핀다의 Work OS를 AI Native로 재설계하는 여정,
실제 비즈니스 필드에서 '진짜 문제'를 해결하는 AI 엔지니어로 성장하세요.
OpenAI, Google 등 글로벌 테크 기업들은 최상위 인재 양성을 위해 AI Residency 프로그램을 운영하고 있습니다.
주로 석·박사급 연구자 혹은 엔지니어를 대상으로, 6~12개월 동안 멘토링·실전 프로젝트·논문 작업을 함께하는 리서치 트레이닝 트랙으로 운영되며,
짧은 기간 동안 학위 과정에 준하는 딥러닝 연구·모델링 경험을 제공합니다.
Student Track for AI Agent
핀다의 AI Residency는 이러한 글로벌 모델을 참고하되, 학부·석사 단계의 인재를 위한 Student Track으로 재설계한 프로그램입니다.
연구/리서치 중심이 아닌, 금융·핀테크 도메인에서 실제 비즈니스 문제를 자동화하고 재구성하는 실무형 트랙에 집중합니다.
총 4개월(5주 레지던시 + 3개월 인턴십) 동안 실제 현업 환경에서 일하며, AI 실무형 인재로 성장할 수 있도록 설계된 과정입니다.
AI를 도입하는 만큼 생산성이 높아질까요? 그렇지 않습니다. 파편화된 도구들을 엮어 실질적인 임팩트를 내려면 전체 구조를 꿰뚫어 보는 시야가 필수적입니다.
단순 '사용'을 넘어, 도구가 일하는 '시스템'을 설계합니다.
핀다는 월 1,800만 건 이상의 대출 계산이 일어나는 거대한 트래픽과 데이터를 보유하고 있습니다.
풍부한 데이터를 기반으로, AI 에이전트가 마음껏 뛰어놀 수 있는 최적의 환경입니다.
우리의 진짜 목적은 '고객 가치 전달 속도'를 높이는 것입니다. 단순히 AI 도구를 더 쓰는 것이 아니라, 코드와 모델로 확장 가능한(Scalable) 시스템을 만듭니다.
조직의 생산성을 퀀텀 점프(Quantum Jump) 시키는 일입니다.
Deep Dive & Rapid Engineering
비즈니스 아키텍처, 데이터 파이프라인, 사내 AI 인프라를 엔지니어링 관점에서 3주간 집중 분석
반복 업무를 관찰하는 수준을 넘어, 사람과 에이전트의 협업 구조 재설계
LLM, Python, Workflow Tool을 활용하여 즉시 사용 가능하고 확장 가능한 MVP 모델 구현
System Integration & Optimization
검증된 PoC 모델을 실제 사내 시스템/프로덕트 레벨에서 안정적으로 구동되도록 파이프라인 구축
에이전트 실행 로그와 피드백 데이터를 분석하여 모델 정확도와 처리 속도 지속 튜닝
핀다 크루 모두가 AI를 도구가 아닌 동료(Agent)로 인식하고 협업하는 문화를 정착
정해진 답은 없습니다.
개발·데이터·프로덕트 등 다양한 영역에 숨겨진 수많은 과제들을 함께 발굴하고, 한계 없이 도전해 보세요!
실제 금융/핀테크 도메인에서
AI 에이전트 설계 및 배포
코딩을 넘어 조직의 업무 흐름을
분석하고 재설계하는 역량
시니어 개발자 및 현업팀과의
밀착 멘토링과 협업
평가 통과 시 AI Agent
인턴십으로 직접 연계
Residency(5주) 및 인턴십(3개월)
전체 기간 정식 급여 지급
5주 Residency 평가 통과 시
축하금 100만 원 별도 지급
비즈니스·기술·데이터 환경
3주간 집중 교육으로 흡수
과거에 무엇을 했는지 자체보다, 그 경험 안에서 문제를 어떻게 정의하고 끝까지 풀어보려 했는지를 더 중요하게 봅니다.
CS/통계/수학적 베이스가 있다면 유리하겠지만, LLM 경험이 없어도 괜찮습니다.Python/SQL 등으로 데이터를 다뤄 보고, 문제를 끝까지 파고들어 본 경험이 있거나 새로운 기술을 빠르게 습득해 자신의 논리를 코드로 구현할 수 있다면 충분합니다.
AI Residency – Student Track은 4개월 풀타임 몰입(Deep Dive) 을 전제로 설계된 프로그램입니다.
주 5일, 하루 8시간 Full-time 근무를 기준으로 운영하며, 현업과 함께 실제 비즈니스 문제를 실험하고 해결해야 하기 때문에 휴학 또는 졸업 이후 일정에 맞춰 참여하시는 것을 추천드립니다. 지원 전에는 학사 일정, 군 입대 등 개인 일정을 꼭 체크해 주세요.
연구 주제를 바라보는 '관점'이 확장될 수 있어요.
AI Residency – Student Track은 실제 조직에서 AI가 어떤 문제를 어떻게 풀 수 있는지에 초점을 둡니다. 프로그램을 통해 “현업의 진짜 문제”를 보는 눈과 Agentic 시스템/워크플로우 설계 경험을 쌓게 되면, 향후 연구 주제를 선정하고 솔루션을 설계하는 데 있어 강력한 무기가 될 수 있습니다.
Residency 기간에는 시니어 개발자·데이터/프로덕트·현업 팀이 정기 리뷰와 소규모 멘토링을 통해 방향성·설계·구현까지 밀착 지원해드릴 예정입니다. 실제 운영 문제를 함께 정의하고 해결하는 동료로서, “무엇을 잘했고, 무엇을 더 키우면 좋을지” 구체적인 성장의 이정표를 제시해드립니다.
정해진 템플릿은 없지만, “어떤 문제를, 왜, 어떻게 해결했는지”가 드러나면 좋습니다.
성공한 결과뿐만 아니라, 실패했던 시도와 그 과정에서 내린 기술적 의사결정(Trade-off)도 담아주시면 좋습니다. 어떤 형식이든 괜찮으니, 문제 정의 · 접근 방식 · 기술적 선택 이유가 잘 보이도록 작성해 주세요.
정답을 맞히는 것보다 생각의 흐름을 보여주세요.
문제를 얼마나 빨리 푸는지보다, 주어진 문제를 기술적으로 어떻게 정의하고 접근하는지를 봅니다. 본인이 진행했던 프로젝트에서 “왜 이 기술을 선택했고, 그로 인해 어떤 문제가 생겼으며, 그것을 어떻게 해결했는지”를 자신의 언어로 설명할 수 있으면 좋습니다.
등 어떤 형식이든 괜찮으니, 문제 정의·접근 방식·기술적 선택 이유를 꼭 포함해 주세요.