channel logo

Machine Learning Engineer - Intern

Engineering

・

인턴

We Make a Future Classic Product!

채널톡은 기업의 지속가능한 성장을 돕는 ‘올인원 AI 메신저’입니다. 고객과 언제 어디서나 대화할 수 있는 환경을 만들어 비즈니스의 방향성을 고객으로부터 찾을 수 있도록 돕고 있어요.

현재 '고객이 답이다'라는 철학으로 고객사의 고객 소통 경험을 변화시키고 있습니다. CRM 데이터 기반의 상담 경험 설계와 AI를 통한 반복 문의를 빠르게 처리해 CS 효율화부터 고객 경험 개선까지 채널톡 하나로 해결해요.

수많은 온라인 비즈니스의 본질적인 문제를 풀어낸 결과 한국 너머의 시장에서도 빠르게 성장하고 있습니다. 일본 시장에서 점유율 20% 이상으로 업계 1위와 매출 성장세도 B2B 업체 중 아시아에서 가장 빠른 수준이에요. 아시아에서 인정받은 제품력을 발판 삼아 글로벌 SaaS 기업으로 거듭나고자 미국 시장에 적극 진출하고 있습니다.

채널톡 출시 이후 이와 같은 성과를 거둘 수 있었던 핵심은 ‘제품’입니다. 좋은 제품이 최고의 세일즈, 마케팅이라고 믿습니다. 채널팀 전체 임직원 중 절반 이상이 개발자로 이들 모두가 단 하나의 제품을 만드는데 집중합니다. 구글 검색, 아이폰처럼 한 세대를 상징할 “미래의 클래식” 프로덕트를 목표로 최고의 인재들과 함께합니다.

하고 싶은 일이 참 많습니다! 많이 기대되는 앞으로의 여정 가운데 함께할 채널톡의
Machine Learning Engineer - Intern을 찾습니다!

[채널팀이 더욱 궁금하다면?🧐]
어떤 기회가 있나요?🚀
  • 1,000개 이상의 고객사에서 서비스 중인 AI 상담 에이전트 ALF의 성능을 개선하는 과정에 직접적으로 참여하실 수 있습니다.
  • 텍스트, 이미지, 오디오 등 다양한 모달리티의 데이터를 바탕으로, 최신 연구 및 기술들을 제품에 녹이는 경험을 주도적으로 하실 수 있습니다.
  • 최신 Cutting-edge 음성 모델 학습 및 연구에 참여할 수 있으며, 논문 작성의 기회도 열려 있습니다.
  • 고객의 목소리를 바탕으로, 주어진 제약 조건 하의 최선의 기술을 고민하고, 제품화로 연결하여 고객의 실질적인 문제를 해결하는 채널톡의 Customer-driven 전 과정을 경험할 수 있습니다.
어떤 업무를 담당하나요?🤔
  • 1. 상담 에이전트 서비스 (ALF) 개선
  • 텍스트, 오디오 등 도메인의 특성에 맞게 최적화된 에이전트 구현
  • 단순 질의응답이 아닌 다양한 태스크를 수행할 수 있는 에이전트 워크플로우 개선
  • Context engineering을 통한 에이전트 성능 개선
  • 상담 에이전트 평가용 내부 벤치마크 구축 및 개선

  • 2. RAG 성능 최적화를 위한 Multi-source 데이터 처리 파이프라인 설계 및 구현
  • PDF, 스프레드시트 등 다양한 원천 데이터 가공 프로세스 설계 및 구현
  • 고객사별 RAG 성능 극대화하기 위한 Context Engineering 방법론 연구 및 개발

  • 3. 에이전트 평가 프로세스 구축 및 벤치마크 개발
  • 단순 Q&A 성능 평가를 넘어, 에이전트의 전체 상담 품질을 평가하기 위한 프로세스 개발 및 메트릭 설계
  • 음성 기반 상담 에이전트를 평가하기 위한 벤치마크 개발

  • 4. Proactive Agent 설계 및 구현
  • 고객의 행동 패턴을 바탕으로 먼저 대화를 시작하는 Proactive Agent 설계 및 구현
  • 고객사 웹사이트 CTR/CVR 최적화를 위한 자동 Audience Segmentation 방법론 연구 및 개발

  • 5. 데이터 전처리 파이프라인 구축
  • 다양한 소스로부터 주어진 문제에 적합한 데이터 수집 및 퀄리티 관리
  • 모델 및 파이프라인 최적화로 효율적인 전처리 파이프라인 구축 (Ray 기반 분산처리, inference acceleration) 
어떤 경력과 역량이 필요한가요?📖
  • 컴퓨터 과학, 전자공학, 수학, 통계학 등 해당 포지션과 관련된 전공의 학사 이상의 학위를 가지고 계신 분
  • LLM 모델에 대한 구체적인 이해 및 실제 학습 경험
  • 목표에 맞는 데이터 구축 파이프라인 설계 및 구축 경험
  • 모호한 상황에서의 문제 정의, 액션 아이템 도출, 실행 및 평가 등 문제 해결 파이프라인을 반복적으로 빠르게 수행하실 수 있는 분
  • Python 및 LLM 개발 관련 Library나 Platform(PyTorch, HuggingFace) 활용 능력을 갖추신 분
이런 점이 있으면 더 좋아요😊
  • 관련 전공 석사 이상의 학위를 가지고 계신 분
  • 대량의 데이터셋을 수집 및 정제 후 학습 경험이 있으신 분
  • AI 주제의 논문을 작성해보시거나 오픈소스 및 경진대회 활동 경력이 있으신 분
  • LLM 기반 AI 에이전트를 Production 레벨에서 구현/배포/운영해본 경험이 있으신 분
어떤 방식으로 채용하나요?🏃
  • 일반적으로 서류 제출 - 1차 인터뷰 - 2차 인터뷰  순서로 진행됩니다.
  • 제출하신 서류를 통해 팀에 필요한 기본적인 문제해결 역량을 가지신 분인지 확인합니다. 지금까지 진행하셨던 프로젝트들과 도전 과제들을 어떻게 해결하셨는지 적어주시면 많은 도움이 됩니다.
  • 1차 인터뷰는 1시간 소요되며, 수행하셨던 프로젝트에 대한 내용을 발표하고 관련 질의응답을 진행하게 됩니다. 지원자의 창의적인 문제 해결 능력을 확인하는 데에 중점을 둡니다. 결과 뿐만 아니라 문제를 해결해가는 과정 자체도 중요하게 평가합니다.
  • 2차 인터뷰는 1시간 소요됩니다. 채널과 핏이 잘 맞는 분인지 알기 위해 편안하게 서로 질문을 할 수 있는 시간을 갖게 됩니다.
  • 채용 프로세스는 과제나 면접 결과에 따라 면접 절차를 유동적으로 조정될 수 있습니다.

추천 콘텐츠

Cursor 전사 도입 6개월: 이후 변화들

JetBrains 해지, Cursor 전면 전환

Context Engineering? 원래 하던거 아닌가?

채널팀의 Linear MCP 적응기

채널톡 CTO가 말하는 함께 하고 싶은 개발자

CTO 클샌

Distributed Cache 도입기 (3): RDB 조회 90% 감소시키기

시행착오 끝에 찾은 구독 설정(BillSetting) 캐싱 문제 해답

채널팀이 더 알고 싶다면