Portfolio Jobs

합류하게 될 팀에 대해 알려드려요

• AI Service 팀은 도메인에 국한되지 않고, 토스의 여러 문제를 AI 기술로 해결하는 팀이에요.
• 단순히 문제를 AI 기술로 해결하는 것을 넘어서, 성능 중심의 모델 고도화를 통해 서비스 효과를 극대화해요.
• 토스 데이터 조직에 대해 더 알아보고 싶다면? → 토스 Data Division 위키

합류하면 함께 할 업무에요

• 업무 자동화 및 효율화, 서비스 고도화 등의 실제 문제 해결을 위한 Agent와 Application을 설계하고 실제 서비스에 적용해요.
• RAG 파이프라인을 설계하고, Retriever, Reranker, Generator 등을 구성해요.
• 도메인에 특화된 데이터를 기반으로 LLM이나 embedding 모델을 파인튜닝하고, 성능을 지속적으로 개선해요.
• 다양한 실험을 통해 얻은 인사이트를 토스에 맞는 Best Practice로 정리하고, 이를 팀과 조직에 전파해요.

이런 분과 함께하고 싶어요

• 실제 서비스에 AI 시스템을 적용하고, 사용자에게 의미 있는 경험을 제공해 본 경험이 있는 분과 함께하고 싶어요.
• 문제에 맞는 RAG 구성 요소를 설계하고 운영한 경험이 있는 분이면 좋아요.
• 실험 기반으로 성능을 정량적으로 개선하고, 반복적으로 학습해 나가는 방식에 익숙한 분과 함께하고 싶어요.

이력서는 이렇게 작성하시는 걸 추천해요

• 진행했던 프로젝트가 조직에 큰 영향력을 미쳤다면 그 내용을 자세히 작성해 주세요. 특히, AI 적용 전후의 성과 지표가 있다면 구체적으로 적어주세요.
• 참여한 프로젝트에서 본인이 정의한 문제, 선택한 접근법, 실험 방법과 성능 개선 내용을 구체적으로 적어주세요.
• LLM 오픈소스 모델/소프트웨어 사용 중에 발생한 버그나 이슈를 해결해 보았거나, 부족한 기능을 개선하기 위해 오픈소스 커뮤니티에 기여했던 경험이 있다면 작성해 주세요.
• 반복적인 실험과 성능 분석을 통해 정량적으로 문제를 해결한 과정이 있다면 강조해 주세요.

토스로의 합류여정

• 서류 접수 > 직무 인터뷰 > 문화적합성 인터뷰 > 레퍼런스 체크 > 처우 협의 > 최종 합격
• 직무 인터뷰에서는 심층 기술 면접과 ML 시스템 설계를 주제로 면접이 진행될 예정이에요.

함께할 동료를 위한 한마디

"LLM 기술이 급격하게 성장하면서 정말 다양한 유스케이스가 쏟아져 나오고 있어요. 우리 팀은 LLM과 Agent 기술로 토스의 일하는 방식을 근본적으로 바꾸고 싶어요."

• 저희는 토스의 LLM 유스케이스를 해결하는 역할을 하지만, 팀의 긴 호흡을 통해 토스가 가진 내부적 최적화의 가장 큰 임팩트 지점을 2개로 설정했고 이 과제를 해결하기 위해 노력하고 있어요.
• 있어 보이는 LLM 응용보다는 임팩트 있는 케이스를 주도적으로 해결하고 LLM 기술을 토스의 곳곳에 전파하는 역할을 하고 있어요.
• 아직 밝혀지지 않은 문제를 정의하고, 심층적이면서 다면적인 해법을 찾아가는 과정을 즐기는 분을 기다리고 있습니다.
• 일의 범위를 가리지 않고 본인의 역량을 끊임없이 확장하고자 하는 분에게 너무나 적합한 팀이에요.
• LLM 은 토스의 다양한 난제를 풀기 위한 또 하나의 전략 무기에요. 토스가 다양한 서비스를 가지고 있는 만큼 LLM으로 토스의 여러 부분을 최적화 할 수 있는 기회가 너무나도 많이 열려있어요.