제조 설계 Applied AI Engineer

About the role

AI가 아직 풀지 못하는 제조 문제를 찾아, 풀 수 있게 만드는 사람을 찾습니다.

SECA는 LG전자 사내벤처에서 스핀오프하고, LG전자와 블루포인트파트너스로부터 시드 투자를 유치한 딥테크 AI 스타트업입니다. 전자·반도체·자동차·제조 산업의 복잡한 설계 문제를 해결하는 AI Agent를 개발합니다.

현재 LG전자, 현대자동차, HL로보틱스, 한국전력공사, DB글로벌칩, BOS반도체 등의 실제 설계 데이터와 현장 과제를 다루고 있습니다. 요구사항 문서, 회로도, 데이터시트, BOM을 Ontology와 Knowledge Graph로 구조화하고, LLM·Multimodal AI를 결합해 설계 자동화와 오류 검증 기술을 만듭니다.

이 경험을 바탕으로 제조 특화 파운데이션 모델 개발에 필요한 데이터셋·벤치마크와 학습·평가 방법을 연구하고 있습니다. 국가·방산 관련 연구 협력과 LG AI Research·LG 계열사 등과의 논의를 이어가며, 국내 제조 현장의 데이터와 과제를 바탕으로 빅테크·프론티어랩과의 벤치마크 및 모델 연구 연계도 추진하고 있습니다.

이 포지션에서는 모델의 실패를 구체적인 연구 문제로 바꾸고, 데이터·검색·학습·검증 방법을 설계해 성능을 개선합니다. 무엇을 학습시키고 어떻게 평가할지부터 실제 고객 환경에서의 검증까지 직접 다룹니다. 논문 구현과 모델 실험을 제품으로 연결하며, 초기 핵심 개발자로서 기술 방향과 제품 아키텍처를 함께 만들어갑니다.

What you'll do

• 엔지니어링 문서 이해 및 구조화
Requirements, Datasheet, Drawing, Schematic, BOM에서 텍스트·표·도형·기호를 추출합니다. VLM·OCR·Layout 분석을 조합해 배치와 연결 관계가 중요한 문서를 구조화합니다.

• 근거를 추적할 수 있는 데이터 구축
추출한 값마다 단위·조건·원문 위치를 보존합니다. 후처리와 검증 로직을 설계해 검색과 설계 검증에 활용할 수 있는 데이터 품질을 확보합니다.

• Ontology·Knowledge Graph 설계
요구사항·부품·설계 블록 사이의 관계를 정의하고 실제 데이터로 구축합니다. 산업 지식과 설계 규칙을 모델이 활용할 수 있는 구조로 만듭니다.

• Retrieval·Graph RAG 구현
Retrieval·Reranking·Graph RAG 파이프라인을 구현합니다. 의미 검색, 속성 필터, 수치·범위 조건을 과제에 맞게 결합하고 성능을 검증합니다.

• 제조 도메인 벤치마크 설계
문서 유형과 설계 과제별 실패 사례를 평가셋으로 만듭니다. 정확도뿐 아니라 근거의 신뢰성, 설계 제약·안전 요구사항 준수, 추론 비용을 함께 평가하고 모델·파이프라인 변경 전후를 비교합니다.

• 모델 학습 및 개선 실험
제조 특화 모델을 위한 학습·평가 데이터를 설계합니다. 벤치마크에서 드러난 실패를 데이터 개선과 Fine-tuning 실험으로 연결하고, 설계 규칙과 검증 결과를 학습 신호로 활용하는 방법을 연구합니다.

Requirements

• 문제에 맞는 아키텍처와 데이터 흐름을 직접 설계하고, 기술 선택의 근거와 한계를 설명할 수 있는 분
• 논문이나 새로운 방법론을 빠르게 구현하고, 기준 모델·방법과 비교 실험할 수 있는 분
• AI Coding Tool을 적극 활용하면서도 생성된 코드의 구조·품질·실행 결과를 직접 검증할 수 있는 분
• 처음 접하는 산업과 문서를 빠르게 이해하고, 해결할 문제와 평가 기준을 구체화할 수 있는 분
• 기대한 성능이 나오지 않을 때 실패 사례를 분석하고, 데이터·모델·파이프라인에서 원인을 끝까지 추적하는 분

Preferred qualifications

• CAD 도면·회로도 등 엔지니어링 문서 처리 경험
• Multimodal Document·Table·Diagram Understanding을 실제 문서에 적용한 경험
• Ontology나 Knowledge Graph를 직접 설계하고 실제 데이터로 구축한 경험
• OCR·VLM의 오류 패턴을 분석하고 후처리·검증 로직으로 품질을 개선한 경험
• 도메인 데이터셋·벤치마크 구축, LLM/VLM Fine-tuning 또는 모델 학습·평가 실험 경험
• AI 서비스를 실제 고객 환경에 배포·운영한 경험
• Docker, Kubernetes, AWS/EKS, On-Premise 환경 배포 경험

Benefits

1. 프리미엄 개발 장비
• LG 32인치 OLED 모니터 및 허먼밀러 사무용 의자 제공
• 업무에 필요한 추가 사무기기 구매 비용 일부 지원

2. 최신 AI 개발 도구
• 구성원별 OpenAI Codex 및 Claude Code 유료 플랜 각각 지원
• Pro·Max 등 상위 요금제와 필요에 따른 추가 사용량 지원

3. 모델 학습·실험을 위한 연구 인프라
• 모델 추론, Fine-tuning, AI 실험을 위한 고성능 GPU 클라우드 인스턴스 지원
• NVIDIA Inception 및 AWS 스타트업 프로그램 기반 연구·개발 인프라 활용

4. 유연한 근무 환경
• 업무 특성에 맞는 유연근무 및 부분 재택근무 지원
• 강남역 인근 NAVER D2SF 강남 입주 오피스 근무
• 딥테크 스타트업 및 창업 생태계와 교류할 수 있는 환경

5. 국내외 연구·성장 기회
• 국내외 대학·연구기관과의 공동연구 및 협업 기회
• 대기업과의 AI 연구·개발 및 실증 프로젝트 참여
• 해외 AI 학회·기술 컨퍼런스 참가 기회
• CES, MWC, Dubai Gitex, SLUSH(Finland), 상하이 WAIC 등 글로벌 AI·산업 전시회 참가 및 전시 부스 지원
• NAVER D2SF 생태계의 네트워킹·해커톤·기술 행사 참여

Hiring process

1. 서류 검토
2. Coffee Chat
3. Project & Tech Interview

프로젝트는 1주일 동안 작은 범위의 실제 문제를 직접 풀어보는 과정입니다. 문제 정의, 가설 설정, 실험 설계, 결과 검증과 기술적 판단의 근거를 함께 살펴봅니다. 실험에서 확인한 성과와 한계, 다음 개선 방향에 대해 이야기합니다.