ML Engineer (OCR)

Toss Open · verified Oct 22, 2026

Seoul Mid-level Machine Learning Engineering

At a glance

Mid-level Machine Learning Engineering role at Toss. Seoul.

Pay not stated ML Engineer salary

RoleMachine Learning Engineering

SeniorityMid-level

LocationSeoul

PostedOct 16, 2026 · 6d ago

Role brief

aimlroles summary, based on the employer's posting.

What you'll do

Build and improve OCR models for text recognition, document structure, and end-to-end processing with vision-language models
Create models that extract key details, classify documents, detect tampering or copies, and compare official seals
Design reusable training and deployment workflows that reduce dependence on country-specific data for global identity checks
Set data collection approaches, including synthetic examples, labeling plans, and privacy masking rules
Deploy models to GPU serving with Triton, check training-to-serving consistency, and use live data to diagnose performance problems

What you bring

You have applied OCR or Document AI models in a live service
You have deep experience with at least one of two-stage OCR, end-to-end OCR, or vision-language document understanding
You can adapt vision architectures and loss functions to a problem, then investigate performance until it meets its target
You have owned a model lifecycle from data collection and training through serving and operational monitoring

Who this fits

This mid-level role suits an ML engineer who can take document vision problems from data and model design through deployment and production improvement. You’ll work with vision ML, MLOps, and server engineers on financial documents and identity checks. The interview process includes a technical deep dive and ML system design discussion.

From the employer

#📍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.