Kakao Mobility utilise Gemini Nano sur l'appareil pour réduire les coûts et augmenter les conversions par appel de 45%

Kakao Mobility est la principale entreprise de mobilité de Corée du Sud. Elle propose une gamme de services de transport et de livraison, y compris la réservation de taxis, la navigation, les vélos en libre-service et les trottines, le stationnement et la livraison de colis, via son application Kakao T. L'équipe de Kakao Mobility a utilisé Gemini Nano via l'API GenAI Prompt de ML Kit pour proposer une aide au stationnement pour son service de vélos en libre-service et une meilleure expérience de saisie d'adresse pour ses services de navigation et de livraison.

L'application Kakao T compte plus de 30 millions d'utilisateurs au total, et son service de vélos en libre-service est l'un de ses services les plus populaires. Malheureusement, de nombreux utilisateurs garaient mal les vélos ou les trottinettes lorsqu'ils ne les utilisaient pas. Ce comportement a entraîné un afflux d'infractions au stationnement et de problèmes de sécurité, ce qui a donné lieu à des plaintes publiques, des amendes et des remorquages. Ces problèmes ont commencé à nuire à la perception du public de Kakao Mobility et de ses services de vélos en libre-service.

"En exploitant l'API GenAI Prompt de ML Kit et Gemini Nano, nous avons pu implémenter rapidement des fonctionnalités qui améliorent la valeur sociale sans compromettre l'expérience utilisateur. Kakao Mobility continuera d'adopter activement l'IA on-device pour fournir des services de mobilité plus sûrs et plus pratiques." — Wisuk Ryu, responsable de la division Client Development

Pour résoudre ces problèmes, l'équipe a d'abord conçu un modèle de reconnaissance d'image pour avertir les utilisateurs si leur vélo ou leur trottinette était garé correctement, conformément aux lois locales et aux normes de sécurité. L'exécution de ce modèle via le cloud aurait entraîné des coûts de serveur importants. De plus, les photos importées par les utilisateurs contenaient des informations sur leur place de parking. L'équipe souhaitait donc éviter tout problème de confidentialité ou de sécurité. L'équipe devait trouver une solution plus fiable et plus rentable.

L'équipe souhaitait également améliorer l'expérience d'extraction d'entités pour le service de livraison de colis dans l'application Kakao T. Auparavant, les utilisateurs pouvaient facilement commander une livraison de colis sur une interface de chat, mais les chauffeurs devaient saisir manuellement l'adresse dans un bon de commande pour lancer la commande de livraison, un processus fastidieux et sujet aux erreurs humaines. L'équipe a cherché à simplifier ce processus, en rendant les bons de commande plus rapides et moins frustrants pour le personnel de livraison.

Améliorer l'expérience utilisateur avec l'API GenAI Prompt de ML Kit

L'équipe a testé et comparé les modèles Gemini dans le cloud à Gemini Nano, accessible via l'API Prompt d'IA générative de ML Kit. "Après avoir examiné la confidentialité, le coût, la précision et la vitesse de réponse, l'API GenAI Prompt de ML Kit s'est clairement imposée comme le choix optimal", a déclaré Jinwoo Park, développeur d'applications Android chez Kakao Mobility. 

Pour résoudre le problème des vélos ou trottinettes mal garés, l'équipe a utilisé la capacité multimodale de Gemini Nano via le SDK de l'API GenAI de ML Kit pour détecter quand un vélo ou une trottinette enfreint les réglementations locales en se garant sur un pavage tactile jaune. Grâce à un prompt soigneusement élaboré, ils ont pu évaluer plus de 200 images étiquetées de photos de parkings tout en affinant continuellement les entrées. Cette évaluation, mesurée à l'aide de métriques bien connues telles que la justesse, la précision, le rappel et le score F1, a permis de s'assurer que la fonctionnalité répondait aux normes de qualité et de fiabilité de niveau production.

Désormais, les utilisateurs peuvent prendre une photo de leur vélo ou trottinette garé, et l'application leur indiquera s'il est correctement garé ou leur fournira des conseils si ce n'est pas le cas. L'ensemble du processus se déroule en quelques secondes sur l'appareil, ce qui protège la position et les informations de l'utilisateur. 

Pour créer une fonctionnalité d'extraction d'entités simplifiée, l'équipe a de nouveau utilisé l'API GenAI Prompt de ML Kit pour traiter les commandes de livraison des utilisateurs rédigées en langage naturel. S'ils avaient utilisé le machine learning traditionnel, ils auraient eu besoin d'un grand ensemble de données d'apprentissage et d'une expertise spécifique en machine learning. À la place, ils peuvent simplement commencer par une requête telle que "Extraire le nom, l'adresse et le numéro de téléphone du destinataire du message". L'équipe a préparé environ 200 exemples d'évaluation de haute qualité et a évalué son prompt à travers de nombreuses itérations pour obtenir le meilleur résultat. La méthode la plus efficace utilisée était une technique appelée "prompting few-shot". Les résultats ont été analysés avec soin pour s'assurer que la sortie contenait un minimum d'hallucinations.

"L'API Prompt de ML Kit réduit la charge de travail des développeurs tout en offrant une sécurité et une fiabilité renforcées sur l'appareil. Il permet de créer rapidement des prototypes, réduit la dépendance à l'infrastructure et n'entraîne aucuns frais supplémentaires. Il n'y a aucune raison de ne pas le recommander." — Jinwoo Park, développeur d'applications Android chez Kakao Mobility

Obtenir d'excellents résultats avec l'API GenAI Prompt de ML Kit

Par conséquent, la fonctionnalité d'extraction d'entités identifie correctement les détails nécessaires de chaque commande, même lorsque plusieurs noms et adresses sont saisis. Pour maximiser la portée de la fonctionnalité et fournir une solution de secours robuste, l'équipe a également implémenté un chemin basé sur le cloud à l'aide de Gemini Flash.

L'implémentation de l'API Prompt de ML Kit a permis à l'équipe de Kakao Mobility de réaliser d'importantes économies en passant à l'IA sur l'appareil. Bien que la fonctionnalité d'analyse des parkings à vélos n'ait pas encore été lancée, l'amélioration de la saisie des adresses a déjà donné d'excellents résultats : 

• Le délai de traitement des commandes à livrer a été réduit de 24%.
• Le taux de conversion a augmenté de 45% pour les nouveaux utilisateurs et de 6% pour les utilisateurs existants.
• Pendant les pics saisonniers, les commandes optimisées par l'IA augmentent de plus de 200%. 

"Les propriétaires de petites entreprises, en particulier, ont fait part de commentaires très positifs, affirmant que cette fonctionnalité avait rendu leur travail beaucoup plus efficace et réduit considérablement leur stress", a ajouté Wisuk.

Après le lancement de la fonctionnalité de reconnaissance d'image pour le stationnement des vélos et des trottinettes, l'équipe Kakao Mobility souhaite l'améliorer davantage. Les environnements de stationnement urbains peuvent être complexes, et l'équipe cherche des moyens de filtrer les régions inutiles des images. 

"L'API GenAI Prompt de ML Kit offre des fonctionnalités de haute qualité sans frais supplémentaires", a déclaré Jinwoo. "Cela a réduit l'effort des développeurs, raccourci le temps de développement global et nous a permis de nous concentrer sur le réglage des requêtes pour obtenir des résultats de meilleure qualité."

Essayez l'API GenAI Prompt de ML Kit

Créez et déployez une IA sur l'appareil dans votre application avec l'API GenAI Prompt de ML Kit pour exploiter les capacités de Gemini Nano.