[비상교육] [IT] Lead DevOps/AI Platform 엔지니어 공고 분석

이 자리가 왜 생겼을까요

1하게 될 업무

• AI 플랫폼의 전체 아키텍처를 설계하고 기술 로드맵을 수립합니다.

  이렇게 볼 수 있어요

  팀 소개에 따르면 AI개발 Cell은 데이터 사이언티스트와 MLOps 엔지니어로 구성돼 있고 구성된 지 오래되지 않았습니다. 플랫폼을 처음부터 그리거나 기존 구조를 단계적으로 바꾼 경험이 있다면 출발 시점의 구조와 로드맵의 단계를 함께 보여 주는 자료가 이 업무와 가장 가깝습니다.

• MSA를 설계해 서비스의 경계를 정의하고, API 설계를 표준화하며 API Gateway 전략을 수립합니다.

  이렇게 볼 수 있어요

  서비스를 나누는 기준과 서비스 사이의 호출 규칙을 함께 정합니다. 서비스 경계를 나눈 근거와 그 결과로 정한 API 규칙을 한 사례로 묶어 꺼내면 됩니다.

• 데이터 파이프라인과 ML 서빙 인프라 간 통합 아키텍처를 설계합니다.

  이렇게 볼 수 있어요

  팀 소개에 따르면 AI개발 Cell은 데이터 엔지니어와 협업해 사내 데이터와 AI 기술을 접목합니다. 학습 데이터가 들어오는 경로와 모델을 서빙하는 경로를 한 구조로 연결해 본 경험이 있다면 두 경로가 만나는 지점에서 무엇을 표준으로 정했는지가 면접에서 다룰 내용입니다.

• CI/CD 전략을 수립하고 GitOps 기반 배포 체계를 설계하며, 브랜치 전략, 배포 단위, 릴리즈 프로세스를 정의합니다.

  이렇게 볼 수 있어요

  파이프라인을 직접 만드는 일보다 어떤 단위로 어떻게 배포할지 규칙을 정하는 쪽입니다. 팀이 따를 브랜치 전략과 릴리즈 절차를 문서로 정해 정착시킨 경험이 이 업무와 바로 이어집니다.

• 장애 대응 체계와 인시던트 관리 프로세스를 수립하고, 보안·컴플라이언스 요구사항을 반영한 DevSecOps 체계를 설계합니다.

  이렇게 볼 수 있어요

  장애를 직접 처리하는 일보다 대응 절차와 보안 기준을 체계로 만드는 일에 무게가 있습니다. 인시던트 등급 기준이나 대응 절차를 만들어 본 경험과 파이프라인에 보안 점검 단계를 둔 경험을 나눠 쓸 수 있습니다.

• AI ML 엔지니어, 데이터 엔지니어 조직과 협업하여 기술 표준을 정립합니다.

  이렇게 볼 수 있어요

  공고의 표현대로 이 역할은 'AI 개발 조직을 기술적으로 지원하는 DevOps & 플랫폼 아키텍트'입니다. 다른 직군이 쓰는 개발 환경이나 배포 방식을 표준으로 정하고 그 팀들이 실제로 따르게 만든 과정이 기술 표준 정립 업무에 직접 필요한 경험입니다.

• 코드 리뷰, 설계 리뷰, 기술 멘토링을 진행하고 기술 문서화와 지식 공유 체계를 구축합니다.

  이렇게 볼 수 있어요

  공고 소개에 '향후 합류할 DevOps 엔지니어들을 리딩하는 역할'이 있습니다. 멘토링한 인원과 기간, 직접 만든 문서나 지식 공유 방식은 새로 꾸릴 팀을 이끄는 경험과 연결됩니다.

2자격 요건

• DevOps / Platform Engineering 경력 10년 이상이 필요합니다.

  이렇게 볼 수 있어요

  업무가 플랫폼 아키텍처, 배포 체계, 장애·보안 체계 설계와 팀 리딩으로 이어지므로 인프라 엔지니어나 백엔드 개발자로 배포와 운영을 함께 맡아 온 경력도 함께 적을 수 있습니다. 그 가운데 설계 결정을 직접 내린 일을 자세히 쓰는 게 좋습니다.

• Tech Lead 또는 아키텍트 역할로 대규모 시스템 아키텍처를 설계하고 기술 의사결정을 주도한 경험이 필요합니다.

  이렇게 볼 수 있어요

  공고는 '설계부터 운영까지 폭넓은 기술 의사결정을 주도하고' 조직의 기술 역량을 끌어올릴 사람을 기다린다고 적었습니다. 어떤 선택지를 두고 무엇을 근거로 결정했는지가 남은 설계 문서가 있다면 민감한 내용을 뺀 형태로 면접에 가져가면 됩니다.

• Kubernetes 기반 플랫폼을 설계·구축·운영한 경험이 필요합니다.

  이렇게 볼 수 있어요

  5년 이상 공고가 Kubernetes 기반 서비스의 배포·운영 경험을 요구한다면 이 공고는 플랫폼 자체의 설계 경험을 요구합니다. 여러 팀이 같은 클러스터를 쓰도록 네임스페이스와 권한을 나눈 설계는 우대 사항의 멀티테넌시 환경 구축과도 이어집니다.

• CI/CD 파이프라인 전략을 수립하고 GitOps 체계를 구축한 경험이 필요합니다.

  이렇게 볼 수 있어요

  GitOps를 도입하며 저장소 구조와 환경별 배포 승인 방식을 정해 본 과정에는 업무의 브랜치 전략과 배포 단위 정의가 그대로 들어 있습니다.

• 퍼블릭 클라우드(AWS, GCP, NCP 등) 및 온프레미스 혼합 환경 경험이 필요합니다.

  이렇게 볼 수 있어요

  같은 회사 GPU 최적화 엔지니어 공고도 온프레미스와 클라우드에 걸친 GPU 클러스터를 맡습니다. 두 환경을 함께 다뤘다면 어떤 워크로드를 어디에 두었고 그 기준이 무엇이었는지가 아키텍처 설계 경험의 핵심입니다.

• 모니터링·로깅 체계를 설계한 경험이 필요합니다.

  이렇게 볼 수 있어요

  업무의 장애 대응 체계 수립과 연결되는 요건입니다. 어떤 지표와 로그를 남기도록 기준을 정했고 그 기준이 인시던트 대응에서 어떻게 쓰였는지가 설계 경험을 보여 줍니다.

• 개발자, PM, 비즈니스 등 다양한 이해관계자와의 기술 커뮤니케이션 역량, 기술 문서 작성 및 프레젠테이션 역량, 요구사항을 구체적인 기술 설계로 풀어내는 능력이 필요합니다.

  이렇게 볼 수 있어요

  비즈니스 쪽 요구를 받아 설계 문서로 옮기고 그 설계를 발표해 합의를 얻은 사례 하나로 세 역량을 함께 보여 줄 수 있습니다.

• 공통사항으로 해외여행 또는 비자발급 요건에 결격사유가 없어야 하며, 남성은 병역필 또는 면제자여야 합니다.

  이렇게 볼 수 있어요

  업무에 해외 출장은 적혀 있지 않습니다. 해외여행 결격 사유 조항은 해외 출장에 대비하는 뜻도 있지만, 형사재판을 받고 있거나 출국금지·여권이나 비자 발급 제한으로 출국할 수 없는 지원자를 간접적으로 거르려는 목적이 더 큽니다.

3우대 사항

• AI/ML 서비스 아키텍처/이벤트 기반 아키텍처 설계 경험을 우대합니다.

  이렇게 볼 수 있어요

  팀 소개를 보면 AI개발 Cell은 예측, 분류, 최적화, 추천 같은 데이터 분석 모델을 만들어 서비스에 적용합니다. 모델 서빙과 서비스 사이를 이벤트로 연결해 본 설계가 있다면 업무의 ML 서빙 통합 설계와 바로 연결됩니다.

• GPU 클러스터 및 멀티테넌시 환경 구축 경험을 우대합니다.

  이렇게 볼 수 있어요

  GPU 클러스터를 여러 팀이 나눠 쓰도록 격리와 할당 기준을 정해 본 경험이 있다면 몇 개 팀이 어떤 기준으로 자원을 나눴는지 쓸 수 있습니다.

• ML 파이프라인(Kubeflow, MLflow 등) 설계·운영 경험을 우대합니다.

  이렇게 볼 수 있어요

  팀 소개는 MLOps 환경을 지향하고 MLOps 플랫폼 도입과 적용에 관심 있는 사람과 함께하고 싶다고 적었습니다. Kubeflow나 MLflow를 도입한 경험이 있다면 도입 전 팀이 모델을 어떻게 배포했고 도입 뒤 무엇이 바뀌었는지 비교한 내용이 팀 소개의 MLOps 지향과 맞습니다.

• 아키텍처 프레임워크 경험을 우대합니다.

  이렇게 볼 수 있어요

  업무에 기술 로드맵 수립과 기술 표준 정립이 있습니다. 특정 아키텍처 프레임워크로 현재 구조와 목표 구조를 문서화해 본 경험이 있다면 로드맵을 세운 사례와 묶어 정리해 두는 게 좋습니다.

• 공통사항에 관련학과 전공자 및 자격증 소지자를 우대한다는 문장이 있습니다.

  이렇게 볼 수 있어요

  같은 회사 GPU 최적화 엔지니어 (DevOps) 공고는 CKA·CKAD·CKS, AWS Professional 같은 자격증을 이름까지 들어 우대합니다. 이 공고에는 공통 문구만 붙었습니다. 이 공고의 필수 Skill은 리드 경험과 Kubernetes 플랫폼 설계가 중심입니다. 자격증이 있다면 취득 연도와 함께 그 지식으로 설계한 플랫폼을 경력기술서에 자세히 쓰는 편이 맞습니다.

4기타 사항

• 게시일 : 2026년 7월 14일
• 고용형태 : 정규직
• 근무지 : 비상교육 본사 (과천)
• 경력 조건 : 경력 10년 이상
• 학력 조건 : 대졸(4년제)

쓰는 기술

공고 본문에 적힌 기술만 모은 목록입니다.

• MSA
• API Gateway
• CI/CD
• GitOps
• DevSecOps
• Kubernetes
• AWS
• GCP
• NCP
• Kubeflow
• MLflow

전형과 지원

비상교육의 채용 절차는 서류 전형, AI 역량검사, 두 차례의 면접, 최종 합격 순이고 신입과 경력이 같은 절차를 거칩니다. 채용 FAQ는 서류 결과 발표에 최대 3주 정도가 걸린다고 안내합니다.

지원 전 준비할 것

1. 1

   역할에 맞는 공고 고르기

   비상교육은 중복 지원을 받지만 서류 전형에 합격하면 여러 포지션을 동시에 진행할 수 없다고 안내합니다. 같은 회사 DevOps/AI Platform 엔지니어 공고(경력 5년 이상)는 플랫폼 구축·운영을, 이 공고는 아키텍처 설계와 팀 리딩을 맡으므로 최근 몇 년의 역할이 어느 쪽에 가까운지 보고 지원할 공고를 정하세요.

2. 2

   설계 결정 하나를 근거와 함께 정리하기

   공고의 '이런 분과 함께하고 싶습니다'는 '"왜"를 먼저 고민하고, 설계 근거를 명확히 설명할 수 있는 분'으로 시작하고 '완벽한 설계보다 점진적 개선을 추구하는 분'이 뒤를 잇습니다. MSA 경계나 배포 전략처럼 직접 내린 설계 결정 하나를 골라 검토한 대안과 고른 이유, 그 뒤 점진적으로 고친 부분을 정리해 두면 1차 직무 면접의 설계 질문에 바로 답하기 좋습니다.

3. 3

   원격 협업 사례 준비하기

   팀 소개에 나온 대로 이 팀은 주3회 원격 근무를 하며 MS팀즈와 jira/confluence로 소통하고 업무를 공유합니다. 문서와 화상회의로 설계 리뷰와 멘토링을 이끈 경험을 정리해 두면 공고의 '지식을 공유하고 동료의 성장을 돕는 것에 보람을 느끼는 분'과 이어지는 사례로 2차 컬처핏 면접에도 쓸 수 있습니다.