&lt;p&gt;# 합류하게 될 팀에 대해 알려드려요&lt;br&gt;- AI Manager는 토스 Data Division의 AI Tribe에 소속되어 있어요.&lt;br&gt;- AI Tribe는 토스의 중앙 AI 조직으로 전사의 ML/AI Platform을 제공하며 공통화된 ML/AI 모델을 제공하는 팀으로 구성되어 있어요.&lt;br&gt;- 개별 요청을 해결하는 데 그치지 않고, 반복되는 문제와 공통 요구를 여러 제품과 조직이 활용할 수 있는 시스템과 플랫폼으로 발전시키는 조직이에요.&lt;/p&gt;
&lt;p&gt;# 합류하면 함께 할 업무에요&lt;br&gt;- AI Tribe가 담당하는 프로젝트를 사업 임팩트, 실행 가능성과 확장 가능성에 따라 평가하고 우선순위와 리소스 배분을 제안해요.&lt;br&gt;- 모호한 요청을 해결할 문제, 대상 사용자, 성공 지표와 단계별 실행 계획으로 구체화해요.&lt;br&gt;- 모델 품질뿐 아니라 비용, 지연 시간, 안정성, 운영 난이도와 정책 리스크를 함께 고려해 제품 적용, 추가 투자 또는 중단을 결정해요.&lt;br&gt;- 프로젝트가 PoC에 머무르지 않고 실제 제품과 업무에 적용되도록 이끌며, 고객 경험·매출·비용·운영 효율 등의 성과를 관리해요.&lt;br&gt;- 반복되는 요구와 검증된 기술을 재사용 가능한 시스템과 플랫폼으로 확장하고, 품질 기준과 모니터링·운영 체계를 만들어요.&lt;br&gt;- AI Engineer가 높은 임팩트의 기술과 제품 문제에 집중할 수 있도록 우선순위와 맥락을 제공해요.&lt;/p&gt;
&lt;p&gt;# 이런 분과 함께하고 싶어요&lt;br&gt;- AI/ML 기반 제품, 시스템 또는 플랫폼을 기획부터 출시와 운영까지 End-to-End로 이끌어본 분이면 좋아요.&lt;br&gt;- 엔지니어 경험을 바탕으로 AI 프로젝트를 설계·구현한 뒤 프로젝트나 조직을 리딩한 분, 또는 PM·PO 경험을 바탕으로 모델 개발 과정과 기술적 협업 구조를 깊이 이해하고 있는 분이면 좋아요.&lt;br&gt;- 개별 요구에서 공통 문제를 발견하고, 여러 제품과 조직이 활용할 수 있는 재사용 가능한 기술이나 플랫폼으로 발전시켜본 분이면 좋아요.&lt;br&gt;- 모델의 성능과 한계, 데이터, 서빙과 운영 구조를 이해하고 엔지니어와 깊이 있게 논의할 수 있는 분이면 좋아요.&lt;br&gt;- 기술 지표와 고객·사업 지표를 연결해 프로젝트의 우선순위와 트레이드오프를 판단할 수 있는 분이면 좋아요.&lt;br&gt;- 다양한 직군과 조직의 이해관계자를 명확한 문제 정의와 설득력 있는 커뮤니케이션으로 움직일 수 있는 분이면 좋아요.&lt;br&gt;- 불확실성이 높은 상황에서도 작은 단위로 실행하고 학습하며 방향을 구체화할 수 있는 분이면 좋아요.&lt;br&gt;- 구성원의 강점을 발견하고 높은 기준의 피드백을 통해 성장을 이끌어본 분이면 좋아요.&lt;/p&gt;
&lt;p&gt;# 이런 경험이 있다면 이력서에 꼭 작성해주세요&lt;br&gt;- 직접 리딩하거나 참여한 AI/ML 제품, 시스템 또는 플랫폼에서 담당한 역할과 주요 의사결정을 구체적으로 작성해 주세요.&lt;br&gt;- 모호한 문제를 목표와 성공 지표로 구체화하고, 여러 팀과 직군을 연결해 출시와 운영까지 이끈 과정을 작성해 주세요.&lt;br&gt;- 모델이나 AI 기술이 실제 서비스에 적용되었다면 기술 지표뿐 아니라 고객 경험, 매출, 비용과 운영 효율에 어떤 변화를 만들었는지 작성해 주세요.&lt;br&gt;- 개별 프로젝트에서 만든 기술을 다른 제품과 조직이 활용할 수 있는 공통 시스템이나 플랫폼으로 확장한 경험이 있다면 함께 작성해 주세요.&lt;br&gt;- 프로젝트의 우선순위, 투자, 제품 적용 또는 중단을 판단했던 기준과 결과도 구체적으로 작성해 주세요.&lt;/p&gt;
&lt;p&gt;# 토스로의 합류 여정&lt;br&gt;- 서류접수 &amp;gt; 직무 인터뷰 &amp;gt; 문화적합성 인터뷰 &amp;gt; 레퍼런스 체크 &amp;gt; 처우협의 &amp;gt; 최종합격 및 입사&lt;/p&gt;
&lt;p&gt;# 함께할 동료를 위한 한마디&lt;br&gt;&amp;gt; &quot;하나의 프로젝트를 넘어, 토스의 AI가 지속적으로 성과를 만드는 구조를 함께 만들어요.&quot;&lt;br&gt;- 토스의 AI Manager는 프로젝트의 일정만 관리하거나 모든 결정을 대신하는 역할이 아니에요. 해결할 문제와 성공 기준을 명확히 하고, 각 분야의 전문성을 연결해 중요한 결정이 지연되지 않도록 만드는 단일 오너예요.&lt;br&gt;- 개별 요청을 완료하는 데 그치지 않고, 그 과정에서 얻은 기술과 운영 역량을 재사용 가능한 시스템과 플랫폼으로 발전시켜요.&lt;br&gt;- 기술에 대한 이해와 제품 감각, 조직 리딩 역량을 바탕으로 AI가 실제 고객과 사업의 성과가 되도록 함께 이끌어갈 분을 기다리고 있어요.&lt;/p&gt;

# 합류하게 될 팀에 대해 알려드려요
- AI Manager는 토스 Data Division의 AI Tribe에 소속되어 있어요.
- AI Tribe는  토스의 중앙 AI 조직으로 전사의 ML/AI Platform을 제공하며 공통화된 ML/AI 모델을 제공하는 팀으로 구성되어 있어요.
- 개별 요청을 해결하는 데 그치지 않고, 반복되는 문제와 공통 요구를 여러 제품과 조직이 활용할 수 있는 시스템과 플랫폼으로 발전시키는 조직이에요.

# 합류하면 함께 할 업무에요
- AI Tribe가 담당하는 프로젝트를 사업 임팩트, 실행 가능성과 확장 가능성에 따라 평가하고 우선순위와 리소스 배분을 제안해요.
- 모호한 요청을 해결할 문제, 대상 사용자, 성공 지표와 단계별 실행 계획으로 구체화해요.
- 모델 품질뿐 아니라 비용, 지연 시간, 안정성, 운영 난이도와 정책 리스크를 함께 고려해 제품 적용, 추가 투자 또는 중단을 결정해요.
- 프로젝트가 PoC에 머무르지 않고 실제 제품과 업무에 적용되도록 이끌며, 고객 경험·매출·비용·운영 효율 등의 성과를 관리해요.
- 반복되는 요구와 검증된 기술을 재사용 가능한 시스템과 플랫폼으로 확장하고, 품질 기준과 모니터링·운영 체계를 만들어요.
- AI Engineer가 높은 임팩트의 기술과 제품 문제에 집중할 수 있도록 우선순위와 맥락을 제공해요.

# 이런 분과 함께하고 싶어요
- AI/ML 기반 제품, 시스템 또는 플랫폼을 기획부터 출시와 운영까지 End-to-End로 이끌어본 분이면 좋아요.
- 엔지니어 경험을 바탕으로 AI 프로젝트를 설계·구현한 뒤 프로젝트나 조직을 리딩한 분, 또는 PM·PO 경험을 바탕으로 모델 개발 과정과 기술적 협업 구조를 깊이 이해하고 있는 분이면 좋아요.
- 개별 요구에서 공통 문제를 발견하고, 여러 제품과 조직이 활용할 수 있는 재사용 가능한 기술이나 플랫폼으로 발전시켜본 분이면 좋아요.
- 모델의 성능과 한계, 데이터, 서빙과 운영 구조를 이해하고 엔지니어와 깊이 있게 논의할 수 있는 분이면 좋아요.
- 기술 지표와 고객·사업 지표를 연결해 프로젝트의 우선순위와 트레이드오프를 판단할 수 있는 분이면 좋아요.
- 다양한 직군과 조직의 이해관계자를 명확한 문제 정의와 설득력 있는 커뮤니케이션으로 움직일 수 있는 분이면 좋아요.
- 불확실성이 높은 상황에서도 작은 단위로 실행하고 학습하며 방향을 구체화할 수 있는 분이면 좋아요.
- 구성원의 강점을 발견하고 높은 기준의 피드백을 통해 성장을 이끌어본 분이면 좋아요.


# 이런 경험이 있다면 이력서에 꼭 작성해주세요
- 직접 리딩하거나 참여한 AI/ML 제품, 시스템 또는 플랫폼에서 담당한 역할과 주요 의사결정을 구체적으로 작성해 주세요.
- 모호한 문제를 목표와 성공 지표로 구체화하고, 여러 팀과 직군을 연결해 출시와 운영까지 이끈 과정을 작성해 주세요.
- 모델이나 AI 기술이 실제 서비스에 적용되었다면 기술 지표뿐 아니라 고객 경험, 매출, 비용과 운영 효율에 어떤 변화를 만들었는지 작성해 주세요.
- 개별 프로젝트에서 만든 기술을 다른 제품과 조직이 활용할 수 있는 공통 시스템이나 플랫폼으로 확장한 경험이 있다면 함께 작성해 주세요.
- 프로젝트의 우선순위, 투자, 제품 적용 또는 중단을 판단했던 기준과 결과도 구체적으로 작성해 주세요.


# 토스로의 합류 여정
- 서류접수 > 직무 인터뷰 > 문화적합성 인터뷰 > 레퍼런스 체크 > 처우협의 > 최종합격 및 입사

# 함께할 동료를 위한 한마디
> "하나의 프로젝트를 넘어, 토스의 AI가 지속적으로 성과를 만드는 구조를 함께 만들어요."
- 토스의 AI Manager는 프로젝트의 일정만 관리하거나 모든 결정을 대신하는 역할이 아니에요. 해결할 문제와 성공 기준을 명확히 하고, 각 분야의 전문성을 연결해 중요한 결정이 지연되지 않도록 만드는 단일 오너예요.
- 개별 요청을 완료하는 데 그치지 않고, 그 과정에서 얻은 기술과 운영 역량을 재사용 가능한 시스템과 플랫폼으로 발전시켜요.
- 기술에 대한 이해와 제품 감각, 조직 리딩 역량을 바탕으로 AI가 실제 고객과 사업의 성과가 되도록 함께 이끌어갈 분을 기다리고 있어요.

question_31650009003

AI Manager

&lt;p&gt;&amp;nbsp;&lt;/p&gt;
&lt;p&gt;&lt;strong&gt;합류하게 될 팀에 대해 알려드려요&lt;/strong&gt;&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;AI Manager는 토스증권 Product Division의 Machine Learning Chapter 산하 ML Platform Team 에 소속되어 있어요.&lt;/li&gt;
&lt;li&gt;ML Platform Team은 토스증권의 중앙 ML/AI 조직이에요. 두 파트로 구성되어 있어요.&lt;br&gt;- Platform/Infra 파트: 전사가 공통으로 쓰는 사내 AI/ML 호출 게이트웨이, 모델 서빙·모니터링, GPU 인프라를 운영해요.&lt;br&gt;- Model 파트: 서비스 조직에 필요한 모델을 직접 만들고 운영해요.&lt;/li&gt;
&lt;li&gt;개별 서비스 조직의 요청을 하나씩 처리하는 데 그치지 않고, 반복되는 요구를 플랫폼과 기준으로 만들어 MLE가 없는 조직도 ML/AI를 안전하게 쓸 수 있게 하는 것 이 팀의 역할이에요.&lt;/li&gt;
&lt;/ul&gt;
&lt;p&gt;&lt;strong&gt;합류하면 함께할 업무에요&lt;/strong&gt;&lt;/p&gt;
&lt;p&gt;☑️ ML/AI 서비스 요청 창구&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;사내 여러 조직에서 유입되는 ML/AI 적용·서빙 요청을 단일 창구로 받고, 사업 임팩트·실행 가능성·팀 capacity를 기준으로 수락 여부와 착수 시점, 담당 조직(DRI)을 결정해요.&lt;/li&gt;
&lt;li&gt;capacity를 넘는 요청은 명확한 기준으로 커뮤니케이션을 해요.&lt;/li&gt;
&lt;/ul&gt;
&lt;p&gt;☑️ GPU 거버넌스&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;할당 우선순위 프레임(전용 풀 / 공용 우선 / 후순위)을 설계하고 운영해요.&lt;/li&gt;
&lt;li&gt;유휴 자원 회수와 rightsizing 프로세스, 수요 시뮬레이션과 발주·계열사 공동 구매 근거 산출까지 GPU 자원 배분의 전 사이클을 책임져요.&lt;/li&gt;
&lt;/ul&gt;
&lt;p&gt;☑️조직 간 R&amp;amp;R 교통정리&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;조직 경계에 걸친 업무의 R&amp;amp;R을 정리해 플랫폼 엔지니어가 어디까지 책임지는지 명확히 해요.&lt;/li&gt;
&lt;li&gt;이관·회수가 필요한 일에는 담당자와 타임라인을 확정해 조직간 커뮤니케이션을 정리해요.&lt;/li&gt;
&lt;/ul&gt;
&lt;p&gt;☑️모델 사용·배포 정책과 AI 거버넌스&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;외부 모델 vs 내부 모델 선택 기준, 알파·라이브 승인 체계, 배포 검증 절차를 만들고 운영해요.&lt;/li&gt;
&lt;li&gt;모델 정리(deprecation) 프로세스와 grace period를 운영하고, ML 증적·책무구조 같은 규제 대응 요건이 실제 배포 절차에 녹아들게 해요.&lt;/li&gt;
&lt;li&gt;GRC·컴플라이언스·보안 조직과 함께 AI 서비스 사전 검토 워크플로를 운영하고 검토 기준을 사례가 쌓일 수 있도록 다듬어요.&lt;/li&gt;
&lt;/ul&gt;
&lt;p&gt;☑️AI 제품의 평가 프로세스 정착&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;모델 품질뿐 아니라 비용, 지연 시간, 안정성, 운영 난이도와 정책 리스크를 함께 고려해 제품 적용·추가 투자·중단을 결정해요.&lt;/li&gt;
&lt;li&gt;&quot;평가를 통과해야 배포한다&quot;는 AI 평가 게이트가 실제 사이클로 돌아가도록 AI Evaluation Platform과 연계해요.&lt;/li&gt;
&lt;/ul&gt;
&lt;p&gt;☑️플랫폼 제품 방향과 임팩트 가시화&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;ML Gateway·MLHub·GPU 플랫폼의 제품 방향을 엔지니어와 함께 정해요.&lt;/li&gt;
&lt;li&gt;플랫폼의 임팩트를 정량·정성으로 가시화해 팀에 필요한 자원(GPU·예산·인력)의 근거를 만들어요.&lt;/li&gt;
&lt;/ul&gt;
&lt;p&gt;☑️전사 정책 커뮤니케이션&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;전사에 영향을 주는 결정을 근거와 내러티브를 갖춰 공지하고, 그 결정의 대표 설명자로 커뮤니케이션 해요.&lt;/li&gt;
&lt;li&gt;ML Platform Team의 입장을 AI Tribe·GRC·보안 등 유관 조직에 대변하고, 반대로 전사 방향과 제약을 팀이 이해할 수 있는 말로 전달해요.&lt;/li&gt;
&lt;/ul&gt;
&lt;p&gt;☑️엔지니어가 집중할 환경 만들기&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;플랫폼 엔지니어가 높은 임팩트의 기술 문제에 집중할 수 있도록 우선순위와 맥락을 제공해요.&lt;/li&gt;
&lt;li&gt;서비스 조직·비개발 직군과의 커뮤니케이션과 조율을 담당하고, 기술 영역은 비개발자 눈높이로 통역해요.&lt;/li&gt;
&lt;/ul&gt;
&lt;p&gt;&lt;strong&gt;이런 분과 함께하고 싶어요&lt;/strong&gt;&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;모델의 성능과 한계, 데이터, 서빙·GPU 운영 구조를 이해하고 엔지니어와 깊이 있게 논의할 수 있으며, 모르는 영역은 팀에게 배워 비개발자 눈높이로 통역할 수 있는 분이면 좋아요.&lt;/li&gt;
&lt;li&gt;명확한 기준이 없는 상황에서 의사결정 프레임워크를 직접 만들고 조직이 실제로 그 기준대로 움직이게 만들어본 분이면 좋아요.&lt;/li&gt;
&lt;li&gt;여러 이해관계자의 요청 중 무엇을 먼저 할지 결정하고, 우선순위에 대한 고민을 해본 분이 좋아요.&lt;/li&gt;
&lt;li&gt;기술 지표와 비용·운영 지표를 연결해 프로젝트의 우선순위와 트레이드오프를 판단하고, 판단 전 raw data로 시뮬레이션해보는 분이면 좋아요.&lt;/li&gt;
&lt;li&gt;다른 조직의 리더들과 협상해 책임 경계 변경, 새로운 협업 방식 도입 같은 조직 간 합의를 실제로 이끌어낸 분이면 좋아요.&lt;/li&gt;
&lt;li&gt;엔지니어 경험을 바탕으로 AI 프로젝트를 설계·구현한 뒤 조직을 리딩한 분, 또는 PM·PO 경험을 바탕으로 모델 개발 과정과 기술적 협업 구조를 깊이 이해하고 있는 분이면 좋아요.&lt;/li&gt;
&lt;li&gt;AI/ML 기반 제품, 시스템 또는 플랫폼을 기획부터 출시와 운영까지 End-to-End로 이끌어본 분이면 좋아요.&lt;/li&gt;
&lt;li&gt;엔지니어가 성과를 낼 수 있는 환경을 만드는 일에 보람을 느끼고, 문제가 생기면 책임을 흡수해 팀이 집중할 환경을 만드는 분이면 좋아요.&lt;/li&gt;
&lt;/ul&gt;
&lt;p&gt;&amp;nbsp;&lt;/p&gt;
&lt;p&gt;&lt;strong&gt;이력서는 이렇게 작성하시는 걸 추천해요&lt;/strong&gt;&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;직접 리딩하거나 참여한 AI/ML 제품, 시스템 또는 플랫폼에서 담당한 역할과 주요 의사결정을 구체적으로 작성해 주세요.&lt;/li&gt;
&lt;li&gt;GPU·클라우드 등 공유 자원의 배분 기준을 만들고 운영한 경험이 있다면, 기준·프로세스와 그 결과(비용 절감, 효율 개선 수치)를 작성해 주세요.&lt;/li&gt;
&lt;li&gt;사내 AI 거버넌스(모델 선택 기준, 배포 승인, 리스크 정책)를 설계하거나 운영한 경험, 금융권 등 규제 산업에서 AI를 도입·심사 대응한 경험이 있다면 작성해 주세요.&lt;/li&gt;
&lt;li&gt;모호한 문제를 목표와 성공 지표로 구체화하고, 여러 팀과 직군을 연결해 출시와 운영까지 이끈 과정을 작성해 주세요.&lt;/li&gt;
&lt;li&gt;모델이나 AI 기술이 실제 서비스에 적용되었다면 기술 지표뿐 아니라 고객 경험, 매출, 비용과 운영 효율에 어떤 변화를 만들었는지 작성해 주세요.&lt;/li&gt;
&lt;li&gt;프로젝트의 우선순위, 투자, 제품 적용 또는 중단을 판단했던 기준과 결과, 그리고 조직 간 R&amp;amp;R을 조정하거나 업무를 이관·회수했던 경험도 구체적으로 작성해 주세요.&lt;/li&gt;
&lt;/ul&gt;
&lt;p&gt;&lt;strong&gt;토스증권으로의 합류 여정&lt;/strong&gt;&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;서류접수 &amp;gt; 직무 인터뷰 &amp;gt; 문화적합성 인터뷰 &amp;gt; 레퍼런스 체크 &amp;gt; 처우협의 &amp;gt; 최종합격 및 입사&lt;/li&gt;
&lt;/ul&gt;
&lt;p&gt;&amp;nbsp;&lt;/p&gt;
&lt;p&gt;&lt;strong&gt;꼭 확인해 주세요&lt;/strong&gt;&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;이력서 및 제출 서류에 허위 사실이 발견되거나 근무 이력 중 징계사항이 확인될 경우, 채용이 취소될 수 있어요.&lt;/li&gt;
&lt;li&gt;토스증권 내규에 따라 채용 금지자 또는 결격사유 해당자는 채용이 취소될 수 있어요.&lt;/li&gt;
&lt;li&gt;장애인 및 국가보훈대상자는 지원 시 관련법에 따라 우대하고 있어요.&lt;/li&gt;
&lt;/ul&gt;
&lt;p&gt;&amp;nbsp;&lt;/p&gt;
&lt;p&gt;&lt;strong&gt;함께할 동료를 위한 한마디&lt;/strong&gt;&lt;br&gt;&lt;em&gt;&lt;strong&gt;&quot;토스증권에 AI가 흐르는 구조를 함께 만들어요.&quot;&lt;/strong&gt;&lt;/em&gt;&lt;/p&gt;
&lt;ul&gt;
&lt;li&gt;ML Platform Team의 AI Manager는 팀을 관리하는 리더도, 프로젝트 일정을 챙기거나 모든 기술 결정을 대신하는 역할도 아니에요. 해결할 문제와 기준을 명확히 하고, 파트와 조직 사이에서 중요한 결정이 지연되지 않도록 만들어 플랫폼 엔지니어가 일을 더 잘할 수 있게 돕는 단일 오너예요.&lt;/li&gt;
&lt;li&gt;인입 프로세스, GPU 거버넌스 프레임, 모델 정책 초안이 이미 있어 백지에서 시작하지 않아요. 다만 이 기준들을 실제로 굴리고 다듬어 조직에 정착시키는 일은 이제부터예요.&lt;/li&gt;
&lt;li&gt;Platform/Infra 파트와 Model 파트가 함께 있어, 인프라부터 모델 적용까지 AI 도입의 핵심 의사결정을 한 자리에서 할 수 있어요.&lt;/li&gt;
&lt;/ul&gt;
&lt;p&gt;&amp;nbsp;&lt;/p&gt;

# 합류하게 될 팀에 대해 알려드려요
- AI Manager는 토스증권 Product Division의 Machine Learning Chapter 산하 ML Platform Team 에 소속되어 있어요.
- ML Platform Team은 토스증권의 중앙 ML/AI 조직으로 두 파트로 구성되어 있어요. Platform/Infra 파트는 전사가 공통으로 쓰는 사내 AI/ML 호출 게이트웨이, 모델 서빙·모니터링, GPU 인프라를 운영해요. Model 파트는 서비스 조직에 필요한 모델을 직접 만들고 운영해요.
- 개별 서비스 조직의 요청을 하나씩 처리하는 데 그치지 않고, 반복되는 요구를 플랫폼과 기준으로 만들어 MLE가 없는 조직도 ML/AI를 안전하게 쓸 수 있게 하는 것 이 팀의 역할이에요.


# 합류하면 함께할 업무에요

☑️ ML/AI 서비스 요청 창구
- 사내 여러 조직에서 유입되는 ML/AI 적용·서빙 요청을 단일 창구로 받고, 사업 임팩트·실행 가능성·팀 capacity를 기준으로 수락 여부와 착수 시점, 담당 조직(DRI)을 결정해요.
- capacity를 넘는 요청은 명확한 기준으로 커뮤니케이션을 해요.

☑️ GPU 거버넌스
- 할당 우선순위 프레임(전용 풀 / 공용 우선 / 후순위)을 설계하고 운영해요.
- 유휴 자원 회수와 rightsizing 프로세스, 수요 시뮬레이션과 발주·계열사 공동 구매 근거 산출까지 GPU 자원 배분의 전 사이클을 책임져요.

☑️조직 간 R&R 교통정리
- 조직 경계에 걸친 업무의 R&R을 정리해 플랫폼 엔지니어가 어디까지 책임지는지 명확히 해요.
- 이관·회수가 필요한 일에는 담당자와 타임라인을 확정해 조직간 커뮤니케이션을 정리해요.

☑️모델 사용·배포 정책과 AI 거버넌스
- 외부 모델 vs 내부 모델 선택 기준, 알파·라이브 승인 체계, 배포 검증 절차를 만들고 운영해요.
- 모델 정리(deprecation) 프로세스와 grace period를 운영하고, ML 증적·책무구조 같은 규제 대응 요건이 실제 배포 절차에 녹아들게 해요.
- GRC·컴플라이언스·보안 조직과 함께  AI 서비스 사전 검토 워크플로를 운영하고 검토 기준을 사례가 쌓일 수 있도록 다듬어요. 

☑️AI 제품의 평가 프로세스 정착
- 모델 품질뿐 아니라 비용, 지연 시간, 안정성, 운영 난이도와 정책 리스크를 함께 고려해 제품 적용·추가 투자·중단을 결정해요.
- "평가를 통과해야 배포한다"는  AI 평가 게이트가 실제 사이클로 돌아가도록 AI Evaluation Platform과 연계해요.

☑️플랫폼 제품 방향과 임팩트 가시화
- ML Gateway·MLHub·GPU 플랫폼의 제품 방향을 엔지니어와 함께 정해요.
- 플랫폼의 임팩트를 정량·정성으로 가시화해 팀에 필요한 자원(GPU·예산·인력)의 근거를 만들어요.

☑️전사 정책 커뮤니케이션
- 전사에 영향을 주는 결정을 근거와 내러티브를 갖춰 공지하고, 그 결정의 대표 설명자로 커뮤니케이션 해요. 
- ML Platform Team의 입장을 AI Tribe·GRC·보안 등 유관 조직에 대변하고, 반대로 전사 방향과 제약을 팀이 이해할 수 있는 말로 전달해요.

☑️엔지니어가 집중할 환경 만들기
- 플랫폼 엔지니어가 높은 임팩트의 기술 문제에 집중할 수 있도록 우선순위와 맥락을 제공해요.
- 서비스 조직·비개발 직군과의 커뮤니케이션과 조율을 담당하고, 기술 영역은 비개발자 눈높이로 통역해요.

# 이런 분과 함께하고 싶어요
- 모델의 성능과 한계, 데이터, 서빙·GPU 운영 구조를 이해하고 엔지니어와 깊이 있게 논의할 수 있으며, 모르는 영역은 팀에게 배워 비개발자 눈높이로 통역할 수 있는 분이면 좋아요.
- 명확한 기준이 없는 상황에서 의사결정 프레임워크를 직접 만들고 조직이 실제로 그 기준대로 움직이게 만들어본 분이면 좋아요.
- 여러 이해관계자의 요청 중 무엇을 먼저 할지 결정하고, 우선순위에 대한 고민을 해본 분이 좋아요. 
- 기술 지표와 비용·운영 지표를 연결해 프로젝트의 우선순위와 트레이드오프를 판단하고, 판단 전 raw data로 시뮬레이션해보는 분이면 좋아요.
- 다른 조직의 리더들과 협상해 책임 경계 변경, 새로운 협업 방식 도입 같은  조직 간 합의를 실제로 이끌어낸 분이면 좋아요.
- 엔지니어 경험을 바탕으로 AI 프로젝트를 설계·구현한 뒤 조직을 리딩한 분, 또는 PM·PO 경험을 바탕으로 모델 개발 과정과 기술적 협업 구조를 깊이 이해하고 있는 분이면 좋아요.
- AI/ML 기반 제품, 시스템 또는 플랫폼을 기획부터 출시와 운영까지 End-to-End로 이끌어본 분이면 좋아요.
- 엔지니어가 성과를 낼 수 있는 환경을 만드는 일에 보람을 느끼고, 문제가 생기면 책임을 흡수해 팀이 집중할 환경을 만드는 분이면 좋아요. 

# 이력서는 이렇게 작성하시는 걸 추천해요
- 직접 리딩하거나 참여한 AI/ML 제품, 시스템 또는 플랫폼에서 담당한 역할과 주요 의사결정을 구체적으로 작성해 주세요.
- GPU·클라우드 등  공유 자원의 배분 기준을 만들고 운영한 경험이 있다면, 기준·프로세스와 그 결과(비용 절감, 효율 개선 수치)를 작성해 주세요.
- 사내 AI 거버넌스(모델 선택 기준, 배포 승인, 리스크 정책)를 설계하거나 운영한 경험, 금융권 등 규제 산업에서 AI를 도입·심사 대응한 경험이 있다면 작성해 주세요.
- 모호한 문제를 목표와 성공 지표로 구체화하고, 여러 팀과 직군을 연결해 출시와 운영까지 이끈 과정을 작성해 주세요.
- 모델이나 AI 기술이 실제 서비스에 적용되었다면 기술 지표뿐 아니라 고객 경험, 매출, 비용과 운영 효율에 어떤 변화를 만들었는지 작성해 주세요.
- 프로젝트의 우선순위, 투자, 제품 적용 또는 중단을 판단했던 기준과 결과, 그리고 조직 간 R&R을 조정하거나 업무를 이관·회수했던 경험도 구체적으로 작성해 주세요.


 # 토스증권으로의 합류 여정
 - 서류접수 >  직무 인터뷰 > 문화적합성 인터뷰 > 레퍼런스 체크 > 처우협의 > 최종합격 및 입사


 # 꼭 확인해 주세요
 - 이력서 및 제출 서류에 허위 사실이 발견되거나 근무 이력 중 징계사항이 확인될 경우, 채용이 취소될 수 있어요.
 - 토스증권 내규에 따라 채용 금지자 또는 결격사유 해당자는 채용이 취소될 수 있어요.
 - 장애인 및 국가보훈대상자는 지원 시 관련법에 따라 우대하고 있어요.
 

 # 함께할 동료를 위한 한마디
> "토스증권에 AI가 흐르는 구조를 함께 만들어요."
- ML Platform Team의 AI Manager는 팀을 관리하는 리더도, 프로젝트 일정을 챙기거나 모든 기술 결정을 대신하는 역할도 아니에요. 해결할 문제와 기준을 명확히 하고, 파트와 조직 사이에서 중요한 결정이 지연되지 않도록 만들어 플랫폼 엔지니어가 일을 더 잘할 수 있게 돕는 단일 오너예요.
- 인입 프로세스, GPU 거버넌스 프레임, 모델 정책 초안이 이미 있어 백지에서 시작하지 않아요. 다만 이 기준들을 실제로 굴리고 다듬어 조직에 정착시키는 일은 이제부터예요.
- Platform/Infra 파트와 Model 파트가 함께 있어, 인프라부터 모델 적용까지 AI 도입의 핵심 의사결정을 한 자리에서 할 수 있어요.