합류하게 될 팀에 대해 알려드려요
- MLE (Commerce AI) 포지션은 토스 커머스 도메인에서, 다양한 운영·서비스 과제를 AI 기술로 해결하고 확장하는 역할을 맡아요.
- 오퍼레이션 자동화, 셀러 평가, 상품 정보, 검색 품질 등 복잡하고 정교한 판단이 필요한 문제들이 커머스 곳곳에 자리하고 있어요.
- 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.
- 토스 데이터 조직에 대해 더 알아보고 싶다면? [→ 토스 Data Division 위키](https://recruit-data-division.oopy.io/)
합류하면 함께 할 업무에요
- 텍스트, 이미지, 음성, 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
- 비즈니스 요구사항을 이해하고, 최신 AI 기술(LLM/RAG, LMM 등)을 포함한 ML 기술로 문제를 해결한 경험이 필요해요.
- 다양한 형태의 데이터 (텍스트, 이미지, 음성, 구조화 데이터)를 통합적으로 활용해 모델을 설계하고 빠르게 응용해본 분이 필요해요.
- ML 기술을 서비스에 적용하고 반복해서 개선하거나, 서비스에 대한 포괄적인 이해가 있으신 분이라면 좋아요.
- 문제 정의부터 모델 설계, 실험, 정량 평가까지 전체 과정을 주도한 경험이 있으면 좋아요.
- PyTorch, Hugging Face Transformers, LangChain 등 최신 AI 생태계에 익숙해야 해요.
- 기술적 실험뿐 아니라, 서비스 적용 가능성과 확장성까지 고려한 설계 경험이 있으면 좋아요.
- 새로운 문제를 탐색하고 기술적으로 정의하는 일에 흥미와 역량을 가진 분이라면 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.
