👋 인트로
신현아: 스캐터랩의 폭발적인 성장을 백엔드에서 든든하게 받치고 계신 분이죠. 백엔드 엔지니어링 리드, 조한용 님입니다! 한용님, 스캐터랩에는 합류하신 지 얼마나 되셨고, 어떤 과정을 거쳐 지금의 리드 역할을 맡게 되셨는지 먼저 간단히 소개해 주실 수 있을까요?
조한용: 안녕하세요 :) 스캐터랩에서 백엔드 엔지니어 리드를 맡고 있는 조한용입니다. 벌써 시간이 꽤 흘렀네요. 입사한 지 거의 4년이 다 되어갑니다. 처음 합류했을 때는 이루다 2.0 프로젝트를 진행했었고, 그 이후로 지금의 제타 서비스까지 쭉 함께 해왔습니다. 제타 서비스 같은 경우는 초기 설계 단계부터 참여해서 팀원분들과 함께 백엔드 아키텍처를 구상하고, 서비스를 성장시키는 과정을 함께 하고 있습니다. 처음부터 리드는 아니었고, 서비스를 만들고 기여하는 과정에서 자연스럽게 리드 역할을 맡게 된 것 같아요.
🏠 스캐터랩은 어떤 곳인가요?
신현아: 거의 4년 동안 스캐터랩의 핵심 서비스 변화를 모두 경험하셨네요! 한용님은 스캐터랩에 합류하기까지 어떤 과정을 거치셨고, 왜 스캐터랩을 선택하셨는지 궁금합니다.
조한용: 이직할 때마다 항상 제가 더 성장할 수 있는 환경인가를 가장 중요하게 봤습니다. 기술적으로든, 문제 해결 능력 측면에서든요. 스캐터랩을 선택한 것도 같은 맥락이었는데, 결정적인 차이가 하나 있었어요.
당시 여러 회사와 이야기를 나눴는데, 대부분 그리는 미래나 로드맵이 어느 정도 예측 가능하다는 느낌이었습니다. 그런데 스캐터랩은 달랐어요. 면접에서 '인간과 AI의 관계를 사람 사이의 관계만큼 깊고 의미 있게 만들고 싶다'라는 이야기를 들었는데, 솔직히 당시에는 정말 가능할까 싶기도 했습니다. 하지만 동시에 '만약 이게 실현된다면 세상을 정말 크게 바꿀 수 있겠다'라는 생각이 들었고, 그 비전의 대담함에 강하게 끌렸어요. 그게 스캐터랩을 선택한 결정적인 계기였습니다.
신현아: 개발자로서 기술 자체에 매력을 느끼는 경우도 많지만, 결국 그 기술로 어떤 문제를 풀고 어떤 가치를 만들 것인가에 대한 공감이 중요하셨던 것 같아요. 그런 관점에서, 한용님이 백엔드 개발을 할 때 가장 중요하게 생각하는 가치나 원칙은 무엇인가요? 그리고 그 원칙이 실제 제품 개발에는 어떻게 반영되고 있나요?
조한용: 저는 '내가 왜 이 일을 하는가?'에 대한 의미를 찾는 것을 가장 중요하게 생각합니다. 단순히 '이 기능을 만들어야 하니까' 개발하는 것이 아니라, 이 기능이 어떤 사용자 문제를 해결하는지, 제품 전체 방향성 안에서 어떤 의미를 가지는지를 먼저 고민하는 편이에요.
실제로 개발하다 보면 수많은 의사결정의 순간을 맞이합니다. 이 구조를 사용할지 저 구조를 사용할지, 특정 기능에 대해 확장성을 열어둘지 말지 같은 것들이요. 이런 판단들은 결국 우리 제품이 앞으로 어떻게 발전해 나갈 것인가에 달려있다고 생각해요. 그 방향을 깊이 이해해야만 현재 상황에서 문제를 가장 효율적으로 풀 수 있다고 믿고 있습니다. 그러므로 저는 모든 코드 한 줄 한 줄에는 그 선택의 이유가 있어야 한다고 생각해요. 항상 제품적인 고민과 기술적인 고민을 함께 가져가려고 노력하는 이유이기도 합니다.
신현아: 코드 한 줄 한 줄에 이유가 있어야 한다는 말씀이 인상적인데요. 요즘은 AI 코딩 도구가 빠르게 발전하면서, 코드를 직접 작성하는 것보다 AI에게 맡기는 흐름도 생기고 있잖아요. 스캐터랩에서도 AI 도구 사용을 적극적으로 지원하고 있는 것으로 아는데, 한용님이 강조하시는 'Why' 중심의 접근 방식과 AI 도구 활용은 어떻게 조화를 이루고 있나요?
조한용: 저는 오히려 문제에 대해 깊이 이해하고 있어야 AI 도구를 제대로 활용할 수 있다고 생각해요. AI가 코드를 빠르게 만들어줄 수는 있지만, 어떤 문제를 풀어야 하는지, 어디까지를 자동화해도 되는지, 어떤 기준으로 결과물을 검증할지는 결국 사람이 결정해야 하니까요.
저희도 AI 코딩 도구를 적극적으로 활용하고 있습니다. 다만 '일단 만들어보고 나중에 보자'보다는, 먼저 문제를 명확히 정의하고 설계를 충분히 한 뒤 구현 속도를 높이는 방식으로 사용하고 있어요. 예를 들어 지금 진행 중인 채팅 파이프라인 리팩토링도 코드를 먼저 쓰기보다, 각 단계의 책임과 데이터 흐름, 장애 시 대응 방식까지 설계 문서로 정리한 뒤 AI 도구를 활용해 구현을 가속했습니다. 결국 AI를 잘 쓰는 팀은 코드를 많이 생성하는 팀이 아니라, 무엇을 왜 만들지 더 분명하게 설명할 수 있는 팀이라고 생각합니다.
🧩 제타의 백엔드 기술
신현아: 제타는 어떤 기술 스택과 인프라를 기반으로 만들어졌나요?
조한용: 저희 백엔드 API 서버는 기본적으로 코틀린과 스프링 부트 기반으로 개발 및 운영하고 있습니다. 채팅처럼 요청량이 많고 응답 지연에 민감한 영역은 WebFlux를 포함한 비동기 처리 구조를 적극적으로 활용하고 있고요.
저장소도 하나로 통일하기보다 데이터 특성에 따라 나눠서 사용하고 있습니다. 예를 들어 대화 데이터처럼 규모가 크고 접근 패턴이 명확한 데이터는 DynamoDB를, 정합성과 관계형 조회가 중요한 데이터는 PostgreSQL을, 검색성 요구가 있는 영역은 OpenSearch를 활용하는 식이고, 그 사이사이에 Valkey 기반 캐싱도 적극적으로 사용하고 있습니다. 전체 구조는 API 서버, 데이터 저장소, 그리고 AI 모델 추론을 담당하는 모델 서버로 나뉘어 있고, 이 서버들은 모두 Kubernetes 위에서 운영됩니다. 특히 모델 서버는 다양한 클라우드에 분산된 GPU 자원을 활용하고 있어서, 현재 10개에 가까운 클러스터를 동시에 운영하고 있어요. 이렇게 분산된 환경을 하나의 네트워크처럼 다루기 위해 Istio 멀티 클러스터 구조를 적극 활용하고 있습니다.
물론 이 외에도 문제 해결을 위해 필요한 다양한 기술들을 적극적으로 검토하고 사용하고 있습니다.
신현아: 제타는 사용자에게 계속해서 더 좋은 AI 모델을 제공하기 위해 노력하고 있는 것으로 아는데요. 이 과정에서 백엔드 팀은 어떤 역할을 하고 계신가요?
조한용: 저희가 최근 스캐터랩이 가장 재밌는 LLM을 찾는 방법이라는 블로그를 공개했는데요, 거기서 소개한 것처럼 A/B 테스트, MAB(Multi-Armed Bandit), 리더보드 등 다양한 방법으로 모델을 평가하고 있습니다. 백엔드 팀은 이런 실험들이 실제 서비스 위에서 안정적으로 돌아갈 수 있도록 실험 인프라 자체를 직접 설계하고 구축하는 역할을 맡고 있어요.
예를 들어, MAB 시스템의 경우 단순히 트래픽을 나누는 것이 아니라, 실험 결과가 쌓이면서 더 좋은 성과를 보이는 모델 쪽으로 자동으로 비중을 조절해야 합니다. 이런 실험들이 항상 여러 개가 동시에 돌아가고 있기 때문에, 실험 간 간섭 없이 사용자 경험에 영향을 주지 않으면서 안정적으로 동작하게 만드는 것이 백엔드의 핵심 과제죠.
신현아: 여러 실험이 동시에 돌아가면 서로 영향을 주지는 않나요? 관리하는 것 자체가 기술적으로 쉽지 않을 것 같은데요.
조한용: 맞아요. 다양한 실험을 동시에 운영하면서도 각 실험이 서로 간섭하지 않고 안정적으로 동작하도록 만드는 것이 저희 백엔드 팀의 중요한 역할 중 하나입니다. 그리고 그만큼 중요한 것이, 실험 과정에서 발생하는 데이터를 정확하게 수집하고 분석할 수 있는 환경을 만드는 것이에요. 결국 실험의 가치는 신뢰할 수 있는 데이터에서 나오니까요.
이 시스템 덕분에 백엔드 엔지니어뿐 아니라 PO, 모델 리서처 등 다양한 직군이 직접 실험을 설계하고 결과를 확인할 수 있습니다. 저희 팀이 중요하게 생각하는 것은, 이런 실험 시스템이 단순한 기술적 도구가 아니라 제품을 발전시키는 핵심 루프라는 점이에요. 매주 새로운 모델이 나오고, 프롬프트가 바뀌고, 기능이 추가되는데, 이 모든 변화를 데이터로 검증하고 빠르게 반영할 수 있는 구조가 있기 때문에 제타가 계속 성장할 수 있다고 생각합니다.
👨🏻💻 백엔드 팀이 일하는 방식
신현아: 이제 스캐터랩 백엔드 팀 자체에 대한 이야기를 좀 더 해볼게요. 현재 백엔드 직군은 총 몇 명이고, 팀 구성은 어떻게 되어 있나요? 그리고 스캐터랩 내 다른 직군과는 어떻게 협업하고 계신가요?
조한용: 현재 스캐터랩 백엔드 엔지니어는 저를 포함해서 5명입니다. 저희는 제타라는 AI 엔터테인먼트 서비스를 만들고 있는데요. 사용자가 AI와 함께 직접 이야기를 만들어가는, 새로운 형태의 엔터테인먼트예요. 아직 누구도 정답을 찾지 못한 장르를 개척하고 있다 보니, 백엔드에서 풀어야 하는 문제의 폭이 정말 넓습니다. 대규모 채팅 시스템은 물론이고, 모델 실험 인프라, 데이터 파이프라인, 결제와 구독, 추천 시스템, 콘텐츠 관리까지 하나의 제품 안에서 다양한 도메인의 기능을 직접 설계하고 구현하고 있어요.
일하는 방식은 직군별로 사일로화되어 일하기보다는, 여러 직군이 하나의 목표를 가진 스쿼드로 모여서 제품을 만들어가는 방식을 따르고 있어요. 다만, 서버 인프라 관리나 기술 표준 정립처럼 스쿼드를 넘어서는 공통 이슈들은 백엔드 직군끼리 정기적으로 모여 논의하고 함께 해결해나가고 있습니다.
신현아: 5명이요? 매주 130만 명의 유저가 평균 체류시간 16시간이라는 엄청난 트래픽을 발생시키고 있는 것으로 아는데요. 솔직히 말해서, 5명의 백엔드 엔지니어가 이 모든 트래픽을 감당하고, 인프라까지 관리한다는 게 잘 믿기지 않습니다. 이게 어떻게 가능한 건가요? 역할 분담은 어떻게 되어 있고, 어떤 기술적인 비결이라도 있는 건가요?
조한용: 가장 중요한 이유는, 적은 인원으로 버티는 것이 아니라 적은 인원으로도 운영할 수 있도록, 시스템과 일하는 방식을 계속 바꿔왔기 때문입니다.
저희는 반복적으로 발생하는 운영 이슈를 사람의 헌신으로 막기보다, 모니터링과 자동화, 구조 개선으로 줄이는 데 많은 시간을 씁니다. 이상 징후를 빠르게 볼 수 있도록 지표와 알람을 촘촘하게 관리하고, 장애가 나면 임시 대응으로 끝내지 않고 재발 방지까지 묶어서 개선합니다. 또 저장소를 데이터 특성에 맞게 분리하고, 읽기 부하 분산이나 캐싱 전략도 트래픽 변화에 맞춰 계속 조정해 왔어요.
역할 측면에서도 단순히 '개발만 하는 백엔드'와는 조금 다릅니다. 각자가 맡은 기능을 구현하는 데서 끝나지 않고, 운영 지표를 보고 문제를 찾고, 필요하면 인프라와 데이터 흐름까지 함께 다룹니다. 그래서 같은 인원이어도 실제로 감당할 수 있는 문제의 폭이 넓은 편이에요.
신현아: 단순히 기술 스택만으로 해결될 문제는 아닐 것 같아요. 팀의 역량이나 문화적인 부분도 중요할 것 같은데요.
조한용: 맞습니다. 기술적인 선택만큼이나 중요한 것이 끝까지 책임지는 태도와 기술적 밀도를 유지하는 팀 문화라고 생각해요.
이 정도 규모의 서비스를 5명이 운영하려면, 각자가 맡은 영역의 설계 의도와 운영 상태를 깊이 이해하고 있어야 합니다. 저희 팀은 기능 개발만 하고 운영은 다른 누군가에게 넘기는 구조가 아니라, 본인이 만든 기능이 실제 사용자 경험에 어떤 영향을 주는지 지표와 장애 사례를 통해 직접 확인하고 개선하는 방식에 가깝습니다.
그렇다고 각자 알아서만 일하는 건 아니고요. 중요한 설계 변경은 문서로 먼저 정리하고, 코드 리뷰도 구현 디테일보다는 왜 이런 구조를 택했는지까지 확인하는 편입니다. 적은 인원이지만 품질을 유지할 수 있는 이유는, 개인의 헌신보다는 이런 공통된 기준 덕분이라고 생각합니다.
🤜🤛 함께 일하는 이야기
신현아: 앞서 스쿼드 단위로 일한다고 말씀해 주셨어요. 백엔드 엔지니어 관점에서 이렇게 PO, 디자이너, FE 등 다양한 직군과 한 팀으로 일하는 방식의 장단점은 무엇일까요? 혹시 단점이 있다면 어떻게 극복하고 계신가요?
조한용: 스캐터랩처럼 제품 변화 속도가 빠른 환경에서는, 여러 직군이 하나의 목표를 향해 움직이는 스쿼드 방식이 굉장히 잘 맞는다고 생각합니다. 가장 큰 장점은 맥락 공유 비용이 적고 의사결정이 빠르다는 점이에요. 기획 초기부터 PO, 디자이너, 프론트엔드, 백엔드가 함께 논의하다 보니, 구현 단계에 들어갔을 때 왜 이 기능이 필요한지, 사용자에게 어떤 경험을 줘야 하는지가 비교적 선명합니다. 그래서 백엔드 엔지니어도 단순 구현자가 아니라 제품 의사결정에 적극적으로 참여하게 됩니다.
반면 단점도 분명합니다. 스쿼드 목표가 제품 중심으로 흘러가면, 리팩토링이나 인프라 개선처럼 당장 눈에 보이는 사용자 가치로 연결되지 않는 기술 과제가 뒤로 밀리기 쉽습니다. 또 직군별로 깊게 모여 토론할 시간이 부족해질 수도 있고요. 저희는 이 문제를 줄이기 위해 매주 백엔드 직군 싱크업을 통해 공통 기술 이슈를 따로 논의하고, 설계 리뷰와 코드 리뷰를 통해 직군 차원의 기술 기준도 계속 맞춰가고 있습니다. 스쿼드의 실행력을 가져가되, 직군 차원의 깊이도 잃지 않으려는 방식이라고 보시면 됩니다.
신현아: 스쿼드에서 여러 직군과 함께 일하다 보면, 백엔드 엔지니어도 자연스럽게 제품에 깊이 관여하게 될 것 같은데요. 실제로 역할의 경계가 넓어지는 경우도 있나요?
조한용: 네, 저 자신이 그 사례이기도 해요. 백엔드 엔지니어로 합류했는데, 스쿼드에서 제품 고민을 함께하다 보니 자연스럽게 PO 역할까지 맡게 됐거든요. 저희 팀에서는 이런 변화가 꽤 자연스럽습니다. 누군가 시켜서가 아니라, 본인이 관심 있는 영역으로 역할을 넓혀가는 것에 대해 열려있는 문화예요. 백엔드 기술에 집중하고 싶은 분은 깊이를 계속 파고들 수 있고, 저처럼 제품 전체를 보고 싶은 분은 그 방향으로 성장할 수도 있습니다. 본인의 의지와 관심에 따라 유연하게 경험을 넓혀갈 수 있는 환경이에요.
신현아: 업무적으로는 스쿼드와 직군 싱크업으로 긴밀하게 협업하고, 역할도 유연하게 넓혀갈 수 있다는 점이 인상적인데요. 그런데 이렇게 적은 인원이 강한 시너지를 내려면 업무 외적인 관계도 중요할 것 같거든요. 팀원끼리 평소에는 어떤 분위기에서 지내고 계신가요?
조한용: 저희는 업무적으로만 만나는 사이가 아니에요. 사내에 클라이밍, 풋살 같은 클럽 활동이 있어서 자주 함께하고, 보드게임도 모여서 자주 하는 편입니다. 이렇게 서로 친밀한 관계가 있으니까, 업무에서도 더 솔직하게 의견을 나눌 수 있어요. 코드 리뷰에서 날카로운 피드백을 주고받을 수 있는 것도, 결국 서로에 대한 신뢰가 있기 때문이라고 생각합니다. 좋은 동료와 함께 일하면서 동시에 재미있게 지낼 수 있다는 건, 생각보다 쉽지 않은 환경이거든요.
신현아: 정말 재밌게 지내고 계시네요. 그런데 아무리 분위기가 좋아도 서비스를 운영하다 보면 아찔한 순간도 있었을 것 같아요. 제타를 운영하면서 가장 기억에 남는 기술적 에피소드가 있다면 공유해 주실 수 있을까요?
조한용: 아찔했던 순간들이 왜 없었겠어요. (웃음) 가장 기억에 남는 건 서비스 초기에 발생했던 대규모 장애입니다. 트래픽이 급증하면서 특정 작업에서 과도하게 긴 트랜잭션이 발생했고, 이에 따라 DB 내부의 shared buffer 경합이 일어나면서 거의 모든 쿼리가 처리되지 못하는 상황이 8시간 넘게 이어졌어요.
새벽 시간이었는데, 모든 엔지니어들이 각자 집에서 원격으로 붙어서 문제 해결에 매달렸습니다. 단순히 서버를 재시작하거나 스펙을 올리는 것으로는 해결되지 않았고, 최근 배포된 기능들을 하나씩 롤백하면서 지표를 추적해야 했어요. 결국 근본 원인이었던 코드 로직의 문제를 찾아 수정하고, DB 상태를 정상화하는 작업(Vacuum 등)을 거쳐서야 서비스가 복구됐습니다. 이 경험 이후로 유사한 문제가 재발하지 않도록 구조적인 개선 작업을 진행했고, 모니터링도 훨씬 강화했어요. 지금의 안정적인 운영이 이런 경험들 위에 쌓여있다고 생각합니다.
💎 어떤 백엔드 엔지니어를 찾고 있나요?
신현아: 감사합니다. 이제 많은 분이 가장 궁금해하실 채용 이야기를 해볼게요. 한용님이 생각하시기에, 어떤 분이 스캐터랩 백엔드 팀에 합류하면 즐겁게 일하고 함께 성장할 수 있을까요?
조한용: 저희 팀과 잘 맞는 분은 스스로 문제를 찾아내고, 그걸 구조화해서 풀어가는 걸 즐기는 분이라고 생각합니다. 주어진 일을 빠르게 처리하는 것도 중요하지만, 그보다는 '지금 우리 서비스에서 가장 중요한 문제가 뭔지'를 적극적으로 정의하고, 더 나은 구조를 제안하는 과정에서 재미를 느끼는 분이요.
스캐터랩 백엔드에서는 대규모 채팅 트래픽을 다루는 API 서버를 개발하는 일만 있는 게 아닙니다. 모델 실험을 실제 서비스에 안전하게 연결하는 인프라를 만들기도 하고, 데이터 수집 구조를 설계하기도 하고, 운영 중 드러난 병목을 찾아 저장소 구조나 캐시 전략을 바꾸는 일도 있습니다. 그래서 한 가지 기술만 깊게 파는 것도 중요하지만, 제품과 시스템을 함께 보면서 우선순위를 판단할 수 있는 분이면 훨씬 더 잘 맞습니다.
그리고 하나 더 말씀드리자면, 저는 지원하시는 분이 본인이 어떤 걸 하고 싶은지, 그 여정에서 왜 스캐터랩이 필요한지를 스스로 설명할 수 있으면 좋겠어요. 저희가 에토스로 내세우는 것 중 하나가 '많은 유저에게 사랑받는 우리만의 제품을 만든다'는 건데, 이건 결국 우리가 만드는 것에 진심으로 몰입할 수 있는 사람들이 모여야 가능한 일이거든요. 단순히 '좋은 회사니까'가 아니라, 본인의 성장 방향과 스캐터랩이 풀고 있는 문제가 맞닿아 있는 분이라면, 여기서의 경험이 훨씬 더 의미 있을 거라고 생각합니다.
신현아: AI 스타트업이다 보니 AI에 대한 사전 지식이 필요한지에 대한 질문도 많이 받는데요, 이 부분은 어떻게 생각하시나요?
조한용: 솔직히 말해서, 백엔드 엔지니어 포지션에 지원하시는 분들에게 AI나 머신러닝에 대한 깊은 사전 지식을 요구하지는 않습니다. 모델 개발이나 연구는 전문 팀에서 담당하고 있기 때문에, 백엔드 개발 업무를 수행하는 데 AI 지식이 필수적인 것은 아니에요.
다만, AI 기술 자체에 대한 흥미나 관심이 있다면 훨씬 더 재미있게 일할 수 있을 거라고 생각해요. 저희는 AI 모델을 기반으로 서비스를 만들기 때문에, 모델 팀과 협업할 일이 많고, AI가 어떻게 동작하는지 이해하면 제품을 더 깊이 이해하고 개발하는 데 도움이 됩니다. 특히 사용자의 피드백 데이터를 수집하고 정제해서 모델 학습에 활용하는 '데이터 플라이휠'을 구축하고 개선하는 과정에는 백엔드 엔지니어의 역할이 매우 중요해요. AI 서비스의 백엔드를 직접 만들어보고 싶은 분들에게는 분명 매력적인 기회가 될 것입니다.
신현아: 이제 정말 마지막 질문입니다. 요즘 좋은 회사들이 정말 많잖아요. 여러 곳을 고민하고 있는 후보자에게, 왜 스캐터랩을 선택해야 하는지 한마디 해주신다면요?
조한용: 음, 크게 두 가지를 말씀드리고 싶습니다.
첫 번째는, 글로벌로 성장하는 서비스를 직접 만들어가는 경험입니다. 제타는 한국에서 가장 많은 사람들이 사용하는 AI 서비스이고, 일본에서도 AI 엔터테인먼트 분야에서 가장 많이 사용되는 서비스입니다. 최근에는 미국에서도 유의미한 성과를 내며 빠르게 성장하고 있어요. AI 엔터테인먼트라는, 아직 누구도 정답을 찾지 못한 새로운 장르를 개척하면서 동시에 글로벌로 확장해나가는 과정을 직접 경험할 수 있습니다. 백엔드 엔지니어 입장에서 이건 단순히 '글로벌 서비스에서 일한다'는 타이틀이 아니라, 대규모 트래픽을 직접 다루고 글로벌 인프라를 설계하고 확장하는 경험을 실제로 쌓을 수 있다는 의미예요. 이미 완성된 시스템을 유지보수하는 것과, 성장하는 시스템을 직접 만들어가는 것은 정말 다른 경험이거든요.
두 번째는, 뛰어난 동료들과 함께 몰입하며 성장할 수 있는 환경입니다. 5명이 이 규모의 글로벌 서비스를 운영하고 있다는 건, 뒤집어 말하면 한 명 한 명의 기술적 밀도가 그만큼 높다는 뜻이기도 합니다. 실제로 저희 팀에서는 기능 개발뿐 아니라 인프라 설계, 실험 시스템 구축, 운영 안정성 개선까지 각자가 넓은 범위를 깊이 있게 다루고 있어요. 서로 코드 리뷰에서 치열하게 토론하고, 장애가 나면 새벽에도 자발적으로 달려드는 팀입니다. 그리고 이건 백엔드 팀만의 이야기가 아니에요. 함께 스쿼드로 일하는 PO, ML 리서처, 프론트엔드 등 모든 직군의 인재 밀도가 높기 때문에, 협업 과정 자체에서 배우는 것이 정말 많습니다. 이런 환경에서 함께 일하다 보면 자연스럽게 성장할 수밖에 없다고 생각해요.
Share article