당신이 맡게 될 역할

GAIA-BT의 AI Agent Engineer는 “모델을 학습시키는 사람”이 아니라, AI가 과학 연구를 수행하는 방식을 설계하는 사람입니다.

1. 신약개발용 LLM 기반 에이전트 아키텍처 설계

• 단일 LLM이 아닌 역할 기반 멀티 에이전트 시스템 설계

(Planner / Researcher / Critic / Executor 등)

• 장기 컨텍스트 유지, 도메인 메모리, tool-augmented reasoning 구조 구현

• 복잡한 연구 task를 자동 분해·재조합하는 에이전틱 플래닝 로직 개발

2. AI-Agent 중심 후보물질 스크리닝 파이프라인 구축

• 화합물 라이브러리, 실험 데이터, 문헌 정보를 통합적으로 활용하는 스크리닝 워크플로우

• 에이전트가 스스로 가설을 세우고 필터링 기준을 조정하는 adaptive screening 시스템

• Cheminformatics / bioinformatics 분석 툴과의 정교한 연동

3. 과학적 정합성을 검증하는 자동화 시스템 구현

• LLM이 생성한 코드·분석·결론에 대한 self-verification / cross-checking 메커니즘 설계

• 통계적 타당성, 재현성, 도메인 제약 조건을 반영한 평가 로직 구현

• “그럴듯한 답변”이 아닌 연구에 사용할 수 있는 결과만 남기는 구조 설계

4. 연구용 프로토타입 → 제품 레벨 시스템 전환

• 실험적 에이전트 시스템을 안정적인 제품 기능으로 발전

• 실제 신약개발 워크플로우에 맞는 UX / API 설계

• 성능·비용·확장성을 고려한 LLM 시스템 최적화

핵심 기술 스택

1. Backend

• Python (FastAPI, Flask) 또는 Node.js 기반 API 서버

• 비동기 처리: Celery, Redis, RabbitMQ, Ray, Temporal

• 장시간 작업 관리 및 Job Queue 설계 경험

2. GPU / Compute

• NVIDIA GPU 서버 운영 경험 (A100, H100, RTX 등)

• CUDA, cuDNN, NCCL 개념 이해

• Docker + NVIDIA Container Toolkit

• PyTorch / JAX / TensorFlow 실행 환경 구성

3. Storage / Data

• NAS, NFS, Ceph, MinIO, S3 호환 스토리지

• 대용량 파일 관리 및 I/O 병목 해결 경험

• 데이터 백업, 스냅샷, 버저닝 전략

4. DevOps / Infra

• Linux 기반 서버 운영

• Docker, Docker Compose, Kubernetes(우대)

5. CI/CD 파이프라인 구성

• 모니터링 (Prometheus, Grafana 등)

6. MLOps / LLMOps

• 모델 서빙, 버전 관리

• 실험 추적 (MLflow, Weights & Biases 등)

• LLM inference 비용 최적화 경험

• 프롬프트 및 에이전트 버저닝 관리

이런 분과 특히 잘 맞아요

• “GPU 서버는 그냥 꽂아두면 되는 거 아님?”이라는 말에 피식 웃는 분

• 연구자가 밤새 돌린 실험이 아침에 살아있어야 한다는 압박을 아는 분

• 비용·성능·안정성 사이에서 균형 잡는 걸 즐기는 분

• DevOps지만 연구 맥락을 이해하려 노력하는 엔지니어

• 논문보다 실험 로그를 더 많이 읽어본 분