Forward Deployed AI Solution Engineer

About

Dfinite는 기업의 데이터, 문서, ERP/MES/업무 시스템을 AI와 연결해, 실무자가 자연어로 데이터를 조회하고 의사결정할 수 있도록 돕는 B2B AI 솔루션 스타트업입니다.

우리는 제조·유통·공공 등 다양한 산업 고객과 함께 AI 데이터 플랫폼, 문서 기반 RAG, DB 기반 Text-to-SQL, 온톨로지 기반 업무 자동화 프로젝트를 진행하고 있습니다.

Dfinite의 프로젝트는 단순히 AI 기능을 붙이는 방식이 아닙니다.

고객사의 실제 업무 흐름, 데이터 구조, 판단 기준, 예외 케이스를 이해하고, 이를 AI가 실제로 답할 수 있는 로직과 검증 기준으로 바꿔야 합니다.

그래서 우리는 단순한 AI 개발자도, 단순한 고객 대응 담당자도 아닌 사람을 찾고 있습니다.

고객 실무자의 업무 언어를 이해하고, 그 안에 숨어 있는 암묵지와 판단 기준을 파악해, 데이터·AI 로직·검증 케이스로 바꿀 수 있는 사람을 찾습니다.

이 포지션은 고객 가까이에서 문제를 이해하고, 실제 고객 데이터와 환경 위에서 AI 솔루션이 작동하는지 구현하고 검증하는 Forward Deployed AI Solution Engineer입니다.

[핵심 역할]

1. 고객 업무 흐름과 암묵지 파악
• 고객 실무자 인터뷰를 통해 실제 업무가 어떻게 흘러가는지, 어떤 기준으로 판단하는지, 어떤 데이터를 신뢰하는지 파악합니다.

2. 업무 언어를 AI 요구사항으로 구조화
• 고객이 사용하는 표현, 판단 기준, 예외 케이스를 AI 기능 요구사항, 데이터 매핑, 테스트 케이스로 바꿉니다.

3. AI/데이터 로직 구현 및 검증
• RAG, Text-to-SQL, Agent, 데이터 해석, 자연어 질의 응답 로직을 구현하고 실제 고객 데이터 위에서 검증합니다.

4. 실패 원인 분석과 개선
• AI 응답이 틀렸을 때 원인이 모델 문제인지, 데이터 문제인지, 검색 문제인지, SQL 문제인지, 업무 기준 문제인지 구분하고 개선 방향을 제시합니다.

5. PE/TPE/PM/CBO와의 협업
• PE가 고객 경험과 화면을 만들고, TPE가 백엔드·배포·운영 구조를 만들 수 있도록 AI/데이터/업무 흐름 관점의 요구사항과 검증 기준을 제공합니다.

Responsibilities

1. 고객 업무 흐름 인터뷰 및 분석
• 고객 실무자와의 인터뷰를 통해 현재 업무 흐름 파악
• 고객이 실제로 사용하는 엑셀, 보고서, 시스템 화면, 데이터 항목 분석
• 업무 단계별 입력 데이터, 판단 기준, 예외 케이스 정리
• 고객의 업무 용어와 시스템 용어 매핑
• 시스템 데이터와 현업 판단이 어긋나는 지점 파악
• AI가 답해야 할 질문과 답하지 말아야 할 질문 구분
• 실무자가 “맞다”고 판단할 수 있는 답변 기준 정리

2. AI 요구사항 및 검증 기준 설계
• 고객 업무 흐름을 AI 기능 요구사항으로 구조화
• 자연어 질문을 데이터 조회, 문서 검색, SQL, Agent workflow 단위로 분해
• 입력/출력 기준, 실패 조건, 케이스별 통과 기준 정의
• 샘플 질문, 샘플 답변, 테스트 케이스 작성
• AI 응답의 근거, 신뢰도, 설명 가능성 기준 정리
• Go/No-Go 판단을 위한 실험 기준 설계
• 고객 데이터 기반 검증 루프 운영

3. AI 기능 구현 및 실험
• RAG, Text-to-SQL, Agent, 온톨로지 기반 질의응답 기능 구현
• 고객사 데이터 기반 실험 루프 운영 : 가설 설정 -＞ 구현 -＞ 검증 -＞ 수정 안정화
• 자연어 질의, 데이터 해석, AI 응답 로직 구현 및 검증
• 현재 모델과 환경에서 가능한지 빠르게 스파이크하고 Go/No-Go 판단
• Python 기반으로 AI 로직, 데이터 처리, 검증 스크립트 구현
• Claude Code, Cursor 등 AI 코딩 도구를 활용한 빠른 반복 개발

4. 고객 데이터 및 도메인 검증
• 고객사 DB, 엑셀, 문서, 업무 시스템 데이터를 분석
• 데이터 컬럼, 테이블, 용어, 업무 기준의 의미 파악
• 데이터 누락, 기준 충돌, 중복, 불일치 등 품질 이슈 식별
• SAP, MES, SCM, DW, S&OP 등 기업 시스템 데이터 흐름 이해
• 데이터와 현업 판단이 충돌할 때 확인이 필요한 질문 정리
• TPE가 API/DB/제품 구조를 만들 수 있도록 데이터 요구사항 전달

5. 실패 케이스 분석 및 개선
• AI 응답 실패 케이스 수집 및 분류
• 실패 원인을 모델 / 프롬프트 / 검색 / SQL / 데이터 / 업무 기준 / 시스템 제약 관점에서 구분
• 잘못된 응답이 반복되지 않도록 검증 케이스와 로직 개선
• 고객 환경이나 운영 제약 때문에 설계를 조정해야 하는 경우 에스컬레이션
• PE/TPE/PM/CBO와 공유 가능한 형태로 이슈와 개선안을 문서화

6. 협업 및 산출물 관리
• PE에게 화면과 사용자 흐름에 필요한 AI 응답 구조 제공
• TPE에게 API, DB, 로그, 운영 도구에 필요한 AI/데이터 요구사항 제공
• PM에게 일정, 리스크, 고객 확인 필요사항 공유
• CBO에게 ROI, 범위, 고객 의사결정과 연결될 수 있는 핵심 인사이트 공유
• 주요 기술 판단, 데이터 기준, 검증 결과를 문서화
• 다음 프로젝트에서 재사용 가능한 실험 케이스, 프롬프트, 데이터 매핑, 실패 사례 정리

(PE : Product Engineer, TPE : Technical Product Engineer)

Requirements

• LLM 기반 서비스 개발 경험
• Python 기반 개발 경험
• SQL 및 데이터베이스 연동 경험
• RAG, Text-to-SQL, Agent, 데이터 분석, 자연어 질의응답 중 하나 이상의 구현 경험
• 고객 요구사항이나 업무 흐름을 기술 요구사항으로 구조화해본 경험
• 실제 데이터 기반으로 기능을 구현하고 검증해본 경험
• 기능 구현에 그치지 않고 결과를 보고 개선까지 이어간 경험
• 문제의 원인을 모델, 데이터, 시스템, 설계, 업무 기준 관점에서 구분하려는 사고방식
• 고객이나 현업 담당자와 대화하며 모호한 요구를 구체화할 수 있는 커뮤니케이션 능력
• 빠르게 실험하고, 결과를 바탕으로 수정하는 방식에 익숙한 분
• Claude Code, Cursor, ChatGPT 등 AI 도구를 활용하거나 적극적으로 도입할 의지가 있는 분

Preferred

• 제조, 유통, 물류, 생산, 재고, 영업, 손익 등 업무 도메인 프로젝트 경험
• SAP, MES, SCM, WMS, ERP, DW, BI 등 기업 업무 시스템 데이터 경험
• Text-to-SQL 구현 경험
• 온톨로지 또는 그래프 기반 데이터 구조 이해
• PostgreSQL 및 데이터 모델링 경험
• RAG, Agent, 오케스트레이션 구현 경험
• Vector DB, Elasticsearch/OpenSearch 사용 경험
• 온프레미스 LLM 환경 경험
• FastAPI 등 Python 백엔드 개발 경험
• Docker 기반 개발 또는 배포 경험
• 고객 인터뷰를 통해 요구사항, 데이터 기준, 검증 케이스를 도출해본 경험
• AI 로직의 실패 가능성을 사전에 정의하고 검증 체계를 설계해본 경험
• 고객 환경이나 운영 제약 때문에 설계를 조정하거나 에스컬레이션해본 경험
• 컨설팅, 솔루션 엔지니어링, 프리세일즈, FDE 성격의 업무 경험

Benefits

• 서울 창업 허브 공덕 근무
• 수요일 재택근무
• 유연출근제, 8~10시 사이 출근
• 간식 제공
• 사내 스터디 지원
• 업무 관련 도서, 강의, 세미나 참석비 지원
• 빠르게 성장하는 B2B AI 스타트업에서 실제 산업 현장의 AI 전환 프로젝트를 경험할 기회
• 제조·유통·공공 등 고객사의 실제 업무 데이터와 AI를 연결하는 경험
• 고객 업무 흐름, 데이터, AI 기능, 제품화가 만나는 지점에서 일하는 경험
• CBO, PM, PE, TPE와 함께 대형 고객 프로젝트를 수행하는 경험
• Claude Code, Cursor, ChatGPT 등 AI 도구를 적극 활용하는 개발 문화
• AI 기능을 데모에서 끝내지 않고 실제 의사결정과 운영으로 연결하는 경험