레시피온

레시피온

Posted via WANTED

Product Engineer (동물병원 AI 영상판독 SaaS)

Posted Sep 18, 2026

Role at a glance

Salary
Not Disclosed
Location
11층 레시피온, Gyeonggi-do, South Korea
Work arrangement
On-site
Employment
Full-time
Experience
5+ years

Spotted an issue?

We’ll check it against the original posting.

Log in to report

Qualifications

Required

  • Java / Spring 기반 시스템 개발 운영 경험 5년 이상, 또는 그에 준하는 백엔드 리드 경험
  • 운영 중인 레거시를 단계적으로 개편해 본 경험 - 병행 운영, 무중단 마이그레이션 중 하나라도 실제로 해보신 분
  • 관계형 DB 설계
  • 마이그레이션 - 200개 이상 테이블 규모에서 스키마를 변경해 본 경험
  • 클라우드 운영 - Azure 우대, AWS/GCP도 무관
  • Kubernetes 운영 경험, 또는 관리형 서비스로의 이관 설계 경험
  • CI/CD 파이프라인 설계와 재구축 경험
  • 비개발 조직(운영

Preferred

  • 의료
  • 헬스케어 도메인 경험 (DICOM, PACS 연동, 의료 데이터 규제)
  • PACS
  • 의료영상 시스템과 연동해 본 경험
  • EMR / EHR, 예약
  • 수납 등 현장 업무 시스템의 제품화 경험
  • AI/ML 서비스 운영 경험 — 모델 서빙, 추론 파이프라인, GPU 자원 관리 (모델 학습보다 운영
  • 배포 쪽)

About the role

Original posting provided by 레시피온

View original

About the role

# 이 포지션이 맡는 제품 — XCaliber

레시피온은 Monask와 함께, 동물병원용 AI 영상 판독 플랫폼 X Caliber의 운영·현대화를 맡고 있습니다. 이 포지션은 그 플랫폼의 기술 리드입니다.

X-ray·초음파 등 의료영상을 업로드하면 판독 모델 10종이 결과를 반환하고, 연간 약 15만 건을 처리합니다. 심장 크기 비율이나 관절 각도처럼 수의사가 직접 재던 값을 숫자로 내주는 정량 계측도 포함합니다. 구독·과금, 결제, 월정산, 다국어를 갖춘 B2B SaaS이며 PACS·모바일 앱 파트너에게 API를 제공합니다.

# 우리가 만들려는 것

지금 이 제품은 병원의 여러 시스템 사이에 끼어 있는 한 조각입니다. 촬영 장비는 A사, 영상 저장·조회(PACS)는 B사, 진료기록은 C사 차트 프로그램, 고객 관리와 재방문 안내는 대체로 수기입니다. 목표는 그 조각을 늘려 동물병원의 임상과 운영 전체를 하나의 플랫폼으로 잇는 것입니다.

## 판독 AI를 더 깊게
검출에서 정량화로, 정량화에서 예후·치료 반응 예측을 동물 임상에서 만드는 일입니다. 우리는 이미 정량화 단계에 발을 걸치고 있습니다. 모델과 학습 데이터를 이관받아 자체 재학습 단계로 넘어갑니다.

## PACS 파트너와 함께
지금은 외부 PACS가 우리 판독 결과를 가져다 자기 화면에서 보여줍니다. 협력 중인 PACS 업체들과 연동을 더 깊게 만들어 영상과 판독이 한 흐름에서 오가도록 하는 것이 방향입니다. 병원은 두 제품의 경계를 느끼지 않게 되고, 예측 단계로 나아가는 데 필요한 영상 맥락도 파트너와 함께 확보합니다.

## EMR·CRM
예약·접수·진료기록·처방·수납·재방문까지 동물병원의 매출을 증대하는데 필요한 것을 만듭니다. 그리고 진단 이후의 결과 데이터가 여기서 나오는데, 그것이 다시 1번 축의 학습 재료가 됩니다.

세 축은 나란한 세 사업이 아니라 서로의 전제입니다. 예후를 예측하려면 진단 이후에 무슨 일이 있었는가를 알아야 하고, 그 데이터는 PACS와 차트에 있습니다.

# 어떻게 만드는가
이 그림을 회사 하나가 처음부터 다 만드는 것은 무리입니다. 임상·수의 도메인, 병원 영업 네트워크, AI 모델, IT 엔지니어링, 인프라 운영까지 각 축을 이미 잘하는 주체들이 강점을 붙여 한 팀처럼 움직입니다. 스타트업 한 곳이 4~5년에 걸쳐 갖추는 것들(상용 AI 모델, 병원 고객, 축적된 판독 데이터)이 이미 있고, 그것을 하나의 제품 아키텍처로 수렴시키는 것이 이 역할입니다. 흩어진 강점을 잇는 일은 결국 서로의 인터페이스를 정하는 일이고, 그것을 정하는 사람이 사실상 설계자입니다.

# 솔직하게 적는 난이도
잘 만들어진 시스템에 기능만 얹는 자리가 아닙니다. 외부 개발사가 4년간 구축·운영한 시스템을 인수하는 중이고, 스택은 Java 8 / Spring Boot 2.5 세대에 머물러 있습니다. 여러 컴포넌트가 DB에 직접 접근하는 구조여서, 이것을 정리하지 않으면 스키마도 서비스 경계도 손대기 어렵습니다. 자동 테스트도 거의 없습니다. 실제 병원이 매일 쓰는 서비스라 운영을 멈출 수도 없습니다.

What you'll do

* 코드 베이스의 현대화 판단과 실행
* 신규 제품 축의 기술 설계 - 추가 모델 서비스, PACS 파트너 연동 확대, EMR·CRM
* 운영 안정화 — 장애 대응(긴급 장애 온콜 포함), 성능 개선, 보안 체계 재정비, 모니터링 구축
* 인프라 재설계와 비용 최적화 — Kubernetes 운영, 관리형 서비스 이관 검토, 측정 가능한 절감
* 제안과 산정 — 개편·개발 과제의 범위와 공수를 산정하고 근거를 문서로 제시

Requirements

* Java / Spring 기반 시스템 개발 운영 경험 5년 이상, 또는 그에 준하는 백엔드 리드 경험
* 운영 중인 레거시를 단계적으로 개편해 본 경험 - 병행 운영, 무중단 마이그레이션 중 하나라도 실제로 해보신 분
* 관계형 DB 설계·마이그레이션 - 200개 이상 테이블 규모에서 스키마를 변경해 본 경험
* 클라우드 운영 - Azure 우대, AWS/GCP도 무관
* Kubernetes 운영 경험, 또는 관리형 서비스로의 이관 설계 경험
* CI/CD 파이프라인 설계와 재구축 경험
* 비개발 조직(운영·기획·법무)에 기술 리스크를 설명할 수 있는 커뮤니케이션

Preferred qualifications

* 의료·헬스케어 도메인 경험 (DICOM, PACS 연동, 의료 데이터 규제)
* PACS·의료영상 시스템과 연동해 본 경험
* EMR / EHR, 예약·수납 등 현장 업무 시스템의 제품화 경험
* AI/ML 서비스 운영 경험 — 모델 서빙, 추론 파이프라인, GPU 자원 관리 (모델 학습보다 운영·배포 쪽)
* 결제·정산 시스템 구축·운영 경험 (PG 연동, 구독 과금, 정산 대조)
* Vue에서 React 또는 유사 프레임워크로 마이그레이션한 경험
* NestJS / Prisma / TypeScript 실무 경험
* AI 코딩 도구를 실무에 적극 활용하는 분. 이 규모의 개편에서 생산성 차이가 큽니다. 다만 AI가 생성한 결과를 검증할 수 있는 역량이 전제입니다
* 다국어 서비스 운영 경험
* 회사 경계를 넘어 범위·공수·리스크를 협의해 본 경험

Benefits

* Macbook Pro + 32 UHD
* AI 서비스 비용 지원
* 식사 제공
* 건물 내 스포츠 센터 지원 (헬스, 배드민턴, 농구, 탁구, 스쿼시, 골프 등 가능)
* 매달 3번째 주 1.5시간 조기 퇴근
* 생일 2시간 휴가 제공
* 반반차 휴가

Hiring process

서류 전형 > 면접 전형 > 최종 합격 > 근무조건 협의

레시피온

About the company

레시피온

레시피온(Recipeon)은 제조·유통 현장에서 축적된 경험과 노하우를 AI가 실행 가능한 ‘레시피(Recipe)’ 형태로 구조화한다는 의미를 담고 있습니다. 그동안 현장의 경쟁력은 사람의 경험과 감각에 의존해 왔습니다. 이제 우리는 그 경험을 데이터와 구조로 전환하고, AI가 실행할 수 있는 형태로 재정의합니다. # 우리가 해결하는 문제 제조·유통 현장은 공통적으로 이런 병목이 있습니다. - 견적/구매/생산/재고/납기 판단이 숙련자의 경험에 과도하게 의존 - RFP/사양서/메일/PDF/엑셀 등 비정형 문서가 흩어져 있어 처리 비용이 큼 - 시스템(ERP/MES)은 있어도 “그래서 지금 뭘 해야 하는지”를 알려주지 못함 우린 이걸 도메인 특화 AI Agent + 실행 가능한 워크플로우로 해결합니다. # 우리가 만드는 것 (제품/플랫폼) ## Monask (AI-native 업무 플랫폼) - 비정형 문서(RFP/사양/PDF/메일) 구조화 데이터/프로세스 연결 - 사람의 판단이 필요했던 업무를 Agent가 1차 처리하고 사람이 최종 결정 ## 핵심 모듈 예시 - RFP/견적 자동화 (CPQ Agent): 요구사항 파싱 제품/공정/원가 매칭 견적 초안/리스크 생성 - 생산/공정 계획 (AI-APS): 현장 제약(자재/설비/우선순위) 반영한 실행 가능한 계획 제시 - 의사결정 Agent: “지금 발주할까?”, “납기 지연 리스크는?” 같은 질문에 근거 기반 응답 # 우리가 찾는 사람 우리는 AI 데모가 아니라 AI를 실제 현장에 꽂아 넣는 사람을 찾습니다. - 복잡한 업무 로직을 명확한 구조와 시스템으로 정리하는 걸 좋아하는 분 - 모델 성능만이 아니라 제품/운영/데이터 흐름 전체를 설계하고 싶은 분 - 빠르게 실험하고 고객 반응을 통해 가설을 업데이트하는 분 - 최적보다 현장에서 돌아가는 해법을 만들고 싶은 분