AI 리서처

vooy는 이런 회사예요.

vooy는 사용자를 대신해 실제 일을 끝까지 해내는 아시아 지역 개인 AI 에이전트를 만듭니다. 예약, 이동, 쇼핑, 여행, 행정 같은 생활 과제를 실제 서비스와 연결해 완료합니다.

• 실행 인프라 — 한국, 일본, 태국, 대만, 싱가포르, UAE의 대표 생활 서비스 500여 곳으로 직접 연결 확장 중
• 다단계 실행 체계 — 공식 파트너 API → 자체 연결 API → 브라우저 실행 → 사람에게 넘기기 순으로 시도해, 가능한 단계에서 바로 완료
• 보안 계층 — 인증·결제 정보를 암호화하고 사용할 때마다 사용자 승인을 받는 구조 구축 중
• 연구 협력 — POSTECH MoAI Lab과 에이전트 평가 연구를 함께 진행 중

이 자리는 이래서 필요해요.

모델은 누구나 살 수 있고, 서비스 연결은 시간과 돈으로 늘릴 수 있습니다. 하지만 우리 에이전트가 어디서, 왜 멈추는지 남보다 먼저 아는 능력은 살 수 없습니다.

에이전트 성능은 성공률을 아는 것만으로는 오르지 않습니다. 무엇이 성공률을 움직이는지 알아야 오릅니다. 그걸 모르는 팀은 열심히 만들어도 같은 자리를 맴돕니다.

에이전트 시대의 경쟁력은 무엇을 만드느냐보다 얼마나 빨리 배우느냐에서 갈립니다. 그리고 팀이 배우는 속도는 결국 얼마나 정확하게 재느냐에 달려 있습니다.

이 포지션은 그 순환 전체를 맡습니다. 에이전트가 일을 끝내는지 재고, 왜 못 끝내는지 찾고, 고친 것이 실제로 효과가 있었는지 확인합니다. vooy의 첫 리서치 채용으로서, 이 회사가 배우는 방식을 처음부터 설계합니다.

이 자리에서 이런 걸 배워요.

• 실험실에는 없는 실패 — 정제된 벤치마크가 아니라 실제 사용자가 실제 서비스에서 겪은 실패를 직접 다룹니다. 논문에서는 보기 어려운 문제들입니다.
• 6개국의 다양성 — 언어, 결제 관행, 서비스 구조가 모두 다른 환경에서 하나의 에이전트가 어떻게 무너지고 어떻게 일반화되는지 가장 가까이에서 봅니다.
• 학계와 현장 사이 — POSTECH MoAI Lab과 함께 연구하며, 엄밀한 방법론과 제품의 속도를 동시에 익힙니다.
• 연구가 제품을 바꾸는 속도 — 오늘의 분석이 다음 날 제품의 우선순위가 되는 것을 직접 경험합니다.
• 분야를 처음 정의하는 경험 — 소비자 에이전트 평가는 아직 정답이 정해지지 않은 분야입니다. 기준을 따르는 대신 기준을 만듭니다.

이런 문제를 연구해요.

1. 실패 원인 추적

• 실행 기록 전체를 읽고, 실패를 만든 결정이 시스템의 어느 단계에서 나왔는지 추적
• 판정 모델이 붙인 라벨이 아니라 재현과 반례로 확인한 실패 원인 체계 구축

왜 어려운가 — 실패는 마지막 단계에서 드러나지만, 원인은 대개 수십 단계 앞의 작은 판단에 있습니다.

2. 실행·질문·위임 판단

• 에이전트가 자신의 확신 정도를 정확히 추정하도록 보정
• 결제처럼 되돌릴 수 없는 행동 앞에서 실행할지, 물어볼지, 사람에게 넘길지 정하는 정책 설계

왜 어려운가 — 너무 자주 물으면 쓸모없는 에이전트가 되고, 너무 적게 물으면 위험한 에이전트가 됩니다. 그 경계는 과제마다, 사용자마다 다릅니다.

3. 평가를 평가하는 일

• 바뀌는 실제 환경을 반영하면서도 재현 가능한 벤치마크 설계
• AI 판정자도 측정 대상으로 보고 신뢰도를 보정하며, 사람이 확인할 지점을 정하기
• 개선 작업 하나가 완료율을 얼마나 바꾸는지 측정해 팀 우선순위의 근거로 제공

왜 어려운가 — 잘못된 평가는 아무것도 재지 않는 것보다 위험합니다. 팀 전체를 틀린 방향으로 빠르게 움직이게 하기 때문입니다.

4. 휴대폰 위의 에이전트

• 휴대폰에서 직접 돌아가는 작은 모델이 어떤 판단까지 맡을 수 있는지 측정하고, 기기와 클라우드 사이의 역할 분담 설계
• 개인 정보를 기기 밖으로 보내지 않고도 성공률을 유지하는 실행 방식 연구

왜 어려운가 — 기기 위 모델은 작고 느리며 배터리를 먹습니다. 무엇을 기기에 남기고 무엇을 보낼지는 속도, 비용, 사생활의 세 축을 동시에 풀어야 하는 문제입니다.

5. 단톡방 속 에이전트

• 여러 사람이 있는 대화에서 에이전트가 언제 끼어들고 누구의 요청을 따를지 정하는 판단 연구
• 사람마다 다른 선호와 일정이 부딪힐 때 합의안을 만들고, 그 과정을 평가하는 방법 설계

왜 어려운가 — 한 사람에게 맞는 답이 다른 사람에게는 무례할 수 있습니다. 정답이 하나가 아닌 문제를 재는 기준부터 새로 만들어야 합니다.

앞으로 이렇게 넓혀 가요.

실행 기록 기반 학습, 먼저 제안하는 판단, 기기 위 모델과 클라우드의 협업

이렇게 일해요.

• 앞으로 6개월은 평가 파이프라인, 판정 보정, 실패 분석 같은 응용 연구와 엔지니어링이 중심입니다. 외부 발표는 그 결과에서 나옵니다.
• 같은 모델에서 시스템만 바꿨을 때의 차이를 성공률, 비용, 지연 시간으로 나눠 잽니다.
• 평가 결과가 곧 개발 로드맵이 됩니다. 결론은 엔지니어링 팀이 바로 결정에 쓸 수 있게 정리하고, 반영한 뒤 다시 잽니다.

이런 성과를 기대해요.

• 실패 원인 체계를 세우고, 그 근거로 팀의 개발 우선순위를 바꾸기
• 실제 사용자 성공률을 예측하는 평가 체계 확립
• 과제 완료율을 통계적으로 유의하게 올린 정책 변경 1건 이상 출시

이런 역량이 필요해요.

• LLM 에이전트나 LLM 시스템의 실패 원인을 실험으로 밝히고 개선한 경험
• 기준선, 분산, 표본 크기, 판정 편향을 통제하는 엄밀한 실험 설계 역량
• Python으로 평가 환경과 실험 파이프라인을 직접 만드는 능력
• 실패 기록을 한 건씩 직접 읽는 일을 즐기는 태도
• 복잡한 결과를 결정권자가 바로 판단할 수 있게 전달하는 능력

이런 경험이라면 더 좋아요.

• 에이전트 벤치마크나 평가 데이터셋을 직접 설계하고 공개한 경험
• 실서비스 로그로 모델·에이전트 지표를 개선한 경험
• 불확실성 추정, 모델 보정, 선택적 응답 연구 경험
• 모바일 기기 위 모델 경량화·추론 최적화, 또는 메신저·소셜 제품에서 다자 대화를 다룬 경험
• 한국어·일본어 등 아시아 서비스 환경에 대한 이해

학위보다 실제 성과를 봅니다.

이런 환경에서 일해요.

• 에이전트 네이티브 워크플로 — 리서치, 개발, 문서, 운영 전반을 에이전트와 함께하는, 가장 에이전트 네이티브한 방식으로 일합니다. 우리가 연구하는 문제를 매일 우리 손으로 겪습니다.
• 무제한 개발 토큰 — 연구와 개발에 필요한 LLM·에이전트 사용량에 제한이 없습니다. 비용 때문에 실험을 줄이지 않습니다.
• 짧은 피드백 루프 — 연구 결과가 다음 날 제품을 바꾸고, 바뀐 제품에서 다시 측정합니다.
• 직접 토론하는 구조 — 창업자, 에이전트 엔지니어와 같은 테이블에서 바로 토론하고 결정합니다.

채용은 이렇게 진행해요.

1. 서류 — 이력서 또는 대표 연구 요약 1페이지(문제, 가설, 실험, 한계, 결론)
2. 연구 인터뷰 (60분) — 대표 연구 심층 토론
3. 과제 (유상, 2–3일) — vooy 벤치마크의 실제 실패 사례를 진단하고, 개선 실험을 설계해 보고
4. 팀 인터뷰 → 창업자 면담 → 처우 협의

정식 지원 전 가벼운 티타임은 언제나 환영합니다. recruit@vooy.com으로 편하게 연락 주세요.