Stardex 공고로 본 AI 네이티브 마이그레이션 실무

제목: Stardex 채용 공고로 읽는 ‘AI 네이티브 데이터 마이그레이션’ 실무: TypeScript/SQL + 고객 성공의 만남

레거시 ATS/CRM에서 새 툴로 옮기는 순간, 대부분의 문제는 “기능”이 아니라 데이터에서 터져요.
YC가 투자한 Stardex의 채용 공고는 그 현실을 아주 적나라하게 보여줍니다—AI + 데이터 마이그레이션 + 고객 성공이 한 역할로 묶여 있거든요.

1) Stardex가 말하는 ‘AI 네이티브 ATS+CRM’의 의미

요약: Stardex는 임원급 서치(Executive Search) 펌을 위한 AI 네이티브(처음부터 AI 사용을 전제로 설계된) ATS+CRM을 만들고 있어요. 핵심은 “채용 프로세스 자동화”가 아니라 펌 내부의 데이터/노하우를 AI가 활용하도록 구조화하는 겁니다.

공고에 따르면 고객은 주로 boutique~mid-market 서치 펌이고, 다들 기존 레거시 플랫폼에서 이동 중이에요. 이때 제품의 경쟁력은 ‘기능 리스트’보다 전환(온보딩) 경험을 얼마나 매끄럽게 만들 수 있느냐로 갈려요. 결국 Stardex가 찾는 사람은 개발도 하지만, 고객의 전환을 끝까지 책임지는 역할이죠.

즉, 이 포지션은 단순 CSE(Customer Success Engineer)가 아니라 “데이터 이전을 완수해 제품 가치를 체감시키는 온보딩 엔지니어”에 가깝다고 보면 됩니다.

2) 역할의 본질: Customer Success Engineer = 데이터 마이그레이션 엔지니어

요약: 이 역할은 고객 성공이지만, 실제 업무 중심은 지저분한 데이터를 안전하게 변환/정리/이관하는 엔지니어링이에요. “제로 마진 포 에러(실수 허용 0)”라는 표현이 이 직무의 압력을 그대로 말해줍니다.

특히 ATS/CRM 데이터는 단일 테이블로 끝나지 않아요. 후보자, 포지션, 단계, 노트, 이메일, 태그, 관계자 등 **관계형 데이터(relational data)**가 얽혀 있어서 한 군데만 삐끗해도 전체 히스토리가 무너집니다. 그래서 공고에서 TypeScript/SQL 스크립트로 변환/클렌징/마이그레이션을 직접 한다고 못 박은 거고요.

또 중요한 건 고객과의 커뮤니케이션이에요. 고객은 “지원자 3만 명”이라고 말하지만, 실제론 중복/누락/표기 흔들림이 섞여 있어요. 이걸 기술적으로 정리하는 동시에, 비기술 이해관계자에게 “왜 이렇게 정리해야 하는지”를 납득시키는 능력이 필요하다는 뜻입니다.

3) 필수 스킬 키워드: TypeScript/SQL, AI 툴, DB 최적화 감각

요약: Stardex는 “코딩 가능한 CSE”를 원하고, 특히 AI 도구로 반복 작업을 자동화하는 습관을 강하게 요구해요. 단순히 ‘AI에 관심 있음’이 아니라 실무 속도/품질을 AI로 끌어올리는 타입을 찾는 거죠.

공고의 핵심 요구를 정리하면 아래처럼 읽혀요.

• TypeScript/SQL로 스크립트 작성: 데이터 변환/정제 작업을 코드로 재현 가능하게 만들어야 해요. 수작업은 감사 추적(어떤 변경이 있었는지)이 불가능하니까요.
• Claude Code, Cursor 같은 AI 코딩 툴 적극 사용: 반복되는 매핑/검증/리포트 생성 같은 작업을 AI로 자동화해 생산성을 올리는 게 중요해요.
• DB 최적화 이해(쿼리/스키마 왜 중요?): 마이그레이션은 “옮기기만”이 아니라 “이후에도 빨라야” 합니다. 구조가 나쁘면 제품 사용성이 무너지고, 결국 고객 성공도 실패해요.

이 조합은 요즘 많이 말하는 **AI-augmented engineer(개발을 AI로 증폭시키는 엔지니어)**를 고객 성공 영역에 그대로 적용한 사례로 볼 수 있어요.

4) ‘보너스’ 항목이 말해주는 실제 현장 난이도

요약: 우대 사항을 보면 Stardex가 상대할 데이터가 얼마나 복잡한지 감이 와요. 특히 API/ETL/파이프라인, 인덱싱/튜닝 같은 단어는 “엑셀 업로드 수준이 아니다”라는 선언에 가깝습니다.

우대 사항을 맥락 포함해서 해석하면 이래요.

• CRM/ATS 경험: 데이터가 “사람·관계·이력”이라 규칙이 잘 안 맞아요. 도메인 경험이 있으면 예외 케이스를 빨리 파악합니다.
• API, 데이터 파이프라인, ETL: 고객 시스템에서 뽑아오는 방식이 제각각이고, 자동 동기화나 증분 마이그레이션(조금씩 옮기기)도 필요할 수 있어요.
• DB 퍼포먼스 튜닝/인덱싱: 이관 후 검색/필터/리포트가 느리면 “제품이 별로”로 인식돼요. 데이터 구조 설계가 곧 고객 경험입니다.
• 고객-facing 기술 업무 경험: 문제를 ‘기술 용어’가 아니라 ‘업무 언어’로 번역해야 프로젝트가 굴러가요.

결국 이 역할은 “개발 잘함”만으로 안 되고, 현실 고객 데이터의 지저분함을 끝까지 수습할 집요함이 핵심 역량이에요.

5) 왜 이 포지션이 매력적인가: ‘첫 번째’ 역할의 레버리지

요약: Stardex는 이 직무가 **첫 번째 채용(You’ll be the first person in this role)**이라고 밝혔어요. 즉, 온보딩/마이그레이션의 표준 프로세스를 본인이 설계할 수 있다는 뜻입니다.

초기 스타트업에서 “첫 번째”는 힘들지만 레버리지가 커요. 예를 들어, 고객별로 매번 손으로 하던 매핑 작업을 템플릿화하고, 검증 쿼리를 표준화하고, 체크리스트를 자동 생성하게 만들면 이후 모든 고객 전환 속도가 빨라집니다. 이건 단순한 개인 성과가 아니라 회사의 성장 속도를 바꾸는 시스템이 돼요.

또 Founders(Sanket & Pranav)와 직접 일하며 오너십을 준다고 했는데, 이런 구조에서는 의사결정이 빠르고 개선이 즉시 반영돼요. “금요일까지 라이브 해야 하면 어떻게든 해낸다”는 문장이 이 문화의 기대치를 보여줍니다.

마무리: 이 공고는 “고객 성공도 결국 엔지니어링이다”를 제대로 보여주는 사례예요.
만약 여러분이 데이터 마이그레이션을 해본 적이 있다면, 지금 하고 있는 업무를 TypeScript/SQL 기반의 재현 가능한 프로세스로 바꾸고, Cursor 같은 AI 도구로 반복을 줄이는 실험부터 해보세요. 그 경험 자체가 곧 이런 AI 네이티브 실무 포지션으로 연결되는 가장 강한 포트폴리오가 될 거예요.