AI Solution Engineer는 AI가 업무 매뉴얼·지식 시스템·업무 정책을 활용하도록 연결하고, 백엔드 및 데이터 연동 기반의 설계·구현·안정화를 담당합니다. 백엔드 서버 개발과 데이터 연동 역량, ASR·TTS·LLM 컴포넌트의 동작 이해가 필요합니다.
Seoul백엔드 서버 개발데이터 연동ASRTTSLLM
기업 채용정보
토스
진행 중인 개발 직군 공고 60건과 관련 기술 글을 모았습니다.
공고와 연관된 기술 글
진행 중인 공고와 기술 주제가 유사한 토스 계열 기술 블로그 글입니다.
토스 기술 블로그
토스는 어떻게 광고를 보여줄까? 토스 애즈 ML 톺아보기
토스 광고 노출 과정과 추천 시스템의 전체 흐름을 ML 관점에서 정리했습니다. Targeting부터 Ranking까지 각 단계별 모델 활용 방식도 소개했습니다.
토스 기술 블로그
토스인컴 QA Platform: ‘누구나 테스트할 수 있는’ 도구의 시작
Swagger에 있던 Test API를 누구나 쉽게 실행할 수 있도록 내부 QA Platform으로 정리했습니다.\n버튼 기반 실행과 자동화 통합으로 테스트 장벽을 낮추고 품질 검증 속도를 높였습니다.
토스 기술 블로그
누군가는 토스를 테스트하는 동안, 우리는 테스트하는 법을 만듭니다.
토스 QA Platform 팀이 매주 반복되는 대규모 릴리즈에서 품질을 지키는 방식과 자체 테스트 도구들을 소개했습니다. AI와 자동화를 활용하되 사람은 품질 기준과 최종 판단에 집중하는 방향을 제시했습니다.
토스 기술 블로그
토스플레이스 사일로 QA로 일한다는 것
토스플레이스 QA 팀이 사일로에 겸직하며 제품 초기부터 품질을 함께 책임지는 운영 방식을 소개했습니다. 스펙 리뷰, 테스트 기준 정리, 백로그 관리 등으로 협업과 품질을 동시에 높인 사례를 공유했습니다.
진행 중인 채용공고
LLM 기술 공고 12건
AI 전화 자동화 도입을 위한 기술 설계·구현·안정화와 지식·업무 시스템 연동을 담당합니다. 안정적인 백엔드 서버 개발·데이터 연동 역량 तथा ASR·TTS·LLM·RAG·Agentic Workflow 이해가 필요합니다.
Seoul백엔드 서버 개발데이터 연동ASRTTSLLMRAGAgentic Workflow
제품 개발 워크플로우 자동화와 LLM 기반 개발 환경을 구축하며, 지식 베이스·Design-to-code·테스트·코드 분석 도구를 만듭니다. 빌드·테스트·CI/CD 등 개발 인프라 또는 자동화 파이프라인을 직접 구축한 경험이 필요합니다.
SeoulLLME2E 테스트LangGraphFigmaiOSAndroidReact NativeRAG
검색 Relevance 모델의 레이블 설계부터 임베딩·랭킹 모델 학습, 데이터 파이프라인, 오프라인 평가와 A/B 실험까지 엔드투엔드로 담당합니다. 검색 도메인 실무 경험과 대규모 로그·행동 데이터 기반 데이터셋 구축, 임베딩·랭킹 모델 학습, LLM 활용 역량이 필요합니다.
SeoulLLMANN임베딩 모델랭킹 모델lexical 매칭A/B 실험
상시·미정
광고 생성·심사·성과 리포팅 전반에 AI를 적용해 대화형 캠페인 설정, 소재 생성, 정책 위반 탐지 등을 설계·운영합니다. LLM 기반 프로덕션 워크플로를 end-to-end로 구축하고 평가·개선한 경험이 필요합니다.
SeoulLLM프롬프트RAG에이전트워크플로 자동화
ML·LLM·Vision 모델을 조합한 대용량 AI 추론 파이프라인을 설계·운영하고, 비용·처리량·안정성을 end-to-end로 최적화합니다. LLM/ML 기반 대규모 라이브 서비스와 비동기 또는 배치 처리 운영 경험이 필요합니다.
SeoulMLLLMVisionPTUBatch APIRate LimitFallback/Retry
vLLM·Triton 등 서빙 프레임워크를 운영하며 대규모 LLM·임베딩 모델의 실시간 서빙 환경을 구축·모니터링하고, 성능·리소스 효율·배포 안정성을 개선합니다. GPU와 LLM 동작 이해를 바탕으로 성능 튜닝 및 운영 안정성 확보 경험이 필요합니다.
SeoulvLLMDynamoTritonLLMembedding 모델GPUModel Registry
토스 AI Engineer(Model)는 서비스 데이터를 기반으로 LLM 학습용 데이터셋·파이프라인을 구축하고, post-training·continual learning 및 평가 벤치마크를 통해 자체 모델을 고도화합니다. LLM/VLM 직접 학습과 데이터 생성-학습-평가 사이클, 실험 분석 및 학습 파이프라인 최적화 경험이 필요합니다.
SeoulLLMVLMPost-trainingcontinual learningSFTDPORLLoRA
텍스트·이미지 및 실시간 음성 AI 에이전트의 핵심 기능을 설계·구현하고, 평가·검증 파이프라인을 통해 품질을 개선합니다. Multi-Agent·LLM·RAG·멀티모달 모델로 복잡한 비즈니스 문제를 해결하고 프로덕션 AI 에이전트를 개선한 경험이 필요합니다.
SeoulMulti-AgentLLMRAG멀티모달 모델Context EngineeringTool CallingGuardrailEvaluation
LLM·RAG·Agent 기반 컴포넌트를 재사용 가능한 플랫폼으로 구축하고, 실험·서빙·운영 및 성능 평가 기반을 설계합니다. LLM·RAG·Agent를 실제 문제에 적용하고, 복잡한 AI 시스템을 구조화·운영한 경험이 필요합니다.
SeoulLLMRAGAgentRetrievalGenerationVector SearchPromptTool
침해사고 탐지·분석·대응을 수행하고, SIEM 로그 기반 위협 모델링·시나리오 설계 및 탐지·대응 자동화를 담당합니다. K8S·Public Cloud 환경의 위협 대응, Detection Engineering 및 SIEM 기반 대응 경험이 필요합니다.
SeoulSIEMK8SPublic CloudDetection EngineeringLLM
상품 텍스트·이미지에서 카테고리·브랜드·옵션·속성을 추출하고 동일 상품을 연결하며, 상품 데이터 품질과 검색·추천 기반을 고도화합니다. LLM·멀티모달 모델을 활용한 분류·정보 추출·엔티티 매칭 및 PyTorch 또는 Hugging Face Transformers 기반 개발·평가 경험이 필요합니다.
SeoulLLM멀티모달 모델PyTorchHugging Face Transformers프롬프트 설계Structured Output파인튜닝임베딩