Data Product (2) AI(데이터)로 실제 운영 효율화가 가능할까? AI 세차 도입기
출처: https://tech.socarcorp.kr/data/2024/03/11/ai-car-wash.html
😈 데이터블로그 챌린지 1일차😈 입니다.
데이터에 진심인 기업 '쏘카'의 새로운 서비스( AI세차 )의 도입과정과 성과에 대해서 알아보았습니다. AI모델과 데이터를 활용 및 개선하여 서비스에 녹여내는 과정을 추적해볼 수 있었습니다.
요약
- 쏘카에서 관리하는 차량대수가 2만대로 증가하며, 효율적인 차량 유지보수 및 관리의 일환으로 세차 자동화 서비스를 도입하게 됨
- 오염의 정도는 주관적인 부분으로 이진분류 AI모델 구축시 현실과 괴리감이 발생하게 됨(ground truth 문제 발생)
- 차량의 상태값을 새로이 정의하고, 오염 판단 기준을 다각화하여 교집합을 추적함으로써 ‘세차 필요 차량 탐지 로직’의 우선순위를 결정하게 됨. (AI모델에 집착하지 말고 ‘관점’에 집중 해야함 )
-
내 생각 *
이진분류를 통해서 세차 필요/불필요로만 판단하는 것이 아니라, 다양한 교집합 기준들을 활용하여 정렬한 우선순위를 기준으로 가중치(weights)를 설정하여 "세차 점수"체계를 구축하는 것이 더 실용적이지 않을까? 예를 들어, 비나 눈이 빈번한 계절에는 90점 이상일 경우 세차, 청명한 계절에는 오염도가 70점 이상일 때 세차하는 방식으로.혹은 차량의 상태값(오염/깨끗)을 활용하여 일종의 그레이리스트(Gray List)를 만들어서 그레이리스트의 소수의 차량정보를 우선적으로/자주 세차 검사를 하는 시스템을 통해서 시간과 자원을 아껴 효율적인 시스템을 구축할 수 있지 않을까 하는 생각이 들었다.
가설을 세우고, 문제를 정의하고, 관점을 바꿔가며 새로운 문제를 해결하는 과정이 인상적이다.
내용
- “데이터 제품화(Data as a Product)” AI세차 서비스 정의 :
세차 운영을 효율화하고 고객경험을 개선 하는 전체 과정 - 세차 오퍼레이션: 차량이 세차가 필요 상태인지 판단 하고, 세차가 필요한 차량의 세차 요청을 보내 세차업체에서 이를 수행할 수 있도록 하는 일련의 과정
1. 등장 배경: 쏘카에서는 2만대의 차량을 관리하게 되며, 차량 관리 효율화가 필요하게 됨
2. AI 모델 가설단계 : 고객이 업로드한 차량 이미지 중 '오염'으로 분류 된 케이스를 활용. confidence를 통해 오염의 정도를 확인
3. 세차오퍼레이션 아키텍쳐 :
- 과거에는 세차업체에서 세차가 필요한 차량을 직접 입력했으나, 데이터팀이 개발한 로직을 통해 세차 차량 선정 자동화 및 세차업체로 차량정보 전달하는 데이터 파이프라인 구축
- 차량운영정보, 차량사진 오염정보, 날씨정보 활용하여 세차가 필요한지 판단
4. ground truth(실제값) 문제 발생- 주관적인 오염정도 때문에 세차판단이 어려움
5. 해결 과정
- 오염 판단기준 다각화 - AI모델 결과, 고객 피드백 감성분석(good/bad) , 전문가 육안 판단
- 차량 상태값(오염/깨끗) 시점 정의
- 육안판단을 기준으로 ground truth 설정 및 각 요소의 교집합 확인하여 우선순위 결정 => AI모델로 설명하는 방식 포기
6. AI세차 판단기준의 as-is & to-be
- 세차 요청 기준: AI모델 판단, 고객 피드백, 정기 세차. 각각의 판단 값에 우선순위를 부여하고, 조건에 따라 필요한 세차 방식을 매칭.
- 이후 지속적인 모니터링을 위해 평가 지표의 상세 조건을 설정하고 각 지표를 크로스 체크
💡 중요한 것은 데이터나 AI 자체가 아니라, 궁극적인 문제 해결을 위해 이를 해석하여 기획과 설계를 만들어내는 ‘관점’입니다.7. 도입이후 성과:
1) 대당 세차비용 감소 및 고객 만족도 향상
2) 구조화시켜 설명력을 높인 요청 로직을 통한 빠른 현상 이해 및 대응
8. 향후 과제:
- 차량내부 사진 활용
- Human-in-the-loop를 활용하여 정확도 향상. 고객의견 반영 필요
데이터분석