뤼튼테크놀로지스 채용

Unleash 24/7 ​Agentic ​AI

뤼튼테크놀로지스가 ​국내 최고의 ​B2C AI 서비스 기업을 ​넘어, ​B2B/G AX를 ​선도하는 데카콘 기업으로 ​전진합니다.

Wrtn AX ​Team과 ​함께 Human-like ​Agent를 ​구축하고, ​업무 방식을 혁신적으로 ​재정의할 ​Top Talent를 모십니다.

Wrtn의 ​AX ​Team은 ​기존 산업 영역에서 ​한계 생산성이 ​0에 ​수렴한 생산성 ​병목 (Productivity ​Bottleneck)을 ​정의하고, 24/7 Agentic ​AI를 구축하여 ​생산성 퀀텀점프를 이끕니다.

컴퓨터 혁명을 넘어, Agentic AI 혁명을 이끄는 뤼튼 AX Team과 함께 역사를 써 내려갈 Top Talent를 찾습니다!

1. AutoView 소개

AutoView는 Figma 디자인 데이터를 분석하여 프로덕션 레벨의 프론트엔드 코드를 자동 생성하는 AI 파이프라인 시스템입니다. 단순히 디자인을 코드로 변환하는 것을 넘어, LLM이 디자인의 의도를 파악하고 코드를 생성하며 스스로 검증하는 'Autonomous Coding Agent' 시스템을 구축하고 있습니다.

우리는 복잡한 LLM 워크플로우를 제어하기 위해 자체 개발한 Computational Graph(계산 그래프) 엔진을 사용합니다. Figma의 Node Tree 구조를 해석하는 것부터, 수많은 AI 에이전트가 병렬로 코드를 생성하고 검증하는 과정까지, 모든 로직이 이 그래프 위에서 정교하게 오케스트레이션 됩니다.

특정 프레임워크의 단순 사용법보다는, 복잡한 비동기 작업을 구조화하는 설계 능력과 본질적인 CS(Computer Science) 기초가 탄탄한 분을 찾습니다.

2. 주요 업무

• Figma Node Tree 분석 및 속성 매핑 로직을 구현합니다.
• Computational Graph 기반의 LLM 파이프라인을 설계 및 개발합니다.
• Type-safe한 Agent 오케스트레이션 및 툴 체인을 구축합니다.
• 생성된 코드의 품질 및 정합성 검증 시스템을 설계합니다.

AutoView의 핵심은 "디자인 분석부터 코드 생성까지의 과정을 그래프 형태의 파이프라인으로 구현하는 것"입니다.

Figma 데이터 파싱 및 정규화: Figma의 계층적 데이터(Node Tree)를 순회하며 Auto Layout, Constraint 등의 속성을 추출하고, 이를 실제 CSS 및 컴포넌트 구조로 변환하는 핵심 로직을 개발합니다.

Graph 기반 워크플로우 개발: 자체 개발된 Computational Graph 프레임워크를 활용하여 LLM 에이전트들의 작업 흐름을 정의합니다. 작업 간의 의존성을 설정하고, 병렬 실행을 최적화하며, 복잡한 비동기 로직을 선언적으로 구현합니다.

Agent 시스템 고도화: LLM이 단순히 텍스트를 생성하는 것을 넘어, 컴파일러와 상호작용하며 코드를 점진적으로 개선(Refining)하는 순환 구조를 만듭니다.

3. 자격요건

AutoView는 TypeScript를 기반으로 자체 엔진과 파이프라인을 구축합니다. 화려한 스펙보다는 "데이터 구조를 다루는 논리력"과 "타입 시스템을 활용하는 응용력"을 가장 중요하게 봅니다.

필수 역량:

• TypeScript 실무 활용 능력 (Generic, Type Inference 활용)
• 컴퓨터 공학 기초 (자료구조, 그래프 이론 등)
• 새로운 기술과 도메인에 대한 집요한 탐구 및 학습 의지

TypeScript 활용 능력: 우리의 파이프라인은 Type-safety를 최우선으로 합니다. 단순히 타입을 지정하는 것을 넘어, 제네릭(Generics)과 추론(Inference)을 활용해 견고한 인터페이스를 설계해 본 경험이 필요합니다.

컴퓨터 공학 기초: Figma의 트리 구조를 재귀적으로 탐색하거나, 작업 간의 의존성(Dependency)을 해결하는 로직을 다루는 데 있어 Graph, Tree 등 자료구조에 대한 이해가 필수적입니다.

학습 의지: 자체 프레임워크와 최신 AI 기술(MCP, Agentic Workflow)을 다룹니다. 레거시가 없는 환경에서 문제를 정의하고, 공식 문서와 소스 코드를 분석하며 답을 찾아가는 태도가 필요합니다.

4. 우대사항

다음과 경험이 있다면 AutoView 팀의 기술적 챌린지를 더 즐기실 수 있습니다.

4.1. 워크플로우 엔진 및 그래프 처리 경험

• DAG(Directed Acyclic Graph) 기반의 워크플로우 도구 사용 또는 구현 경험
• Airflow, LangGraph, 혹은 머신러닝 그래프(TensorFlow/PyTorch)의 동작 원리에 대한 이해

우리는 모든 파이프라인을 Computational Graph 형태로 관리합니다. 노드(Node)와 엣지(Edge)로 로직을 구성하고, 위상 정렬(Topological Sort)이나 비동기 병렬 처리에 대한 개념이 잡혀 있다면 우리의 엔진을 빠르게 이해하고 확장하실 수 있습니다.

4.2. Figma 데이터 구조 및 렌더링 원리 이해

• Figma API를 통해 Scenegraph를 직접 다뤄본 경험
• DOM Tree 구조나 브라우저 렌더링 파이프라인에 대한 이해

디자인 툴의 눈에 보이는 요소들이 실제 데이터(JSON)로는 어떻게 중첩되어 있는지, Auto Layout 속성이 CSS Flexbox와 어떻게 매핑되는지 고민해 본 경험이 있다면 즉시 전력으로 기여하실 수 있습니다.

4.3. 프론트엔드 프레임워크의 내부 동작 이해

• React, Next.js 등의 단순 사용을 넘어 내부 동작 원리나 컴파일 과정을 파본 경험
• AST(Abstract Syntax Tree)를 활용해 코드를 분석하거나 변환(Codemod)해 본 경험

5. 이력서 작성 시 참고사항

탐색 권장 자료:

• Figma Plugin API: (Scenegraph 및 Node 속성 관련 문서)
• Computational Graph Concepts: (TensorFlow나 LangGraph 등 그래프 기반 실행 모델에 대한 개념)
• AutoView 팀이 개발 및 사용하는 그래프 라이브러리: cgraph

이력서에는 기술의 나열보다는, "복잡한 데이터를 어떻게 구조화했는지", "비동기 처리나 의존성 문제를 논리적으로 어떻게 해결했는지"에 대한 경험을 담아주세요. 우리가 자체 엔진을 만드는 이유에 공감하고, 함께 기술적 깊이를 만들어갈 분을 기다립니다.

▪️ 뤼튼 팀 합류 여정

• 채용 과정은 ‘서류 전형 → 과제 전형 → 실무 인터뷰 → 컬처핏 인터뷰 → 대표 인터뷰 → 레퍼런스 체크 & 합격 안내’로 이루어지며 절차는 변경될 수 있습니다.
• 본 포지션에 합격하시는 경우, 3개월의 수습 기간을 적용합니다.
• 국가유공자 및 장애인 등 취업보호대상자는 관계법령에 따라 우대합니다.
• 연봉 협상과 입사 일정 조율은 최종 합격 이후 진행됩니다.
• 입사 지원 서류에 허위 사실이 발견되는 경우, 채용 확정 이후에도 채용이 취소될 수 있습니다.