AI Platform Engineer (Retrieval)

합류하게 될 팀에 대해 알려드려요

• 검색 플랫폼 팀은 "토스의 모든 서비스에서 필요한 정보를 찾을 수 있게 만든다"는 미션으로, 검색과 탐색을 하나의 플랫폼으로 만들고 있어요.
• 키워드 기반과 의미 기반 검색을 함께 다루고, 수십억 건 규모의 색인을 설계하고 찾아주는 과정을 직접 책임져요.
• 추천과 광고에서 후보를 생성하는 일, 사내 AI 에이전트에게 지식을 전달하는 일 등 검색의 범위를 검색 서비스로 한정하지 않아요.
• 검색 플랫폼이 지원하는 서비스가 빠르게 증가하고 있고, 그 데이터 규모도 빠르게 커지고 있어요. 요청을 하나씩 받아 처리하는 방식으로는 따라갈 수 없어서, 모든 도메인이 직접 할 수 있게 만드는 일이 팀의 중심 과제예요.
• 이 포지션은 검색 플랫폼의 검색 제공을 맡아요. 색인된 데이터를 도메인이 스스로 찾아 쓸 수 있게 만드는 일이 중심이고, 벡터 검색과 하이브리드 검색, 추천과 광고의 후보 생성까지 함께 넓혀가요.

합류하면 함께 할 업무에요

• 도메인이 검색과 탐색을 스스로 구성할 수 있게 만들어요. 요청을 받아 처리하는 일을 기능으로 바꿔서, 같은 요청이 다시 오지 않게 하는 것이 이 일의 핵심이에요.
• 검색, 추천, 광고 서비스가 사용할 리트리벌 API를 만들고, 서비스별 후보 생성 방식과 필터 조건을 반영해 확장해요.
• Elasticsearch, Milvus 등 검색 엔진들의 특성과 한계를 파악하고 이해한 상태로, 도메인을 지원해요. 색인 설계와 샤드 배치, 형태소 분석기 설정, ANN 인덱스 종류와 파라미터 설정, 파티셔닝과 용량 산정 및 증설 계획도 같이 진행해요.
• 하이브리드 검색을 설계하고 플랫폼 기능으로 제공해요. 어떤 방식으로 두 점수를 섞을지, 그 결과가 도메인마다 달라지는 문제를 어떻게 다룰지가 지금 열려 있는 과제예요.
• 사내 도구와 작은 서비스를 위해 RAG 를 플랫폼으로 제공해요.

이런 분과 함께하고 싶어요

• 사용하는 팀과 직접 대화하며 결과를 만들어낸 분이면 좋아요. 요구를 그대로 받아들이는 것보다 스스로 해석하여 중요한 것에 집중한 경험을 갖고 있고, 어떤걸 공통화하여 일반화시킬지 고민해본 분이면 좋아요.
• 서비스마다 다른 요구를 검색 엔진의 특성과 구조를 고려해서 풀어본 분이면 좋아요. 데이터의 규모, 유사성 검색 등 다양한 점을 고려해 검색 엔진을 설계하고 운영해본 분이면 더 좋아요.
• 검색 엔진이나 벡터 데이터베이스를 실제 서비스에서 사용하여 색인이나 컬렉션을 설계하고, 성능 문제의 원인을 끝까지 좁힐 수 있는 분을 찾고 있어요.
• 여러 팀이 얽힌 문제를 끝까지 해결해본 분이면 좋아요. 검색은 데이터와 모델을 만드는 팀이 함께 완성하므로, 원인이 우리 팀 밖에 있어도 함께 확인하고 해결해야 할 때가 많아요.

이런 분이면 더 좋아요

• 추천이나 광고 시스템에서 후보군을 뽑는 리트리벌 단계를 다뤄본 경험이 있다면 좋아요.
• 여러 서비스가 하나의 클러스터를 함께 쓰는 환경에서, 한 서비스의 부하가 다른 서비스로 번지지 않도록 격리를 설계해본 경험이 있다면 반가워요.
• 하이브리드 검색을 설계하거나 운영해본 경험이 있다면 환영해요.
• 모델 서빙(Triton 등)과 검색 시스템을 연결해본 경험이 있다면 환영해요. 벡터 검색이 모델 추론과 맞물려 있어서, 추론 쪽 경로에 대한 배경이 있으면 훨씬 수월할거에요.
• 임베딩 모델을 다뤄보거나 RAG 시스템을 직접 구성해본 경험이 있다면 좋아요.

이력서는 이렇게 작성하시는 걸 추천해요

• 진행했던 과제가 조직에 큰 영향력을 미쳤다면 그 내용을 자세히 작성해 주세요.
• 단순히 어떤 언어, 플랫폼, 프레임워크, 기술 등을 사용했는지보다는, 어떤 목적을 가진 과제였는지, 이를 해결하기 위해 무엇을 사용했는지, 어떻게 문제를 해결했는지에 대해 자세히 작성해 주세요.
• 플랫폼을 운영하면서 발생한 치명적인 장애를 해결해 보았거나, 성능/리소스 최적화를 해 본 경험이 있다면 작성해 주세요.
• 오픈소스 사용 중에 발생한 버그나 이슈를 해결해 보았거나, 부족한 기능을 개선하기 위해 오픈소스에 기여했던 경험이 있다면 작성해 주세요.

토스로의 합류여정

• 서류 접수 > 프리 인터뷰 > 직무 인터뷰 > 문화적합성 인터뷰 > 레퍼런스 체크 > 처우 협의 > 최종 합격
• 프리 인터뷰에서는 지원서 기반의 주요 경험과 직무 적합도를 중심으로 면접이 진행될 예정이에요.
• 직무 인터뷰에서는 심층 기술 면접과 ML 시스템 설계를 주제로 면접이 진행될 예정이에요.

함께할 동료를 위한 한마디 > ”검색 플랫폼은 다양하고 규모있는 데이터에서 의미있는 정보를 찾아서 전달하는 기능을 제공해요. 전통적인 키워드 검색 뿐만 아니라 리트리벌 및 RAG 까지 확장하려고 해요.”

• 검색과 추천, 광고의 탐색을 한 플랫폼에서 봐요. 한 도메인에서 찾은 개선이 다른 도메인의 출발점이 돼요.
• 키워드 검색과 벡터 검색을 모두 운영해요. 둘 중 하나만 아는 상태로는 복합적인 검색을 설계할 수 없어서, 양쪽을 다 보게 돼요.
• 느낌이나 감으로 이야기하지 않고, 지연이 얼마나 줄었고 처리량이 얼마나 늘었는지로 판단해요.