풀스택 개발자 (Flutter, FastAPI)

BatterMachine 은 AI기술을 이용해 Energy 분야에 문제들을 해결하려고 하는 초기 startup입니다. 해결하려고 하는 문제는 Machine learning을 이용하여 배터리 관리를 혁신하려고 합니다. 현재 맥킨지등의 다수의 report에서 배터리 관리 분야에 마켓 사이즈는 7 billon dollar로 추정하고 있으며, 2030년까지 30 billion dollar로 늘어날 것으로 예상되고 있습니다. 이는 AI를 적용하지 않았을때의 수치이며, AI를 적용할경우 기존 마켓 사이즈에 몇배를 예상하고 있습니다. 가령, 구글의 DeepMind는 380,000개의 새로운 material를 발견했습니다. 또한 다수의 뉴스에서 AI로 인해 가장 타격을 크게 받는 직업 또한 화학분야로 알려져 있습니다. 이렇듯, AI를 접목한 기술은 Energy분야에 이전과 비교할 수 없을정도의 생산성 향상을 가져올 것이며, 전통적 방식에 많은 기업들은 내부 인원의 저항, 내부의 정치적인 문제등으로 인해 경쟁력을 유지하기 어려울 수 있습니다.


현재 저희는 battery machine learning framework 기술과 자동차 내부에 battery management system과 cloud간에 collaboration을 통한 안전성 향상에 대한 기술을 보유하고 있으며 이러한 핵심 기술을 바탕으로 battery management algorithm 개발자를 위한 machine learning framework와 다양한 application (전기차, 충전기, 로봇, 드론, ESS 등) 배터리 관리 app들을 개발하려고 계획하고 있습니다.


AI를 이용한 battery 관리 시장은 장기간 충분한 growth가 예상되지만 기술적 장벽으로 인해 player가 아주 적은 상황 이며 대부분의 player들은 유럽에서 100억 정도의 초기 funding을 받은 기업 들입니다. 그러므로 AI를 이용한 battery 관리가 외국 투자사들 사이에서는 이미 시장성이 있다고 판단한 것으로 보이며 제가 이전 직장에서 director로 technical research 한 바로도 machine learning을 이용한 battery 관리는 확실한 technical direction이라 판단 하였습니다. 이러한 이유로 저 또한 이분야를 지난 3년간 연구하여 경쟁력있는 리서치 성과를 이루었다고 생각하며 이를 빠르게 구현하기 위해서는 프로세스가 느린 대기업 보다 창업이 유리한 점이 창업을 결정하게된 이유중에 하나 입니다. 시장이 2030년 30 billion 이상으로 충분히 크고 보유한 기술이 충분히 경쟁력이 있다고 생각하기 때문에 초기에 빠르게만 움직인다면 market을 leading할 가능성과 유니콘이 될 가능성이 높다고 생각합니다.

직무:
서버쪽은 Daemon과 Backend(FastAPI) 부분으로 구분되어 있으며 해당 직무에서는 Backend 부분과 앱 개발을 Flutter로 합니다.
Backend쪽에는 상태관리가 없이 비동기로 각 API를 처리하고 있어서 복잡성이 높지는 않지만 전기차 API 연동 시 APIspecification이 자세하지 않아 빠른 프로토타이핑을 통해 알아내는 경우가 있습니다.
Flutter 앱 개발 부분은 현재 만들어져 있는 앱 기반에 기능 추가가 필요합니다. 현재 앱 페이지 수는 8 페이지 정도 됩니다.