Job at a glance
Who we are 영상은 전 세계 데이터의 90%를 차지하지만, 그 대부분은 아직 기계가 이해할 수 없는 영역에 머물러 있습니다. 트웰브랩스(TwelveLabs)는 이 문제를 해결하기 위해 기계가 영상을 이해할 수 있도록 하는 AI 인프라를 구축합니다. 사람보다 더 정교하고 깊이 있게 영상을 이해하는 AI 모델을 통해 영상 속 시·청각 정보를 종합 분석하여 미디어·엔터테인먼트, 스포츠, 보안, 공공 분야 전반의 워크플로우에 적용하고 있습니다. NEA, Radical Ventures, Amazon, NVIDIA, Snowflake, Databricks, Index Ventures, 네이버벤처스, 한국투자파트너스, Quadrille Capital, Red Bull Ventures 등 글로벌 투자자들로부터 누적 3천억원 이상의 투자를 유치했습니다.
또한 Fei-Fei Li, Silvio Savarese, Alexandr Wang 등 세계적인 AI 리더들이 자문진으로 함께하고 있습니다. 트웰브랩스는 샌프란시스코, 서울, 뉴욕, 런던 네 개의 오피스를 거점으로 운영되는 글로벌 기업입니다. 핵심 연구개발은 서울에서 이루어지며, 전 세계 오피스의 구성원들이 이를 기반으로 다양한 산업과 시장에 영상 이해 기술을 적용해가고 있습니다. 세상의 복잡함을 이해하는 기술을 만드는 만큼, 서로 다른 배경과 관점을 가진 사람들이 모일 때 더 나은 제품을 만들 수 있다고 믿습니다. 아직 세상에 없는 답을 정의해보고 싶으신 분, 내 손으로 직접 변화를 만들어내고 싶어하시는 분을 찾고 있습니다. 트웰브랩스에서 세상을 이해하는 기술을 함께 만들어가세요. ABOUT JOCKEY Jockey는 트웰브랩스의 통합 에이전틱 시스템으로, 영상과 이미지를 넘나들며 추론합니다.
Reasoning Model에 메모리 레이어를 결합해, 사용자가 보유한 영상 데이터로부터 지식 저장소를 만들어냅니다. 아무리 큰 Context Window도 영상 아카이브 전체를 한 번에 담을 수는 없습니다. 저희가 다루는 영상은 수백만 시간 규모이기 때문입니다. 모델을 한 번 실행해서 얻는 답은 '영상 한 편'에 대한 것일 뿐, 수천~수만 개 영상으로 이루어진 영상 데이터 전체를 가로지르는 추론은 아닙니다 — Context Window를 아무리 늘려도 해결되지 않는 문제입니다. 그래서 Jockey는 사용자의 질문을 여러 단계로 쪼갠 뒤, 수천 개의 영상과 이미지에서 필요한 부분을 검색하고 구간을 나누어, 그 결과를 종합해 추론합니다. 예를 들어 아카이브를 지정하고 "하이라이트 릴을 만들어줘" 또는 "가장 화제가 된 순간을 찾아줘"라고 요청하면, 바로 사용할 수 있는 타임스탬프 구간을 결과로 돌려받습니다.
영상 데이터 전체를 이해하고, 그 이해를 실제 행동으로 옮길 수 있게 만드는 것 — 이것이 Jockey라는 제품의 핵심입니다. 사람뿐 아니라 에이전트를 위해 만듭니다. AI 에이전트가 영상의 주요 소비 주체로 점점 자리잡고 있습니다. 그래서 저희는 수백만 시간 규모로 확장하면서도, 사람과 자율 에이전트 모두에게 안정적이고 높은 품질의 결과를 제공하는 Production급 인프라를 구축하고 있습니다. 우리가 직접 보유한 모델 위에서 만듭니다. 임베딩 모델인 Marengo는 "하마터면 비행기를 놓칠 뻔했던 순간" 같은 쿼리를 실제 검색 결과로 풀어냅니다. 영상-언어 모델인 Pegasus는 사용자가 정의한 스키마에 따라 구조화된 타임스탬프 정보를 반환합니다. 두 모델을 지속적으로 출시하고 개선하기 때문에 고객은 별도의 재통합 없이도 릴리스를 거듭할수록 향상되는 Jockey의 품질을 누릴 수 있습니다.
엔드투엔드로 직접 통제하는 스택 위에서 에이전트를 만들 수 있는 팀은 많지 않습니다. 깊은 전문성, 하나의 시스템, 열린 문화. Foundation Model, Knowledge Construction, Search, Agent Harness가 모두 하나의 조직 안에 있습니다. 각 팀은 자신의 영역을 책임지고 그 안에서 깊은 전문성을 갖추되, 마치 F1 팀처럼 개별 부품이 아닌 전체 시스템 최적화를 지향합니다. 에이전트가 할 수 있는 일을 확장하지 못하는 모델 성능 향상은 성과로 보지 않습니다. 하나의 알고리즘 변경이 최종 시스템 동작에 미치는 영향까지 끝까지 추적하고, 완료된 결과물뿐 아니라 진행 중인 작업도 매주 공유합니다. 누구든 다른 팀으로부터 필요한 맥락을 자유롭게 가져올 수 있습니다. About the Team 트웰브랩스의 Construction (Video Ingestion & Serving Platform) 팀은 고객의 영상이 업로드된 순간부터 AI 모델이 검색, 분석, 생성에 활용할 수 있는 형태로 처리되고 저장되기까지의 End-to-End 플랫폼을 개발합니다.
영상 수집, 디코딩, 임베딩, 메타데이터 처리, 저장, 모델 서빙을 연결하며, 대규모 멀티테넌트 SaaS와 엔터프라이즈 배포 환경 모두에서 안정적으로 동작하는 시스템을 만듭니다. Construction 팀은 Python과 Go 기반 서비스, Temporal, PostgreSQL, Kubernetes, KServe/vLLM, Terraform, ArgoCD, Grafana/OpenTelemetry 등을 활용합니다. Backend, Data, Infrastructure의 경계를 넘나들며 제품과 모델의 성장을 뒷받침합니다. About the Role Construction 팀을 이끌고 Jockey Engineering 및 Research 조직 전반의 엔지니어링 실행 수준을 높일 Senior Engineering Manager를 찾고 있습니다.
이 포지션은 Construction 팀의 구성원, 실행, 기술 방향, 프로덕션 성과에 직접적인 책임을 집니다. 높은 성과를 내는 팀을 만들고, 우선순위를 명확히 하며, 엔지니어의 성장을 지원하고, 복잡한 플랫폼 프로젝트가 문제 정의부터 프로덕션 운영까지 안전하게 이어지도록 이끕니다. 기술적 깊이가 중요한 Engineering Manager 역할입니다. 주요 아키텍처와 운영 의사결정을 주도하고, 설계 및 코드 리뷰에 참여하며, 필요한 상황에서는 직접 문제 해결과 구현에 기여합니다. 문제의 원인이 서비스, 데이터베이스, 워크플로우, Kubernetes 또는 모델 서빙 인프라 어디에 있든 근거를 바탕으로 추적하고 팀이 어려운 프로덕션 문제를 해결하도록 이끌 수 있어야 합니다. Construction 팀을 넘어 다른 Engineering Manager 및 Infrastructure, Backend, ML, Research 리더들과 협력하여 Jockey Engineering 및 Research 전반의 CI/CD, 릴리스 안정성, Observability, Incident Response, 개발 생산성, 테스트 및 AI 기반 개발 방식을 개선합니다.
초기의 전사적 영향력은 직접적인 조직 권한보다 기술적 신뢰, 협업, 그리고 다른 팀의 자발적인 도입을 통해 만들어갑니다. In this role, you will 명확한 목표, 피드백, 성과 관리, 채용, 커리어 개발 및 예측 가능한 실행 체계를 통해 Construction 팀을 리드하고 성장 Backend, ML, Infrastructure, Research 및 Product와 협력하여 대규모 영상 처리, 임베딩, 저장 및 AI 모델 서빙 플랫폼의 기술 방향 수립 동시성, 재시도, 멱등성, Backpressure, 장애 복구, PostgreSQL 확장 및 안전한 Live Migration을 포함한 Durable Workflow와 데이터 시스템 개선 Infrastructure 팀과 Kubernetes 및 IaC 기반 확장성을 발전시키고, Load Test, Profiling 및 운영 지표를 통해 처리량, 지연 시간, GPU 활용률, Reliability 및 비용 최적화 SLO, Observability, Alerting, On-call, Incident Response 및 Blameless Follow-up을 통해 운영 준비 수준 고도화 CI/CD, 자동화 테스트, 릴리스 및 Rollback 안정성, 개발 생산성, 서비스 Ownership, AI 기