AX Engineer, 개발자의 새로운 정의
경력 1년으로 시작하는 AI 네이티브 시대
지앤지커머스의 채용 공고를 처음 봤을 때, 낯선 용어 하나가 시선을 사로잡았다. “AX Engineer”. Application Experience Engineer? AI eXpert? 정확한 정의는 알 수 없지만, 채용 공고를 읽어내려가면서 명확해진다. 이것은 단순히 새로운 직책 이름이 아니라, 개발자라는 직업의 재정의다.
2026년 현재, 우리는 개발자의 정의가 바뀌는 순간을 목격하고 있다. 그리고 이 채용 공고는 그 변화의 선명한 스냅샷이다.
꽉AI·WISH, 회사 안의 AI 허브
첫 번째 주요 업무가 흥미롭다. “꾹AI·WISH(Workplace Intelligent Solution Hub) 요구사항 해결 및 운영”. 회사 내부에 AI 솔루션 허브가 있고, 그것을 운영하는 사람을 채용한다는 의미다.
과거의 개발자는 회사의 웹사이트나 앱을 만들었다. 하지만 AX Engineer는 회사 내부의 업무 프로세스를 AI로 자동화하고 최적화하는 시스템을 만든다. 이것은 근본적으로 다른 접근이다.
고객을 위한 제품이 아니라, 동료를 위한 도구. 외부 시장이 아니라, 내부 효율. B2C나 B2B가 아니라, B2E(Business to Employee). 개발자의 역할이 확장되고 있다.
FDSE, 현장으로 나가는 개발자
두 번째 업무는 더욱 흥미롭다. “FDSE(Forward Deployed Software Engineer) 직업 현장 필요 사항 개발 Agile&주도적 진행”.
FDSE는 Palantir가 만든 개념이다. 사무실에 앉아서 요구사항 문서를 받아 개발하는 것이 아니라, 현장에 직접 가서 문제를 발견하고 즉시 해결책을 만드는 엔지니어다.
상상해보자. 도매 시장 현장에 간다. 상인들이 어떻게 일하는지 관찰한다. 전화로 주문을 받고, 수기로 장부를 쓰며, 재고를 엑셀로 관리하는 모습을. 그 자리에서 노트북을 열고 프로토타입을 만든다. “이렇게 하면 어떨까요?” 즉각적인 피드백을 받는다. 수정한다. 다시 보여준다. 하루 만에 작동하는 솔루션이 나온다.
이것이 가능한 이유는? AI 도구 때문이다. Claude Code가 코드를 짜주고, n8n이 워크플로우를 만들며, 배포는 Docker 컨테이너 하나면 된다. 현장에서 관찰하고, 이해하고, 즉시 만든다. 이것이 FDSE의 방식이고, AX Engineer의 일하는 방법이다.
AI 기반 워크플로우, 새로운 개발의 본질
나머지 주요 업무들을 보면 패턴이 명확해진다.
“AI 기반 워크플로우 지속화 및 업무 프로세스 최적화” - 단순히 프로그램을 만드는 것이 아니라, AI를 활용해 업무 흐름 자체를 재설계한다.
“커머스 서비스 Vertical AI 기획 및 개발” - 범용 AI가 아니라 특정 산업(도매 커머스)에 특화된 AI를 만든다.
“오픈소스 AI 모델(Gemma3, Qwen3, Llama 3.1 등) 연동 및 테스트” - ChatGPT API를 호출하는 수준을 넘어, 자체 AI 모델을 운영한다.
“AI 활용 교육자로 제작, 사내 교육” - 개발자가 코드만 짜는 것이 아니라, AI 활용 문화를 전파하는 교육자가 된다.
“프로젝트 기반 AI 솔루션 기획·실행 및 결과물 검증” - 처음부터 끝까지, 기획-개발-검증의 전 과정을 담당한다.
이것은 더 이상 “개발자”라고 부르기에는 너무 넓은 역할이다. 차라리 “AI 비즈니스 솔루션 아키텍트”에 가깝다. 하지만 여기서 중요한 것은, 이 모든 것을 경력 1년차가 할 수 있다는 것이다.
경력 1년, 혁명적 진입장벽
자격 요건의 첫 줄을 보자. “AI 도구(Claude Code, Codex, Cursor 등)를 활용한 개발, 테스트, 디버그 가능(경력 1년 이상)”.
경력 1년. 이것은 혁명이다. 전통적으로 개발자는 최소 3~5년은 경력이 쌓여야 제대로 된 프로젝트를 맡을 수 있었다. 신입 때는 간단한 기능 개발과 버그 수정에 머물렀다. 하지만 이제는?
AI 도구를 잘 활용하면 1년차도 충분하다. Claude Code와 대화하며 복잡한 로직을 구현하고, Cursor의 제안을 받아 코드 품질을 높이며, Codex로 버그를 찾아 수정한다. 1년차지만 3년차의 생산성을 낼 수 있다.
이것은 기회인가, 위협인가? 신규 개발자에게는 명백한 기회다. 진입장벽이 낮아졌다. CS 전공이 아니어도, 부트캠프를 나오지 않아도, 1년만 AI 도구를 활용한 개발 경험을 쌓으면 지원할 수 있다.
기존 개발자에게는? 도전이다. “나는 10년 경력이 있지만 AI 도구는 잘 모른다”는 말은 더 이상 자랑이 아니다. 오히려 뒤처졌다는 고백이 될 수 있다.
Claude Code, Cursor, 그리고 새로운 도구들
자격 요건에 나열된 도구들을 하나씩 살펴보자.
Claude Code, Codex, Cursor: AI 페어 프로그래밍 도구들. 개발자는 더 이상 혼자 코딩하지 않는다. AI와 대화하며 코드를 작성한다. “이 함수는 뭐하는 거야?” 물어보면 설명해준다. “이 부분 리팩토링해줘” 요청하면 개선안을 제시한다. “버그 어디있어?” 물으면 찾아준다.
ChatGPT, Gemini, Perplexity, Genspark: 다양한 LLM. 하나의 모델에 의존하지 않는다. 각 모델의 강점을 이해하고, 상황에 맞게 선택한다. 코드 생성은 Claude에게, 빠른 정보 검색은 Perplexity에게, 멀티모달 작업은 Gemini에게.
n8n: 노코드/로우코드 워크플로우 자동화 도구. 이것이 개발자 채용 공고에 들어있다는 것이 핵심이다. 전통적 개발자는 모든 것을 코드로 짠다. 하지만 AX Engineer는 80%는 n8n으로 드래그 앤 드롭으로 만들고, 20%만 커스텀 코드를 작성한다. 더 빠르고, 더 유연하며, 비개발자도 이해할 수 있는 시스템.
Grok: X의 실시간 AI. 최신 트렌드와 실시간 정보에 접근한다. 개발자는 과거의 지식만으로는 부족하다. 지금 이 순간 무슨 일이 일어나고 있는지 알아야 한다.
NotebookLM: Google의 AI 노트 도구. 문서를 업로드하면 AI가 요약하고, 질문에 답하며, 연결고리를 찾아준다. AX Engineer는 코드뿐 아니라 지식 관리와 문서화까지 AI를 활용한다.
이 도구들의 공통점은? 모두 2023년 이후에 등장했거나 크게 발전했다는 것이다. 이것은 최신 트렌드를 따라잡는 것의 중요성을 의미한다. 5년 전 도구를 완벽하게 마스터하는 것보다, 최신 AI 도구를 빠르게 습득하고 활용하는 능력이 더 중요하다.
Backend와 Frontend, 그리고 그 너머
“Backend(FastAPI, Python 등), Frontend(React, Typescript 등) 개발 경험”. 여기서 “등”이라는 표현이 중요하다.
특정 프레임워크에 집착하지 않는다. FastAPI든 Flask든, React든 Vue든, 중요한 것은 빠르게 작동하는 것을 만드는 것이다. 완벽한 아키텍처보다 작동하는 프로토타입. 최적화는 나중에, 필요하면 할 수 있다.
“API 연동 및 데이터 처리 역량”. 백엔드와 프론트엔드를 넘나든다. 풀스택이라고 할 수도 있지만, 여기서 중요한 것은 전체 시스템을 이해하고 빠르게 엔드투엔드로 구현할 수 있는 능력이다.
“원활한 문제해결능력, 의사소통능력”. 기술적 능력만큼 중요한 것이 소프트 스킬이다. 특히 FDSE로서 현장에 나가면, 기술 용어를 모르는 사람들과 대화해야 한다. 그들의 문제를 이해하고, 해결책을 설명하며, 피드백을 받아들이는 능력.
우대사항이라는 이름의 미래 로드맵
우대사항을 보면 이 회사가, 그리고 이 직군이 나아갈 방향이 보인다.
“LLM/RAG 구축 경험(LangChain/LangGraph 사용)”
이것은 ChatGPT API를 호출하는 수준을 넘어선다. RAG(Retrieval-Augmented Generation)는 외부 지식 베이스에서 정보를 검색해 LLM의 답변 품질을 높이는 기술이다. 회사의 내부 문서, 상품 데이터베이스, 고객 이력. 이런 것들을 AI가 참조해 더 정확한 답변을 하게 만든다.
LangChain은 LLM 애플리케이션을 체계적으로 개발하기 위한 프레임워크다. 프롬프트 관리, 메모리, 체인, 에이전트. 단순한 챗봇을 넘어서 복잡한 AI 워크플로우를 구축할 수 있다.
“서비스 기획 및 프로젝트 리딩 경험”
AX Engineer는 지시받아 개발하는 사람이 아니다. 스스로 문제를 정의하고, 솔루션을 기획하며, 프로젝트를 이끈다. 개발자이면서 동시에 PM이다.
“Figma 기반 UI/UX 업무 경험”
두 번 언급된다. 강조의 의미다. AI 도구로 개발 속도가 빨라지면, 더 많은 시간을 UX에 투자할 수 있다. 기능이 작동하는 것만으로는 부족하다. 사용하기 쉽고, 직관적이며, 아름다워야 한다.
“클라우드 서버 Docker기반 서비스 운영 능력”
Kubernetes만큼 복잡하지 않다. Docker만 알면 된다. 하지만 충분하다. 로컬에서 개발한 것을 컨테이너로 패키징하고, 클라우드에 배포한다. 간단하고, 빠르며, 효과적이다.
“DB설계 및 SQL 구현(RDBMS/NoSQL/VectorDB)”
여기서 VectorDB가 눈에 띈다. Pinecone, Weaviate, Chroma. 벡터 데이터베이스는 AI/ML 애플리케이션의 핵심 인프라다. 텍스트를 embedding으로 변환하고, 유사도 검색을 수행하며, RAG 시스템의 기반이 된다. 전통적인 개발자에게는 생소하지만, AX Engineer에게는 필수다.
“AI 기반 B2B/B2C 서비스 또는 SaaS 프로젝트 경험”
이것이 핵심이다. AI를 공부한 것이 아니라, AI로 실제 서비스를 만들어본 경험. 데모가 아니라 프로덕션. 토이 프로젝트가 아니라 실사용자가 있는 서비스.
“기본무대: 컴퓨터활용능력, 통계분석·리서치 능력, 유관업무 경험자(인턴·알바), 커머스 유관업무 경험자, 액셀 고급능력 보유자, 관련 자격증 보유자”
흥미로운 리스트다. 엑셀 고급 능력? 컴퓨터 활용 능력? 이것들은 전통적으로 개발자 채용 공고에서 보지 못하던 항목이다.
하지만 AX Engineer의 맥락에서는 이해가 된다. 현장에 나가면 엑셀로 작업하는 사람들을 만난다. 그들의 작업을 이해하고, 엑셀로 프로토타입을 만들며, 그것을 코드로 자동화한다. 엑셀은 출발점이고, 코드는 최종 솔루션이다.
오픈소스 AI 모델, 자체 운영의 가치
“오픈소스 AI 모델(Gemma3, Qwen3, Llama 3.1 등) 연동 및 테스트”라는 업무가 흥미롭다.
ChatGPT, Claude, Gemini는 모두 유료 API다. 사용량이 늘어날수록 비용도 늘어난다. 스타트업이나 중소기업에는 부담이 될 수 있다.
하지만 Llama 3.1, Qwen3, Gemma3 같은 오픈소스 모델은 자체 서버에서 실행할 수 있다. 초기 투자(GPU 서버)는 필요하지만, 이후에는 사용량과 무관하게 비용이 고정된다. 대량 사용 시 훨씬 경제적이다.
더 중요한 것은 데이터 보안이다. B2B 도매 플랫폼은 민감한 거래 데이터를 다룬다. 거래처 정보, 가격, 재고. 이런 것들을 OpenAI나 Google 서버로 보내고 싶지 않을 수 있다. 하지만 자체 서버에서 오픈소스 모델을 실행하면, 데이터가 외부로 나가지 않는다.
또한 도메인 특화 파인튜닝이 가능하다. 일반적인 ChatGPT는 도매 시장 용어를 잘 모를 수 있다. 하지만 Llama를 도매 시장 데이터로 파인튜닝하면, 그 분야 전문가가 된다.
AX Engineer는 단순히 API를 호출하는 것을 넘어, AI 모델을 직접 운영하고 최적화하는 능력까지 갖춰야 한다.
도매꾹·도매의, 전통 산업의 AI 혁신
지앤지커머스는 “도매꾹·도매의”라는 B2B 도매 플랫폼을 운영한다. 이것이 AX Engineer 채용의 맥락을 제공한다.
도매 시장은 여전히 아날로그적이다. 전화로 주문하고, 팩스로 서류를 주고받으며, 엑셀로 재고를 관리한다. 비효율이 만연하다. 하지만 그만큼 AI로 혁신할 여지가 크다.
상상해보자:
음성 주문 자동화: 상인이 전화로 “사과 10박스, 배 5박스” 주문한다. Whisper API가 음성을 텍스트로 변환하고, GPT-4가 의도를 파악해 자동으로 주문서를 생성한다.
상품 설명 자동 생성: 상품 사진을 업로드하면 Vision API가 분석하고, GPT-4가 상품 설명을 작성하며, 자동으로 카테고리를 분류한다. 다국어 번역도 즉시.
재고 예측 AI: 과거 거래 데이터를 분석해 다음 주에 어떤 상품이 얼마나 팔릴지 예측한다. 최적 재고 수준을 제안하고, 자동 발주까지.
가격 최적화: 시장 가격, 재고 수준, 수요 예측을 종합해 최적 판매가를 실시간 제안한다.
24시간 AI 고객센터: 고객 문의에 NotebookLM으로 학습한 AI가 즉시 답변한다. 복잡한 문제만 인간 상담원에게 연결.
문서 자동화: 거래 명세서, 세금계산서, 배송 라벨. n8n으로 워크플로우를 만들어 자동 생성하고 발송한다.
이 모든 것을 AX Engineer 한두 명이 만든다. Claude Code가 코드를 짜주고, n8n이 워크플로우를 연결하며, LangChain이 AI를 체계화한다. 빠르게 프로토타입을 만들고, 현장에서 테스트하며, 피드백을 받아 개선한다.
전통 산업에 AI를 입히는 것. 이것이 AX Engineer의 진짜 가치다.
교육자로서의 개발자
“AI 활용 교육자로 제작, 사내 교육”이라는 업무도 중요하다.
과거에는 개발자가 코드를 짜면, 다른 부서가 그것을 사용했다. 일방향 관계였다. 하지만 이제는 다르다. AX Engineer는 AI 도구를 설정하고, 다른 직원들이 직접 AI를 활용할 수 있도록 교육한다.
상상해보자:
마케팅 팀: “ChatGPT로 상품 설명을 작성하는 법, 그리고 우리 브랜드 톤에 맞게 조정하는 법을 알려드릴게요.”
CS 팀: “NotebookLM에 매뉴얼을 업로드하면, 고객 질문에 빠르게 답변할 수 있어요. 한번 해볼까요?”
영업 팀: “Perplexity로 경쟁사 정보를 빠르게 조사하는 법을 보여드릴게요.”
재고 팀: “n8n으로 재고가 일정 수준 이하로 떨어지면 자동으로 알림이 오는 워크플로우를 만들어봅시다.”
AX Engineer는 코드를 짜는 사람에서, AI 활용 문화를 전파하는 사람으로 진화한다. 회사 전체가 AI 네이티브가 되도록 돕는다.
이것은 개발자의 역할이 아니라 변화 관리자(Change Agent)의 역할이다. 기술만 아는 것이 아니라, 사람을 이해하고, 가르치며, 격려하는 능력이 필요하다.
근무 조건에 숨은 의미들
근무 조건을 보면 회사의 문화와 가치관을 엿볼 수 있다.
직급/직책: 사원급, 주임~대리급 / 팀원. 주니어부터 미드레벨까지 모두 환영한다. 경력 1년이면 충분하다는 메시지.
근무 시간: 주 5일(월~금), 09:00 - 18:00 (유연근무제/탄력근무제 가능). 유연근무가 가능하다는 것은 성과 중심 문화를 의미한다. 사무실에 앉아있는 시간이 아니라, 만들어낸 가치로 평가한다. FDSE로 현장에 나가야 하므로 유연성이 필수다.
근무지: 서울 영등포구 국제금융로 30 (여의도동, 백상빌딩) 5층 (도매꾹·도매의). 여의도. 금융과 비즈니스의 중심지. 접근성이 좋고, 현장(도매 시장)으로 나가기도 편리하다.
인근지하철: 5, 9호선 여의도역 5번 출구에서 200m (도보 3분) 이내. 출퇴근이 편하다. 소소하지만 중요한 부분. 매일 2시간씩 통근에 쓰는 것과 20분 쓰는 것의 차이는 삶의 질에 직접적 영향을 준다.
새로운 불평등의 시작
하지만 이 변화를 순진하게 낙관만 할 수는 없다. 새로운 기회는 동시에 새로운 불평등을 만든다.
AI 도구 활용 격차: Claude Code, Cursor, n8n, NotebookLM. 이 도구들을 잘 쓰는 개발자와 그렇지 못한 개발자 사이의 생산성 격차가 기하급수적으로 벌어진다. 전자는 1년 만에 취업하고, 후자는 10년 경력이 있어도 경쟁력이 떨어진다.
접근성의 문제: 많은 AI 도구가 유료다. Claude Code, Cursor Pro, NotebookLM Plus. 월 수만 원에서 수십만 원. 이것을 부담 없이 사용할 수 있는 사람과 그렇지 못한 사람의 학습 속도가 다르다. 또한 대부분의 AI 도구가 영어 중심이다. 영어가 편한 사람과 그렇지 않은 사람의 격차.
세대 간 격차: 새로운 도구를 빠르게 습득하는 젊은 세대와, 기존 방식에 익숙한 기성 세대. 전자는 AI를 자연스럽게 받아들이지만, 후자는 저항감을 느낀다. “내가 20년 동안 이렇게 해왔는데, 왜 바꿔야 해?”
회사 간 격차: AI를 적극 도입하는 회사는 적은 인원으로 빠르게 성장한다. 그렇지 못한 회사는 많은 인원을 고용하지만 느리게 움직인다. 격차는 점점 벌어진다.
하지만 여전히, 기회
그럼에도 불구하고, 이 변화는 더 많은 사람에게 기회를 제공한다.
진입장벽의 하락: 과거에는 CS 전공, 코딩 부트캠프, 수년간의 자기 학습이 필요했다. 하지만 이제는? AI 도구를 활용한 1년의 경험이면 충분하다. 독학으로, 사이드 프로젝트로, 온라인 코스로 배울 수 있다.
학습 속도의 가속화: Claude Code와 함께라면, 막힐 때마다 즉시 도움을 받을 수 있다. “이 에러 무슨 뜻이야?” “이 코드 어떻게 개선할 수 있어?” 과거에는 구글링하고, Stack Overflow 뒤지고, 선배에게 물어봐야 했다. 이제는 Claude에게 물으면 된다.
실험의 비용 감소: 아이디어가 있으면 즉시 시도해볼 수 있다. Claude Code로 프로토타입을 만들고, n8n으로 워크플로우를 연결하며, Docker로 배포한다. 하루 만에. 비용은 거의 들지 않는다. 실패해도 괜찮다. 다시 시도하면 된다.
창의성의 해방: 코드 작성이라는 단순 반복 작업을 AI에게 맡기고, 개발자는 더 창의적인 일에 집중할 수 있다. 비즈니스 문제 정의, 사용자 경험 설계, 아키텍처 구상. 진짜 중요한 것들.
AX Engineer, 지금 시작해도 늦지 않았다
결국 이 채용 공고가 전하는 메시지는 명확하다.
“지금이 시작하기 가장 좋은 때다.”
경력 1년이면 충분하다. 완벽하게 준비될 때까지 기다릴 필요 없다. Claude Code를 열고, Cursor를 설치하며, n8n을 시도해보라. NotebookLM에 문서를 업로드하고, Perplexity로 검색해보라. 매일 조금씩 사용하다 보면, 1년 후에는 자연스럽게 활용하고 있을 것이다.
“도구가 아니라 문제 해결 능력이다.”
특정 프레임워크를 완벽하게 마스터하는 것보다, AI 도구를 활용해 빠르게 문제를 해결하는 능력이 중요하다. FastAPI든 Flask든, React든 Vue든, 중요한 것은 작동하는 것을 만드는 것이다.
“현장으로 나가라.”
사무실에만 있지 마라. 실제 사용자를 만나고, 그들의 불편함을 들으며, 즉시 해결책을 만들어라. AI 도구가 있으니 가능하다. 이것이 FDSE의 방식이고, 미래 개발자의 일하는 방법이다.
“교육자가 되어라.”
혼자만 잘하지 마라. 동료들에게 AI 활용법을 알려주고, 회사 전체가 AI 네이티브가 되도록 도와라. 그것이 진짜 가치를 만든다.
2026년, 개발자의 재정의
AX Engineer라는 직군은 단순히 새로운 직책이 아니다. 이것은 개발자라는 직업의 재정의다.
과거의 개발자는 코드를 짰다. 요구사항을 받고, 알고리즘을 구현하며, 테스트하고, 배포했다. 기술적 전문성이 핵심이었다.
현재의 AX Engineer는 문제를 해결한다. 현장에 가서 관찰하고, AI를 활용해 빠르게 솔루션을 만들며, 직원들을 교육하고, 지속적으로 개선한다. 기술은 도구일 뿐, 핵심은 비즈니스 가치 창출이다.
미래의 모든 개발자는 AX Engineer가 될 것이다. “AX”라는 용어조차 사라질 것이다. 왜? AI를 활용하지 않는 개발자는 개발자가 아니기 때문이다. 마치 지금 “인터넷을 사용하는 개발자”라고 따로 부르지 않듯이.
지앤지커머스의 채용 공고는 그 미래를 보여준다. 경력 1년, AI 도구 활용, 현장 중심, 빠른 실행, 교육과 전파. 이것이 2026년의 개발자이고, 이것이 당신이 될 수 있는 모습이다.
미래는 이미 여기 있다. 이제 필요한 것은 용기뿐이다. Claude Code를 열고, 첫 대화를 시작하는 용기. n8n으로 첫 워크플로우를 만드는 용기. 1년 후 AX Engineer가 되어있을 자신을 상상하는 용기.
그 용기가 있다면, 시작하라. 지금.
작성일자: 2026-01-21