| 직무 소개
미리캔버스는 “디자인을 더 쉽고, 똑똑하게 완성하는 세상”을 목표로 합니다.
AI 모델 연구팀은 디자인 도메인에 특화된 생성형 AI(GenAI)와 대형 멀티모달 모델(LMM) 기반의 편집 Agent(Editing Agent)을 개발합니다. 유저의 디자인 의도를 깊이 이해하고, 맥락에 맞는 콘텐츠 구성, 레이아웃, 스타일을 자동으로 제안·편집함으로써 궁극적으로 '디자인 편집 프로세스의 완전 자동화'를 지향합니다.
미리캔버스가 보유한 방대한 디자인 자산과 전용 메타데이터(Scene Graph, 구조 데이터)를 활용해, 전 세계 사용자가 전문가 수준의 시각 자료를 아무런 허들 없이 제작할 수 있는 차세대 AI 서비스 엔진을 함께 만들 동료를 찾습니다.
👉 기술적인 연구를 넘어, 수백만 사용자의 실질적인 디자인 경험(UX)을 AI로 혁신하고 싶다면 지금 합류하세요.
| 기대 모습
[1개월 뒤]
도메인 온보딩 및 기반 기술 파악
- 미리캔버스 고유의 디자인 데이터 구조(Scene Graph) 및 웹 도메인 계층 구조를 분석합니다.
- 현재 구축된 AI 레이아웃/스타일 추론 자동화 파이프라인 및 연관 스쿼드 서비스를 파악합니다.
- 기존 Agent workflow 모델을 벤치마킹하고 핵심 성능 지표(KPI)를 이해합니다.
[3개월 뒤]
Agentic Workflow 설계 및 고도화
- 최신 상용 LMM 및 오픈소스 모델을 활용하여 복합 Agentic Workflow(Reflection, Planning, Tool use)를 설계하고 최적화합니다.
- Prompt Engineering 단계를 넘어, 자체 데이터 기반의 Fine-tuning 파이프라인을 구축하고 학습 데이터셋 엔지니어링을 수행합니다.
- 상용 API 대비 비용 효율적이고 특정 목적에 특화된 오픈소스 기반 자체 모델(SFT/RL)을 학습시키며, 내부 벤치마킹을 실시합니다.
[그 이후]
차세대 AI 편집 엔지니어링 리드
- 디자인 레이아웃 변형, 요소 추천, 스타일 전이 등 미리캔버스 핵심 편집 기능 전반을 지배하는 범용 편집 Agent 프레임워크를 개발합니다.
- 비즈니스 임팩트를 낼 수 있는 신규 생성형 AI 기능 및 모델 구조를 주도적으로 제안하고 리드합니다.
- 모델의 성능(Quality), 비용(Cost), 속도(Latency)를 지속적으로 개선하여 프로덕션 스케일의 AI 자산화에 기여합니다.
- 팀 내 기술 공유, 코드 리뷰, 연구 문서화를 통해 조직의 기술적 상향 평준화를 견인합니다.
| 주요 업무
"미리디에서 이런 일들을 함께 하고 싶어요"
✅차세대 편집 Agentic Workflow 구축 및 자산화
- 복잡한 디자인 태스크를 분할하고 해결하는 Multi-Agent 시스템 및 오케스트레이션 패턴을 설계합니다.
- 디자인 도메인 메타데이터와 결합된 RAG(Retrieval-Augmented Generation) 기반 Agent의 예측 성능을 고도화합니다.
- AI의 출력 역량 개선을 위한 Reasoning, Validation, Self-improvement(자가 피드백) 루프를 설계합니다.
✅디자인 도메인 특화 자체 GenAI 모델 개발
- 이미지-텍스트-구조 데이터(Scene Graph)를 아우르는 Domain-Specific LMM 및 Layout 생성 모델을 연구하고 개발합니다.
- SFT(Supervised Fine-Tuning) 및 RLHF/DPO 등 강화학습 기반의 스타일/레이아웃 정렬(Alignment)을 고도화합니다.
- 저비용·고효율 서빙을 위한 경량화 모델(SLM)을 탐색하고 성능을 최적화합니다.
✅최신 GenAI/Agent 기술 연구 및 서비스 적용
- 멀티모달 및 AI Agent 분야의 최신 논문(Top-tier 학회)을 분석하고, 구현 및 가치 검증(PoC)을 수행합니다.
- 정성적·정량적 평가 프레임워크(Evaluation Dataset) 구축을 통해 지속 가능한 모델 모니터링 시스템을 설계합니다.
| 자격요건
"이런 분이라면 목표 달성에 확신을 얻을 것 같아요"
- 생성형 AI(GenAI) 또는 머신러닝 관련 실무 경력이 1년 이상(또는 이에 준하는 깊이 있는 프로젝트 경험)이신 분
- Large Multimodal Model(LMM) 기반의 Fine-tuning(LoRA 등) 경험 혹은 AI Agent Workflow 설계 및 구현 경험이 있으신 분
- PyTorch, Hugging Face 등 딥러닝 프레임워크 기반의 모델 학습 및 파이프라인 빌드 능력을 갖추신 분
- Prompt 엔지니어링부터 자체 데이터 가공, 학습, 평가까지의 end-to-end 모델링 사이클을 경험하신 분
- 디자인, 크리에이티브 콘텐츠, 사용자 경험(UX) 혁신에 높은 관심이 있으신 분
| 우대 사항
"이런 분이라면 장기적으로 서로에게 더 긍정적일 것 같아요!"
- 컴퓨터 공학, 머신러닝/딥러닝 관련 석사·박사 학위 혹은 그에 준하는 연구 역량이 있으신 분
- Top-tier 학회 논문 게재 및 제출 경험이 있으신 분
- Kaggle, AI Hackathon 등 AI 관련 챌린지 상위 입상 경험이 있으신 분
- 디자인 생성 모델(Layout Generation, Color/Font Adaptation, Vector Generation 등) 연구 및 개발을 경험하신 분
- LLM/LMM 기반 서빙 인프라 구축 및 모델 경량화(Quantization, Distillation 등) 경험이 있으신 분
- 대규모 Multi-Agent System 설계 및 시뮬레이션 평가 경험이 있으신 분
- 실시간 유저 인터랙션이 필요한 AI 서비스 모델의 배포 및 트래픽 대응 경험이 있으신 분
| 기타 사항
- [서류 전형] - [1차 인터뷰] - [처우 협의] - [입사] 의 프로세스로 진행됩니다.
- 서류는 원활한 검토를 위해 PDF 형식으로 제출 부탁 드립니다.
- 직무/직급에 따라 2차 인터뷰가 추가될 수 있습니다.
- 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.
