ML 엔지니어 (Product) (ML Engineer)

• 대규모 트래픽과 높은 SLA를 요구하는 ML/AI 서비스를 설계·개발·운영해요.
• ML 모델과 LLM을 프로덕션에 서빙하는 시스템을 만들어요.
• LLM 기반 Agent Workflow 및 RAG 애플리케이션을 개발하고, 품질을 평가·개선해요.
• AI로 비즈니스 문제를 정의하고 실제 임팩트로 연결해요.

• 대규모 트래픽과 높은 SLA 서비스를 프로덕션으로 개발·운영한 경험이 필요해요.
• 사용하는 기술의 동작 원리를 바닥까지 이해하고, 선택한 근거를 설명할 수 있어요.
• 전체 아키텍처를 그리고 각 컴포넌트의 역할, 트레이드오프를 설명할 수 있어요.
• AI/ML를 제품에 활용하여 비즈니스 임팩트를 만들어 낸 경험이 있어요.
• 처음 보는 기술도 빠르게 배우고 원리를 이해해서 적용해본 경험이 있어요.
• 정해진 정답(Best Practice)을 따르기보다, 문제를 정의하고 왜 그 기술을 선택했는지 스스로 설명할 수 있는 분을 찾아요.

• ML Engineer (Product)는 토스뱅크 ML Tribe / Chpater 소속으로, AI/ML 기술로 은행 서비스의 문제를 풀어요.
• FDS(이상거래탐지), 대출 모형 및 전략 시스템, 고객 응대 자동화, 문서·음성 처리, LLM 기반 Agent 등 다양한 제품을 개발해요.
• Product Manager, Data Scientist, Machine Learning Engineer 등 여러 직군과 협업하며 문제에 가장 잘 맞는 방식과 기술로 서비스와 제품을 만들어요.

• Triton, KServe, k8s 등 딥러닝 모델 서빙 시스템 및 프레임워크를 구축·운영한 경험
• LLM Application, RAG, Multi-Agent 개발 및 LLM 평가 시스템을 구축한 경험
• vLLM 서빙 및 Fine-tuning, Quantization, Inference 최적화 경험
• 은행/금융처럼 장애·규제 리스크가 큰 도메인에서 신중하게 배포·운영한 경험

• 실질적인 개발 경험이 구체적으로 드러나도록 사례 중심으로 작성해주세요.
• 문제를 해결하기 위해 기술적으로 고민한 내용과 실제 구현한 내용을 함께 작성해주세요.
• 아키텍처의 복잡도와 개발 구현 리소스의 트레이드오프 사이에서 각 선택지의 비용 효율을 비교 분석하여 우선순위를 결정한 경험이 있다면 작성해주세요.
• 진행했던 프로젝트가 비즈니스 임팩트를 낸 경험이 있다면 그 내용을 자세히 작성해주세요.
• 개발한 제품을 프로덕션에 적용하고 성과 지표를 보며 고도화한 경험이 있다면 작성해주세요.

• 서류접수 > 라이브 코딩 테스트 > 직무 인터뷰 > 문화적합성 인터뷰 > 레퍼런스 체크 > 처우협의 > 최종합격 및 입사

• 이력서 및 제출 서류에 허위 사실이 발견되거나 근무 이력 중 징계사항이 확인될 경우, 채용이 취소될 수 있어요.
• 토스뱅크 내부규정상 결격사유 해당자 또는 금융기관 인력 채용 상 결격사유 해당자는 채용이 취소될 수 있어요.
• 장애인 및 국가보훈대상자는 지원 시 관련법에 따라 우대하고 있어요.
• ML 엔지니어 (ML Engineer) 포지션은 전형 과정에서 국문, 영문 명칭을 함께 사용해요.

"은행 내의 모든 운영 업무를 자동화 해요"

• 은행에는 사람 손을 타야 하는 업무가 아직도 정말 많이 남아있어요.
• 저희 팀은 AI 제품의 기획부터 모델링, 그리고 서비스로의 구현까지 팀 내에서 end to end 로 실행하며 내가 만든 제품의 임팩트를 직접적으로 경험할 수 있는 조직이에요.
• 빠르게 발전하는 AI 기술을 활용해서 이러한 문제를 해결하고, 자동화 또는 효율화하는 것에 관심이 있는 분이라면 적극 추천해요!