닥터차는 운전자의 차량 문제를 해결하여 자동차 정비 시장의 혁신을 함께 만들어 나가고 있습니다. 누구보다 자동차 정비 시장의 혁신에 진심인 사람들! 오늘은 머신러닝 기술을 통해 더 편리한 자동차 정비 시장을 만들어 가고 계신 보성님의 이야기를 들어볼까요?
<aside> 📢 안녕하세요. 저는 머신러닝팀에서 다양한 머신러닝 프로젝트를 진행하고 있는 김보성입니다.
저는 닥터차가 처음 만들어질 때부터 함께한 멤버인데요. 자동차 정비시장이 시장 크기에 비해 플랫폼 서비스가 약하다고 생각했고, 고객들이 느끼는 불신과 불편함이 정말 큰 시장이라고 생각하여 초기에 합류하게 되었습니다.
저는 기술을 통해 기존에 해결하기 힘든 문제들을 해결하는 하는 것을 정말 좋아하는 사람입니다. 어떤 기술을 가졌는지 보다는 어떤 문제를 풀어왔는지가 중요하다고 생각하고 닥터차에서도 다양한 문제를 풀기 위해 노력하고 있습니다.
</aside>
<aside> 📢 현재 머신러닝팀은 머신러닝 모델을 개발하고 서비스에 적용시키는 일을 하고 있습니다. 구체적으로 진행했거나 진행 중인 프로젝트를 예로 설명드리면, 타이어 트레드 사진을 입력값으로 받아 타이어 마모도를 mm 단위로 알려주는 기술, 타이어 옆면을 촬영하면 타이어 규격을 추출하는 기술, 공개된 커뮤니티에 올라오는 고객 차량의 번호판을 비식별화 하는 기술, 차량 사고 사진을 기반으로 공임과 부품 비용 견적을 산출해 낼 수 있는 기술 등이 예시가 될 수 있겠네요. 저희 팀은 문제 정의부터 데이터셋 수집, 벤치마크 데이터셋 제작, 모델 개발, 배포에 이르는 전 과정을 진행하고 있고, 이 과정에서 데이터그로스 팀과 긴밀하게 협업하고 있습니다.
</aside>
<aside> 📢 사실 머신러닝팀이 만들어지기 전에는 리서치팀이라는 팀에서 데이터 관련 업무와 머신러닝 프로젝트들을 함께 진행했었습니다. AI 쪽으로 커리어를 쌓아오고 있지만 항상 데이터와 관련된 갈증이 있었거든요. 사실 아무런 데이터가 없는 서비스 초창기에는 진행할 수 있는 머신러닝 프로젝트들이 정말 제한적입니다. 고객이 어떤 서비스를 원하는지 모르고, 만들고 싶은 것이 있더라도 학습시킬 수 있는 데이터가 없으니까요.
머신러닝은 문제를 해결할 수 있는 수단이지 해결 자체는 아닙니다. 솔루션을 적용하기 위해서는 문제를 정의할 수 있어야 하고, 문제 해결 과정에서 머신러닝은 ‘어떻게 풀 것인가’의 영역이죠. 저희는 데이터가 흐르는 조직을 먼저 만드는 것이 우선적으로 해야 하는 일이라 생각했습니다. 데이터가 올바르게 수집되는 환경을 구축하고, 풀고자 하는 문제가 생겼을 때 데이터를 활용할 수 있는 시스템을 구성하는 것이 초기 리서치팀의 가장 큰 목표였죠. 1년 반 가까운 시간동안 데이터플랫폼을 구축하고, 조직 내 데이터를 기반한 의사결정을 할 수 있는 문화를 만들기 위해 노력했던 것 같아요. 그러다 어느정도 조직 내에 데이터 영역이 자리를 잡기 시작하면서 기술 개발을 담당할 팀을 만들어야겠다는 필요성을 느꼈고 그렇게 머신러닝팀이 탄생하게 되었습니다.
</aside>
