| ​ ​직무 ​소개

미리디의 수백만 ​개 디자인 템플릿을 체계적으로 ​조직하고 ​이해할 수 ​있는 분류체계(Taxonomy)와 온톨로지(Ontology)를 ​설계하는 핵심 ​역할을 ​담당하게 됩니다.

정보 ​구조 ​설계 ​전문성을 바탕으로, LLM과 ​AI ​Agent가 디자인 템플릿을 ​정확하고 ​일관되게 ​생성·이해할 수 있도록 ​디자인 템플릿의 ​구조화된 ​콘텐츠(Structured Contents)를 ​정의하고 개념 ​간 ​관계를 체계화합니다.

잘 설계된 ​Taxonomy와 Ontology는 ​LLM이 참조하는 정보 구조의 근간이 되며, AI 기반 디자인 생성 품질을 좌우할 수 있습니다.

이 역할의 핵심은 AI Agent Engineer, Prompt Engineer, PM 등과의 긴밀한 협업입니다.

분류체계가 프롬프트 설계와 에이전트 워크플로우에 효과적으로 연결될 수 있도록 정보 구조를 함께 정의하고, 거버넌스와 품질 관리 프로세스를 운영하여 미리디의 디자인 데이터 체계가 AI 시대에 맞게 지속적으로 진화하도록 합니다.

| 기대 모습

[1개월 뒤]

• 미리디의 디자인 데이터 구조와 현재 분류체계 및 메타데이터 현황을 파악합니다.
• Prompt Engineer, AI Agent Engineer, PM 등 협업 파트너의 업무 방식과 현재 AI 생성 파이프라인에서 정보 구조가 어떻게 활용되는지 이해합니다.
• 기존 분류 레이블과 메타데이터 스키마를 분석하고, LLM/AI Agent의 정보 참조 관점에서 개선이 필요한 영역을 식별합니다.
• 속한 스쿼드의 목표를 잘 이해하고, 맡은 프로젝트에서 자신의 역할을 책임감 있게 수행합니다.

[3개월 뒤]

• LLM과 AI Agent가 디자인 템플릿을 일관되게 생성·이해할 수 있도록 디자인 템플릿의 구조화된 콘텐츠(Structured Contents) 현황을 분석하고, 개선방안을 도출합니다.
• Prompt Engineer와 협업하여 설계한 분류체계가 프롬프트 템플릿에 효과적으로 반영되는지 검증하고, AI 생성 결과물의 품질 향상을 확인합니다.
• AI Agent Engineer와 함께 에이전트 워크플로우에서 분류체계가 올바르게 참조되는지 확인하고, 정보 구조 요구사항을 함께 정의합니다.
• 어노테이터를 위한 레이블링 가이드라인을 작성하고, Inter-annotator Agreement 측정을 통해 분류 품질 관리 프로세스를 운영합니다.
• 스쿼드 목표를 달성하기 위해 필요한 업무를 스스로 도출하고, 주도적으로 실행합니다.

[그 이후]

• Presentation Tribe 내 여러 팀이 공통으로 활용할 수 있는 표준 디자인 분류체계를 확립하고, 수만 개 이상의 템플릿 재분류를 완료하여 AI 기반 디자인 생성 품질과 정확도 향상에 기여합니다.
• 분류체계의 거버넌스 프레임워크를 구축하고, AI 모델·프롬프트 변경에 따른 Taxonomy 업데이트 프로세스를 운영합니다.
• 분류체계의 중요성을 조직 내에 전파하고, PM·엔지니어가 정보 구조를 올바르게 활용할 수 있도록 교육 자료와 워크숍을 운영합니다.
• 분류 데이터가 AI 생성, 검색, 추천, 콘텐츠 기획 등 다양한 서비스에서 활용되어 발생하는 비즈니스 임팩트를 측정하고 지속 개선합니다.

| 주요 업무

"미리디에서 이런 일들을 함께 하고 싶어요"

• AI 중심 정보 구조(Taxonomy/Ontology) 설계
• LLM과 AI Agent가 디자인 템플릿을 정확히 생성·이해할 수 있도록, 디자인 템플릿의 구조화된 콘텐츠(Structured Contents)와 개념 간 위계·관계를 정의하고 지속적으로 관리합니다.
• 메타데이터 스키마 및 통제 어휘(Controlled Vocabulary) 구축
• 각 디자인 자산(asset)의 표준 메타데이터 필드를 정의하고, 데이터 사전(Data Dictionary)을 작성하며 확장 가능한 스키마를 설계합니다.
• AI Agent Engineer·Prompt Engineer·PM과 협업
• 분류체계가 프롬프트 설계와 에이전트 워크플로우에 효과적으로 연결되도록 정보 구조 요구사항을 함께 정의하고, AI 생성 결과물의 품질을 분류체계 관점에서 검증합니다.
• 품질 관리 및 검증(QA)
• 분류 레이블의 정확성과 일관성을 정기적으로 체크하고, AI 자동 태깅 결과물의 품질을 검증합니다.
• 거버넌스 프레임워크 수립
• 분류체계의 변경·확장 프로세스를 정의하고, AI 모델·프롬프트 업데이트에 따른 Taxonomy 버전 관리를 운영합니다.
• 조직 내 전파 및 교육
• 분류체계의 중요성과 활용 방법을 Presentation Tribe 내 이해관계자에게 전파하고, 교육 자료와 워크숍을 운영합니다.

| 자격요건

"이런 분이라면 목표 달성에 확신을 얻을 것 같아요"

• 분류체계 설계 경험이 있으신 분
• Taxonomy, Ontology, 또는 정보 구조 설계 실무 경험 2년 이상, 혹은 수천 개 이상 아이템에 대한 체계적 분류 프로젝트 경험
• 메타데이터 관리 경험이 있으신 분
• 통제 어휘(Controlled Vocabulary), 데이터 사전(Data Dictionary), 메타데이터 스키마 설계 및 유지 경험
• 콘텐츠 관리 시스템 경험이 있으신 분
• 콘텐츠 관리 시스템(CMS), 디지털 에셋 관리(DAM), 또는 유사 라이브러리 시스템 운용 경험
• 품질 관리 역량이 있으신 분
• 분류 기준 문서화, 어노테이션 가이드라인 작성, 분류 일관성 측정(Inter-annotator Agreement 등) 경험
• 크로스펑셔널 협업 역량이 있으신 분
• AI Agent Engineer, Prompt Engineer, PM 등 다양한 역할과 협업하며 기술적 제약과 비즈니스 요구를 조율할 수 있는 능력
• 분석 및 커뮤니케이션 역량이 있으신 분
• 데이터를 다양한 관점에서 분석하고, 분류의 모호함과 뉘앙스를 이해하며, 이해관계자에게 명확하게 전달할 수 있는 능력

| 우대 사항

"이런 분이라면 장기적으로 서로에게 더 긍정적일 것 같아요!"

• 문헌정보학, 정보학(Information Science), 컴퓨터 과학 또는 관련 분야 석사 이상 학위를 보유한 분
• 거버넌스 프레임워크 수립 경험: 분류체계의 변경 관리, 버전 관리, 조직 내 표준화 프로세스 구축 경험이 있으신 분
• ML/AI 자동 태깅 또는 분류 자동화 프로젝트 참여 경험이 있으신 분
• 디자인 원칙, 색채학, 타이포그래피, 레이아웃 이론 등 디자인 이론에 대한 이해가 있으신 분
• 온톨로지 모델링 또는 그래프 기반 데이터 구조에 대한 이해가 있으신 분
• 연구 논문 및 기술 문서를 이해하고 실무에 적용할 수 있는 영어 독해 능력이 있으신 분

| 기타 사항

• [서류 전형] - [1차 인터뷰] - [2차 인터뷰] - [처우 협의] - [입사] 의 프로세스로 진행됩니다.
• 서류는 원활한 검토를 위해 PDF 형식으로 제출 부탁 드립니다.
• 2차 인터뷰의 경우, 직무/직급에 따라 생략될 수 있습니다.
• 직급에 따라 인터뷰 후 레퍼런스 체크 전형이 추가될 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.