펫나우는 반려견 비문과 반려묘 얼굴 중심 생체정보를 detection 하는 자동검출 모델, 생체정보가 선명하게 검출되었는지 판단하는 품질평가 모델, 통과된 생체정보 기반의 identification / verification 식별 모델 그리고 그 외 각종 Vision 기반 반려동물 정보(품종, 털색, 사이즈, fake detection 등)를 자동으로 추출하는 AI 모델들을 보유하고 있습니다. 이 모델들은 필요에 따라 서버가 아닌 모바일 기기에서 Edge-AI로 동작하기도 하고 Web에서 Browser-AI로 동작하기도 합니다.

이 AI 모델들은 실제 촬영 환경에서 발생하는 조명, 각도, 흔들림, 초점, 거리, 기기 차이, 품종 차이 등으로 인한 성능 저하를 줄이고 다양한 조건에서도 안정적으로 작동하는 구조를 필요로 합니다. 그래서 안정적인 성능을 보이는지 평가할 때는 단순히 accuracy 하나의 지표로 판단하지 않고, false accept rate, false reject rate, Rank-1 accuracy, embedding quality, 데이터셋별 성능 편차, inference latency, 모델 크기와 운영 비용까지 함께 고려합니다.

이 역할은 이 AI 모델들의 현재 수준을 냉정하게 판단하고 더 정교한 데이터셋 구축과 끊임없는 반복 실험을 통해 최고 성능 확보 및 고객에게 안정적인 서비스 품질을 제공해줄 수 있는 핵심 AI 인프라를 고도화할 수 있어야 합니다.

펫나우에서 중요한 것은 benchmark score만이 아닙니다. 실제 서비스에서 등록이 얼마나 잘 완료되는지, 인증 실패율이 얼마나 줄어드는지, 사용자가 몇 번이나 재촬영하는지, 운영자가 수동으로 확인해야 하는 케이스가 얼마나 줄어드는지가 함께 중요합니다.

이 역할은 offline evaluation과 production metric 사이의 간극을 줄이는 평가 체계를 만듭니다. 모델이 좋아졌다는 것을 연구 지표와 제품 지표 양쪽에서 설명할 수 있어야 합니다.

예를 들어 다음과 같은 질문을 다룹니다.

펫나우는 자체 앱과 글로벌 파트너 연동을 통해 실제 사용 환경의 데이터를 계속 축적하고 있으며, 이 데이터는 다시 모델 개선과 제품 개선으로 이어져야 합니다.

이 역할은 어떤 데이터를 학습과 검증에 반영할지, 어떤 실패 케이스를 우선적으로 분석할지, annotation 기준을 어떻게 정리할지, hard case를 어떻게 찾아낼지, 실험 결과를 어떻게 재현 가능하게 관리할지를 함께 설계합니다.

펫나우의 AI Research 팀은 지금 이 순간에도 고객사로부터 추가되는 데이터로 DB 가공, 업데이트, 신규 학습, 정량 성과 도출, 실패 분석, 다음 학습 계획 수립을 진행하며 모든 과정을 MLOps 파이프라인으로 내재화 하고 있습니다. 이 역할은 현재 연구 인프라 수준의 공백을 진단해내고 더 효율적인 데이터 품질 관리, 실험 관리, 모델 버전 관리, 평가 리포트, 성능 모니터링이 가능하도록 리딩하는 역할입니다.

펫나우의 AI는 앱, SDK, API, Admin Console 안에서 작동합니다. 따라서 모델을 개발할 때는 실제 제품 환경에서의 사용 방식을 함께 고려해야 합니다.

모바일 촬영 경험, 서버 inference, SDK latency, confidence score, fallback logic, error handling, 재촬영 UX, 운영자 리뷰 화면까지 모델의 결과와 연결됩니다. AI 모델이 제품 안에서 어떻게 사용되는지 이해하고, AI Product 팀이 신뢰할 수 있는 기준을 제공하는 것이 중요합니다.

이 역할은 “모델이 맞췄는가”에서 한 걸음 더 나아가 “사용자가 성공했는가”, “파트너가 운영할 수 있는가”, “서비스가 안정적으로 확장될 수 있는가”를 함께 봅니다.

글로벌 파트너는 각자 다른 문제와 운영 환경을 가지고 있습니다. 어떤 파트너는 등록 과정의 정확도를 중요하게 보고, 어떤 파트너는 보험 청구나 인증 과정에서의 신뢰도를 중요하게 볼 수 있습니다. 어떤 파트너는 SDK 연동의 안정성을 보고, 어떤 파트너는 운영자가 결과를 확인할 수 있는 도구를 더 중요하게 볼 수 있습니다.

Senior AI Researcher는 Marketing, AI Product 팀과 함께 파트너 요구사항을 해석합니다. 어떤 요청이 모델 개선으로 풀어야 할 문제인지, 어떤 요청은 UX나 운영 도구로 해결해야 하는지, 어떤 요청은 데이터 수집과 평가 기준을 먼저 정리해야 하는지 함께 판단합니다.

이 과정에서 AI Research 팀은 단순히 내부 연구 조직이 아니라, 펫나우가 글로벌 시장에서 어떤 수준의 제품 신뢰도를 제공할 수 있는지 결정하는 핵심 조직이 됩니다.

이 포지션은 개인의 모델 개발 역량만으로 정의되지 않습니다. AI Research 멤버들과 함께 어떤 문제를 먼저 풀지 정하고, 전략적 실험 세팅, 결과 분석, 실패 회고, 다음 실험 우선순위, 기술 로드맵 설정을 리딩합니다.

실험이 일회성 개선으로 끝나지 않도록 가설과 지표를 정리하고, 결과를 팀이 재사용할 수 있는 기준으로 남기며, 연구 방향이 제품과 파트너 임팩트로 연결되도록 팀의 판단 기준을 세웁니다.