케이론은 신약 개발을 위한 AI 운영 체제를 구축하며 Backend Engineer, Applied Agents를 채용합니다. Python, FastAPI, LLM 기반의 에이전트 런타임과 인프라를 설계하고 운영하는 역할을 수행합니다. 프로덕션 환경에서 AI 시스템을 구축해본 2년 이상의 경력이 필수입니다. 미국 팀과 협업하며 영어 커뮤니케이션이 가능해야 합니다.
케이론(Cheiron), 멘로 벤처스(Menlo Ventures) 리드로 800만 달러 시드 투자 유치 — 신약 프로그램의 운영체제를 만든다.
2026년 7월, 케이론은 멘로 벤처스(Menlo Ventures)가 리드 투자자로 참여한 800만 달러 규모의 시드 투자 라운드를 발표했습니다(누적 투자 유치액 1,300만 달러). 모더나(Moderna) 공동창업자이자 MIT 석좌교수인 로버트 랭어(Robert Langer), 전 화이자(Pfizer) 최고의학책임자 프리다 루이스-홀(Freda Lewis-Hall), 차이 디스커버리(Chai Discovery) 공동창업자 겸 CEO 조시 마이어(Josh Meier), 전 스타벅스 CEO 락스만 나라시만(Laxman Narasimhan), 전 애플 머신러닝·AI 총괄 존 지아난드레아(John Giannandrea) 등 업계 최고 전문가들의 전략적 지지를 받았습니다.
케이론은 신약 프로그램 전체를 하나의 연결된 시스템으로 표현하는 최초의 AI 네이티브 운영 체제를 만들고 있습니다. 케이론의 플랫폼은 바이오파마 팀이 신약 개발 프로그램의 전체 상태 — 치료제의 성패를 좌우하는 주장, 근거, 가정, 리스크, 결정, 커밋먼트 — 를 표현하고, 추론하고, 검증할 수 있도록 돕습니다.
플랫폼의 핵심에는 케이론이 자체 개발한 생명과학 지식 그래프(Life Sciences Knowledge Graph, LKG)가 있습니다. 전 세계 생명의학·임상·규제·특허·상업 지식을 하나의 모델로 연결해, 신약 개발자가 매일 마주하는 추론 작업을 지원하도록 설계됐습니다. 출시 6개월도 채 되지 않아 수만 명의 바이오파마 전문가들이 케이론을 도입했고 주요 신약 개발사들에 배포됐으며, 현재 국내 상위 10대 제약·바이오 기업 중 7곳이 케이론을 사용하고 있습니다.
케이론은 2024년 스탠포드 대학 출신 AI 연구자들과 바이오파마 오퍼레이터들이 설립했으며, 본사는 미국 캘리포니아주 로스앨토스에 있습니다.
업무 커뮤니케이션은 기본적으로 영어로 진행되며, 미국 기반 Leadership / Engineering Team과 함께 일하게 됩니다. 입사 후 6개월 이후에는 US Visa Sponsorship도 검토 가능합니다.
Cheiron의 agent 레이어와 이를 받치는 백엔드 시스템을 함께 만들어갈 Backend Engineer, Applied Agents를 찾습니다.
Cheiron의 agent는 단순히 답변을 생성하는 데서 끝나지 않습니다. 실제 약물 개발 워크플로우 안에서 여러 단계를 수행하고, 도구(tool)를 안정적으로 호출하고, 격리된 환경에서 코드를 실행하고, 멀티스텝 작업의 컨텍스트를 기억하며, 최종 결과를 검증 가능한 형태로 사용자에게 전달해야 합니다. 이 모든 것을 받치는 agent runtime, harness, memory, tool execution 레이어를 직접 설계하고 출시하게 됩니다.
우리는 연구용 데모나 프로토타입이 아니라, 실제 사용자 환경에서 동작하는 제품을 만듭니다. 모호한 문제를 빠르게 구조화하고, 높은 완성도의 제품으로 구현할 수 있는 실전형 Builder를 찾습니다. AI 리서처나 Life Science 도메인 전문가일 필요는 없지만, 탄탄한 엔지니어링 기본기와 LLM 시스템에 대한 설계·구축·운영해본 경험을 중요하게 생각합니다.
■ 주요업무
Cheiron 제품의 agent 레이어 설계·구현·운영: agent runtime/harness, 도구(tool) 호출 인프라, 샌드박싱된 코드 실행 환경, 에이전트 메모리, 멀티스텝 작업의 신뢰성·관측성
Python, FastAPI, Postgres 기반 백엔드 서비스와 API 설계 및 구현
벡터 DB, 시맨틱 검색, 검색증강(RAG) 시스템 설계·운영 및 검색 품질·지연 시간 튜닝
학술 논문, 임상, 규제, 안전성, 특허 등 라이프사이언스 데이터를 다루는 대규모 수집·정제·인덱싱 파이프라인 구축
AI가 만들어낸 결과를 근거 데이터에 연결하고, 출처를 추적·검증할 수 있도록, 실제 바이오·제약 업무에서 신뢰 있게 쓰이는 시스템 구축
창업자, 도메인 전문가, 초기 고객과 직접 협업하며, 단순 티켓 처리가 아닌 결과(outcome) 단위의 오너십
■ 자격요건
프로덕션 백엔드 시스템을 끝까지 출시·운영해본 2년 이상의 경력
탄탄한 백엔드 엔지니어링 기본기: API 설계, 데이터 모델링, 데이터베이스, 시스템 신뢰성에 대한 깊은 이해
LLM, RAG, 벡터 DB 등 AI 기반 시스템을 실제 프로덕션에서 다뤄본 경험
Agent 시스템의 작동 원리에 대한 실전적 이해: agent runtime, harness, tool calling, sandboxing, memory가 실제로 어떻게 돌아가는지 직접 만들어봤거나, 적어도 깊이 있게 추적해본 경험
명세가 충분하지 않은 환경에서도 스스로 우선순위를 잡고 빠르게 출시까지 끌고 가는 추진력
빠른 배포 속도와 균형 잡힌 엔지니어링 판단력을 동시에 갖춘 분
Claude Code, Cursor 등 AI 코딩 도구 적극 활용
■ 우대사항
(가장 중요) 사내 agentic harness를 직접 구축해본 경험: 팀의 agentic 개발 생산성을 끌어올리기 위해 내부 도구·하네스를 직접 설계·구현해본 분이라면 가장 강력한 시그널입니다.
프로덕션 환경에서 LangGraph, 에이전트 프레임워크, RAG 시스템을 직접 설계·운영해본 경험
엔터프라이즈 SaaS, 또는 제약·바이오·헬스케어 분야 제품 개발 경험
학술 문헌, 임상시험, 규제 문서, 특허 등 라이프사이언스 도메인 데이터에 대한 이해
AWS, Terraform, Kubernetes 기반 프로덕션 시스템 배포·운영 및 안정성·관측성 관련 경험
시드~얼리 스테이지 스타트업 경험
■ 혜택 및 복지
(법인카드) 점심/저녁 식대 지원, 조출/야근 교통비 지원
기타 사내 스낵바, 업무 교통비 지원 등
■ 채용 전형
Screening ＞ Take-home Assignment ＞ Technical Interview ＞ Cultural Interview
