LG전자 AX School - 채용 홈페이지 LG전자 AX School 채용 홈페이지입니다
LG전자 AX School - 채용 홈페이지
LG전자 AX School 채용 홈페이지입니다
[섹션 1] 히어로
• AI 어플리케이션 개발자
사람의 업무를 이해하고,
AI 에이전트로 자동화한다
LLM · 멀티에이전트 · 웹서비스 기술로
실제 동작하는 AI 서비스를 구현하는 어플리케이션 개발자로 성장합니다.
●
교육 기간
960시간 · 6개월
●
운영 캠퍼스
기수별 상이
●
주요 기술
Python · n8n · LangChain · MCP · FastAPI · Docker · AWS · Flutter
●
교육 비용
전액 무료
(국민내일배움카드)
이 과정 지원하기
다른 과정 둘러보기
[섹션 2] 타겟
•︎ 강의 추천 대상
이런 분께 적합한 과정입니다
🖥️ 이런 전공을 하셨다면
✓ 컴퓨터공학·소프트웨어
AI 모델은 접해봤지만 실제 서비스까지 구현·운영해본 경험이 부족한 분
✓ 웹·앱 개발 전공
프론트·백엔드는 가능하지만 AI·LLM 기술을 실무 서비스와 연결해본 경험이 없는 분
✓ 데이터·AI 전공
모델링은 가능하지만 사용자 중심의 AI 어플리케이션 개발 경험이 부족한 분
💬 이런 고민 하신다면
✓ LG전자 AI 개발 직군 취업을 목표로 하는 분
✓ ChatGPT · LLM API를 활용해 실제 서비스를 만들어보고 싶은 분
✓ LangChain · MCP · 멀티에이전트에 관심은 있지만 구조적으로 구현해본 경험이 없는 분
✓ 단순 모델 개발이 아니라 "동작하는 AI 서비스"를 직접 만들고 싶은 분
전공은 무관합니다. 위 항목은 "이런 배경이면 특히 잘 맞는다"는 예시입니다.
[섹션 3] 학습 여정
•︎ 3 STEP Build
6개월, 세 번 쌓아 올립니다
같은 주제를 세 번 반복합니다.
매번 앞선 Build의 결과 위에 한 단계씩 쌓여,
마지막에는 현업에서 작동하는 AI 에이전트가 됩니다.
BUILD 01 · 기획 · 프로토타입 — AI 에이전트를 기획하고 빠르게 구현하기
○ 목표
AI Agent 개발 흐름과 문제 해결 프로세스를 이해하고,
Low-Code 기반으로 빠르게 프로토타입을 구현할 수 있는 역량을 갖춘다
○ 무엇을 배우나요
1. AI 에이전트 기획 역량
[직무·도메인]
- LG전자 AX 전략과 AI 서비스 방향 이해
- AI Agent 기반 문제 해결 프로세스 학습
- 실제 비즈니스 문제를 AI 서비스 관점으로 구조화
[기술]
- AI 기술 트렌드 이해
- 5D 프로세스 기반 문제 정의
2. 에이전트 구현을 위한 기초 기술 역량
[직무·도메인]
- AI 서비스를 구현하기 위한 개발 기초 역량 확보
- 데이터와 사용자 흐름을 연결하는 구조 이해
[기술]
- Python- RDBMS
- 머신러닝 / 딥러닝
- Figma
3. 로우코드 기반 Agent 프로토타이핑
[직무·도메인]
- 아이디어를 빠르게 MVP로 구현하는 방식 이해
- 서비스 흐름 중심의 Agent 구조 설계
[기술]
- n8n
- LLM API
- Streamlit
○ 프로젝트
Project 1 · 비즈니스 자동화 에이전트 MVP를 제작한다
반복적으로 수행되는 업무를 AI 에이전트로 자동화하는 MVP를 제작합니다. 사용자의 요청을 입력받고, LLM API와 워크플로우 자동화 도구(n8n)를 연결해서 실제 업무 흐름을 처리하는 구조를 만듭니다. 단순 챗봇이 아니라 "업무를 대신 수행하는 AI"를 구현해보며, 빠르게 프로토타입을 만드는 경험을 쌓는 것이 목표입니다.
BUILD 02 · 웹서비스 확장 — AI 에이전트를 웹서비스 구조로 확장하기
○ 목표
다양한 도구와 데이터를 연결하고, 실제 사용 가능한 AI 웹서비스 구조를 설계·구현할 수 있는 역량을 갖춘다
○ 무엇을 배우나요
1. 인지 아키텍처 및 시스템 인프라 설계
[직무·도메인]
- AI 에이전트의 사고 흐름과 구조 설계
- 사용자 요청을 처리하는 시스템 아키텍처 이해
[기술]
- LangChain
2. 에이전트 시스템화 및 도구 통합
[직무·도메인]
- 다양한 외부 도구와 데이터를 연결하는 방법
- 기업 환경에서 활용 가능한 Agent 구조 설계
[기술]
- FastMCP
- Firebase / MinIO
3. AI 웹 서비스 구현
[직무·도메인]
- 실제 사용자가 사용하는 웹서비스 구조 이해
- AI 기능을 사용자 인터페이스와 연결
[기술]
- HTML / CSS / JS
- Node.js- React.js
○ 프로젝트
Project 2 · 도구 통합형 AI 에이전트를 개발한다
기업 내부 시스템과 외부 도구를 연결해 하나의 AI 에이전트로 동작하는 서비스를 개발합니다. MCP 기반으로 데이터와 기능을 연결하고, 웹·앱 UI를 통해 사용자가 실제로 활용 가능한 형태로 구현합니다. "AI가 단순 응답을 넘어 실제 업무를 처리한다"는 경험을 만드는 것이 목표입니다.
BUILD 03 · 멀티 Agent · 운영 — 멀티 에이전트 기반 AI 서비스를 운영 수준으로 구현하기
○ 목표
멀티 에이전트·비동기 처리·클라우드 운영 기술을 활용해 실제 서비스 수준의 AI 시스템을 구현한다
○ 무엇을 배우나요
1. 복합 에이전트 협업 및 비동기 제어
[직무·도메인]
- 여러 AI 에이전트가 협업하는 구조 이해
- 복잡한 문제를 분산 처리하는 흐름 설계
[기술]
- LangGraph- Celery / Redis
2. 지식 베이스 고도화 및 로컬 실행
[직무·도메인]
- 사내 데이터와 문서를 활용한 지식 기반 구축
- 로컬 환경에서 AI 모델 운영
[기술]
- VectorDB
- Ollama
3. 에이전트 운영(Ops) 및 서비스화
[직무·도메인]
- 실제 서비스 운영 환경 구성
- 지속적 배포·운영 자동화 이해
[기술]
- Git / GitHub Actions
- Docker
- Kubernetes
- Django / FastAPI
- AWS- LangSmith
4. AI 앱 서비스 구현
[직무·도메인]
- 모바일 환경에서 동작하는 AI 서비스 구현
[기술]
- Flutter
○ 프로젝트
Project 3 · 자율 협업형 멀티 에이전트 서비스를 개발한다
여러 개의 AI 에이전트가 역할을 나누어 협업하는 멀티 에이전트 시스템을 구축합니다. 사용자의 요청을 분석하고, 각 에이전트가 필요한 데이터를 수집·판단·처리하며, 최종 결과를 통합해서 제공하는 구조를 만듭니다. AWS 기반 배포와 운영 모니터링까지 연결해 실제 서비스 수준의 AI 어플리케이션을 구현하는 것이 목표입니다.
[섹션 4] 수료 후 진로
•︎ Career path
수료 후, 이런 곳으로 갑니다
이 과정을 마치면 아래 직무로 지원할 수 있는 포트폴리오와 역량을 갖추게 됩니다.
AI 어플리케이션 개발자
- LG전자 등 대기업 AI 서비스 개발 직군- 생성형 AI · Agent 기반 서비스 개발 기업
AI 에이전트 엔지니어
- MCP · LangChain · 멀티에이전트 기반 AI 시스템 개발- 업무 자동화 · 생산성 혁신 솔루션 개발
LLM 서비스 개발자
- 생성형 AI 기반 웹·앱 서비스 구현- AI 챗봇 · AI Assistant · AI Workflow 서비스 개발
AI 플랫폼 · Ops 엔지니어
- Docker · Kubernetes 기반 AI 서비스 운영- AWS 기반 AI 인프라 구축 및 배포 자동화
풀스택 AI 개발자
- React · Flutter 기반 AI 웹 / 앱 서비스 개발- 백엔드 · 프론트엔드 · AI 모델을 통합하는 서비스 구현형 개발자
