[렌트리 소개]

렌트리가 혁신하고자 하는 시장은 국내 기준 10조 원 이상 규모로 성장한 라이프스타일 렌탈 시장입니다.

하지만 렌탈 시장은 여전히 방문 판매 중심의 전통적인 영업 방식에 머물러 있으며, 고객은 제품 탐색부터 계약과 해지까지 전 과정에서 많은 불편을 경험하고 있습니다.

렌트리는 IT와 AI를 활용해 렌탈 산업을 새로고침하고 있습니다. 국내 최초 원스톱 렌탈 플랫폼으로서 고객이 원하는 제품을 원하는 기간 동안 합리적으로 이용할 수 있는 새로운 렌탈 경험을 만들어가고 있습니다.

[CTO 조직을 소개합니다]

렌트리는 성장(GCO) · 제품(CPO) · 플랫폼(CTO)이 각자의 축을 책임지는 구조로 일합니다.

CTO 조직은 성장 조직과 제품 조직이 더 빠르고 안정적으로 실행할 수 있는 기술 기반을 만듭니다. 단순히 인프라를 운영하거나 개발을 지원하는 조직이 아니라, 제품 아키텍처 · AX · 개발 생산성 등 회사의 중장기 기술 경쟁력을 직접 소유하고 확장합니다.

CTO 조직은 세 개의 트랙으로 구성됩니다.

• Platform / BE, FE — Product DB와 도메인 아키텍처, 견적·정책 등 핵심 커머스 구조, 공통 API, Technical SEO
• Platform / AX — AI 상담·세일즈, Agent · MCP · RAG · Ontology, LLM Evaluation, 전사 AI 개발 환경
• Platform / Infra — AWS · EKS, CI/CD, Observability, 보안 · 성능 · 비용 최적화

[이 포지션을 소개합니다]

AI 엔지니어는 모델을 연결하거나 단순한 AI 기능을 만드는 역할에 머무르지 않습니다.

AI가 고객의 선택과 구매를 돕는 제품을 만들고, 동시에 구성원이 AI로 더 빠르게 일할 수 있는 환경을 만드는 시니어 Player-Coach 포지션입니다.

• 직접 코드를 작성하면서 Platform / AX 트랙의 기술 방향과 아키텍처를 결정합니다.
• 렌트리가 AI를 제품과 일하는 방식에 어떻게 적용할지에 대한 기준을 만듭니다.
• 품질 · 지연 · 비용뿐 아니라 전환 · CS 효율 · 개발 생산성까지 직접 측정하고 개선합니다.
• 기술 표준과 코드 리뷰 기준을 수립하고 동료의 AI 활용 역량을 높입니다.
• 공식 평가와 최종 채용 의사결정은 CTO가 담당합니다.

주요 업무

[Agent · MCP · RAG · Ontology를 설계합니다]

렌트리의 상품 · 가격 · 정책 · 견적 · 계약 데이터를 LLM이 정확하게 이해하고 활용할 수 있는 형태로 구조화합니다.

사내 시스템과 안전하게 연결되는 Agent와 Tool Calling 구조를 만들고, 복잡한 업무를 끝까지 수행할 수 있는 실행 환경을 구축합니다.

[LLM Evaluation 체계를 구축합니다]

Eval 데이터셋과 실패 유형을 정의하고, 정확성 · 근거성 · 과업 성공률 · 환각률 등 모델 품질을 정량적으로 측정합니다.

“잘 되는 것 같다”는 감각이 아니라 회귀 테스트와 데이터에 기반해 지속적으로 개선되는 AI 시스템을 만듭니다.

[AI Platform을 설계하고 운영합니다]

모델 · 프롬프트 · 컨텍스트 · 도구 호출 구조를 표준화하고, 품질 · 지연 · 토큰 · 비용의 트레이드오프를 관리합니다.

모델 변경이나 프롬프트 수정이 실제 서비스에 미치는 영향을 안전하게 검증하고 배포할 수 있는 기반을 만듭니다.

[전사 AX 환경을 만듭니다]

모든 직군의 팀원들이 AI를 활용해 더 빠르게 제품을 설계하고 구현할 수 있도록 Agent · MCP · 자동화 도구와 업무 워크플로를 만듭니다.

렌트리의 AX는 제품에 AI를 적용하는 데 그치지 않고, 제품을 만드는 과정 자체를 바꾸는 일입니다.

[AI 활용 기준을 세웁니다]

무엇을 AI에 맡기고 무엇을 사람이 검증해야 하는지, 어떤 데이터를 어떤 범위에서 사용할 수 있는지에 대한 조직의 기술 표준과 운영 기준을 수립합니다.

[Tech 조직은 이렇게 일합니다]

• 매일 아침 스탠드업을 통해 우선순위와 진행 상황, 블로커를 공유합니다.
• 큰 기능을 작은 단위로 나누어 빠르게 검증하고 릴리즈합니다.
• 백로그 · 스프린트 · 칸반 · 회고를 기반으로 애자일 프로세스를 운영합니다.
• 설계와 기술 의사결정은 Notion에 기록하고, 모든 소스 코드는 GitHub Cloud에서 관리합니다.
• 작은 단위의 Pull Request와 Git Flow 브랜치 전략을 기반으로 개발합니다.
• CI/CD를 통해 빌드와 배포를 자동화하고 있습니다.
• Claude Code를 전사적으로 사용합니다. AI 활용이 선택이 아니라 기본값인 조직입니다.

자격요건

[이런 분을 찾습니다]

• 소프트웨어 엔지니어링 경력 7년 이상이신 분
• LLM 기반 시스템을 직접 설계하고 구축해 프로덕션 환경에서 운영해 보신 분
• RAG · Agent · Tool/Function Calling · MCP 중 하나 이상을 실제 서비스에 적용해 보신 분
• Eval 데이터셋 구성 · 실패 유형 분류 · 환각 대응 등 모델 출력의 품질을 측정 가능한 지표로 관리해 보신 분
• 모델과 프롬프트 구조를 개선하며 품질 · 토큰 · 지연 · 비용의 트레이드오프를 직접 다뤄 보신 분
• 자신의 업무를 기술 수치에 그치지 않고 매출 · 전환 · 리텐션 · CS 효율 · 비용 등 사업 지표와 연결해 설명할 수 있는 분
• 팀의 기술 표준을 수립하고 동료의 AI 활용 역량을 높여 보신 분
• 담당 범위에 갇히지 않고 필요한 문제를 스스로 발견하고 해결을 주도하시는 분

우대사항

[이런 경험이 있다면 더 좋습니다]

• 데이터 모델링 또는 온톨로지 설계 경험이 있으신 분
• 상담 · CS · 세일즈 등 대화형 도메인에 AI를 적용해 실제 사업 지표를 개선해 보신 분
• 임베딩 · 벡터 데이터베이스 · 파인튜닝을 운영 환경에서 다뤄 보신 분
• Spring Boot 또는 Python 기반 백엔드 서비스 개발 경험이 탄탄하신 분
• MLOps 또는 모델 서빙 인프라를 구축·운영해 보신 분
• 사내 AI 도구와 업무 워크플로를 만들어 조직에 확산시켜 보신 분
• AWS Bedrock 등 클라우드 AI 서비스를 품질과 비용까지 고려해 운영해 보신 분
• B2C 커머스 · 구독 · 결제 도메인을 경험해 보신 분

Tech & Collaboration Stack

• AI — Anthropic Claude · OpenAI · Claude Code Max · MCP · RAG · Agent
• Back-end — Spring Boot · MySQL · DocumentDB · Redis · OpenSearch · MyBatis · JPA
• Front-end — React · Next.js · React Native
• Infra — AWS EC2 · EKS · CloudFront · S3 · Lambda@Edge · RDS · CloudFormation
• CI/CD — ArgoCD · Jenkins · Git · GitHub Cloud
• Data / Monitoring — ELK Stack · Datadog · Amplitude · Airbridge · DataLake · Redash · n8n
• Collaboration — Notion · Slack · Google Workspace

혜택 및 복지

• 근무 일정을 스스로 디자인합니다. (8:30~10:00 출근, 일 8시간 이상 자율 출퇴근)
• 효율적 근무를 위해 최신 업무 장비를 지원합니다.
• 외근/야간/휴일 근무시 택시비 지원합니다.
• 야간/휴일 근무시 식대 지원합니다.
• 즐거운 회사 생활을 위해 팀 런치/커피를 지원합니다.

채용 전형

서류 전형 - 1차 직무 인터뷰(비대면) - 2차 인터뷰(대면) - 3차 인터뷰(필요시) - 최종 합격

| 필수 제출서류
• 이력서/자기소개서
• 포트폴리오
• 경력기술서