토스테크 - mysetting

1:13 6/11

toss.tech

mobile screenshot relative

1:13

toss.tech

mobile screenshot

토스테크
https://toss.tech/

토스 기술에 대한 모든 이야기를 다룹니다.

저작도구: 토스팀

최종 피드 수집: 2026-11-09 23:17

전체 (331)

1d

TASTE, 토스의 추천 파운데이션 플랫폼

금융 상품에 관심이 있는 사람을 찾는 모델, 푸시를 클릭할 사람을 찾는 모델, 좋아할 미니앱을 추천하는 모델. 풀어야 할 문제는 다르지만, 이해해야 하는 대상은 모두 같은 토스의 사용자입니다. 토스에 쌓이는 방대하고 서로 다른 데

000

14d

손가락 튕기기로 LLM 비용 줄이기

토스의 수많은 서비스와 내부 업무에도 생성형 AI가 정말 많이 사용되고 있습니다. 복잡한 정책을 읽고, 상품 정보를 비교하고, 문서를 요약하고, 정해진 형식의 값을 추출하는 등, LLM이 맡는 범위도 빠르게 넓어지고 있죠.
시간도

001

18d

머릿속에 있던 로그 정의 기준을 모두의 AI 스킬로 만들기

토스 앱에서 사용자가 어떤 화면을 보고 무엇을 눌렀는지는 앱로그로 남아요.
토스는 이렇게 쌓이는 로그를 서비스 품질을 높이는 목적으로 사용해요. 그래서 로그를 처음부터 정확하고 일관되게 정의해야 분석 결과도 믿을 수 있어요. 이

001

22d

평균 CPU는 여유로운데, 커밋은 왜 느릴까?

안녕하세요. 토스증권 DBA Team 조규범입니다.
주문과 체결을 처리하는 API 뒤에는 Oracle DB가 있습니다. 이 DB에서 커밋이 늦어지면 커밋을 기다리던 세션이 모두 함께 멈추고, API 응답도 그만큼 늦어지는데요. 거

001

25d

실행은 도메인별로, 문맥은 한 레포에

들어가며
안녕하세요, 토스 Data Warehouse 팀의 Data Analytics Engineer 김문수입니다.
이 글에서는 데이터 웨어하우스(DW) 마트를 만드는 중앙 DW Airflow를 멈추지 않고, 도메인별 DW Air

001

25d

토스뱅크가 패키지를 관리하는 방식 #2: 토스뱅크 패키지의 세 가지 기준

안녕하세요. 토스뱅크에서 패키지 개발 환경을 개선하고 있는 기술그룹입니다.
패키지를 사용하는 쪽(이하 호스트)에서는 패키지 코드가 어떤 브라우저까지 지원하는지, 패키지 개발 중 사용하던 API를 실행 환경에서도 쓸 수 있는지 따로

001

26d

토스뱅크가 패키지를 관리하는 방식 #1: 패키지를 ESM으로만 제공하기로 했어요

안녕하세요. 토스뱅크에서 패키지 개발 환경을 개선하고 있는 기술그룹입니다.
토스뱅크에서는 여러 서비스가 함께 쓰는 코드를 패키지로 관리해요. 그동안 ECMAScript Modules(이하 ESM)와 CommonJS(이하 CJS)

001

27d

Spark Connect on Kubernetes #2: Operator로 만드는 Control Plane

안녕하세요. 토스증권 Data Infra팀 박지원입니다.
지난 편에서는 Spark Connect 서버를 여러 replica로 나누고 Gateway로 요청을 분산시켰습니다. 한 Driver에 몰리던 사용자를 분산해 장애와 리소스 경

004

27d

디자이너의 아이디어가 금융상품이 되기까지

안녕하세요, 토스뱅크에서 예적금을 만들고 있는 디자이너 장서영입니다.
은행에서 디자이너로 일한다고 하면 이런 질문을 종종 받아요. "은행은 제약이 많아서 하고 싶은 걸 마음대로 만들기 어렵지 않아요?" 저도 처음에는 그렇게 생각했

000

28d

서비스 개발에 집중할 수 있는 AI 플랫폼 만들기

생성형 AI로 기능을 만들기 위해 모델을 호출하는 것은 어렵지 않습니다. 하지만 실제 서비스에 적용하려면 사용할 모델과 데이터의 처리 범위를 정하고, 예상 비용과 필요한 처리 용량도 검토해야 합니다.
서비스 팀마다 이 과정을 따로

000

29d

CPU 뼛속까지 써먹고, Milvus 사이징 기준을 만들기까지

안녕하세요. 토스증권 Data Infra 팀 장재영입니다.
토스증권에서는 벡터 검색 워크로드를 지원하기 위해 Milvus 기반의 검색 환경을 구성했는데요. 실제 서비스에 적용하기 전에, 요구하는 검색 품질과 응답 속도를 만족하려면

001

1M

추천 후보는 많을수록 좋을까? TopK를 최적화해 전환율을 높인 방법

안녕하세요. 토스 Commerce Personalization Team에서 토스 쇼핑의 추천 시스템을 만들고 있는 ML Engineer 구국원입니다.
추천 시스템은 흔히 더 좋은 모델을 만드는 문제로 보입니다. 하지만 실제 서비스

001

1M

9인조 다람쥐 아이돌을 데뷔시켰습니다

안녕하세요, 토스뱅크 Visual Designer 고명은입니다. 오늘은 키워봐요 적금의 9가지 다람쥐 캐릭터와, 다람쥐가 돋보이는 화면을 만든 과정을 이야기해 보려고 해요.
매일 찾아와야 자라는 적금
키워봐요 적금은 캐릭터를 직접

001

1M

연 300시간을 아낀 AI 상담 서비스

안녕하세요. 토스뱅크에서 주택담보대출을 디자인하고 있는 Product Designer 김혜미입니다.
이번 글에서는 전세대출 팀에서 AI 상담 서비스를 디자인했던 과정을 얘기해 보려고 해요.
정보는 충분했지만 확신은 없었다
전세대출

006

1M

방해하지 않고, 눈에 띌 수 있을까

안녕하세요. 토스뱅크 Visual Designer 김현지입니다. 오늘은 자산관리 리포트 기능의 클릭률을 3배로 올리기까지의 과정, 그리고 그 안에서 얻은 러닝을 이야기해 보려고 해요.
유용한 추천인데 왜 누르지 않을까
자산관리 리

003

1M

쉼 없이 도는 테스트, 사람이 어디까지 돌봐야 할까요? - 토스닥터(Toss Doctor)

토스 앱은 매주 새 버전을 내보냅니다. 그 과정에서 플랫폼별로 5~7개의 RC(Release Candidate, 배포 후보) 빌드가 쌓이고, 빌드가 나올 때마다 누군가는 회원가입부터 로그인, 자산, 송금까지 같은 화면을 손으로 눌

003

1M

도메인 지식 없는 디자이너가 팀의 기준을 바꾼 방법

안녕하세요. 해외송금을 디자인한 토스뱅크 Product Designer 서자영입니다. 은행 지식도 외화 지식도 없던 디자이너가 규제와 운영 논리가 가득한 도메인에서 어떻게 팀의 기준을 바꿨는지에 대해 이야기해 보려고 해요.
해외송

002

1M

사용자를 위해 일부러 어렵게 만드는 경험, 어디까지 괜찮을까?

안녕하세요. 토스뱅크에서 7세부터 17세까지, 미성년자를 위한 제품을 만들고 있는 Product Designer 오주연이에요. 저는 10대가 스스로 정한 목표를 달성할 수 있도록 돈을 빼내기 어렵게 하는 저금통 잠그기 기능을 만들

002

1M

리더보드 1등 LLM, 토스에서도 1등일까? - Toss Benchmark 구축기

새 모델이 나올 때마다 우리는 먼저 리더보드를 봅니다. 모델의 지능이 얼마나 높은지, 수학을 잘 푸는지, 코드를 잘 짜는지. 점수가 높으면 자연스럽게, 이 모델이면 우리 서비스도 더 좋아지겠다는 기대를 하게 되죠.
하지만 실제 서

005

1M

토스증권이 GPU-aware를 넘어 GPU-native 클러스터를 구축한 방법

안녕하세요. 토스증권 Data Infra 팀 Data Engineer 장재영입니다.
지난 상반기 동안 ML Platform 팀의 김진웅 님과 함께 Kubernetes 기반 GPU 클러스터를 구축했는데요. 오늘은 그 과정에서 겪은

003