트레져러는 증권사, 자산운용사, 금융 미디어, 보험·재보험사가 실제 업무에 쓰는 금융 데이터 AI 레이어를 만듭니다. 공시·리서치·시세·거래 데이터를 LLM이 읽고 쓸 수 있는 형태로 연결하고, 그 위에서 에이전트가 애널리스트나 운용역의 작업을 대신 수행하게 만드는 것이 우리 일입니다.

[우리가 풀고 있는 문제]

1. 수만 건의 DART 공시·증권사 리포트·PDF 표를 LLM이 정확히 인용할 수 있는 단위로 파싱·청킹·임베딩하는 파이프라인
2. 금융 질의에서 "그럴듯한 답"과 "맞는 답"을 구분하는 평가셋 구축과 자동 평가 (LLM-as-judge의 한계 포함)
3. MCP 기반 툴 수십 개를 붙인 에이전트가 수치 하나 틀리지 않고 멀티스텝 분석을 끝내게 만드는 오케스트레이션과 가드레일
4. 토큰 비용·레이턴시·정확도 사이의 트레이드오프를 실제 고객 트래픽 기준으로 튜닝하는 일

[스택]

중요하지 않습니다.

📌 근무 조건

1. 근무 기간: 회사 내규에 따름
2. 근무 형태: 인턴
3. 근무지: 서울 강남구 선릉로90길 36, 3층
4. 근무 시간: 오전 8시~10시 사이 자율 출근 (자율 출퇴근제)
5. 급여: 회사 내규에 따름

1. 비정형 금융 문서 파서와 청킹 전략을 직접 설계하고 검색 품질 지표로 검증
2. 특정 태스크(예: 실적 요약, 공시 이벤트 분류)의 프롬프트·툴 설계와 평가셋 구축
3. 에이전트 실패 케이스를 트레이스 로그에서 찾아 원인을 분류하고 수정
4. 첫 4주 안에 실제 고객 환경에 배포되는 기능 하나를 맡는 것이 목표

1. Python으로 동작하는 것을 혼자 끝까지 만들어본 경험
2. 스스로 문제를 정의하고 해결책을 검증해본 경험 — 어떤 지표로 "됐다"고 판단했는지 설명할 수 있어야 합니다
3. AI 코딩 도구가 만든 코드가 왜 맞고 왜 틀리는지 읽어낼 수 있는 분
4. 처음 보는 API 문서를 읽고 며칠 안에 프로토타입을 만들어본 경험
5. Git 브랜치·PR 흐름으로 협업 가능

1. RAG·에이전트를 만들어보고 "잘 안 됐던 부분"을 설명할 수 있는 분
2. 임베딩 모델·청킹 전략·리랭킹을 비교 실험해본 경험
3. LLM 출력 평가(정확도, 환각, 인용 검증)를 자동화해본 경험
4. 금융 데이터의 구조(공시, 재무제표, 시장 데이터)에 호기심이 있는 분

🎁 혜택과 복지 (Perks & Benefits)

🍽️ 냠냠

✅ 원하는 것은 무엇이든! 다양한 간식과 음료(커피, 주스 등) 지원

✅ 선릉역 맛집 도장깨기! 점식 식대 지원

💬 소통 및 효율

✅ 수평적 조직문화의 시작! 영어 이름 사용

✅ 원하실 때 출근하세요! 탄력 근무제 (8~10시 사이 출근)

✅ 원하실 때 쉬세요! 자율 연차 사용