logo
[미리캔버스] AI Agent Engineer
직군
개발
경력사항
경력 2년 이상
고용형태
정규직
근무지
미리디서울특별시 구로구 디지털로31길 12, 8층, 13층, 14층 미리디

| ​한 ​줄 ​요약

문서, 코드, ​음악, 사진, 그다음은 그래픽 ​디자인입니다.

GPT로 ​단순히 문서를 ​잘 쓰고 Claude ​Code로 코드를 ​잘 ​짜는 것은 ​이제는 ​새롭지 ​않습니다.

아직도 AI가 정복하지 ​못한 ​인간의 가장 창의적인 ​능력인 ​디자인 ​영역에서,

우리는 디자인을 이해하는 ​AI Agent를 ​만듭니다.



​| ​우리가 하는 ​일

미리캔버스는 ​국내에서 가장 많은 ​사용자가 쓰는 ​그래픽 에디터입니다.

수 십만 장의 프레젠테이션 템플릿, 각각의 레이아웃, 색상, 타이포그래피, 구조가 전문 템플릿 디자이너의 의도를 담고 있습니다.


우리는 이 디자인 자산을 AI가 이해할 수 있는 구조(Ontology)로 변환하고,

디자이너가 창작의 자유로 만들어낸 디자인을 해석하여 구조화하고,

"3개의 bullet point로 구성된 5개 섹션 그리드 구조의, 사진을 2장 넣을 수 있는 Minimalistic 디자인"과 같은 정확한 의도에 따라 디자인 컴포넌트를 검색하고,

필요한 내용을 정확하게 채워 넣는 AI Agent 시스템을 만듭니다.


구체적으로:

  • 디자인 이미지를 보고 "이건 제목, 이건 설명, 이건 배경 장식"이라고 판별하는 Agentic AI Pipeline
  • AI 추론결과를 Domain-knowledge 기반으로 해석하고, Context를 재증강하는 Rule-based Linter
  • 100만건 이상의 디자인에서 사용자 의도에 맞는 컴포넌트를 찾는 구조 기반 검색 시스템
  • 찾은 컴포넌트에 텍스트와 스타일을 자동으로 채워주는 Content Substitution 엔진



| 왜 디자인인가 / 왜 우리인가

AI가 만든 프레젠테이션을 써 본 적이 있다면, 이런 경험이 익숙할 것입니다.

결과물이 이미지로 나와서 텍스트 하나 고칠 수 없거나,

편집은 가능하지만 템플릿이 수십 개뿐이라 어디서 본 듯한 디자인이 나오거나,

그럴듯해 보이지만 실제로 써 보면 레이아웃이 깨지거나.

어떤 도구도 아직 이 문제를 풀지 못했습니다.


원인은 같습니다.

AI가 디자인을 "생성"하는 것과 디자인을 "이해"하는 것은 완전히 다른 문제이기 때문입니다.


생성은 픽셀을 만들어냅니다. 이해는 구조를 읽어냅니다.

구조를 읽을 수 있어야, 수십만 장의 전문 디자이너 템플릿에서 의도에 맞는 것을 찾고,

내용을 바꿔도 디자인이 무너지지 않는 결과물을 만들 수 있습니다.


우리는 국내 최대 규모의 전문 디자인 자산과,

이를 구조적으로 이해하는 자체 기술을 가진 유일한 팀입니다.



| 이 포지션에서 경험할 수 있는 것

1️⃣Design Ontology 구축

국내에서 가장 뛰어난 그래픽 에디터를 위해 제작된 수십만 장의 디자인 템플릿을,

AI가 이해할 수 있는 Ontology로 구축하는 경험.


디자인의 시각적 구조(레이아웃, 계층, Role)를 디자인의 구조적/의미론적 정보를 담은 마크업 언어(R.L. S.C.™ - Relative Layout Structured Content)로 표현하고,

이를 기반으로 검색, 대치, 생성이 가능한 시스템을 설계합니다.

학술적으로도 참조가 거의 없는 선구적인 영역입니다.


NLP에는 Named Entity Recognition이, CV에는 Object Detection이 있습니다.

수십 년간 축적된 표준 프레임워크 위에서 모델을 학습시키면 됩니다.


디자인에는 이에 해당하는 것이 없습니다.


"이 텍스트 박스가 제목인지 설명인지"를 판단하려면,

먼저 "디자인에서 제목이란 무엇인가"를 정의해야 합니다.

그리고 그 정의는 디자이너마다, 템플릿마다, 맥락마다 다르게 적용됩니다.


우리는 이 표현 체계를 직접 설계하고,

그 체계 위에서 AI가 추론하고, 검증하고, 교정하는 전체 시스템을 함께 만듭니다.


2️⃣Context Engineering

Proprietary model이 디자인의 맥락을 정확하게 이해하도록

Schema, Prompt Template, Relations, Schema manipulation tools를 설계하고 추론을 성능과 비용 면에서 모두 최적화하는 경험.


Multimodal 입력(이미지 + 자체 디자인 원문 데이터 + 텍스트 + 시맨틱 관계)을 다루면서,

"AI에게 무엇을 어떻게 보여줘야 하는가"라는 근본적인 질문을 매일 마주합니다.


3️⃣AI 품질 엔지니어링

"AI가 잘 작동한다"를 어떻게 증명하는가?

Human labelling 파이프라인 운영, accept rate 추적, 규칙 파라미터 sweep,

데이터 기반 의사결정까지, 연구실이 아닌 Production 환경에서의 AI 품질 관리를 경험합니다.


4️⃣End-to-End 파이프라인

새로운 AI 기법의 빠른 PoC 검증부터 Production 적용까지,

데이터 추출 → 품질 검증(Linting) → 검색 → 콘텐츠 생성 → Production 서빙.

한 팀 안에서 파이프라인의 처음부터 끝까지 경험합니다.



| 주요 업무

"미리디에서 이런 일들을 함께 하고 싶어요"

  • Agentic AI Workflow을 개발 및 운영합니다. (TypeScript 기반)
  • Design Ontology 스키마를 설계하고 데이터 파이프라인 구축합니다.
  • Rule-based Linter 규칙을 개발하고 품질 관리 시스템을 운영합니다.
  • Multimodal AI 모델 기반 구조를 추출하고 평가 시스템을 개발합니다.
  • 학습/평가 데이터셋을 구축하고 파이프라인을 개발합니다.


| 자격요건

"이런 분이라면 목표 달성에 확신을 얻을 것 같아요"

  • TypeScript (백엔드 혹은 풀스택) 개발 경험 2년 이상 또는 이에 준하는 역량을 갖고 계신 분
  • LLM/AI API를 활용한 Agent 및 Agent Workflow 프로젝트 경험이 있으신 분 (규모 무관)
  • Prompt/Context Engineering 경험이 있으신 분 (Few-shot Prompting, CoT, Parallel Tool-use)
  • 데이터의 패턴을 발견하고, 그 품질에 집착하는 성향이 있으신 분
  • AI 도구를 적극적으로 활용하여 문제를 해결한 경험이 있으신 분 (도구 종류 무관)
  • 새로운 도메인을 빠르게 학습하고 구조화하는 능력이 있으신 분



| 우대 사항

"이런 분이라면 장기적으로 서로에게 더 긍정적일 것 같아요!"

  • Agentic Search 또는 RAG 파이프라인 설계/개발 경험이 있으신 분 (Query Planning, Multi-hop Retrieval, Vector/Graph DB 활용 등)
  • AI Agent 평가 체계 설계/운영 경험이 있으신 분 (정량 지표 정의, 평가 데이터셋 구축, Human-in-the-loop 검증, Regression 테스트 자동화)
  • LLM Observability 를 위한 지표 정의, 활용 경험이 있으신 분 (Trace, metric, cost 분석, Continual learning을 위한 Observability 도구 상의 dataset 수집)
  • CI/CD 파이프라인 구축 및 배치 시스템 운영 경험이 있으신 분
  • 컴퓨터 공학 혹은 AI 융합 전공 우대



| 이런 분이면 잘 맞아요

  • "이건 왜 이렇게 되지?"를 자연스럽게 파고드는 분
  • 한 가지 전문 영역보다 여러 기술을 넘나드는 것을 즐기는 분
  • AI가 만든 결과물을 보고 "이건 좀 아닌데"라고 느끼면 끝까지 개선하는 분
  • 추상화/고수준 시스템 설계를 좋아하는 분
  • 새로운 분야에서의 Frontier를 개척하는 것을 즐기는 분
  • 글로벌 임팩트를 낼 수 있는 제품을 내 손으로 만들어보길 원하는 분



| 기술 환경

  • Language: TypeScript
  • AI/ML: Proprietary Models (OpenAI, Anthropic), Multimodal Embedding
  • Database: PostgreSQL (jsonb, pgvector), Supabase, pgboss
  • Infra: Docker, GitHub Actions, GPU 서버(H200, A100)
  • Framework: Next.js, Node.js Worker, AI SDK, Mastra
  • Workflow: Agentic Pipeline, LLM Observability (Langfuse)



| 서류 검토 자료

  • GitHub Repository 또는 기술 블로그
  • 포트폴리오 제출 필수 (아키텍처 설계 포함 시 우대)
  • 프로젝트별 본인 기여 영역 및 기여율 기재



| 기타 사항

  • [서류 전형] - [1차 인터뷰] - [2차 인터뷰] - [처우 협의] - [입사] 의 프로세스로 진행됩니다.
  • 서류는 원활한 검토를 위해 PDF 형식으로 제출 부탁 드립니다.
  • 1차 인터뷰 안내
  • 문제 해결 및 Agent 서비스 설계 역량 테스트가 진행됩니다. (화이트 보드, 스크린 활용) (1시간 내외)
  • 테스트 후 시스템 디자인 및 경력 기반 기술 인터뷰가 진행됩니다. (1시간 30분 내외)
  • 2차 인터뷰의 경우, 직무/직급에 따라 생략될 수 있습니다.
  • 입사 후 3개월의 수습 기간 및 수습 평가가 진행됩니다. (급여 100%)
  • 서류 전형 결과 안내까지는 최대 2주, 인터뷰 결과 안내까지는 최대 3주가 소요됩니다.
  • 여러 포지션에 동시에 지원해주시는 것은 가능하지만 동일한 포지션의 경우 최종 결과 안내를 받은 시점으로부터 6개월 후에 재지원이 가능합니다.
공유하기
[미리캔버스] AI Agent Engineer

| ​한 ​줄 ​요약

문서, 코드, ​음악, 사진, 그다음은 그래픽 ​디자인입니다.

GPT로 ​단순히 문서를 ​잘 쓰고 Claude ​Code로 코드를 ​잘 ​짜는 것은 ​이제는 ​새롭지 ​않습니다.

아직도 AI가 정복하지 ​못한 ​인간의 가장 창의적인 ​능력인 ​디자인 ​영역에서,

우리는 디자인을 이해하는 ​AI Agent를 ​만듭니다.



​| ​우리가 하는 ​일

미리캔버스는 ​국내에서 가장 많은 ​사용자가 쓰는 ​그래픽 에디터입니다.

수 십만 장의 프레젠테이션 템플릿, 각각의 레이아웃, 색상, 타이포그래피, 구조가 전문 템플릿 디자이너의 의도를 담고 있습니다.


우리는 이 디자인 자산을 AI가 이해할 수 있는 구조(Ontology)로 변환하고,

디자이너가 창작의 자유로 만들어낸 디자인을 해석하여 구조화하고,

"3개의 bullet point로 구성된 5개 섹션 그리드 구조의, 사진을 2장 넣을 수 있는 Minimalistic 디자인"과 같은 정확한 의도에 따라 디자인 컴포넌트를 검색하고,

필요한 내용을 정확하게 채워 넣는 AI Agent 시스템을 만듭니다.


구체적으로:

  • 디자인 이미지를 보고 "이건 제목, 이건 설명, 이건 배경 장식"이라고 판별하는 Agentic AI Pipeline
  • AI 추론결과를 Domain-knowledge 기반으로 해석하고, Context를 재증강하는 Rule-based Linter
  • 100만건 이상의 디자인에서 사용자 의도에 맞는 컴포넌트를 찾는 구조 기반 검색 시스템
  • 찾은 컴포넌트에 텍스트와 스타일을 자동으로 채워주는 Content Substitution 엔진



| 왜 디자인인가 / 왜 우리인가

AI가 만든 프레젠테이션을 써 본 적이 있다면, 이런 경험이 익숙할 것입니다.

결과물이 이미지로 나와서 텍스트 하나 고칠 수 없거나,

편집은 가능하지만 템플릿이 수십 개뿐이라 어디서 본 듯한 디자인이 나오거나,

그럴듯해 보이지만 실제로 써 보면 레이아웃이 깨지거나.

어떤 도구도 아직 이 문제를 풀지 못했습니다.


원인은 같습니다.

AI가 디자인을 "생성"하는 것과 디자인을 "이해"하는 것은 완전히 다른 문제이기 때문입니다.


생성은 픽셀을 만들어냅니다. 이해는 구조를 읽어냅니다.

구조를 읽을 수 있어야, 수십만 장의 전문 디자이너 템플릿에서 의도에 맞는 것을 찾고,

내용을 바꿔도 디자인이 무너지지 않는 결과물을 만들 수 있습니다.


우리는 국내 최대 규모의 전문 디자인 자산과,

이를 구조적으로 이해하는 자체 기술을 가진 유일한 팀입니다.



| 이 포지션에서 경험할 수 있는 것

1️⃣Design Ontology 구축

국내에서 가장 뛰어난 그래픽 에디터를 위해 제작된 수십만 장의 디자인 템플릿을,

AI가 이해할 수 있는 Ontology로 구축하는 경험.


디자인의 시각적 구조(레이아웃, 계층, Role)를 디자인의 구조적/의미론적 정보를 담은 마크업 언어(R.L. S.C.™ - Relative Layout Structured Content)로 표현하고,

이를 기반으로 검색, 대치, 생성이 가능한 시스템을 설계합니다.

학술적으로도 참조가 거의 없는 선구적인 영역입니다.


NLP에는 Named Entity Recognition이, CV에는 Object Detection이 있습니다.

수십 년간 축적된 표준 프레임워크 위에서 모델을 학습시키면 됩니다.


디자인에는 이에 해당하는 것이 없습니다.


"이 텍스트 박스가 제목인지 설명인지"를 판단하려면,

먼저 "디자인에서 제목이란 무엇인가"를 정의해야 합니다.

그리고 그 정의는 디자이너마다, 템플릿마다, 맥락마다 다르게 적용됩니다.


우리는 이 표현 체계를 직접 설계하고,

그 체계 위에서 AI가 추론하고, 검증하고, 교정하는 전체 시스템을 함께 만듭니다.


2️⃣Context Engineering

Proprietary model이 디자인의 맥락을 정확하게 이해하도록

Schema, Prompt Template, Relations, Schema manipulation tools를 설계하고 추론을 성능과 비용 면에서 모두 최적화하는 경험.


Multimodal 입력(이미지 + 자체 디자인 원문 데이터 + 텍스트 + 시맨틱 관계)을 다루면서,

"AI에게 무엇을 어떻게 보여줘야 하는가"라는 근본적인 질문을 매일 마주합니다.


3️⃣AI 품질 엔지니어링

"AI가 잘 작동한다"를 어떻게 증명하는가?

Human labelling 파이프라인 운영, accept rate 추적, 규칙 파라미터 sweep,

데이터 기반 의사결정까지, 연구실이 아닌 Production 환경에서의 AI 품질 관리를 경험합니다.


4️⃣End-to-End 파이프라인

새로운 AI 기법의 빠른 PoC 검증부터 Production 적용까지,

데이터 추출 → 품질 검증(Linting) → 검색 → 콘텐츠 생성 → Production 서빙.

한 팀 안에서 파이프라인의 처음부터 끝까지 경험합니다.



| 주요 업무

"미리디에서 이런 일들을 함께 하고 싶어요"

  • Agentic AI Workflow을 개발 및 운영합니다. (TypeScript 기반)
  • Design Ontology 스키마를 설계하고 데이터 파이프라인 구축합니다.
  • Rule-based Linter 규칙을 개발하고 품질 관리 시스템을 운영합니다.
  • Multimodal AI 모델 기반 구조를 추출하고 평가 시스템을 개발합니다.
  • 학습/평가 데이터셋을 구축하고 파이프라인을 개발합니다.


| 자격요건

"이런 분이라면 목표 달성에 확신을 얻을 것 같아요"

  • TypeScript (백엔드 혹은 풀스택) 개발 경험 2년 이상 또는 이에 준하는 역량을 갖고 계신 분
  • LLM/AI API를 활용한 Agent 및 Agent Workflow 프로젝트 경험이 있으신 분 (규모 무관)
  • Prompt/Context Engineering 경험이 있으신 분 (Few-shot Prompting, CoT, Parallel Tool-use)
  • 데이터의 패턴을 발견하고, 그 품질에 집착하는 성향이 있으신 분
  • AI 도구를 적극적으로 활용하여 문제를 해결한 경험이 있으신 분 (도구 종류 무관)
  • 새로운 도메인을 빠르게 학습하고 구조화하는 능력이 있으신 분



| 우대 사항

"이런 분이라면 장기적으로 서로에게 더 긍정적일 것 같아요!"

  • Agentic Search 또는 RAG 파이프라인 설계/개발 경험이 있으신 분 (Query Planning, Multi-hop Retrieval, Vector/Graph DB 활용 등)
  • AI Agent 평가 체계 설계/운영 경험이 있으신 분 (정량 지표 정의, 평가 데이터셋 구축, Human-in-the-loop 검증, Regression 테스트 자동화)
  • LLM Observability 를 위한 지표 정의, 활용 경험이 있으신 분 (Trace, metric, cost 분석, Continual learning을 위한 Observability 도구 상의 dataset 수집)
  • CI/CD 파이프라인 구축 및 배치 시스템 운영 경험이 있으신 분
  • 컴퓨터 공학 혹은 AI 융합 전공 우대



| 이런 분이면 잘 맞아요

  • "이건 왜 이렇게 되지?"를 자연스럽게 파고드는 분
  • 한 가지 전문 영역보다 여러 기술을 넘나드는 것을 즐기는 분
  • AI가 만든 결과물을 보고 "이건 좀 아닌데"라고 느끼면 끝까지 개선하는 분
  • 추상화/고수준 시스템 설계를 좋아하는 분
  • 새로운 분야에서의 Frontier를 개척하는 것을 즐기는 분
  • 글로벌 임팩트를 낼 수 있는 제품을 내 손으로 만들어보길 원하는 분



| 기술 환경

  • Language: TypeScript
  • AI/ML: Proprietary Models (OpenAI, Anthropic), Multimodal Embedding
  • Database: PostgreSQL (jsonb, pgvector), Supabase, pgboss
  • Infra: Docker, GitHub Actions, GPU 서버(H200, A100)
  • Framework: Next.js, Node.js Worker, AI SDK, Mastra
  • Workflow: Agentic Pipeline, LLM Observability (Langfuse)



| 서류 검토 자료

  • GitHub Repository 또는 기술 블로그
  • 포트폴리오 제출 필수 (아키텍처 설계 포함 시 우대)
  • 프로젝트별 본인 기여 영역 및 기여율 기재



| 기타 사항

  • [서류 전형] - [1차 인터뷰] - [2차 인터뷰] - [처우 협의] - [입사] 의 프로세스로 진행됩니다.
  • 서류는 원활한 검토를 위해 PDF 형식으로 제출 부탁 드립니다.
  • 1차 인터뷰 안내
  • 문제 해결 및 Agent 서비스 설계 역량 테스트가 진행됩니다. (화이트 보드, 스크린 활용) (1시간 내외)
  • 테스트 후 시스템 디자인 및 경력 기반 기술 인터뷰가 진행됩니다. (1시간 30분 내외)
  • 2차 인터뷰의 경우, 직무/직급에 따라 생략될 수 있습니다.
  • 입사 후 3개월의 수습 기간 및 수습 평가가 진행됩니다. (급여 100%)
  • 서류 전형 결과 안내까지는 최대 2주, 인터뷰 결과 안내까지는 최대 3주가 소요됩니다.
  • 여러 포지션에 동시에 지원해주시는 것은 가능하지만 동일한 포지션의 경우 최종 결과 안내를 받은 시점으로부터 6개월 후에 재지원이 가능합니다.