AI Researcher
Confirmed on the employer's own hiring board on Oct 14, 2026. First seen by Alion on Dec 22, 2025. LBOX scores C on the Alion truth index.
엘박스의 Data AI Team을 소개해요.
Data AI 팀은 엘박스의 방대한 원천 법률 데이터를 기반으로, 데이터 처리(Data)-검색(Searching)-학습(Learning)-평가(Evaluation) 에 이르는 AI 핵심 기술 축을 담당하는 팀이에요. 특히 법률 도메인의 강점을 극대화해 LBOX의 독자적 AI 기술 스택을 구축하며, 제품팀(Squad)과의 밀접한 협업을 통해 제품 고도화에 직접적으로 기여하는 기술 개발을 수행해요.
1. 평가: 법률 AI의 성능을 측정하는 표준을 만들어요.
Data AI 팀이 가장 중요하게 다루는 영역 중 하나는 정량적이고 재현 가능한 AI 평가 체계 구축이에요. 평가가 곧 개선의 토대라는 원칙 아래, LBOX에서의 AI 제품이 실제 환경에서 어떤 성능을 내는지 객관적 기준을 수립하고, 개선 방향을 제시해요.
2. 학습: Agent 기반의 지식 및 행동에 대한 학습 메커니즘을 개발해요.
정량적인 평가를 바탕으로, Data AI 팀에서는 LLM의 parameter tuning 중심의 모델 학습 방식을 넘어, 모델이 실제 환경에서 지식을 습득하고 도구를 활용하는 행동을 최적화할 수 있는 Agent 학습 방법을 구축하는 것에 초점을 둬요. 이를 통해 법률 AI 분야에서 LBOX의 지속적인 기술적 우위를 확보해요.
3. 검색: 법률 Retrieval 분야의 기술적 우위를 확보해요.
Data AI 팀은 Agent 학습의 핵심 요소 중 하나인 지식 탐색 능력을 강화하기 위해, 법률 도메인에 최적화된 검색 기술을 개발해요. 법률 문서의 구조적 특성을 정교하게 반영해, 모델이 필요한 정보를 정확히 찾아 활용할 수 있는 기반을 마련해요.
4. 데이터: 법률 데이터의 구조적 강점을 AI 전 과정에 내재화해요.
Data AI 팀은 복잡한 법률 문서를 AI가 학습·검색·평가에 활용할 수 있도록 정제하고 구조화하는 역할을 수행해요. 법률 데이터의 형식·논리·참조 체계 등 핵심 요소를 반영한 데이터 파이프라인을 구축해, LBOX AI의 전반적인 성능 향상과 기술적 일관성을 뒷받침해요.
5. 팀 구성: 각 전문 영역을 기반으로 유기적인 협업을 수행해요.
이러한 역할을 수행하기 위해 Data AI 팀은 Data Engineer, Search Engineer, AI Researcher로 구성되어 있으며, 각 직군이 고유한 강점을 바탕으로 유기적으로 협력해 LBOX의 법률 AI 경쟁력을 강화해요.
엘박스의 AI Researcher를 소개해요.
Data AI 팀은 역할을 고정된 직무로 구분하지 않고, 각 구성원이 가진 전문성과 강점을 중심으로 기여 영역을 유연하게 설정해요. 그중 AI Researcher 포지션은 평가(Evaluation)와 학습(Learning)을 중심으로 전문성을 발휘하며, 팀의 핵심 기술 축 전반에 기여하는 역할을 수행해요.
AI Researcher는 모델의 실제 성능을 정밀하게 평가해 개선 방향을 도출하고, 모델이 환경에서 지식을 습득하고 도구를 활용할 수 있도록 하는 Agent 기반 법률 AI를 학습 및 개선해요. 이와 함께 검색과 데이터 처리에도 적극적으로 참여하여, 법률 도메인의 구조적 특성이 학습·검색·평가 전 과정에 효과적으로 반영되도록 팀 내 다양한 기술 축을 연결해요.
어떤 일을 하나요?
- 최신 AI 기술의 동향을 리서치하고 핵심 논문을 분석하여 엘박스 서비스에 적용할 새로운 아이디어를 발굴하고 기술적 타당성을 검증해요.
- 다양한 LLM과 새로운 방법론을 활용하여 빠르게 프로토타입을 구축하고 성능 개선을 위한 실험을 주도적으로 설계 및 수행해요.
- 실험을 통해 검증된 기술과 모델을 기반으로 법률 AI 제품의 신규 기능을 개발해요.
- 사용자 행동 로그 및 국내 최대 규모의 법률 데이터를 분석하여 모델 학습 및 평가에 필요한 고품질 데이터셋을 구축하고 관리해요.
이런 능력을 가진 분과 함께 하고 싶어요.
- AI/ML 관련 분야에서 3년 이상 연구/개발 경험을 쌓았거나 그에 준하는 역량(석사 학위, 프로젝트 경험 등)을 갖춘 분
- LLM, Transformer, RAG, Agent 등 최신 AI 모델의 구조와 작동 원리에 대한 깊은 이해를 갖춘 분
- 새로운 기술과 논문을 빠르게 학습하고 문제 해결을 위해 주도적으로 실험하는 것을 즐기는 분
- 주어진 문제를 해결하는 것을 넘어, 스스로 문제를 발견하고 정의하며 해결책을 탐색하는 과정을 즐기는 분
- AI 기술을 통해 실제 사용자 문제를 해결하고 비즈니스 가치를 만드는 과정에 깊이 몰입하고 기여하고 싶은 분
- 자신의 연구와 실험 결과를 명확하게 문서화하고 동료들과 효과적으로 커뮤니케이션할 수 있는 분
- 해외여행 및 출장에 결격/제한 사유가 없는 분
이런 경험이 있다면 더욱 좋아요.
- 평가 모델(LLM as a Judge) 등을 활용하여 생성형 AI 시스템의 품질을 정량적으로 측정하고 개선해 본 경험이 있는 분
- LLM의 학습(Pre-training 또는 Post-training)을 직접 수행한 경험이 있는 분.
- Retrieval 시스템을 구축·개선하고 검색 품질을 정량적으로 향상시켜 본 경험이 있는 분
- 데이터를 직접 정제하고 모델 학습을 위한 고품질 데이터셋을 구축해 본 경험이 있는 분
- Top-tier AI 학회 논문 게재 경험이 있는 분 (예: NeurIPS, ICLR, ICML, ACL, NAACL, EMNLP 등)
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.
엘박스팀 합류 여정
서류 지원 > 1차 직무역량 인터뷰 및 프로젝트 발표 > 2차 조직문화 인터뷰 > 3차 CEO 인터뷰 및 레퍼런스 체크 > 최종합격
- 프로세스는 상황에 따라 사전 안내 후 일부 변경될 수 있어요.
- 1차 직무역량 인터뷰에서는 프로젝트 혹은 직접 수행하신 연구 관련해 약 20분 내외로 슬라이드 발표를 요청드리고 있어요. (총 2시간 정도 소요)
엘박스 다큐멘터리
Contact
위 포지션과 관련하여 궁금한 사항은 언제든지 편하게 말씀해주세요.
채용 문의 : [email protected]