행 가능한 단계별 워크플로우(LangGraph, CrewAI 등)로 구조화 및 구현
■ AI 오케스트레이션 시스템 고도화: LLM과 확정적 알고리즘(Rule-based)을 결합하여, 금융 서비스에 필수적인 '정확성'과 '재현성'을 보장하는 하이브리드 자동화 시스템 개발
■ 에이전트 커버리지 확대: 에이전트가 외부 DB, API, 금융 계산 도구 등을 자유자재로 호출하여 업무를 완수할 수 있도록 Tool Use 및 MCP(Model Context Protocol) 인터페이스 설계
■ RAG 파이프라인 최적화: 금융 도메인 지식을 에이전트에게 효율적으로 전달하기 위한 데이터 전처리, 검색(Retrieval) 전략 및 파이프라인 구축
■ 시스템 성능 모니터링: 에이전트의 의사결정 과정을 추적하고, 워크플로우상의 병목이나 오류를 분석·개선하기 위한 관측성(Observability) 체계 구축
자격요건
[이런 경험이 있는 분을 찾습니다]■ LLM의 특성과 한계를 이해하고, 실제 서비스에서 모델·프롬프트·컨텍스트·검색·도구 활용 방식을 선택하고 개선해 본 분
■ 실무 경력 만 5년 이상: 단순 모델 실험보다는 '백엔드 시스템 설계' 혹은 '비즈니스 로직 자동화' 관점의 개발 경험 필수 AI 시스템 또는 업무 자동화 제품의 설계·구현·운영 경험 필수
■ AI 오케스트레이션 역량: LangChain, LangGraph 등을 활용해 복잡한 추론 체인이나 멀티 에이전트 협업 시스템을 실제 제품에 적용해 본 경험, 역할 분담, 상태·컨텍스트 전달, 도구 호출과 실패 처리의 설계 경험
■ 논리적 문제 해결 능력: 추상적인 비즈니스 요구사항을 실행 가능한 기술적 워크플로우로 구체화할 수 있는 설계 능력
■ 상용 LLM 활용 경험: GPT, Claude, Gemini 등의 API를 활용하여 신뢰도 높은 상용 서비스를 개발하고 운영해 본 경험
