이 가이드는 사용 사례에 적합한 AI/ML 솔루션을 찾는 데 도움이 됩니다. 이 가이드에서는 구현하려는 기능의 요구사항에 따라 사용 가능한 다양한 솔루션을 살펴보고 니즈에 가장 적합한 솔루션을 선택하는 데 도움이 되는 안내를 제공합니다.
일반적으로 AI/ML 기능을 구현하기 위한 도구와 모델을 선택할 때는 요구사항을 충족하는 가장 간단한 모델을 사용해야 합니다. 최적의 솔루션을 식별하려면 다음을 고려해야 합니다.
- 이 기능이 새로운 콘텐츠를 생성해야 하나요(생성형 AI)? 아니면 결정론적 방식으로 예측하거나 분류해야 하나요(기존 ML)?
- 기능 범위: 작업을 앱 내에서 완전히 처리할 수 있나요(인앱 인텔리전스)? 아니면 여러 앱이 필요한가요(시스템 수준 인텔리전스)?
- 모델 위치: 작업을 오프라인(기기 내 모델)으로 처리할 수 있나요? 아니면 서버(클라우드 기반 모델)와 상호작용해야 하나요?
- 도구 키트 또는 모델 버전: 단일 추론 작업부터 멀티 에이전트 조정까지 작업이 얼마나 복잡한가요?
다음 플로우 차트는 대략적인 결정 프로세스를 보여줍니다.
각 단계에서 결정을 내리는 데 도움이 되도록 이 문서의 나머지 섹션을 참고하세요.
생성형 AI와 기존 ML 비교
생성형 AI 모델은 새로운 콘텐츠를 생성하는 반면, 기존 ML 모델은 완전히 결정론적인 방식으로 결과를 예측하거나 데이터를 분류합니다. 기능에 새 콘텐츠 생성이 포함되지 않는 경우 기존 ML 솔루션으로 충분할 수 있습니다. 다음 표에는 몇 가지 기존 ML 솔루션이 요약되어 있습니다.
| 툴킷/솔루션 | 유형 | 기본 사용 사례 | 예 |
|---|---|---|---|
| ML Kit SDK | 기기 내 | 사전 빌드된 비전 및 자연어 처리 작업 |
|
| LiteRT | 기기 내 | 커스텀 모델 런타임 |
|
| MediaPipe | 기기 내 | 실시간 동영상 또는 오디오 스트림 인식 작업 |
|
| Cloud Vision API 및 Cloud Natural Language API를 포함한 Google Cloud API | 클라우드 기반 | 사전 빌드된 비전 및 자연어 처리 작업 |
|
| Agent Platform | 클라우드 기반 | 엔드 투 엔드 커스텀 모델 학습 및 배포 |
|
이 문서의 나머지 부분에서는 생성형 AI 솔루션에 대해 설명합니다.
인앱 인텔리전스와 시스템 수준 인텔리전스 비교
최적의 생성형 AI 솔루션을 식별하려면 AI 기능이 앱 내에서만 작동하는지, 아니면 다른 앱 또는 Android OS와 상호작용해야 하는지 결정하세요. 기능이 앱 외부에서 시스템에 의해 트리거되는 경우 시스템 수준 인텔리전스로 간주됩니다. 다음 표에는 인앱 인텔리전스 기능과 시스템 수준 인텔리전스 기능의 차이점이 요약되어 있습니다.
| 인앱 인텔리전스 | 시스템 수준 인텔리전스 | |
|---|---|---|
| 작업 범위 | 인앱 | 여러 앱에 걸쳐 표시되거나 시스템에 의해 트리거되어 앱 외부에 표시되는 광고 |
| 도구 | ML Kit SDK, LiteRT, Firebase AI Logic 또는 자체 호스팅 백엔드 | AppFunctions |
| 사용 사례 |
|
|
인앱 인텔리전스
인앱 인텔리전스 기능은 앱 외부의 다른 앱이나 시스템과 상호작용할 필요가 없습니다. AI 기능이 완전히 인앱이라고 판단되면 기능을 완전히 기기 내에서 실행할지, 클라우드 기반 모델을 사용할지, 두 가지를 결합한 하이브리드 접근 방식을 사용할지 결정해야 합니다.
동영상 입력이 필요한 작업이나 여러 에이전트가 관련된 작업을 수행하는 경우 클라우드 기반 모델을 사용해야 합니다. 다음 표에서는 기기 내 모델과 클라우드 기반 모델의 기능을 비교합니다.
| 기기 내 | Cloud | |
|---|---|---|
| 도구 | ML Kit SDK 또는 LiteRT | Firebase AI Logic 또는 자체 호스팅 백엔드 |
| 입력 유형 |
|
|
| 출력 유형 |
|
|
| 사용자 데이터 민감도 | 높음 | 낮음 |
| 모델 |
|
|
| 사용 사례 |
|
|
온디바이스 모델
다음 중 하나라도 해당하는 경우 기기 내 모델이 더 적합할 수 있습니다.
- 비용 제약조건
- 기능이 오프라인으로 실행될 수 있어야 함
- 개인 정보 보호 요건
- 당면한 작업이 비교적 간단하며 멀티 에이전트 조정을 필요로 하지 않음
사용자의 기기가 기기 내 모델을 지원할 수 있어야 합니다. 온디바이스 모델은 일반적으로 로컬 처리를 지원할 수 있는 더 프리미엄 기기가 필요합니다.
기능에 기기 내 모델이 충분하다고 판단되면 최적의 도구 키트 또는 솔루션은 주로 작업 복잡성에 따라 달라집니다. 다음 표에는 기기 내 인앱 생성형 AI 도구의 옵션이 요약되어 있습니다.
| 작업 복잡성 | 기능 특성 | 예 | 툴킷/솔루션 |
|---|---|---|---|
| 낮음 |
|
텍스트 요약 |
|
| 보통 |
|
쿼리 및 응답 | |
| 높음 |
|
고객 의견 또는 버그 분류 |
간단한 싱글턴 또는 멀티턴 대화형 텍스트 생성에는 ML Kit Prompt API를 사용하세요. 기능에 기기 내에서 자율적인 다단계 실행이 필요한 경우 ML Kit GenAI Agent API를 사용하세요. Agent API는 계획을 세우고, @AppFunctionDeclaration로 선언된 유형이 지정된 도구를 호출하고, 상호작용 간에 세션 컨텍스트를 유지하고, maxTurns를 사용하여 차례 제한을 적용할 수 있는 기기 내 추론 루프를 지원합니다.
클라우드 기반 모델
기능을 온디바이스에서 완전히 실행할 수 없는 경우 클라우드 기반 모델을 사용해야 합니다. 클라우드 기반 모델을 사용하는 방법에는 두 가지 주요 옵션이 있습니다.
Firebase AI Logic을 사용하는 관리형 백엔드 이미 Firebase 사용자이거나 비교적 빠르게 프로토타입을 제작하고 싶다면 Firebase AI Logic이 가장 적합한 솔루션일 수 있습니다.
커스텀 백엔드 또는 자체 호스팅 서버 Gemini 모델 이외의 모델을 사용하거나, 개인 정보 보호 요건이 엄격하거나, 매우 복잡한 작업을 완료해야 하는 경우 커스텀 백엔드를 사용해야 할 수 있습니다. 커스텀 백엔드 설정에는 다음 도구를 사용하는 것이 좋습니다.
- 커스텀 백엔드에서 에이전트 개발 키트와 같은 에이전트형 프레임워크를 실행합니다.
- AG-UI를 사용하여 앱 프런트엔드를 에이전트 백엔드에 연결
- 에이전트가 A2UI를 사용하여 풍부한 대화형 UI를 생성할 수 있도록 지원
다음 표에는 클라우드 기반 인앱 생성형 AI 도구에 Firebase AI Logic 또는 커스텀 백엔드를 사용해야 하는 경우가 요약되어 있습니다.
| 작업 복잡성 | 기능 특성 | 예 | 툴킷/솔루션 |
|---|---|---|---|
| 낮음 |
|
텍스트 요약 |
|
| 보통 |
|
쿼리 및 응답 |
|
| 높음 |
|
고객 의견 또는 버그 분류 |
|
| 매우 높음 |
|
여행의 다양한 측면을 관리하는 에이전트 팀 만들기 |
|
하이브리드 방식
기능을 로컬에서 실행할 수 있지만 일부 사용자의 기기가 기기 내 모델을 지원하지 않아 클라우드 모델을 대체로 사용해야 하는 경우 하이브리드 접근 방식을 사용합니다. 자세한 내용은 하이브리드 추론을 참고하세요.
시스템 수준 인텔리전스
시스템 수준 인텔리전스를 통해 Android 플랫폼이 작업 조정자 역할을 할 수 있으므로 Gemini와 같은 AI 에이전트가 여러 앱과 웹 서비스에서 사용자 요청을 완료할 수 있습니다.
앱을 Android 인텔리전스 시스템과 연결하려면 프로그래매틱 제어 또는 자동화된 UI 기반 작업 중 원하는 방식에 따라 통합 방법을 선택하세요.
| 통합 옵션 | 사용 사례 |
|---|---|
| AppFunctions | 에이전트가 온디바이스에서 검색하고 실행할 수 있도록 앱의 특정 기능을 제공합니다. |
| 원격 MCP 서버 | 에이전트의 백엔드와 직접 통합할 수 있도록 앱의 특정 기능을 제공합니다. 크로스 플랫폼 개발에 적합합니다. |
| 컴퓨터 제어 | OEM에서 미리 로드한 어시스턴트가 앱의 UI와 직접 상호작용하여 작업을 자동화할 수 있습니다. |
시스템 수준 인텔리전스 도구 옵션에 관한 자세한 내용은 Android 인텔리전스 시스템에 앱 연결을 참고하세요.