(주)시선아이티 면접 직무 매핑

4단계 커리큘럼 안에 숨은, 계획서 원문이 가장 강조하는 프레임 3가지. 이걸 짚고 들어가면 "계획서를 읽고 온 지원자"라는 인상을 준다. 시선아이티의 기술 스택은 사실상 (1) 자체 GIS 엔진 ForGIS(OGC 표준, Server/Desktop/Mobile/DC 변형), (2) Java/JSP + 전자정부 표준프레임워크(공공 SI 관행), (3) sLLM/AI Chatbot(자체 SLM 플랫폼 + LangChain) — 이 3스택의 융합이다.

⓪ 시선아이티 자체 솔루션 라인업 — 제품별 상세

현장실습 계획서·채용공고·IR 자료에서 추론한 시선아이티의 자사 솔루션 4종. 면접관은 지원자가 회사의 제품을 정확히 이해하는지 본다. "GIS 엔진의 OGC 표준 준수", "Java/JSP+eGovFrame 공공 SI 관행", "자체 SLM 플랫폼의 폐쇄망 운영 가치" — 이 3축이 시선아이티의 차별점.

① AI Chatbot 개발 (4단계)

시선아이티는 자체 Seesun LLM 플랫폼을 보유하고 LangChain 표준 프레임워크를 사용한다. 최근 영역 확장 — sLLM(경량 언어모델) 기반 자체 AI Chatbot 사업을 추가 (데이터 반출 제약 + 폐쇄망 + 비용 대응). 이 4단계는 LLM/RAG/UX/통합의 풀스택 — oxi 생태계는 정확히 이 4단계를 코드 차원에서 구현한다.

② 정보시스템 통합(SI) (4단계)

마르미-III 방법론 기반 표준 SI 4단계 — 요구사항 분석 → 설계 → 구현 → 검증. oxi 생태계는 이 4단계를 자동화하는 도구 + 품질관리 invariant를 제공한다.

면접 포인트 — 한 줄 답변

1. "AI Chatbot에 LangChain을 왜 쓰나요?" — LangChain은 Python 표준 LLM orchestration. oxicode-ai의 Provider trait이 사실상 LangChain Runnable의 Rust equivalent — streaming-first, type-safe events, provider-agnostic. 단 LangChain은 Python 동형이 느리고, oxicode는 Rust 네이티브 + 멀티 agent + memory + LSP 통합.
2. "RAG를 어떻게 구현하나요?" — Seesun LLM 플랫폼 위에서 Retriever + VectorStore + Reader 구성. oxibrain의 L0 retrieval stack이 정답: n-gram Jaccard lexical + dense vector + RRF fusion + MMR rerank. P11 invariant 'No language is privileged'로 다국어 동일 처리.
3. "프롬프트 엔지니어링 경험은?" — oxicode-sdk의 PersonaProvider port로 페르소나를 selectable name으로 주입. oxicode-ai의 `dialect/` 모듈(coercion/xml/history/render/mod)이 native tool 지원 없는 모델을 위한 텍스트 기반 tool-calling 형식.
4. "마르미-III 방법론을 아나요?" — 한국 SW 공학 표준. 분석 → 설계 → 구현 → 시험 → 운영 5단계 + 130+ 산출물. oxicode-cli의 18개 subcommand (sessions/tree/fork/delete/issue/pkg/...)가 SI 프로젝트 운영 패턴과 동형.
5. "ERD/WBS 어떻게 그리나요?" — ERD: ERMaster/draw.io/MySQL Workbench. WBS: MS Project/JIRA. oxicode-catalog의 4계층 모델(SNAP/LIVE/Layer 2/LOCAL)이 시스템 카탈로그 관리의 코드 equivalent — provider×model×protocol의 3차원 매트릭스.
6. "코드 리뷰는 어떻게 하나요?" — oxicode의 `ast_edit`/`ast_grep`/`lsp`/`debug`/`review` tools가 코드 리뷰 자동화. CI에서 cargo fmt + clippy -D warnings + cargo test + cargo bench가 SP 품질관리의 코드 equivalent.
7. "통합 테스트 시 회귀를 어떻게 잡나요?" — oxibrain의 §17.4 'crash recovery test' 패턴: kill mid-ingest at each stage boundary, assert resumption with no duplicate. oxios의 Ouroboros 자기-개선 loop가 자체 회귀 + 개선을 자동화.
8. "LLM 평가 지표는 무엇인가요?" — oxibrain의 `EvalMetrics` (eval/crates/oxibrain-cli/src/cmd/gate.rs): fabricated_entity_rate (구조적 0.00), statement_precision/recall, resolution_f1. LangSmith/Langfuse/Helicone이 외부 도구. Seesun 플랫폼 자체 LLM-as-judge 가능.
9. "LangChain vs LlamaIndex vs Haystack?" — LangChain은 범용 LLM orchestration. LlamaIndex는 RAG-first 설계로 가장 성숙. Haystack는 엔터프라이즈 RAG + REST API + Pipeline DSL. oxios는 LLM orchestration + memory + skills + marketplace + Ouroboros 자기-개선을 통합한 Rust 풀스택 — 단순 비교 불가.
10. "왜 Rust인가요?" — type safety + zero-cost abstraction + tokio async + Send/Sync 경계 명시. oxi의 boa_engine 0.20 (!Send Context → std::thread 고정) + oxibrain single-writer actor + oxios Kernel/Supervisor/Surface 모두 Send/Sync 경계가 명시적.
11. "GIS가 뭔가요? 공간정보와 AI를 어떻게 융합하나요?" — GIS는 지리 데이터의 수집·저장·분석·시각화 시스템(벡터/래스터, 좌표계, 지오코딩, R-Tree 공간 인덱스, PostGIS). AI 융합은 자연어→공간 질의 변환을 tool-calling으로 잇는 것. 저는 optimal-route-planner에서 비대칭 TSP를 Branch and Bound로 정확 풀이한 경험이 있다. 용어 상세 →
12. "챗봇이 내부 시스템과 연동된다는 게 무슨 뜻인가요?" — LLM tool-calling(function calling). 계획서의 '단순 키워드 매칭을 넘어 의도·문맥 파악 후 내부 시스템 연동' = LLM이 의도+파라미터를 추출해 내부 API를 호출하고 결과를 자연어로 요약하는 패턴. oxicode-ai의 native tool use + dialect 폴백, oxios의 AgentTool wrapping(with_auth)이 구현 경험. 용어 상세 →