쏘카

RSS

게시글: 73
등록: 2026년부터

All Frontend Backend AI DevOps Architecture Etc

AI
Data Product (2) AI(데이터)로 실제 운영 효율화가 가능할까?
본 글은 쏘카의 데이터프로덕트그룹에서 AI를 활용하여 실제 운영 효율화를 달성한 세차 오퍼레이션 사례를 소개합니다. 기존에는 복잡한 현실 문제와 AI 모델의 한계, 조직의 수용성 문제로 AI 도입에 어려움이 있었으나, 운영 프로세스 이해를 바탕으로 문제 정의, AI 기대 효과 및 한계 분석, 최적 운영 로직 설계 및 구축 과정을 거쳐 이를 극복했습니다. 특히, 데이터를 서비스에 활용해온 경험을 바탕으로 세차 운영 효율화 및 고객 경험 개선을 '데이터 제품화' 관점에서 접근했습니다. AI 모델을 활용한 세차 요청 로직 개선 및 아키텍처 구축을 통해 운영 효율성을 높였으며, 도입 후 성과와 함께 통제 불가능한 외부 요인 및 향후 해결 과제에 대해서도 논의합니다. 이를 통해 AI 기반 데이터 프로덕트가 실제 운영에 어떻게 기여할 수 있는지 보여줍니다.
AI데이터 프로덕트세차 오퍼레이션
쏘카·2024년 3월 11일
AI
세차 인증 자동화 모델 개발 이야기
쏘카는 고객이 세차 후 인증 사진을 업로드하면 직원이 검토 후 크레딧을 지급하는 방식으로 운영되었으나, 월 6,000건 이상의 사진 검토로 인해 업무 부담이 가중되고 고객 응답이 지연되는 문제가 발생했습니다. 이를 해결하기 위해 쏘카 AI팀은 세차 인증 자동화 모델 개발에 착수했습니다. 이 과정에서 이미지 인식 및 Rejection 모듈을 활용하여 세차 인증을 자동화하는 딥러닝 모델을 개발했습니다. 특히, 비즈니스 임팩트를 내기 위한 현실적인 데이터 스킴 설계의 중요성을 강조하며, 분류 모델 실험과 Rejection 모델 개발, 그리고 실무 적용을 위한 외부 검증 과정을 상세히 다룹니다. 이 글을 통해 AI 기술을 실제 비즈니스 문제 해결에 적용하는 과정을 이해할 수 있습니다.
세차 인증이미지 인식딥러닝
쏘카·2022년 4월 18일
AI
쏘카 AI팀의 Applied Research Scientist는 어떤 일을 하나요?
쏘카 AI 팀의 케이피님이 작성한 글로, AI 관련 직무에 대한 혼란을 해소하고 쏘카 AI 팀의 Applied Research Scientist 역할에 대해 소개합니다. AI, 딥러닝, 머신러닝 분야의 포지션이 늘어나면서 직무명과 요구 역량이 다양해지는 현상에 주목하며, Research Scientist, Applied Research Scientist, Machine Learning Engineer, Data Scientist 네 가지 주요 직무를 비교 분석합니다. 특히 쏘카 AI 팀에서는 Computer Vision과 Natural Language Processing 도메인에서 현실 문제를 해결하는 AI를 연구하고 비즈니스 임팩트를 창출하는 Product를 개발하는 Applied Research Scientist의 역할을 구체적으로 설명합니다. 이 글을 통해 AI 직무 역량에 대한 윤곽을 잡고 쏘카의 채용 포지션에 대한 이해를 높일 수 있습니다.
AI딥러닝머신러닝
쏘카·2022년 4월 5일
AI
딥러닝 모델 Serving 간단 구축기
본 글은 쏘카에서 개발한 딥러닝 기반 차량 파손 탐지 모델을 실제 시스템에 반영하는 과정, 즉 모델 서빙 구축기를 다룹니다. 차량 검수팀이 수동으로 처리하던 방대한 양의 차량 사진 판독 업무를 자동화하기 위해 딥러닝 모델을 도입했으며, 이를 효율적으로 서빙하기 위한 아키텍처를 설계했습니다. 이미지 수집은 S3를 활용하고, 사내 시스템과의 인터페이스는 AWS SQS를 사용합니다. 모델 서빙 자체는 Python 애플리케이션과 Docker를 이용해 Kubernetes 환경에서 실행되며, 배포 및 모니터링은 Git과 Rancher를 통해 관리됩니다. 이 과정을 통해 딥러닝 모델을 안정적으로 운영하고 시스템에 통합하는 방법을 공유합니다.
딥러닝모델 서빙AWS SQS
쏘카·2020년 3월 9일
AI
Semantic Segmentation을 활용한 차량 파손 탐지 딥러닝 모델 개발기
쏘카에서 2019년 하반기에 개발한 딥러닝 기반 차량 파손 탐지 모델 개발 과정을 소개하는 글입니다. 차량 파손 탐지 모델 개발 배경, 요구사항 설정, 문제 해결 방식, 그리고 Semantic Segmentation을 활용한 접근 방식을 상세히 다룹니다. 입력 및 출력 데이터 정의, Dataset 분리, 사용된 모델 구조, 학습 및 추론 과정, 후처리, 실제 데이터 검증 시 발생한 문제점, 성능 평가, 실제 적용 예시, 그리고 향후 발전 방향까지 프로젝트 전반을 아우릅니다. 특히, Semantic Segmentation 기술을 통해 차량의 각 부분을 픽셀 단위로 분류하여 파손 여부를 정확하게 탐지하는 데 초점을 맞추고 있습니다.
Semantic Segmentation딥러닝차량 파손 탐지
쏘카·2020년 2월 13일