미리디는 '모두가 쉽게 디자인을 통해 세상과 소통하게 하자'는 미션 아래, 2,000만 고객이 사랑하는 올인원 디자인 플랫폼 '미리캔버스'와 국내 1위 온라인 PoD(Print on Demand) 커머스 서비스 '비즈하우스'를 통해 누구나 자신의 아이디어를 손쉽게 실현할 수 있도록 돕고 있습니다.
21년도부터 매년 60% 이상의 매출 성장을 이뤄오며, 24년에 200억 규모의 시리즈 B 투자 유치를 성공적으로 완료하고 2년 연속 흑자 전환에 성공했습니다. 빠르게 성장하는 팀의 일원으로서, 전 세계에 우리의 서비스를 알리고 글로벌 디자인 표준 기업으로 도약하는 미래를 함께 만들어 갈 동료분을 기다리고 있습니다!
[미리캔버스] 누구나 디자인을 통해 자신의 이야기를 표현할 수 있는 세상을 꿈꿉니다. 디자인 지식이 없어도 다양한 템플릿과 요소로 나만의 창의적인 작품을 만들 수 있습니다. 2026년 기준 가입자 2000만명을 돌파한, 한국인이 가장 사랑하는 디자인 플랫폼, 미리캔버스로 자유로운 표현의 세상을 경험해보세요.
[비즈하우스] 15만 개 이상의 샘플 디자인과 3D/AR 뷰어 등 획기적인 인쇄 경험을 제공하며 매년 35%이상 성장하는 온라인 POD 서비스! 더욱 많은 고객들을 위한 프린팅 플랫폼으로 거듭나며 일본, 미국 배송을 시작하였어요.
| 직무 소개 미리디의 수백만 개 디자인 템플릿을 체계적으로 조직하고 이해할 수 있는 분류체계(Taxonomy)와 온톨로지(Ontology)를 설계하는 핵심 역할을 담당하게 됩니다. 정보 구조 설계 전문성을 바탕으로, LLM과 AI Agent가 디자인 템플릿을 정확하고 일관되게 생성·이해할 수 있도록 디자인 템플릿의 구조화된 콘텐츠(Structured Contents)를 정의하고 개념 간 관계를 체계화합니다. 잘 설계된 Taxonomy와 Ontology는 LLM이 참조하는 정보 구조의 근간이 되며, AI 기반 디자인 생성 품질을 좌우할 수 있습니다.
이 역할의 핵심은 AI Agent Engineer, Prompt Engineer, PM 등과의 긴밀한 협업입니다. 분류체계가 프롬프트 설계와 에이전트 워크플로우에 효과적으로 연결될 수 있도록 정보 구조를 함께 정의하고, 거버넌스와 품질 관리 프로세스를 운영하여 미리디의 디자인 데이터 체계가 AI 시대에 맞게 지속적으로 진화하도록 합니다.
| 기대 모습
1개월 뒤
미리디의 디자인 데이터 구조와 현재 분류체계 및 메타데이터 현황을 파악합니다.
Prompt Engineer, AI Agent Engineer, PM 등 협업 파트너의 업무 방식과 현재 AI 생성 파이프라인에서 정보 구조가 어떻게 활용되는지 이해합니다.
기존 분류 레이블과 메타데이터 스키마를 분석하고, LLM/AI Agent의 정보 참조 관점에서 개선이 필요한 영역을 식별합니다.
속한 스쿼드의 목표를 잘 이해하고, 맡은 프로젝트에서 자신의 역할을 책임감 있게 수행합니다.
3개월 뒤
LLM과 AI Agent가 디자인 템플릿을 일관되게 생성·이해할 수 있도록 디자인 템플릿의 구조화된 콘텐츠(Structured Contents) 현황을 분석하고, 개선방안을 도출합니다.
Prompt Engineer와 협업하여 설계한 분류체계가 프롬프트 템플릿에 효과적으로 반영되는지 검증하고, AI 생성 결과물의 품질 향상을 확인합니다.
AI Agent Engineer와 함께 에이전트 워크플로우에서 분류체계가 올바르게 참조되는지 확인하고, 정보 구조 요구사항을 함께 정의합니다.
어노테이터를 위한 레이블링 가이드라인을 작성하고, Inter-annotator Agreement 측정을 통해 분류 품질 관리 프로세스를 운영합니다.
스쿼드 목표를 달성하기 위해 필요한 업무를 스스로 도출하고, 주도적으로 실행합니다.
그 이후
Presentation Tribe 내 여러 팀이 공통으로 활용할 수 있는 표준 디자인 분류체계를 확립하고, 수만 개 이상의 템플릿 재분류를 완료하여 AI 기반 디자인 생성 품질과 정확도 향상에 기여합니다.
분류체계의 거버넌스 프레임워크를 구축하고, AI 모델·프롬프트 변경에 따른 Taxonomy 업데이트 프로세스를 운영합니다.
분류체계의 중요성을 조직 내에 전파하고, PM·엔지니어가 정보 구조를 올바르게 활용할 수 있도록 교육 자료와 워크숍을 운영합니다.
분류 데이터가 AI 생성, 검색, 추천, 콘텐츠 기획 등 다양한 서비스에서 활용되어 발생하는 비즈니스 임팩트를 측정하고 지속 개선합니다.
주요 업무
AI 중심 정보 구조(Taxonomy/Ontology) 설계: LLM과 AI Agent가 디자인 템플릿을 정확히 생성·이해할 수 있도록, 디자인 템플릿의 구조화된 콘텐츠(Structured Contents)와 개념 간 위계·관계를 정의하고 지속적으로 관리합니다.
메타데이터 스키마 및 통제 어휘(Controlled Vocabulary) 구축: 각 디자인 자산(asset)의 표준 메타데이터 필드를 정의하고, 데이터 사전(Data Dictionary)을 작성하며 확장 가능한 스키마를 설계합니다.
AI Agent Engineer·Prompt Engineer·PM과 협업: 분류체계가 프롬프트 설계와 에이전트 워크플로우에 효과적으로 연결되도록 정보 구조 요구사항을 함께 정의하고, AI 생성 결과물의 품질을 분류체계 관점에서 검증합니다.
품질 관리 및 검증(QA): 분류 레이블의 정확성과 일관성을 정기적으로 체크하고, AI 자동 태깅 결과물의 품질을 검증합니다.
거버넌스 프레임워크 수립: 분류체계의 변경·확장 프로세스를 정의하고, AI 모델·프롬프트 업데이트에 따른 Taxonomy 버전 관리를 운영합니다.
조직 내 전파 및 교육: 분류체계의 중요성과 활용 방법을 Presentation Tribe 내 이해관계자에게 전파하고, 교육 자료와 워크숍을 운영합니다.
자격요건
분류체계 설계 경험: Taxonomy, Ontology, 또는 정보 구조 설계 실무 경험 2년 이상, 혹은 수천 개 이상 아이템에 대한 체계적 분류 프로젝트 경험
메타데이터 관리 경험: 통제 어휘(Controlled Vocabulary), 데이터 사전(Data Dictionary), 메타데이터 스키마 설계 및 유지 경험
콘텐츠 관리 시스템 경험: 콘텐츠 관리 시스템(CMS), 디지털 에셋 관리(DAM), 또는 유사 라이브러리 시스템 운용 경험
품질 관리 역량: 분류 기준 문서화, 어노테이션 가이드라인 작성, 분류 일관성 측정(Inter-annotator Agreement 등) 경험
크로스펑셔널 협업 역량: AI Agent Engineer, Prompt Engineer, PM 등 다양한 역할과 협업하며 기술적 제약과 비즈니스 요구를 조율할 수 있는 능력
분석 및 커뮤니케이션 역량: 데이터를 다양한 관점에서 분석하고, 분류의 모호함과 뉘앙스를 이해하며, 이해관계자에게 명확하게 전달할 수 있는 능력
우대사항
문헌정보학, 정보학(Information Science), 컴퓨터 과학 또는 관련 분야 석사 이상 학위 보유
거버넌스 프레임워크 수립 경험: 분류체계의 변경 관리, 버전 관리, 조직 내 표준화 프로세스 구축 경험
•
[서류전형]-
[1차인터뷰]-
[2차인터뷰]-
[처우협의]-
[입사]의 프로세스로 진행됩니다. - 서류는 원활한 검토를 위해 PDF 형식으로 제출 부탁드립니다. - 2차 인터뷰의 경우, 직무/직급에 따라 생략될 수 있습니다. - 직급에 따라 인터뷰 후 레퍼런스 체크 전형이 추가될 수 있습니다.
• 입사 후 3개월의 수습 기간 및 수습 평가가 진행됩니다. (급여 100%)
• 서류 전형 결과 안내까지는 최대 2주, 인터뷰 결과 안내까지는 최대 3주가 소요됩니다.
• 여러 포지션 동시 지원은 가능하지만 동일한 포지션의 경우 최종 결과 안내를 받은 시점으로부터 6개월 후에 재지원이 가능합니다.
