이 공고, 이렇게 물어볼 겁니다

GPU 인프라를 새로 도입하거나 업그레이드할 때, '이 GPU를 이 아키텍처로 가자'고 결정한 구체 사례가 있을까요? 어떤 선택지가 있었고 PoC를 어떻게 검증했으며 도입 후 성공을 무엇으로 확인했는지 말씀해 주세요.

🎯 기술 판단력·PoC 설계·성과 정량화 여부를 실제 의사결정 사례로 검증

GPU 클러스터를 운영하다 성능 저하나 장애를 경험했을 때, '증상이 이랬는데 결국 ○○(커널·드라이버·네트워크·메모리)가 원인이었다' 는 구체 사례를 말씀해 주세요. 어떤 도구로 진단했고 근본 원인까지 파고드는 데 얼마나 걸렸어요?

🎯 OS/커널/하드웨어 레이어의 기술 깊이·체계적 진단 능력·근본 원인 분석

GPU 자원 사용률이 높아지는 상황에서 '언제' '몇 개' '어떤 구성으로' 증설할지 판단했던 사례를 말씀해 주세요. 만약 전력·냉각·자본금이 다 제약이었다면 어떤 지표를 우선으로 봤고 무엇을 먼저 선택하셨나요?

🎯 용량 계획의 정량화·예측 모델·제약 속 우선순위 의사결정 능력

'반복되는 운영을 코드로 자동화한다'고 하셨는데, 구체적으로 어떤 수작업을 없앴어요? 그 결과 시간·비용·휴먼에러가 정확히 얼마나 줄었는지 숫자를 하나만 말씀해 주세요.

🎯 자동화 구현의 구체성·임팩트 정량화·엔지니어로서 생산성 마인드 검증

AI팀이나 다른 조직과 GPU 할당·우선순위 때문에 의견이 갈렸던 경험을 구체적으로 말씀해 주세요. 그 팀은 무엇을 원했고 당신은 다른 의견을 제시했다면 어떤 근거(데이터·벤치·계산)로 설득했어요? 결국 어떻게 결정됐고 그게 맞았나요?

🎯 기술 논리 기반 협업·이해관계 조정·데이터로 설득하는 능력(정치 회피)

질문만 읽으면 컨닝이에요. 소리 내어 답해보세요 — 어디서 틀어지는지 짚어드립니다.

공고 내용

토스의 System Platform 팀은 Network Engineer, InfraOps Engineer와 함께 Infra Engineering Tribe에 속해 있어요.
System Platform 팀은 IDC 베어메탈부터 퍼블릭 클라우드까지, 서비스가 올라가는 시스템 기반을 직접 설계하고 운영해요.
이 포지션은 AI/ML 워크로드가 안정적으로 동작할 수 있는 GPU 인프라를 담당해요.
어떤 GPU를 어떤 구조로 도입하고 어떻게 확장할지 판단하며 차세대 AI 인프라 로드맵을 함께 만들어가요.

이런 분과 함께하고 싶어요.