ML 엔지니어 (OCR) (ML Engineer)

#📍직무 인터뷰만 봐도 100만원, 함께할 팀을 직접 만나보고 결정하세요!
- 10월 8일(목)부터 25일(금)에 지원하시는 분들에게만 해당되는 특별 전형이에요. 합격 여부와 상관없이 직무 인터뷰에 참여하시면 100만원을 받아요. (제세공과금 본인 부담)
- 총 7개의 직군, 40여개의 포지션에서 채용을 진행하고 있어요. [**한눈에 보기**](https://toss.im/career/event/ai-ml-data-2026)
- 지원하신 포지션보다 더 잘 맞는 포지션이 있다면 저희가 먼저 제안드려요. 다른 직무로 변경하여 인터뷰를 진행하셔도 100만원은 동일하게 지급돼요.

# 합류하게 될 팀에 대해 알려드려요
- ML Engineer (OCR · Document AI)는 Vision Service Team에 속하여, Vision ML Engineer, MLOps Engineer, 서버 개발자와 함께 일해요.
- Vision Service Team은 Document AI, 신분증 진위확인(eKYC), Generative AI, General Vision 등 토스의 모든 Vision 기술을 자체 개발하고, 통합 API 플랫폼으로 전사에 제공하는 Vision 전문 조직이에요.
- 다양한 언어를 지원하는 Document AI 기능을 개발하고 있어요. 국가별 신분증과 증빙 서류의 언어 · 서식에 일반화된 다국어 OCR · KIE · 진위확인 모델을 자체 기술로 확보하고, 특정 언어에 종속되지 않는 일반화 모델과 표준 온보딩 파이프라인을 자체 구축하고 있어요

# 합류하면 함께 할 업무에요
- Text Detection / Recognition, 문서 레이아웃 분석, VLM 기반 End-to-End OCR 모델을 개발하고 고도화해요.
- 신분증 · 계약서 · 정부 문서 등 금융 문서의 핵심 정보 추출(KIE), 문서 분류, 문서 진위확인(위변조 · 사본 탐지), 직인 일치 판단 모델을 개발해요.
- 글로벌 eKYC를 위해 국가별 학습 데이터 의존도를 낮춘 일반화 모델(KIE · Quality Checker · Fraud Detection)을 설계하고, 재사용 가능한 학습 · 평가 · 배포 파이프라인을 만들어요.
- OCR · Document AI 문제를 정의하고, 합성 데이터 생성 · 라벨링 전략 · 개인정보 마스킹 정책을 포함한 데이터 수집 전략을 수립해요.
- 토스 자체 Document AI Benchmark를 구축하고, 신규 모델과 VLM 릴리즈를 정확도 · 속도 · 할루시네이션 · 비용 기준으로 상시 평가해 모델 도입을 판단해요.
- 학습-서빙 정합성을 검증하며 GPU 서빙(Triton) 환경에 모델을 배포하고, 운영 중인 모델의 성능 이슈 원인을 실데이터로 파악해 개선해요.

# 이런 분과 함께하고 싶어요
- OCR 또는 Document AI 모델을 실서비스에 적용해 본 경험이 있는 분이면 좋아요.
- Two-stage OCR(Detection + Recognition), End-to-End OCR, VLM 기반 문서 이해 중 한 가지 이상을 깊이 다뤄 보셨고, 각 방법론의 장단점을 설명할 수 있는 분이면 좋아요.
- 비대면 본인확인(eKYC), 신분증 진위확인, 문서 위변조 탐지 경험이 있으면 더욱 좋아요.
- Vision 모델 구조와 Loss Function을 문제에 맞게 설계 · 변경하고, 목표 성능까지 Deep Dive 해 본 분이면 좋아요.
- 데이터 수집 · 라벨링 · 합성 데이터 생성부터 학습, 서빙, 운영 모니터링까지 모델 생애주기 전체를 책임져 본 분이면 좋아요.
- 신분증 · 개인정보를 다루는 금융 도메인의 데이터를 이해하고, 마스킹 · 파기 · 접근제어 정책을 기술 설계의 제약으로 고려할수 있으면 좋아요.
- 모호한 현업 요청을 모델 문제로 정의하고, 결과를 절감된 비용 · 단축된 리드타임 같은 비즈니스 임팩트로 설명할 수 있는 분이면 좋아요.

# 이런 경험이 있으면 좋아요.
- VLM(Vision Language Model)을 문서 이해 · 정보 추출에 파인튜닝하거나 평가해 본 경험이 있으면 좋아요.
- 외부 솔루션을 자체 모델로 대체해 동등 이상의 성능을 확보해 본 경험이 있으면 좋아요.
- 다국가 · 다문서 등 분포가 다른 데이터에서 일반화 성능을 끌어올린 경험이 있으면 좋아요.
- Triton, TensorRT, ONNX 등으로 GPU 서빙을 최적화하거나, 양자화 · 경량화로 처리량과 비용을 개선한 경험이 있으면 좋아요.
- 모델 평가 벤치마크나 자동화된 평가 하네스를 설계 · 운영해 본 경험이 있으면 좋아요.

# 이력서는 이렇게 작성하시는 걸 추천해요
- 임팩트 있었던 업무 또는 프로젝트의 결과를 정확도 · 처리량 · 비용 · 리드타임 등 구체적인 수치로 작성해 주세요.
- OCR · Document AI 모델을 개발하면서 겪은 문제(데이터 부족, 도메인 차이, 서빙 성능 열화 등)와 그 문제를 어떻게 해결했는지 구체적으로 작성해 주세요.
- 직접 설계하거나 변경한 모델 구조와 그 선택의 근거를 적어 주시면 좋아요.
- 기술적으로 외부 공개가 민감한 사항일 경우, 해당 부분은 제외해 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
> "토스의 모든 문서와 신분증을 우리 기술로 읽어내고, 그 기술을 전사와 글로벌 시장으로 확장하는 일에 가슴이 뛰는 분이라면 함께 하고 싶습니다."
- 외부 솔루션에 기대지 않고 자체 모델로 금융 서비스의 핵심 문제를 푸는 경험을 함께 만들어갈 동료를 기다리고 있어요.
- Document AI를 넘어 eKYC, 생성형 AI까지 토스의 Vision 문제를 폭넓게 풀어가고 싶어요.