| 직무 소개
미리캔버스는 이제 사용자가 하나하나 디자인을 고치는 도구를 넘어, 사용자의 의도와 콘텐츠 구조를 이해해 더 나은 결과물을 제안하는 제품으로 나아가고 있어요. 이 과정에서 가장 어려운 문제는 AI가 무언가를 “생성”한 다음부터 시작됩니다. 어떤 요소를 유지하고, 어떤 요소를 바꾸고, 어떤 결과를 제품 안에서 실제로 써도 되는지 판단하는 로직이 필요하기 때문이에요.
Applied Algorithm Engineer는 이 복잡한 판단을 감이 아니라 계산 가능한 구조로 바꾸는 역할이에요. 콘텐츠의 구조를 tree나 graph처럼 바라보고, matching, ranking, validation, fallback 로직을 설계해 AI 기반 기능이 안정적으로 동작하도록 만듭니다. 처음에는 문제가 모호하게 느껴질 수 있어요. 하지만 어려운 문제를 오래 붙잡고, 규칙을 세우고, 검증 가능한 코드로 바꾸는 과정에 몰입하는 분이라면 밀도 높은 성장을 경험하실 수 있을 거예요.
PM, TPM, Software Engineer와 함께 “이 기능을 만들 수 있는가”를 넘어 “이 판단을 어떤 구조로 모델링해야 안전하게 확장될 수 있는가”를 고민하게 됩니다. 단순 구현보다 한 단계 안쪽의 문제, 즉 제품 품질을 결정하는 보이지 않는 로직을 직접 설계하고 제품에 연결하는 경험을 하게 될 거예요.
| 기대 모습
- 1개월 뒤
- 미리캔버스의 콘텐츠 구조, 에디터 도메인, AI 기반 기능의 실행 흐름을 이해하고, 현재 시스템에서 어떤 판단 로직이 병목이 되는지 파악합니다.
- 기존 코드와 실험 결과를 읽으며 matching, ranking, validation, fallback이 필요한 문제를 작은 단위로 나누어 설명할 수 있습니다.
- 3개월 뒤
- 콘텐츠 대치, 후보 탐색, 결과 검증 중 하나 이상의 문제를 맡아 실행 가능한 알고리즘 로직으로 구현합니다.
- AI Agent나 자동화 파이프라인이 tool을 더 안정적으로 사용할 수 있도록 harness와 linter 구조를 개선합니다.
- 그 이후
- 원본 콘텐츠와 대체 콘텐츠 사이의 대응 관계를 정의하고, 실제 제품 안에서 안전하게 사용할 수 있는 콘텐츠 변환 로직을 설계합니다.
- 대규모 후보군에서도 빠르고 안정적으로 동작하는 검색·매칭·랭킹 구조를 설계하고, 제품 요구사항 변화에도 견딜 수 있는 로직으로 발전시킵니다.
| 주요 업무
"미리디에서 이런 일들을 함께 하고 싶어요"
- 콘텐츠 구조를 분석하여 원본 요소와 대체 요소 간의 mapping / matching 로직을 설계하고 구현합니다.
- tree, graph, hash, index 등 자료구조를 활용해 콘텐츠 변환과 후보 탐색 문제를 제품 로직으로 모델링합니다.
- 대규모 데이터풀에서 유사하거나 대응 가능한 후보를 빠르게 찾기 위한 signature, indexing, pruning, deduplication 로직을 개발합니다.
- AI Agent와 workflow가 tool을 안정적으로 호출할 수 있도록 precondition, postcondition, invariant 기반의 harness를 설계합니다.
- 잘못된 입력, 잘못된 실행 순서, 품질이 낮은 결과를 사전에 걸러내기 위한 linter / validation rule을 구현합니다.
- 결과물의 품질을 판단하기 위한 scoring, ranking, rule-based evaluation 로직을 만들고 실험 결과를 분석합니다.
- 실패 케이스와 예외 상황을 수집해 fallback policy를 정의하고, 제품에서 허용 가능한 결과와 거절해야 하는 결과를 구분합니다.
- 기존 시스템 로직을 분석해 정확도, 속도, 안정성, 유지보수성을 개선합니다.
- PoC 단계의 아이디어를 빠르게 구현하고, 실험 결과를 바탕으로 다음 개선 방향을 제안합니다.
| 자격요건
"이런 분이라면 목표 달성에 확신을 얻을 것 같아요"
- 3년 이상의 소프트웨어 개발 경험이 있으신 분
- TypeScript 기반의 애플리케이션, 서버, worker, batch pipeline 중 하나 이상의 개발 경험이 있으신 분
- 자료구조와 알고리즘을 단순 지식이 아니라 실제 제품 문제 해결에 적용해본 경험이 있으신 분
- 복잡하고 모호한 요구사항을 작은 문제로 분해하고, 규칙·제약조건·예외 흐름으로 구조화할 수 있으신 분
- API를 호출하는 수준을 넘어 실행 흐름, 입력 검증, 결과 검증, 실패 대응까지 함께 설계할 수 있으신 분
- 실험 결과나 로그를 보고 오류 패턴을 찾아내고, 개선 가설을 코드로 검증할 수 있으신 분
- Git 기반 협업과 코드 리뷰, 테스트 작성 등 기본적인 개발 워크플로우에 익숙하신 분
- PM, TPM, Software Engineer와 문제 정의와 해결 방향을 논리적으로 맞춰갈 수 있으신 분
| 우대 사항
"이런 분이라면 장기적으로 서로에게 더 긍정적일 것 같아요!"
- graph matching, tree matching, tree edit distance, bipartite matching, assignment problem, constraint solving 중 하나 이상을 다뤄본 경험이 있으신 분
- ranking logic, scoring function, rule engine, validation logic, lint rule을 직접 설계하거나 구현해본 경험이 있으신 분
- hash, indexing, deduplication, search optimization, candidate pruning, reranking 관련 문제를 다뤄본 경험이 있으신 분
- AI Agent, tool calling, workflow orchestration, guardrail, fallback logic을 설계해본 경험이 있으신 분
- LLM 기반 작업의 입력·출력 검증, 품질 평가, hallucination 방지 로직을 고민해본 경험이 있으신 분
- 콘텐츠 변환, 데이터 매핑, 추천, 검색, 랭킹, 매칭 문제를 제품 환경에서 풀어본 경험이 있으신 분
- 수학, 컴퓨터공학, 알고리즘 문제 해결, 올림피아드, 프로그래밍 대회 등 논리적 난제 해결에 깊게 몰입해본 경험이 있으신 분
- 빠르게 PoC를 만들고, 완성도보다 학습 속도를 우선해 실험을 반복해본 경험이 있으신 분
| 기타 사항
- [서류 전형] - [과제 전형] - [1차 인터뷰] - [처우 협의] - [입사] 의 프로세스로 진행됩니다.
- 과제 전형: 1차 인터뷰 전, 작은 규모의 설계·구현 과제가 진행됩니다.
- 서류는 원활한 검토를 위해 PDF 형식으로 제출 부탁 드립니다.
- 직급에 따라 인터뷰 후 레퍼런스 체크 전형이 추가될 수 있습니다.
- 입사 후 3개월의 수습 기간 및 수습 평가가 진행됩니다. (급여 100%)
- 서류 전형 결과 안내까지는 최대 2주, 인터뷰 결과 안내까지는 최대 3주가 소요됩니다.
- 여러 포지션에 동시에 지원해주시는 것은 가능하지만 동일한 포지션의 경우 최종 결과 안내를 받은 시점으로부터 6개월 후에 재지원이 가능합니다.
