전통 물류에 없었던, 카카오에 있는 '이것'

AI가 하는 역할은 결국 수 많은 데이터에서 의미가 있는 무언가를 찾아주는 겁니다. 그 방법이 점점 고도화가 되어서 AI를 통해서 사람이 찾지 못 했던 것들을 찾아내게 된 겁니다.

2023/06/27 화요일

지난 뉴스레터 │ 구독하기

우리는 더 나은 알고리즘을 가진 게 아니라

더 많은 데이터를 가졌을 뿐이다.

- 피터노빅 -

※ 본 콘텐츠는 2023 물류 유통 AI 리더 컨퍼런스 <AI와 Chat GPT로 변화하는 미래 모빌리티와 물류│카카오모빌리티 김정민 팀장>의 강연을 요약 정리한 내용입니다.

✔ 데이터의 중요성

AI(인공지능)가 나오면서 데이터 이야기가 다 들어갔습니다. 데이터가 없으면 AI를 할 수 없습니다. 데이터는 기록에 관한 무언가입니다. 인간은 예전부터 데이터를 기반으로 의미를 찾으려고 했고, 그것을 정보라고 부르고 있습니다.

AI가 하는 역할은 결국 수 많은 데이터에서 의미가 있는 무언가를 찾아주는 겁니다. 그 방법이 점점 고도화가 되어서 AI를 통해서 사람이 찾지 못 했던 것들을 찾아내게 된 겁니다. 이 기본적 흐름을 이해하지 않고 AI를 바라보면 그냥 갑자기 확 나와서 세상이 바뀌는 것 같지만, 그렇지 않습니다. 사람은 언제나 데이터에서 정보를 찾았고, 그 방식 중 하나의 가장 좋은 툴이 지금 AI가 된 것 뿐이죠.

●카카오모빌리티 김정민 팀장 제공 (데이터 기반 의사 결정 과정)

그러면 기업의 입장에서 이 데이터는 어떻게 흘러가야 하는가, 이 문제가 저는 중요하다고 생각해요. 저희는 IT기업이니까, IT기업의 방식으로 설명을 해보겠습니다. 첫째로, 서비스가 나갑니다. 사용자가 사용하는 무엇인가고, 그것은 클라이언트라고 표현을 합니다. 보통 앱이나 웹페이지 등이 될 수 있겠죠. 사용자는 거기서 무엇인가 행동을 하죠. 결제도 하고 물건을 보내기도 하고.

이런 것들이 결국은 숫자나 글로 남아서 서버로 넘어오게 됩니다. 서버에 들어온 정보를 처리하는 사람을 일반적으로 백엔드 엔지니어라고 합니다. 이들의 주요 역할은 필요한 것을 다시 사용자에게 반환하고, 쌓아야 할 것들, 지난주에 어디 어디에 갔는지 등을 저장하는 역할을 한 겁니다.

전통적 IT 기업에서 프런트와 백엔드는 계속 존재해 왔어요. 그런데 사람들이 데이터의 가치를 알기 시작했습니다. 데이터가 있으면 모델도 돌리고 새로운 것을 찾을 수 있다더라. 그런데 백엔드 엔지니어가 뭔가를 쌓아놨다고 하네. 가서 보니까, 분석을 하기에 쉬운 형태가 아니죠. 그러니까 새로운 직군이 생겼어요. 데이터 엔지니어라고 하는, 백엔드 엔지니어가 로우 데이터, 원천 데이터를 마구 쏟아 냈을 때 사용을 용이하게 해주는 역할입니다.

그래서 이러한 데이터가 쌓이면 데이터 분석거나 데이터 과학자, ML(머신러닝) 모델러들이 이 데이터를 이용해서 새로운 무언가를 만들어 냅니다. 만들어 내는 건 여러 가지가 있어요. 머신러닝 모델일 수도 있고, 다른 사람이 쓸 수 있는 프로그램, 보고서일 수도 있어요.

이런 것들이 나오면 서비스 개발팀이나 정책 결정권자 등이 그 결과를 보고, 프로그램을 바꾸거나 서비스나 정책을 변경하죠. 그래서 그 바뀐 정책이 사용자의 사용 패턴을 다시 바꾸고, 그 바뀐 패턴은 다른 형태의 데이터로 다시 수집이 되고, 그 흐름이 다시 반복이 됩니다. 이런 것들을 일반적으로 데이터 기반의 의사 결정이라고 합니다.

✔ 모빌리티 데이터

모빌리티 데이터가 종류가 엄청나게 많지만, 저희 서비스와 관련된 네 가지를 뽑아 봤습니다. 위치, 지도, POI(장소정보), 경로정보입니다. 이런 것들이 제대로 되어 있지 않으면 무언가 움직이는 서비스는 진행을 할 수가 없습니다.

한 가지씩 정확히 말씀을 드리면, 가장 기본이 되는 것은 위치입니다. 기사분이 어디에 있는지 알고 사용자가 어디에 있는지 알아야 정확하게 이동이 되니까 위치가 중요합니다. 위치는 실외 측정과 실내 측정 두 가지가 있습니다. 실외는 위성으로 합니다. GPS를 이용한 방법이 있고요.

그런데 한 가지만 다른 곳에 가셔서 논의가 있다면, GPS는 정확하게 미국의 위성항법시스템입니다. 문제가 두 가지가 있는데, 실내에서 안 되는 게 근원적 문제고요. 두 번째는 정확도입니다. 수 미터에서 수십미터가까지 발생을 합니다. 한국도 KPS사업이라고 해서 위성을 더 띄워서 정밀하게 하려고 하고 있고요. 자율주행으로 가면 더 중요하죠. 차선 단위로 어디에 있는지 알아야 하고, 어디에 내려야 하는지 알죠.

물류에서도 중요합니다. 특히 라스트마일로 가서 택배로 가면 저희가 택배기사님들 왜 사업구역을 못 바꾸냐면, 본인들만 아는 루트가 있어요. 노하우죠. 물류에서 정확한 위치를 알려주지 않으면 지연이 되고 다 비용으로 돌아오게 됩니다.

실내도 점점 중요해지고 있습니다. 지금 저희가 코엑스에 있는데요. 코엑스에서도 차량의 실내 내비 서비스를 통해 위치를 알 수 있습니다. 물류와 연계가 되면 정확한 위치를 알 수 있게 되겠죠. 정확한 위치를 찾아내지 못 하면 배송시간이나 비용이 증가하기 때문이죠. 이런 부분도 중점적으로 연구하는 것도 중요합니다.

지도와 연관된 이야기인데요. POI(Point of Interest)라고 있습니다. 장소라고 생각하면 될 것 같은데요. 각 장소에 관한 정확한 정보를 가지고 있지 않으면 모빌리티와 관련한 서비스를 제공하기가 어렵습니다.

최근에 저희가 하는 것은 코엑스 내부에 어느 곳으로 가려고 하는데, 어느 주차장 입구로 가서, 어디 앞에 주차를 하는 게 효율적인지 개발해 나가고 있습니다. 지도 정보와 POI 정보도 매우 중요한 모빌리티 데이터라고 말씀을 드릴 수 있을 것 같습니다.

지금까지 말씀드린 것들이 지점이 어떤지에 관한 데이터라면, 가치를 갖는 건 경로가 만들어질입니다. 어디서 어떻게 이동을 했는지, 이것들이 보다 많은 가치를 만들어 내는데요. 저희가 카카오내비라고 하는 서비스를 운영하는데, 화물차 내비 모드가 있어요. 이것을 켜면 화물차가 갈 수 없는 길은 안내를 안 해요. 이륜차 모드도 그렇고요.

그런데 어느 길이 화물차가 못 간다고 했는데, 길을 이탈해서 새로운 길로 가는 거예요. 그게 반복되면 뭔가 이상하다. 저희가 원천 데이터가 잘못됐는지 판단을 해서, 확인을 해요. 이 경로 데이터가 잘 쌓이면, 새벽에 서울에서 부산으로 갈 때 4~5시간이 걸리는 구나. 몇시쯤 도착할 텐데, 다시 돌아올 물류를 이 차량에 배정을 해줘야겠다. 이 차의 출발지나 차고지로 다시 작업을 해주면 좋겠지. 이렇게 최적화 작업이 이뤄지고, 그래서 근원적으로 경로 데이터가 잘 갖춰져 있어야 합니다.

경로 데이터가 데이터 용량이 저희가 다루는 것 중에는 가장 큽니다. 1초 단위로 GPS 포인트가 들어오니까, 수백만 유저가 사용하니까 계속 데이터가 들어오고 저장하고 가공하고 있습니다.

서비스를 운영하는 분들 입장에서는 이동에 관한 데이터고, 플랫폼에서 생성되는 데이터도 있습니다. 승객, 기사, 결제, 프로모션 등의 정보죠. 실제로 수입을 만들어 내는 중요한 데이터는 플랫폼 데이터에 있습니다. 가격을 어떻게 조정하고, 승객과 기사를 어떻게 더 빠르게 만나게 하고, 모빌리티 플랫폼으로서의 차이를 만들어내는 중요한 데이터라고 생각을 합니다.

✔ 돈이 되는 '데이터'

그러면 데이터를 가지고 뭘 하느냐. 정말 간단히 말씀을 드리면, 앞으로 우리 이런 과제를 해보고 싶다고 말씀을 드릴 수 있을 것 같습니다. 데이터 분석 방법론이라고 하는데요. 시계열 분석이 기본 중에 기본입니다. 시계열 분석은 시간대에 따른 값을 통해 패턴이나 특이점을 찾아내는 분석입니다. 장기적인 경향과 계절성, 주기, 불규칙성 등을 파악합니다.

이러한 것들을 고려해서 앞으로 어떻게 될 것인지 예측을 하는 가장 기본입니다. 물류 모빌리티를 하면, 공간 통계 분석이 자연스럽게 따라오게 됩니다. 지리적으로 유사하면 유사한 특성을 갖는다는 겁니다. 일반적으로 통계에서는 각 사건의 독립성을 전제로 하는데, 통계 분석에서는 지리적 유사성, 즉 공간 자기상관을 고려하여 분석합니다.

그리고 모빌리티와 관계없이, 가장 많이 하는 것은 분류 분석과 회귀 분석입니다. 분류 분석은 A인지 B인지, 예를 들면 탈 것인지 안 탈 것인지. 이런 것들을 분석하는 거죠. 문제의 목적은 분류라는 거죠. 이 분류가 평가도 쉽고, 어떤 요인들이 결과에 영향을 주는지 분석하는 것도 쉽죠. 0에서 10km까지는 정체, 10~30km는 정체, 이런 식으로 분류를 해서 문제가 몇 가지로 바뀌게 되고, 정확도가 올라가서 훨씬 더 쉽게 풀리게 됩니다.

지난 뉴스레터 보기

(광고) ※ 로지브리지 멤버십 회원사 '차건축사사무소' 소개 : 물류창고 200만평 설계 노하우가 있는 차건축사사무소입니다. 사용자와 물류센터 전문가 시각에 부합하는 설계, 차건축사 사무소는 물류센터 설계에 인간중심 철학을 심어갑니다. (더 자세히 보기)

(광고) ※ 로지브리지 멤버십 회원사 '난소프트' 소개 : 창사 이래 WMS만 연구해 온 B2C WMS 전문 기업입니다. 단순히 WMS만 공급하는 것에 그치지 않고 고객사에 도입한 시스템이 잘 안착할 수 있도록 고객사와 함께 고민하고 연구합니다. 난소프트를 거쳐간 수많은 기업들의 물류 노하우가 축적된 난소프트 구독형 WMS EMP를 경험해 보세요. (더 자세히 보기)