이 자리가 왜 생겼을까요
카카오뱅크 데이터XP팀은 이 공고에서 AI 역량으로 사내 서비스를 직접 개발해 사용자들이 금융 데이터와 비즈니스 지표를 더 쉽고 효율적으로 활용하도록 지원한다고 소개했습니다. 회사는 반기보고서에서 사용자 중심의 서비스와 생산성 향상, AI 기술 리딩을 통해 AI Native Bank로서 AI 금융의 스탠다드를 이끌겠다고 적었습니다. 이 공고는 LLM 에이전트 워크플로우와 RAG 파이프라인을 만들 엔지니어를 뽑고, 우대 사항에는 Text2SQL 같은 도메인 특화 LLM 튜닝이 예로 적혀 있습니다. 사내 구성원이 쓰는 에이전트나 검색 도구를 만들어 운영해 본 경험이 있다면 사용 인원이나 처리한 질의 수가 그 서비스의 크기를 알려 줍니다.
카카오뱅크가 지금 어떤 사업에 집중하고 있는지는 카카오뱅크 채용 분석에서 이어서 볼 수 있습니다.
1하게 될 업무
LLM 에이전트 워크플로우를 설계하고 개발·운영합니다.
이렇게 볼 수 있어요
팀이 만드는 서비스는 구성원이 금융 데이터와 비즈니스 지표를 쉽게 쓰도록 돕는 사내 도구라, 에이전트가 부르는 도구도 지표 정의 검색이나 Text2SQL 같은 데이터 조회 쪽일 가능성이 큽니다. 만드는 데서 끝나지 않고 운영까지 맡으므로, 에이전트가 어떤 도구를 어떤 순서로 부르게 설계했는지와 잘못된 쿼리나 권한 밖 데이터 조회 같은 운영 중 실패를 어떻게 막았는지를 설명할 수 있게 준비하는 편이 좋습니다.
AI와 자연어 처리(NLP) 기술 기반의 대화형 서비스 제품을 개발·운영합니다.
이렇게 볼 수 있어요
팀이 만드는 것은 사내 사용자를 위한 대화형 서비스입니다. 챗봇이나 질의응답 서비스를 운영해 봤다면 사용자 수와 응답 품질을 어떻게 쟀는지가 운영 경험을 보여 줍니다.
Context Injection을 위한 정보 검색(RAG) 파이프라인을 고도화합니다.
이렇게 볼 수 있어요
업무에 적힌 것은 RAG 파이프라인 구축이 아니라 고도화입니다. 검색 품질을 올리려고 문서 분할이나 임베딩, 재순위화를 바꿔 본 경험이 있다면 바꾸기 전후 지표가 고도화의 결과를 보여 줍니다.
LLM 기반으로 Synthetic Data를 생성하고 평가 데이터셋의 품질을 관리합니다.
이렇게 볼 수 있어요
평가용 데이터를 LLM으로 만들고 그 품질까지 관리합니다. 합성 데이터를 만들 때 어떤 기준으로 걸러 냈는지 설명하면 평가 체계를 다뤄 본 경험이 드러납니다.
2자격 요건
관련 경력이 3년 이상이어야 합니다.
이렇게 볼 수 있어요
공고는 '관련 경력'이라고만 적었습니다. 업무가 LLM 에이전트, 대화형 서비스, RAG, 평가 데이터셋이므로 이와 이어지는 ML·NLP 개발 경력은 함께 적고, LLM 서비스를 만든 기간은 자세히 쓰는 게 좋습니다.
AI Agent와 RAG를 개발하고 운영해 본 경험이 필요합니다.
이렇게 볼 수 있어요
같은 회사 Vision AI 엔지니어 공고와 이 공고는 모두 3년을 요구하지만, AI Agent와 RAG의 개발·운영 경험을 필수로 요구하는 것은 이 공고뿐입니다. RAG는 운영에 들어가면 원천 문서나 지표 정의가 바뀔 때마다 색인을 다시 맞추는 일이 생기므로, 운영 중인 서비스에 붙인 에이전트나 RAG가 있다면 서비스 이름과 운영 기간, 사용 규모와 함께 그런 갱신을 어떻게 돌렸는지 밝힐 만합니다.
Python 기반 개발과 CI/CD 배포 자동화 프로세스를 포함한 DevOps 실무 경험이 필요합니다.
이렇게 볼 수 있어요
같은 AI 직무의 Vision AI 엔지니어 공고에는 없는 DevOps 실무를 필수로 요구해, 이 팀에서는 모델과 프롬프트를 만드는 엔지니어가 배포 자동화까지 직접 다룹니다. LLM 서비스의 CI/CD에서는 코드 테스트에 더해 프롬프트나 검색 설정을 바꿀 때 업무에 적힌 평가 데이터셋으로 답변 품질을 다시 재는 단계를 넣는 경우가 많아, 직접 만든 파이프라인이 있다면 어떤 단계를 자동화했는지와 품질 평가를 어디에 붙였는지 적는 편이 낫습니다.
Kubernetes, Docker 등 컨테이너 환경에 대한 경험이 필요합니다.
이렇게 볼 수 있어요
회사에는 Kubernetes 플랫폼을 맡는 컨테이너플랫폼팀이 따로 있어, 이 자리의 컨테이너 경험은 플랫폼을 만드는 쪽보다 그 위에 에이전트·RAG 서비스와 사내 모델 서빙을 올려 운영하는 쪽에 가깝습니다. Kubernetes에 직접 배포한 서비스가 있다면 배포 방식과 운영 중 겪은 문제 하나를, GPU를 쓰는 추론 서버를 올려 봤다면 그 자원 설정까지 설명하면 우대 사항의 vLLM·Triton Inference Server 경험과도 연결됩니다.
유연한 협업과 커뮤니케이션 역량이 필요합니다.
이렇게 볼 수 있어요
사내 서비스를 만드는 팀이라 사용자가 동료입니다. 다른 부서의 요청을 받아 기능을 바꾼 경험을 협업 사례로 들 수 있습니다.
3우대 사항
vLLM, Triton Inference Server 등 추론 최적화 엔진 활용 경험과 모델 양자화(AWQ, GPTQ 등) 경험을 우대합니다.
이렇게 볼 수 있어요
같은 회사 LLM 서빙 및 추론 최적화 엔지니어 공고는 vLLM 같은 엔진의 내부 코드를 고친 경험을 필수로 요구하고, 이 공고는 엔진을 활용해 본 경험을 우대합니다. AWQ·GPTQ는 가중치를 4비트 안팎으로 줄여 같은 GPU에 더 큰 모델을 올리는 방법이라, 양자화 전후의 지연 시간이나 메모리 사용량과 함께 답변 품질이 어떻게 달라졌는지를 숫자로 밝히면 경험의 크기가 보입니다.
지도 미세 조정과 선호도 정렬 학습 등의 기법으로 도메인 특화 LLM(e.g. Text2SQL)을 커스텀 튜닝하고 실제 상용 서비스에 안정적으로 적용한 경험을 우대합니다.
이렇게 볼 수 있어요
튜닝에서 그치지 않고 상용 서비스 적용까지 적었습니다. 데이터XP팀이 금융 데이터와 비즈니스 지표 활용을 돕는 팀이라, Text2SQL처럼 질문을 쿼리로 바꾸는 모델을 튜닝해 서비스에 붙여 본 경험이 업무와 가깝습니다.
On-prem/Public AI API를 연계한 서비스 개발 경험을 우대합니다.
이렇게 볼 수 있어요
금융회사는 고객정보나 내부 지표가 담긴 요청을 외부 AI API로 보내기 어려워, 민감한 요청은 사내에서 서빙하는 모델로, 그렇지 않은 요청은 Public AI API로 보내는 식의 연계가 흔합니다. 어느 쪽이든 서비스에 연계해 본 경험이 있다면 연계 방식과 장애 대응을, 둘을 함께 써 봤다면 어떤 기준으로 호출을 나눴는지까지 적으면 우대 사항의 vLLM 같은 사내 서빙 경험과 한 사례로 묶입니다.
시계열 데이터를 활용한 예측 모델과 이상탐지 모델을 End-to-End로 개발해 본 경험을 우대합니다.
이렇게 볼 수 있어요
팀은 구성원의 비즈니스 지표 활용을 돕습니다. 시계열 예측과 이상탐지는 지표의 다음 값을 내다보거나 갑자기 튄 값을 알려 주는 기능처럼 LLM과 다른 축으로 같은 사용자에게 쓰일 만한 경험입니다. 예측이나 이상탐지 모델을 데이터 준비부터 배포까지 맡아 봤다면 다룬 지표와 탐지 결과를 숫자로 적는 편이 낫습니다.
4기타 사항
- 게시일 : 2026년 8월 24일
- 고용형태 : 정규직
- 근무지 : 카카오뱅크 판교오피스 (경기도 성남시 분당구 분당내곡로 131)
- 경력 조건 : 경력 3년 이상
- 학력 조건 : 해당 내용은 원본 공고에서 확인되지 않습니다.
쓰는 기술
공고 본문에 적힌 기술만 모은 목록입니다.
- LLM
- NLP
- RAG
- Python
- Kubernetes
- Docker
- vLLM
- Triton Inference Server
- AWQ
- GPTQ
- Text2SQL
전형과 지원
카카오뱅크는 공고마다 영입 프로세스를 따로 적습니다. 과제전형이 있는 공고와 없는 공고, 실무진 면접이 두 번인 공고, 실무진과 경영진 면접 사이에 그룹장 면접이 있는 공고가 섞여 있어서 지원하려는 공고의 프로세스와 서류전형 결과 발표일을 먼저 확인해야 합니다.
공고마다 다른 단계
기본 흐름은 서류전형, 실무진 면접전형, 경영진 면접전형, 연봉 및 처우 협의, 최종합격이고, 공고에 따라 그 사이에 그룹장 면접이 들어갑니다. 공고에 따라 서류 뒤에 과제전형이나 코딩테스트전형이 붙고, IR 담당자 공고처럼 1차 실무진 면접 대상자에게 사전과제가 나오기도 합니다. 1차 실무진 면접 대상자는 면접 전에 컬처핏 프로파일 검사를 받습니다. 경영진 면접 뒤에는 레퍼런스 체크가 진행될 수 있습니다.
이렇게 볼 수 있어요
컬처핏 프로파일은 서베이 형태이고 결과로 합격 여부를 정하지 않는다고 적었습니다. 대신 면접에서 컬처핏 질문을 하는 데 쓰이므로, 일하는 방식 일곱 가지에 맞춘 사례를 1차 면접 전에 정리해 두는 편이 좋습니다.
중복 지원과 공동체 지원
채용 FAQ는 중복 지원이 어렵다고 밝히고, 먼저 지원한 직무에서 불합격 안내를 받으면 다른 직무로 다시 지원할 수 있다고 적었습니다. 카카오 공동체 회사 사이의 중복 지원은 가능합니다.
이렇게 볼 수 있어요
카카오뱅크 안에서는 공고 하나를 골라 지원해야 합니다. 같은 분류에 비슷한 공고가 여럿이면 업무 목록과 필수 경험에 적힌 일을 내가 가장 많이 해 본 공고를 고르면 됩니다.
재지원은 언제든 가능합니다
재지원은 언제든 가능하지만 같은 직무라면 이전 전형의 아쉬운 점을 보완할 수 있도록 최소 6개월 정도 간격을 두기를 권장한다고 적었습니다. 전형에 대한 개별 피드백은 기본적으로 제공하지 않습니다.
이렇게 볼 수 있어요
6개월은 기간 제한이 아니라 권장 사항입니다. 피드백을 받을 수 없으므로 같은 직무에 다시 지원한다면 그사이 새로 쌓은 경험이 분명히 보이도록 이력서를 고쳐야 합니다.
결과 안내 기간과 연봉 결정
과제 결과는 제출일로부터 2주 이내, 실무진 면접 결과는 2주 이내, 경영진 면접 결과는 1주 이내에 안내한다고 적었습니다. 공고에 연봉이 없으면 마지막 면접 합격 뒤 소득 자료를 받아 보상 담당자가 연봉을 제안하고, 협의를 거쳐 최종 합격이 정해집니다.
이렇게 볼 수 있어요
단계별 대기 기간이 공개되어 있어 다른 회사 일정과 맞춰 볼 수 있습니다. 소득 자료를 내야 하므로 원천징수영수증 같은 서류를 미리 확인해 두면 마지막 단계가 늦어지지 않습니다.
경력직 기준과 신용정보 조회
정규직, 계약직, 파견직 근무 기간이 만 1년 이상이면 경력직으로 영입하고, 1년 미만이면 정규직 전환형 인턴 전형 참여 의사를 확인한 뒤 진행한다고 적었습니다. 마지막 면접 뒤에는 카카오뱅크 대출 상품을 이용할 수 있는 신용 점수를 기준으로 신용정보 조회를 한다고 밝혔습니다.
이렇게 볼 수 있어요
경력 1년 미만이라면 경력직 공고에 지원해도 인턴 전형으로 바뀔 수 있습니다. 신용정보 조회는 은행이라 생기는 절차이므로 최종 단계 전에 내 신용 상태를 한 번 확인해 두는 편이 안전합니다.
공고마다 접수 마감일이 있습니다
공고에는 모집기간을 영입 완료 시 마감이라고 적으면서도 접수 마감일과 서류전형 결과 발표일을 함께 표시합니다. 분석 시점에 진행 중이던 공고도 모두 접수 마감일이 따로 잡혀 있었습니다.
이렇게 볼 수 있어요
접수 마감일이 지나면 공고가 목록에서 빠지고 이 페이지에도 마감으로 표시됩니다. 같은 직무가 새 공고로 다시 올라오는 경우도 있으므로 마감된 공고라면 채용 사이트에서 같은 이름의 공고를 다시 찾아보면 됩니다.
이 공고만 다른 점
서류 뒤에 과제전형이 있고, 1차 실무진 면접과 2차 경영진 면접이 이어집니다.
1차 실무진 면접전형에서는 현장 과제와 관련 질의가 진행된다고 적었습니다. 접수 마감은 2026년 11월 3일이고 서류전형 결과는 11월 10일 이내에 발표하며, 1차 면접 전에는 컬처핏 프로파일 검사가 있습니다.
지원 전 준비할 것
- 1
에이전트 운영 사례 하나
LLM 에이전트나 RAG를 운영한 사례 하나를 골라 구조도, 평가 방식, 운영 중 실패 대응을 한 자료로 묶어 두면 과제전형과 1차 면접의 관련 질의에 같은 사례로 답할 수 있습니다.
- 2
현장 과제 대비
1차 실무진 면접에서 현장 과제가 진행됩니다. Python으로 작은 RAG 파이프라인을 만들고 평가셋으로 결과를 재는 흐름을 손에 익혀 두면 제한된 시간 안에 설명하며 풀기 쉽습니다.
- 3
Vision AI 공고와 비교해 고르기
같은 회사의 Vision AI 엔지니어 공고는 OCR과 VLM으로 비정형 문서에서 정보를 추출합니다. 사내 사용자를 위한 대화형 서비스나 RAG 경험이 많다면 이 공고의 업무와 더 가깝습니다.