AI가 더 많은 일을 할수록, 이를 가능하게 하는 소프트웨어는 더 단순하고 강력해져야 합니다.

인포시즈는 기업이 AI를 더 쉽고 빠르게 만들고, 지속적으로 개선하며, 더 적은 비용으로 더 나은 성과를 얻을 수 있도록 Enterprise AI Platform, Axiom을 개발하고 있습니다. Axiom은 기업의 데이터와 업무 지식을 연결하고, 다양한 AI 기술을 조합해 실제 업무에 활용할 수 있도록 하는 플랫폼입니다.

Sr. Software Engineer — AX Platform은 이 복잡한 플랫폼의 핵심 구조를 설계하고 발전시키는 역할입니다. 데이터 플랫폼, AI Agent, 실행 환경 등 다양한 기술을 하나의 일관된 제품으로 구현합니다. 새로운 산업과 고객의 요구사항을 공통된 소프트웨어 구조로 일반화하고, Applied Scientist와 함께 최신 AI 기술을 실제 제품으로 발전시킵니다.

우리는 AI를 활용해 소프트웨어를 만드는 새로운 방식에 익숙하면서도, 탄탄한 엔지니어링 기본기를 바탕으로 좋은 아키텍처와 기술적 기준을 스스로 세울 수 있는 분을 찾습니다. 특정 기술이나 기능에 국한되지 않고, AI 시대의 엔터프라이즈 소프트웨어가 어떤 모습이어야 하는지 직접 설계하고 만들어갈 수 있는 기회입니다.

이런 일을 함께 합니다

1. 복잡한 AI 플랫폼의 아키텍처를 설계하고 구현합니다.

• Axiom(엔터프라이즈 AX 플랫폼)의 소프트웨어 아키텍처를 설계하고 핵심 기능을 직접 개발합니다.
• 복잡한 요구사항에서 공통된 패턴을 발견하고, 이를 재사용 및 확장 가능한 컴포넌트와 인터페이스로 추상화합니다.
• 기술적 의사결정의 근거와 트레이드오프를 명확히 하고, 제품의 장기적인 유지보수성과 확장성을 높입니다.
• 성능, 안정성, 관측 가능성 및 장애 대응 체계를 지속적으로 개선합니다.
• 고객별로 발생하는 기술적 요구사항을 공통 플랫폼의 개선 기회로 연결합니다.

2. AI 기술을 실제로 작동하는 소프트웨어로 만듭니다.

• AI 모델의 특성과 제약을 이해하고, 이를 고려한 실행 환경과 소프트웨어 구조를 설계합니다.
• AI 기능의 실행, 평가, 모니터링 및 지속적인 개선을 지원하는 시스템을 구축합니다.
• 빠르게 변화하는 AI 기술을 안정적으로 운영하고 확장할 수 있는 제품 구조로 발전시킵니다.
• AI가 생성한 코드의 정확성, 보안, 유지보수성 및 아키텍처 적합성을 검증합니다.
• 개인의 개발 생산성을 넘어 팀 전체의 개발 속도와 소프트웨어 품질을 높이는 방법을 고민합니다.

3. 다양한 데이터와 인프라를 연결하는 플랫폼을 만듭니다.

• SAP, Data Warehouse, Data Lakehouse 등 다양한 기업 데이터 환경을 연결하는 시스템을 설계합니다.
• 비동기·분산 처리, 상태 관리, 장애 복구 등 복잡한 실행 환경에서의 안정성을 확보합니다.
• Kubernetes 기반 클라우드 및 온프레미스 환경을 고려한 확장 가능한 소프트웨어를 설계합니다.
• 기업 환경에서 요구되는 보안, 권한, 격리 및 운영 안정성을 제품 아키텍처에 반영합니다.

인포시즈에서 경험할 수 있는 것

AI 시대의 핵심 소프트웨어를 직접 설계합니다.

AI 기술은 빠르게 발전하고 있지만, 이를 실제 기업 환경에서 안정적으로 활용할 수 있도록 만드는 소프트웨어는 여전히 해결해야 할 문제가 많습니다. Axiom에서는 AI 모델을 호출하는 애플리케이션을 넘어, AI가 기업의 데이터를 이해하고 실제 업무를 수행하기 위해 필요한 소프트웨어 기반을 직접 설계하고 구현할 수 있습니다.

하나의 기술 영역을 넘어 다양한 엔지니어링 문제를 해결합니다.

일반적인 서비스 개발에서는 경험하기 어려운 데이터 플랫폼, AI 시스템, 분산 처리, 클라우드 네이티브 인프라, 엔터프라이즈 소프트웨어 등 다양한 기술 영역을 다룹니다. 단순히 여러 기술을 사용하는 것이 아니라, 서로 다른 기술을 하나의 일관된 제품으로 연결하는 과정에서 폭넓은 엔지니어링 경험을 쌓을 수 있습니다.

자신의 기술적 판단이 제품의 미래에 영향을 미칩니다.

Axiom은 다양한 산업과 기업 환경으로 확장되는 플랫폼입니다. 지금 설계하는 하나의 인터페이스, 공통 컴포넌트, 실행 구조가 이후 수많은 기능과 고객 환경에서 재사용될 수 있습니다.

우리는 좋은 엔지니어링이 단순히 현재의 문제를 해결하는 것이 아니라, 앞으로 더 많은 문제를 더 쉽게 해결할 수 있는 기반을 만드는 일이라고 믿습니다.

인포시즈에서 AI 시대의 소프트웨어가 어떤 구조를 가져야 하는지 함께 고민하고, 직접 만들어갈 엔지니어를 기다립니다.

이런 분을 찾고 있습니다

• 5년 이상의 소프트웨어 엔지니어링 경험을 보유하신 분
• 실제 서비스 또는 플랫폼의 주요 아키텍처를 직접 설계하고 구현한 경험이 있는 분
• 소프트웨어 엔지니어링의 기본기와 안정적인 서비스 개발에 필요한 기술적 이해를 갖춘 분
• AI Coding Agent를 실제 개발 과정에서 능숙하게 활용하고, AI가 생성한 결과물을 검증하고 개선할 수 있는 분
• 복잡한 문제에서 단순한 구조를 발견하는 분
• 넓은 기술적 시야와 깊이 있는 전문성을 함께 갖춘 분
• AI를 활용하면서도 엔지니어링의 본질을 중요하게 생각하는 분
• 기술적 기준을 세우고 직접 검증하는 분
• 새로운 기술을 배우고 실제 문제에 적용하는 것을 즐기는 분

이런 경험이 있다면 더욱 좋습니다

AI 및 데이터 플랫폼

• AI Agent 기반 서비스를 실제로 개발하거나 운영한 경험
• MCP, Tool Calling, Workflow Orchestration 등 AI 시스템의 실행 및 연동 구조를 설계한 경험
• Data Warehouse, Data Lakehouse, 데이터 파이프라인 등 데이터 플랫폼 관련 경험
• RDBMS, Graph DB, Vector DB 등 다양한 데이터 저장소를 활용한 경험
• Apache Spark, Flink, Iceberg, StarRocks 등 데이터 처리 기술에 대한 이해 또는 활용 경험

플랫폼 및 인프라

• Kubernetes, Docker 기반 애플리케이션의 배포 및 운영 경험
• 온프레미스, 클라우드 또는 하이브리드 환경에서의 시스템 구축 경험
• 분산 시스템, 비동기 작업 처리, 워크플로 엔진 등을 설계하거나 운영한 경험
• 멀티테넌시, 실행 격리, 권한 전파 등 엔터프라이즈 플랫폼의 핵심 구조를 설계한 경험
• CI/CD, Observability, Infrastructure as Code 등을 활용한 개발 및 운영 환경 개선 경험

소프트웨어 아키텍처 및 제품 개발

• 복잡한 제품의 초기 아키텍처를 설계하고 성장에 맞춰 발전시킨 경험
• 고객별 요구사항을 공통 플랫폼 기능으로 일반화하고 제품화한 경험
• B2B SaaS 또는 엔터프라이즈 소프트웨어 개발 경험
• Applied Scientist, ML Engineer 등과 협업하여 AI 기술을 제품화한 경험
• AI 기반 개발 도구와 자동화를 활용하여 개발 생산성을 개선한 경험

채용 절차

• 서류 전형 → 1차 인터뷰 (코딩 테스트) → 2차 인터뷰 → 처우 협의
• 처우 협의 단계에서 레퍼런스 체크가 함께 진행될 수 있습니다.