Solution Architect (MLOps)

함께하게 될 Tech Coordination Team을 소개합니다!

Tech Coordination Team은 CTO 직속의 Technical Pre-Sales 조직 입니다.

계약이 체결되기 전 고객과 가장 먼저 기술적인 논의를 시작하고

고객 요구사항 → 기술 요건 → Architecture → 개발 범위 → 구축 범위 → 예상 투입공수 로 구체화합니다.

Sales가 고객의 Business Requirement를 파악한다면 Tech Coordination Team은 다음 질문에 답합니다.

그리고 고객과 합의한 기술적인 내용이 실제 제품 및 프로젝트에 반영될 수 있도록 Product, Engineering, FDE, PM 등 여러 조직과 협업합니다.

즉, 고객의 요구사항과 마키나락스의 제품·기술 사이를 연결하는 Technical Interface 역할입니다.

채용 배경

제조 AI에서 좋은 모델을 만드는 것만큼 어려운 일은 그 AI가 고객의 실제 환경에서 안정적으로 개발되고 배포되고 운영되도록 만드는 것 입니다.

Public Cloud를 사용하는 곳도 있지만, 대부분의 제조·국방 고객은 On-Premise와 폐쇄망 환경을 함께 사용합니다. Kubernetes 구성도 다르고, GPU와 Storage, Network, 보안 정책, 기존 DevOps 체계와 연동해야 하는 시스템도 모두 다릅니다.

따라서 Enterprise AI를 실제 현장에 적용하기 위해서는 단순히 제품을 설명하는 것만으로는 부족합니다.

마키나락스의 Tech Coordination Team 은 바로 이 문제를 담당합니다.

고객의 현재 환경을 이해하고, 요구사항을 기술적으로 구조화하고, 어떤 아키텍처로 구축할 것인지 설계하며, 우리가 개발할 수 있는 것과 없는 것을 계약 전에 판단할 수 있어야 합니다.

고객과 Sales가 이야기하는 요구사항을 기술의 언어로 바꾸고, 마키나락스의 AI OS와 기술이 고객 환경에서 실제로 동작할 수 있도록 고객과 개발조직 사이를 연결합니다.

이런 일을 함께 합니다.

1. Discovery | 고객의 기술 환경과 요구사항을 파악합니다

• Sales와 함께 고객 미팅에 참여해 IT·AI·MLOps 인프라, Kubernetes·Container 운영 환경, GPU·Storage·Network 구성 을 확인합니다.
• 보안정책·폐쇄망·망분리 제약 과 CI/CD·Data Platform·SSO/LDAP 등 기존 시스템 연계 요구사항 을 파악합니다.
• 고객의 MLOps 운영 프로세스와 Pain Point를 분석해 기능·성능·운영·보안 요구사항을 기술 Requirement로 구조화 합니다.

2. Architecture | 고객 환경에 맞는 구축 구조를 설계합니다

• 마키나락스 AI OS를 기반으로 On-Premise·Cloud·Hybrid 환경별 Kubernetes Deployment Architecture 를 설계합니다.
• 개발·Staging·Production 환경 구성, Infrastructure Requirement 산정, HA·Scalability·Failover 구조를 검토합니다.
• Security·Authentication·Network Architecture와 CI/CD·Model Deployment Pipeline, LLM Serving 방안 을 정의합니다.

3. Feasibility | 할 수 있는 것과 추가 개발이 필요한 것을 판단합니다

• 요구사항을 Standard / Configuration / Customization·Integration / Product Development / Not Feasible 로 구분합니다.
• Product·Engineering과 구현 가능성, Roadmap, 기술 Risk와 Dependency를 검토 하고, 범위 조정과 기술적 대안을 제시합니다.

4. Scope & Proposal | 범위·공수를 산정하고 제안의 기술 완성도를 책임집니다

• PoC·Pilot·Production 단계별 Task, 예상 Man-Hour/Man-Month, 필요 Resource와 Milestone 을 정의해 Sales·PM의 Scope와 견적 수립을 지원합니다.
• 제안서의 시스템 구성도, 요구사항별 대응방안, 기술 Stack 을 작성·검토하고, RFP/RFI 기술 대응과 고객 Technical Q&A 를 담당합니다.

5. Handover | 계약 이후 수행조직이 바로 움직일 수 있게 연결합니다

• PM·FDE·Product·Engineering에 고객 환경, Architecture, 확정 Requirement와 합의 Scope, 추가 개발 사항과 Risk 를 전달합니다.

이런 분을 찾습니다

1. Backend, MLOps, DevOps, Platform Engineering, Cloud Infrastructure 등 유관 분야에서 5년 이상 개발·기술 경험을 보유한 분

• Container 기반 Application을 개발·배포·운영해 본 경험 보유

2. Kubernetes의 주요 개념과 Architecture를 이해하고 있는 분

• Kubernetes 기반 시스템의 구축부터 Application 배포·운영까지 전체 구조를 설명할 수 있는 분
• MLOps Platform 또는 AI/ML 개발·운영 환경에 대한 이해 보유

3. 고객의 요구사항을 기술 Requirement와 Architecture로 구체화할 수 있는 분

• 여러 기술적 조건을 고려해 구현방안을 논리적으로 설명할 수 있는 분
• 모르는 기술도 빠르게 구조를 파악하고 필요한 판단을 내릴 수 있는 분

4. 개발자, PM, Sales 등 서로 다른 역할의 구성원과 원활하게 소통할 수 있는 분

※ AI 모델을 직접 연구·개발한 경험은 필수가 아닙니다. 모델 자체보다 AI가 Enterprise 환경에서 개발·배포·운영되는 데 필요한 Software와 Infrastructure에 대한 이해를 중요하게 봅니다.

이런 분이면 더 좋습니다.

1. On-Premise Kubernetes Cluster 또는 MLOps Platform을 구축·운영해 본 분

2. CI/CD·GitOps(Argo CD, Argo Workflows 등) 환경을 직접 구축해 본 분

3. Solution Architect, Sales Engineer, Technical Pre-Sales 경험이 있는 분

4. RFP 분석, 기술제안서 작성, 개발범위 및 Man-Month 산정 경험이 있는 분

5. Enterprise 고객 대상 시스템 구축 또는 SI 프로젝트를 수행해 본 분

6. 폐쇄망 또는 높은 수준의 보안이 요구되는 Enterprise 환경을 경험해 본 분

7. LLMOps·LLM Serving(vLLM 등) 인프라 구축 경험이 있는 분

채용절차

• 서류검토
• 사전인터뷰
• 기술인터뷰
• Fit인터뷰
• 평판조회

기타 안내 사항

• 채용 프로세스 진행 시 추가 인터뷰나 과제를 요청드릴 수 있습니다.
• 입사 후 3개월의 수습 기간 및 수습 평가가 진행되며, 해당 기간 중 급여는 100% 지급됩니다.