[토스] ML Engineer(AI)

토스 소속

정규직

합류하게 될 팀에 대해 알려드려요

• MLE(AI)포지션으로 지원하시면, LLM Service 팀이나 Commerce AI 팀에 속해요.
• LLM, RAG, 멀티모달 등 다양한 AI 기술을 활용해, 문제를 정의하고 기술적으로 접근하는 방식 자체를 설계해요.
• AI로 이미 존재하는 문제를 푸는 데서 멈추지 않고, 문제 자체를 새롭게 정의하고 확장해 나가는 팀이에요.
• 팀에서는 다양한 LLM 응용을 안전하고 편리하게 사용하기 위한 보안성, 사용성을 보장해 주기 위한 업무와 토스의 업무 방식을 근본적으로 바꾸기 위한 도전적인 장기 목표를 구현하려 노력하고 있어요.
• 토스 데이터 조직에 대해 더 알아보고 싶다면? → 토스 Data Division 위키

합류하면 담당하게 될 서비스를 소개해 드려요

• 만약 특정 도메인에 관심이 깊거나 관련 경험이 있다면 상세 채용공고를 통해 지원해주세요.
• 현재 페이지에서 지원하실 경우, 인터뷰를 통해 지원자분의 강점을 확인하고 그에 맞는 조직을 추천해 드릴게요.

💡 RAG/Agent (상세 채용공고)

• ML Engineer (RAG)는 LLM Service 팀이 풀고자 하는 문제 중에 참조 정보를 가장 정확하고 효율적으로 얻어내는 기술에 대한 전문성이 필요해요.
• LLM Workflow를 구축하는 과정은 LLM Service 팀원 누구나 할 수 있어요. 이 중에 정보 획득과 조합이 필요한 문제를 해결할 때 과학적으로 성능을 검증할 수 있는 분이 필요해요.
• Agent 개발 직무는 기본적으로 토스팀에 필요한 기본적인 LLM workflow 구현부터 복잡한 분산형 Agent System 구축의 역할을 해요.
• 그리고 우리 팀의 목표 중 하나인 Agentic Silo 구현에 대한 책임을 가지고 가상의 Silo를 만드는 문제에 도전합니다.

💡 LLM Model (상세 채용공고)

• Model 구현 직무는 토스팀에 필요한 LLM(VLM), Embedding, ReRanker 모델에 대한 DRI를 가져요.
• 토스 팀이 원하는 LLM(VLM) / Embedding / ReRanker 모델 등을 제공해요.
• 어떤 모델을 적용하는 것이 최적의 선택인지를 제안하고 수요자가 원하는 모델을 적시에 제공해야 해요.
• Financial Dataset 을 구축하고 금융에 최적화된 LLM(VLM) 모델을 만드는 역할을 해요.

💡 Commerce AI (상세 채용공고)

• 텍스트, 이미지, 구조화된 데이터 등 다양한 형태의 정보를 유기적으로 활용해, 커머스 도메인의 복잡한 문제를 모델링하고 해결해요.
• 대규모 언어 모델(LLM), RAG, 멀티모달 모델 등을 활용해, 기존 방식으로는 풀기 어려웠던 과제에 새로운 접근을 시도해요.
• 문제 해결뿐 아니라, 지금까지 명확히 정의되지 않았던 영역에 AI를 적용할 수 있는 가능성도 탐색해요.
• 설계한 모델은 오프라인/온라인 실험과 정량 평가를 통해 효과를 검증하고, 반복적인 개선 루틴을 운영해요.
• 기술적 정교함뿐 아니라 비즈니스 적용 가능성과 지속 가능성까지 고려한 솔루션을 설계해요.

이런 분과 함께하고 싶어요

• LLM, RAG, 멀티모달 모델 등 최신 AI 기술을 활용해 복잡한 문제를 해결한 경험이 필요해요.
• 다양한 형태의 데이터(텍스트, 이미지, 구조화 데이터)를 통합적으로 활용해 모델을 설계하고 실험해 본 분이 필요해요.
• 문제 정의부터 모델 설계, 실험, 정량 평가까지 전체 과정을 주도한 경험이 있으면 좋아요.
• PyTorch, Hugging Face Transformers, LangChain 등 최신 AI 생태계에 익숙해야 해요.
• LLM을 활용한 에이전트 구현 경험이 많고 이 과정에서 다양한 실패와 성공을 경험하신 분이면 좋아요.
• 에이전트 구성과 관련된 다수의 프레임워크를 이해하고 복잡한 유스케이스에서 어떻게 적용할 수 있다는 것을 제시할 수 있는 분이면 좋아요.
• 오픈소스 LLM을 활용하여 유스케이스를 개발하거나 커스터마이징한 경험이 있으신 분이면 좋아요.
• 하이퍼파라미터 튜닝과 최적화에 대한 깊이 있는 이해가 있으신 분이면 좋아요.
• 복잡한 모델 아키텍처와 성능을 쉽게 설명할 수 있는 커뮤니케이션 역량을 갖추신 분이면 좋아요.
• 대규모 언어 모델(LLM)을 튜닝하거나, 파인튜닝 경험이 있으신 분이면 좋아요.

이력서는 이렇게 작성하시는 걸 추천해요

• 단순한 모델링 기술 나열보다는, 무엇을 개선하고 어떤 영향을 주었는지를 구체적으로 보여주시면 좋아요.
• 다양한 데이터나 제약 조건 속에서, 실험과 반복 개선을 통해 의미 있는 성과를 만들어낸 경험이 있다면 강조해 주세요.
• 협업 과정에서 어떤 역할을 했는지, 기술 외적으로도 문제 해결에 어떻게 기여했는지 드러나면 더 좋습니다.

토스로의 합류여정

• 서류 접수 > 1차 직무 인터뷰 (코딩) > 2차 직무 인터뷰 > 문화적합성 인터뷰 > 레퍼런스 체크 > 처우 협의 > 최종 합격
• 1차 직무 인터뷰에서는 간단한 코딩 테스트, 이력 체크, ML 기초 지식 테스트가 진행될 예정이에요.
• 2차 직무 인터뷰에서는 심층 기술 면접과 ML 시스템 설계를 주제로 면접이 진행될 예정이에요.

함께할 동료를 위한 한마디

"AI로 복잡한 문제를 해결하는 건 시작일 뿐이에요.

우리가 진짜 집중하는 건, 문제 그 자체를 다시 바라보고 더 좋은 방향으로 바꾸는 일이에요."

• 단순히 정제된 데이터를 모델에 넣는 게 아니라, 아직 정의되지 않은 문제를 어떻게 기술적으로 풀 수 있을지 고민하는 일이 더 많아요.
• 매번 "이걸 꼭 모델링으로 풀어야 할까?"부터 시작해서, 가장 임팩트 있는 접근이 무엇일지 문제 자체를 다시 바라보는 과정이 있어요.
• 서비스팀이나 운영팀이 수동으로 하던 일에 AI를 붙이는 데 그치지 않고, AI가 중심이 되는 새로운 흐름을 먼저 설계할 수 있어요.