AI Engineer

About the role

엘박스는 “법을 사람들에게 더 가깝고 의미 있게 만든다”는 미션을 가진 법률 인공지능 소프트웨어 스타트업입니다. 법률 전문가를 돕는 것이 곧 법의 도움을 필요로 하는 사람들을 돕는 것이라는 믿음을 가지고, 2020년 출시한 판례 검색 서비스 ‘엘박스’를 시작으로 기술을 통해 법률 업무를 혁신하기 위한 노력을 꾸준히 이어오고 있습니다.

현재 대한민국 전체 변호사의 약 60%에 해당하는 2만 명의 변호사가 엘박스 회원으로 가입되어 있습니다. 주요 고객은 김앤장, 광장, 태평양을 포함한 국내 10대 로펌과 삼성전자, SK, 현대건설, LG, 네이버 등 주요 대기업입니다. 법무부, 경찰청, 금융감독원 등 정부기관에서도 엘박스를 사용하고 있습니다.

2024년 상반기 엘박스는 판결문 기반 변호사 찾기 서비스 '엘파인드'와 법률 분야에 특화된 대화형 AI 검색 서비스인 '엘박스 AI'를 출시하여, 그동안 축적된 데이터와 기술력을 기반으로 법률 업무 환경을 한 차원 더 혁신하고자 합니다.

[엘박스의 AI ​Engineer를 ​소개해요.]
엘박스는 ​자체 구축한 ​국내 최대 규모의 법률 ​DB를 ​기반으로 법률 ​리서치, 문서 분석, ​문서 작성을 ​수행하는 ​국내 최고의 ​법률 ​AI ​Agent를 제작·운용하고 있어요. ​국내 ​변호사의 80% 이상, ​대검찰청, ​김앤장, ​삼성전자 등 주요 ​기관 소속 ​전문가들이 ​매일 사용하는 ​검증된 상용 ​AI ​서비스예요.

엘박스의 AI Engineer는 ​AI Platform ​Team에 소속되어 신뢰할 수 있는 법률 AI Agent를 직접 만들어요. 모델 자체를 학습시키는 것보다, 빠르게 발전하는 AI 기술을 실제 법률 현장에서 정확하고 안정적인 제품적 가치로 변환시키는 데에 집중해요.

제품 과업 자체가 AI Agent를 만드는 것이기에 Product와 Platform 영역을 나누지 않아요. 답변 품질을 높이는 일과, 이를 수치화하고 안정적으로 유지하는 기반 인프라를 구축하는 일을 한 팀원이 End-to-End로 주도해요.

[엘박스 AI Engineer만의 독보적인 경험]
1. 국내 최대 규모의 법률 DB 기반
• 판례, 유권해석, 주석서 등 독점적인 법률 DB 위에서 동작하는 고성능 AI 시스템을 직접 설계하고 운용해요.
2. 가장 전문적인 사용자들의 즉각적인 피드백
• AI Engineer가 실행한 제품적 개선은 그 효과가 즉각적이에요. 단순히 벤치마크 점수를 올리는 데 그치지 않고, 실제 법률 전문가의 업무 생산성을 높이고 결과물의 품질을 변화시켜요. 무엇이 좋아졌고 무엇이 아직 부족한지 현장의 피드백이 즉시 돌아와요.
3. 정답이 없는 문제에 대한 자체 평가 체계(Eval) 구축
• 어렵고 복잡한 법률문제에는 정해진 모범답안이 없어요. 평가 기준과 데이터셋을 직접 설계하며 프로덕트 개선의 표준을 만들어가요.

[구체적으로 이런 문제들을 풀고 있어요.]
1. 단순 근거 인용을 넘어, 실제 법리적 부합성을 검증해요.
• 법률 전문가에게 법률 데이터는 모든 과업의 출발점이에요. 데이터의 실재 여부나 원문 일치 파악을 넘어, 인용한 데이터가 해당 사건의 핵심 쟁점에 실제 들어맞는지 판단하는 정교한 법리 추론 정확도를 다뤄요.
2. 파편화된 품질 신호를 하나의 종합 지표로 정의해요.
• 검색과 인용 평가는 각각 구축되어 있지만, 모델이나 검색 로직을 바꿨을 때 생기는 복합적인 변화를 단편적인 지표로 판단하긴 어려워요. 서로 다른 품질 신호를 어떤 기준과 가중치로 종합해 실제 '품질 개선'으로 판정할지 정의해요.
3. 답변 오류 발생 시 파이프라인 단계별 원인을 즉시 추적해요.
• 검색·추론·생성 전 과정을 기록하지만, 최종 답변 오류만으로는 원인이 역산되지 않아요. 각 단계별 올바른 출력 기준을 정의하여, 문제 원인이 '검색의 오검색'인지 '모델의 근거 오독'인지 신속히 좁힐 수 있는 관측 체계(Observability)를 구축해요.
4. 외부 모델의 변화 속에서도 일관된 사용자 경험을 보장해요.
• 모델 장애 시 타 모델로 넘기는 페일오버(Failover)를 넘어, 외부 모델 버전업 시 눈에 띄지 않게 발생하는 답변의 미세한 품질 뒤틀림(Regression)을 감지하고 사용자가 체감하는 품질의 일관성을 유지해요.

What you'll do

1.Agent 코어 개발
• LLM 기반 Planning, Tool-calling, Multi-step reasoning 구조를 설계하고 구현해요.
• Agent의 State, Memory, Workflow Orchestration과 Failure handling 구조를 설계해요.
• 법률 질의를 처리하는 RAG 파이프라인의 Query analysis, Hybrid search, Re-ranking, Fact-checking 기술을 고도화해요.

2. 평가 체계 구축 및 R&D
• Answer accuracy, Citation precision, Tool-call accuracy, Hallucination rate 등의 지표로 품질을 정의하고 평가 파이프라인을 자동화해요.
• 법률 도메인 특화 벤치마크를 설계·수집·정제하고, 법률 전문가가 참여하는 Human-in-the-loop 평가를 운영해요.
• 사용자 피드백과 실패 사례를 Trace 단위로 역추적해 원인을 규명하고, 평가셋과 제품 개선에 반영해요.
• 새로운 Agent·LLM 기법을 재현하고 자체 벤치마크로 검증해 제품 적용 여부를 판단해요.

3.프로덕션 운영 및 최적화
• Latency, Cost, Reliability 관점에서 전체 파이프라인을 측정하고 최적화해요.
• 다양한 LLM Provider를 상황에 맞게 활용하고, Fallback·Retry·Circuit breaker·Routing 등 장애 대응 구조를 설계해요.
• Feature flag 기반의 점진 배포로 모델과 프롬프트 변경 리스크를 통제하며 안정적으로 배포해요.
• Metric과 Trace를 기반으로 운영 이슈와 품질 저하의 원인을 분석하고 개선해요.

Requirements

• LLM 기반 기능을 프로토타입에 그치지 않고 실제 사용자가 쓰는 프로덕션 서비스로 구현해 본 분
• 여러 단계의 LLM Workflow나 Agent 시스템을 직접 설계하고 구현해 본 분
• 문제를 정량적인 지표로 정의하고, 실험과 측정을 통해 개선 여부를 판단해 본 분
• 새로운 기술을 빠르게 이해하고 직접 검증해 제품에 적용할 수 있는 분
• 해외여행 및 출장에 결격·제한 사유가 없는 분

Preferred qualifications

• Agent나 Multi-agent 시스템을 실제 제품 맥락에서 설계하거나 운영해 본 경험
• 성격이 다른 검색 엔진과 저장소를 조합해 IR(Information Retrieval) 파이프라인을 고도화해 본 경험
• 다양한 LLM Provider(OpenAI, Azure OpenAI, AWS Bedrock 등)를 실제 서비스 환경에서 평가하고 운영해 본 경험
• Hallucination 완화, Citation verification, Guardrail 등 신뢰성을 높이는 연구나 구현 경험
• 법률·금융·의료처럼 정확성과 근거 제시가 엄격하게 요구되는 도메인에서 제품을 만들어 본 경험

[합류하면 이런 경험을 하게 돼요.]
1. 고난도 법률 도메인에서 AI의 신뢰성을 끝까지 책임져요
• 법률 도메인은 높은 정확성, 명확한 근거 제시, 재현성이 엄격하게 요구돼요. 단순히 좋은 답변을 만드는 데서 그치지 않고, 이를 어떻게 평가하고 검증하여 안정적인 시스템으로 제공할지 깊이 있게 고민해요.
2. R&D부터 프로덕션까지 End-to-End로 주도해요
• 리서치와 프로덕션이 분리되어 있지 않아요. 새로운 아이디어를 프로토타입으로 만들고, 자체 평가를 거쳐 실제 사용자에게 제공되는 제품까지 연결하는 전 과정을 직접 경험할 수 있어요.
3. 최고 수준의 법률 전문가와 원팀으로 법률 도메인의 가장 어려운 문제를 풀어가요
• AI Platform Team의 뛰어난 동료들과 기술 방향을 설계하고, 법률 전문가와 직접 협업하며 현장의 도메인 문제를 명확한 제품과 기술의 과제로 정의해 해결해요.

[지원 전, 꼭 확인해 주세요.]
• 문제 해결 과정 중심 작성: 단순 과업 나열보다는 어떤 문제를 마주했고 어떻게 해결했는지 구체적인 맥락을 중심으로 작성해 주세요.
• 정량적 개선 경험 강조: 성능이나 품질을 정량적으로 측정한 경험이 있다면, 어떤 지표를 왜 정의했고 결과가 어떻게 달라졌는지 함께 적어 주시면 더욱 좋아요.
• 이력서 제출 형식: 원활한 서류 검토를 위해 이력서는 PDF 파일 형식으로 제출해 주세요. 노션이나 외부 웹 링크로만 제출된 이력서는 평가에 반영하기 어려울 수 있어요.
• 추가 자료 안내: 단, 포트폴리오나 프로젝트 추가 자료는 웹 링크(GitHub, Blog, Notion 등)로 제출하셔도 무방해요.

Benefits

[근무/업무 환경]
• 유연한 출퇴근 시간 (08:00~11:00 중 출근)
• 1시간 단위로 승인 없이 휴가 사용 가능
• 최신형 장비 지원 및 추가 물품 필요시 구매 지원
• 전 직원 스탠딩 데스크와 스틸케이스 의자 지원

[식사/간식]
• 오피스로 찾아오는 점심 케이터링 서비스 지원
• 부득이한 초과근로 시 석식 제공
• 커피 무제한 제공
• 다양한 간식 무한 제공

[자기계발]
• 도서 구매, 강의 및 컨퍼런스 참여 등 교육비 무제한 지원
• 업무와 무관한 취미 계발, 스포츠 등 학습 비용 지원
• 업무에 필요한 AI Tool 지원

[그 외]
• 3년 근속시 3주 리프레쉬 휴가 및 휴가비 100만원 지원
• 연 2회 기념일 반차 휴가 제공
• 본인 생일, 명절마다 상품권 지급
• 매년 종합 건강검진 및 검진 당일 휴가 지원
• 경조사비 및 화환/조화 지급
• 사내추천 채용 보상금 직군 관계 없이 500만 원 지급
• 신규 입사시 L-lunch 지원

Hiring process

서류 지원 ＞ 1차 직무역량 인터뷰 ＞ 2차 조직문화 인터뷰 ＞ 3차 CEO 인터뷰 및 레퍼런스 체크 ＞ 최종합격
프로세스는 상황에 따라 사전 안내 후 일부 변경될 수 있어요.
• 1차 직무역량 인터뷰는 1시간 30분 정도 소요돼요.
• 2차 조직문화 인터뷰는 1시간 정도 소요돼요.