포지션 상세
유모스원(UMOS ONE)은 현대자동차그룹 포티투닷의 자회사로, 데이터와 인공지능(AI) 기술을 기반으로 물류·모빌리티 서비스를 제공합니다. '하나의 연결로, 사람과 화물의 새로운 이동을 만든다'는 목표 아래 통합 서비스 브랜드 '잇’을 운영하며, 현장에 흩어진 데이터와 운영을 연결하고 있습니다.
유모스원은 AI 운송 플랫폼 '잇트럭', 지능형 창고 관리 솔루션 '잇스탁', 기업 셔틀 서비스 '잇셔틀', 통합 관제 솔루션 '잇플릿'을 통해 물류·모빌리티 운영의 효율성을 높이는 데 주력합니다. 현장의 운영 데이터와 AI 기술을 활용해 서비스를 개선하고, 스스로 판단하고 움직이는 자율 운영 환경을 만들어가고자 합니다.
빠르게 변화하는 시장 속에서 복잡한 문제를 날카롭게 분석하고, 더 나은 해법을 빠르게 실행할 동료를 찾고 있습니다. 함께 더 멀리 나아가고 서로의 성장을 진심으로 응원하는 팀에서 의미 있는 도전을 이어가고 싶다면, 유모스원에서 그 여정을 함께하세요.
- LLM과 실제 비즈니스 로직(API, DB)을 연결하는 Action Framework 및 MCP(Model Context Protocol) 기반 인터페이스 설계
- AI 모델(Routing, Dispatching 등)이 내린 결정을 실제 서비스 환경에 안전하게 적용하는 에이전트 워크플로우 개발
- 복잡한 운영 환경의 동적 변화를 감지하고 에이전트에게 실시간 피드백을 제공하는 '감각 시스템' 구현
• 지식 기반 데이터 엔지니어링 (Data-to-Knowledge)
- 데이터 분석가적 관점에서 에이전트의 지능을 높이기 위한 핵심 Feature 추출 및 지식화(Ontology Mapping)
- 지식 그래프(Knowledge Graph) 데이터를 에이전트가 즉시 활용할 수 있도록 고성능 조회 API 및 캐싱 레이어 구축
- 파편화된 원천 데이터를 분석하여 에이전트의 의사결정에 필요한 'Context'로 가공하는 파이프라인 개발
• 성능 분석 및 지능형 시뮬레이션 환경 구축
- AI Native Analyst 역할: 에이전트의 의사결정 품질을 정량적으로 평가하기 위한 지표(Metrics) 설정 및 대시보드 구축
- 현실 세계의 복잡성을 모사한 시뮬레이션 환경을 구축하여 에이전트 로직의 안전성과 효율성을 사전에 검증
- 시뮬레이션 데이터 분석을 통해 에이전트의 행동 패턴을 개선하는 피드백 루프 설계
• AI Native Mindset: LLM, Agentic System에 대한 깊은 이해와 이를 시스템적으로 풀어내는 역량
• Data-Savvy Engineer: SQL은 물론 대량의 데이터를 스스로 탐색하고 분석하여 시스템 로직에 반영할 수 있는 분
• 객체 지향 설계(OOP) 및 마이크로서비스 아키텍처(MSA)에 대한 탄탄한 기초
• RESTful API, gRPC, MCP 등 서비스 간 통통합 인터페이스 설계 및 운영 경험
유모스원은 AI 운송 플랫폼 '잇트럭', 지능형 창고 관리 솔루션 '잇스탁', 기업 셔틀 서비스 '잇셔틀', 통합 관제 솔루션 '잇플릿'을 통해 물류·모빌리티 운영의 효율성을 높이는 데 주력합니다. 현장의 운영 데이터와 AI 기술을 활용해 서비스를 개선하고, 스스로 판단하고 움직이는 자율 운영 환경을 만들어가고자 합니다.
빠르게 변화하는 시장 속에서 복잡한 문제를 날카롭게 분석하고, 더 나은 해법을 빠르게 실행할 동료를 찾고 있습니다. 함께 더 멀리 나아가고 서로의 성장을 진심으로 응원하는 팀에서 의미 있는 도전을 이어가고 싶다면, 유모스원에서 그 여정을 함께하세요.
주요업무
• Agentic AI 시스템 구현 및 액션 프레임워크 개발- LLM과 실제 비즈니스 로직(API, DB)을 연결하는 Action Framework 및 MCP(Model Context Protocol) 기반 인터페이스 설계
- AI 모델(Routing, Dispatching 등)이 내린 결정을 실제 서비스 환경에 안전하게 적용하는 에이전트 워크플로우 개발
- 복잡한 운영 환경의 동적 변화를 감지하고 에이전트에게 실시간 피드백을 제공하는 '감각 시스템' 구현
• 지식 기반 데이터 엔지니어링 (Data-to-Knowledge)
- 데이터 분석가적 관점에서 에이전트의 지능을 높이기 위한 핵심 Feature 추출 및 지식화(Ontology Mapping)
- 지식 그래프(Knowledge Graph) 데이터를 에이전트가 즉시 활용할 수 있도록 고성능 조회 API 및 캐싱 레이어 구축
- 파편화된 원천 데이터를 분석하여 에이전트의 의사결정에 필요한 'Context'로 가공하는 파이프라인 개발
• 성능 분석 및 지능형 시뮬레이션 환경 구축
- AI Native Analyst 역할: 에이전트의 의사결정 품질을 정량적으로 평가하기 위한 지표(Metrics) 설정 및 대시보드 구축
- 현실 세계의 복잡성을 모사한 시뮬레이션 환경을 구축하여 에이전트 로직의 안전성과 효율성을 사전에 검증
- 시뮬레이션 데이터 분석을 통해 에이전트의 행동 패턴을 개선하는 피드백 루프 설계
자격요건
• 5년 이상의 백엔드 시스템 개발 경력 (Java, Kotlin, Go, Python 중 하나 이상 능숙)• AI Native Mindset: LLM, Agentic System에 대한 깊은 이해와 이를 시스템적으로 풀어내는 역량
• Data-Savvy Engineer: SQL은 물론 대량의 데이터를 스스로 탐색하고 분석하여 시스템 로직에 반영할 수 있는 분
• 객체 지향 설계(OOP) 및 마이크로서비스 아키텍처(MSA)에 대한 탄탄한 기초
• RESTful API, gRPC, MCP 등 서비스 간 통통합 인터페이스 설계 및 운영 경험
