Kakao Mobility เป็นธุรกิจการเดินทางชั้นนำของเกาหลีใต้ โดยให้บริการขนส่งและการนำส่งที่หลากหลาย ซึ่งรวมถึงการเรียกรถแท็กซี่ การนำทาง การใช้จักรยานร่วมกันและสกู๊ตเตอร์ ที่จอดรถ และการนำส่งพัสดุผ่านแอป Kakao T ทีมงานที่ Kakao Mobility ใช้ Gemini Nano ผ่าน GenAI Prompt API ของ ML Kit เพื่อให้ความช่วยเหลือด้านที่จอดรถสำหรับบริการการใช้จักรยานร่วมกัน และปรับปรุงประสบการณ์การป้อนที่อยู่สำหรับบริการนำทางและการนำส่ง

แอป Kakao T ให้บริการผู้ใช้ทั้งหมดกว่า 30 ล้านคน และบริการจักรยานร่วมกันเป็นหนึ่งในบริการที่ได้รับความนิยมมากที่สุด แต่โชคไม่ดีที่ผู้ใช้หลายคนจอดจักรยานหรือสกู๊ตเตอร์อย่างไม่เหมาะสมเมื่อไม่ได้ใช้งาน พฤติกรรมนี้ทำให้เกิดการละเมิดกฎหมายจราจรและข้อกังวลด้านความปลอดภัยจำนวนมาก ส่งผลให้เกิดการร้องเรียนจากสาธารณชน การปรับ และการลากรถ ปัญหาเหล่านี้เริ่มส่งผลเสียต่อการรับรู้ของสาธารณชนที่มีต่อทั้ง Kakao Mobility และบริการจักรยานร่วม

"การใช้ประโยชน์จาก GenAI Prompt API ของ ML Kit และ Gemini Nano ช่วยให้เราสามารถใช้ฟีเจอร์ที่ช่วยเพิ่มคุณค่าทางสังคมได้อย่างรวดเร็วโดยไม่ส่งผลกระทบต่อประสบการณ์ของผู้ใช้ Kakao Mobility จะยังคงนำ AI ในอุปกรณ์มาใช้อย่างต่อเนื่องเพื่อให้บริการการเดินทางที่ปลอดภัยและสะดวกสบายยิ่งขึ้น" — Wisuk Ryu หัวหน้าฝ่ายพัฒนาไคลเอ็นต์

ทีมงานจึงออกแบบโมเดลการจดจำรูปภาพเพื่อแจ้งให้ผู้ใช้ทราบหากจอดจักรยานหรือสกู๊ตเตอร์อย่างถูกต้องตามกฎหมายท้องถิ่นและมาตรฐานความปลอดภัย การเรียกใช้โมเดลนี้ผ่านระบบคลาวด์จะทำให้เกิดค่าใช้จ่ายเซิร์ฟเวอร์จำนวนมาก นอกจากนี้ รูปภาพที่ผู้ใช้อัปโหลดมีข้อมูลเกี่ยวกับตำแหน่งที่จอดรถของตน ทีมจึงต้องการหลีกเลี่ยงข้อกังวลด้านความเป็นส่วนตัวหรือความปลอดภัย ทีมจึงต้องหาโซลูชันที่เชื่อถือได้และประหยัดค่าใช้จ่ายมากขึ้น

นอกจากนี้ ทีมยังต้องการปรับปรุงประสบการณ์การแยกเอนทิตีสำหรับบริการนำส่งพัสดุภายในแอป Kakao T ด้วย ก่อนหน้านี้ ผู้ใช้สามารถสั่งนำส่งพัสดุได้อย่างง่ายดายในอินเทอร์เฟซแชท แต่คนขับต้องป้อนที่อยู่ในแบบฟอร์มคำสั่งซื้อด้วยตนเองเพื่อเริ่มคำสั่งนำส่ง ซึ่งเป็นกระบวนการที่ยุ่งยากและมีโอกาสเกิดข้อผิดพลาดจากมนุษย์ ทีมจึงพยายามปรับปรุงกระบวนการนี้เพื่อให้แบบฟอร์มคำสั่งซื้อทำงานได้เร็วขึ้นและลดความยุ่งยากสำหรับพนักงานนำส่ง

การปรับปรุงประสบการณ์ของผู้ใช้ด้วย GenAI Prompt API ของ ML Kit

ทีมได้ทดสอบและเปรียบเทียบโมเดล Gemini บนระบบคลาวด์กับ Gemini Nano ซึ่งเข้าถึงได้ผ่าน GenAI Prompt API ของ ML Kit "หลังจากตรวจสอบความเป็นส่วนตัว ต้นทุน ความแม่นยำ และความเร็วในการตอบกลับแล้ว GenAI Prompt API ของ ML Kit ก็เป็นตัวเลือกที่เหมาะสมที่สุดอย่างชัดเจน" Jinwoo Park นักพัฒนาแอปพลิเคชัน Android ที่ Kakao Mobility กล่าว 

เพื่อแก้ไขปัญหาจักรยานหรือสกูตเตอร์ที่จอดอย่างไม่เหมาะสม ทีมได้ใช้ความสามารถแบบมัลติโมดัลของ Gemini Nano ผ่าน ML Kit GenAI API SDK เพื่อตรวจหาเมื่อจักรยานหรือสกูตเตอร์ละเมิดกฎระเบียบท้องถิ่นโดยการจอดบนทางเท้าที่มีปุ่มสีเหลือง พรอมต์ที่สร้างขึ้นอย่างพิถีพิถันช่วยให้ทีมสามารถประเมินรูปภาพที่ติดป้ายกำกับมากกว่า 200 รูปของภาพถ่ายที่จอดรถ พร้อมทั้งปรับแต่งอินพุตอย่างต่อเนื่อง การประเมินนี้วัดผ่านเมตริกที่รู้จักกันดี เช่น ความแม่นยำ ความเที่ยงตรง การเรียกคืน และคะแนน F1 เพื่อให้มั่นใจว่าฟีเจอร์นี้มีคุณภาพและเป็นไปตามมาตรฐานความน่าเชื่อถือในระดับการผลิต

ตอนนี้ผู้ใช้สามารถถ่ายรูปจักรยานหรือสกู๊ตเตอร์ที่จอดไว้ แล้วแอปจะแจ้งให้ทราบว่าจอดอย่างถูกต้องหรือไม่ หรือให้คำแนะนำหากจอดไม่ถูกต้อง กระบวนการทั้งหมดจะเกิดขึ้นในอุปกรณ์ภายในไม่กี่วินาที ซึ่งจะช่วยปกป้องตำแหน่งและข้อมูลของผู้ใช้ 

ทีมได้ใช้ GenAI Prompt API ของ ML Kit อีกครั้งเพื่อประมวลผลคำสั่งนำส่งของผู้ใช้ที่เขียนด้วยภาษาที่เป็นธรรมชาติ เพื่อสร้างฟีเจอร์การแยกเอนทิตีที่มีประสิทธิภาพ หากใช้แมชชีนเลิร์นนิงแบบดั้งเดิม ก็จะต้องมีชุดข้อมูลการเรียนรู้ขนาดใหญ่และความเชี่ยวชาญพิเศษด้านแมชชีนเลิร์นนิง แต่สามารถเริ่มต้นด้วยพรอมต์ง่ายๆ เช่น "ดึงชื่อ ที่อยู่ และหมายเลขโทรศัพท์ของผู้รับจากข้อความ" ทีมได้เตรียมตัวอย่างการประเมินคุณภาพสูงประมาณ 200 รายการ และประเมินพรอมต์ผ่านการทำซ้ำหลายรอบเพื่อให้ได้ผลลัพธ์ที่ดีที่สุด วิธีที่มีประสิทธิภาพมากที่สุดคือเทคนิคที่เรียกว่า Few-Shot Prompting และเราได้วิเคราะห์ผลลัพธ์อย่างละเอียดเพื่อให้แน่ใจว่าเอาต์พุตมีอาการหลอนของ AI น้อยที่สุด

"Prompt API ของ ML Kit ช่วยลดภาระของนักพัฒนาแอปพร้อมทั้งมอบความปลอดภัยและความน่าเชื่อถือที่แข็งแกร่งในอุปกรณ์ ซึ่งช่วยให้สร้างต้นแบบได้อย่างรวดเร็ว ลดการพึ่งพาโครงสร้างพื้นฐาน และไม่มีค่าใช้จ่ายเพิ่มเติม ไม่มีเหตุผลที่จะไม่แนะนำให้ใช้" — Jinwoo Park นักพัฒนาแอปพลิเคชัน Android ที่ Kakao Mobility

สร้างผลลัพธ์ที่ยอดเยี่ยมด้วย GenAI Prompt API ของ ML Kit

ด้วยเหตุนี้ ฟีเจอร์การแยกเอนทิตีจึงระบุรายละเอียดที่จำเป็นของแต่ละคำสั่งซื้อได้อย่างถูกต้อง แม้ว่าจะมีการป้อนชื่อและที่อยู่หลายรายการก็ตาม ทีมยังได้ใช้เส้นทางบนระบบคลาวด์โดยใช้ Gemini Flash เพื่อเพิ่มการเข้าถึงของฟีเจอร์และมอบการสำรองที่แข็งแกร่ง

การใช้ GenAI Prompt API ของ ML Kit ช่วยให้ทีม Kakao Mobility ประหยัดค่าใช้จ่ายได้เป็นอย่างมากด้วยการเปลี่ยนไปใช้ AI ในอุปกรณ์ แม้ว่าฟีเจอร์การวิเคราะห์ที่จอดจักรยานจะยังไม่เปิดตัว แต่การปรับปรุงการป้อนที่อยู่ก็ให้ผลลัพธ์ที่ยอดเยี่ยมแล้ว ดังนี้

• เวลาดำเนินการตามคำสั่งซื้อสำหรับการนำส่งลดลง 24%
• อัตรา Conversion เพิ่มขึ้น 45% สำหรับผู้ใช้ใหม่ และ 6% สำหรับผู้ใช้เดิม
• ในช่วงเทศกาล คำสั่งซื้อที่ทำงานด้วยระบบ AI จะเพิ่มขึ้นกว่า 200% 

"โดยเฉพาะเจ้าของธุรกิจขนาดเล็กที่ได้แชร์ความคิดเห็นในเชิงบวกเป็นอย่างมาก โดยกล่าวว่าฟีเจอร์นี้ช่วยให้การทำงานมีประสิทธิภาพมากขึ้นและลดความเครียดลงได้อย่างมาก" Wisuk กล่าวเสริม

หลังจากเปิดตัวฟีเจอร์การจดจำรูปภาพสำหรับที่จอดจักรยานและสกู๊ตเตอร์แล้ว ทีม Kakao Mobility ก็กระตือรือร้นที่จะปรับปรุงฟีเจอร์นี้ให้ดียิ่งขึ้น สภาพแวดล้อมที่จอดรถในเมืองอาจเป็นเรื่องท้าทาย และทีมกำลังหาวิธีกรองภูมิภาคที่ไม่จำเป็นออกจากรูปภาพ 

"GenAI Prompt API ของ ML Kit มีฟีเจอร์คุณภาพสูงโดยไม่มีค่าใช้จ่ายเพิ่มเติม" Jinwoo กล่าว การดำเนินการนี้ช่วยลดความพยายามของนักพัฒนาซอฟต์แวร์ ลดเวลาในการพัฒนาโดยรวม และช่วยให้เรามุ่งเน้นการปรับพรอมต์เพื่อให้ได้ผลลัพธ์ที่มีคุณภาพสูงขึ้น

ลองใช้ GenAI Prompt API ของ ML Kit ด้วยตัวคุณเอง

สร้างและติดตั้งใช้งาน AI ในอุปกรณ์ในแอปด้วย GenAI Prompt API ของ ML Kit เพื่อใช้ประโยชน์จากความสามารถของ Gemini Nano