자동 주행 및 자동 주차를 위해 AI를 훈련하기 위해 클라이언트는 우수한 데이터 입력 소스가 시급했습니다. Rikano를 이용함으로써 Rikkeisoft 팀은 클라이언트가 목표를 실현하고 6개월 협력 기간 내내 원활한 워크플로우를 유지하도록 도왔습니다.
클라이언트 소개
AI
이 기사는 실제 프로젝트를 설명합니다. 그러나 개인정보 보호상의 이유로 클라이언트의 이름을 공개할 수 없습니다.
클라이언트는 한국 자동차 산업의 선두주자이자 판매량 기준 세계 3위 자동차 제조업체로 알려져 있습니다. 자율 주행 시스템의 AI를 훈련하기 위해 많은 수의 이미지에 레이블을 지정해야 했습니다. 따라서 AI를 위한 고품질 입력을 생성하기 위해 우수한 데이터 정확성을 보장할 수 있는 이미지 레이블링 파트너를 원했습니다. 파트너는 또한 필요할 때 팀을 신속하게 확장할 수 있어야 했습니다.
프로젝트 개요
산업
자동차
기술
Rikano AI
국가
한국
기간
6개월
과제
데이터 정확성 및 생산성
이미지 어노테이션의 절대적 정확성은 AI 훈련이 신뢰할 수 있는 자율 주행을 달성하는 데 가장 중요합니다. 미세한 부정확성도 상당한 안전 문제를 야기할 수 있습니다. 그러나 데이터 정확성을 생산성을 희생하여 달성해서는 안 됩니다. 클라이언트는 두 가지 측면 모두에서 최고 수준을 원했으며, 이를 위해 효율적인 워크플로우와 강력한 품질 관리 조치가 필요했습니다.지속적으로 증가하는 작업량
자율 주행의 동적 특성은 지속적으로 성장하는 데이터 세트를 필요로 합니다. 따라서 매월 레이블을 지정해야 하는 이미지 수는 고정되지 않았으며, 종종 예고 없이 급증하는 경우가 많았습니다. 따라서 과제는 증가하는 작업량을 원활하게 처리하는 것이었습니다.팀의 신속한 확장
작업량이 증가함에 따라 팀을 신속하게 확장해야 할 필요성이 발생했습니다. 정확성을 손상하지 않으면서 며칠 내에 새로운 팀원을 온보드하고 교육하는 것이 필수적이었습니다. 다시 말해 구조화된 교육 프로세스와 잘 문서화된 레이블링 지침을 개발하는 것은 팀 전체의 품질 일관성을 보장하기 위해 중요하게 되었습니다.솔루션
Rikano를 이용한 AI 기반 품질 관리: Rikkei 구축 데이터 어노테이션 플랫폼
훈련 프로세스를 원활하게 하고 생산성을 최적화하기 위해 Rikkeisoft는 클라이언트의 프로젝트에 Rikano의 활용을 제안했습니다. 팀 개발과 관련하여 Rikkeisoft는 기존 및 파트너의 약 15,000명의 인력 풀을 활용하여 팀을 신속하게 확장할 수 있도록 했습니다.
프로젝트의 첫 달에 90명의 어노테이션 작성자와 10명의 검수자 및 QA가 합류했으며 Rikano의 AI 기반 전자학습 플랫폼을 통해 원격 교육을 받았으며 성과는 정기적으로 모니터링되고 평가되었습니다.
적격 직원은 그 후 클라이언트의 데이터 세트에 액세스할 수 있었고 클라이언트의 AI가 학습하고 작업을 올바르게 수행할 수 있도록 지정된 이미지에 레이블을 지정하기 시작했습니다. 이 어노테이션 작업은 처음에는 순수한 수작업만 포함했으며 나중에 Rikano AI로 부분적으로 위임되었으며, 인간은 AI를 훈련하고 그 작업을 검토합니다. 이렇게 함으로써 생산성이 향상되면서 데이터 정확성이 잘 관리되었습니다.
클라이언트에게 작업을 전달하기 전에 어노테이션 작성자의 첫 번째 확인 라운드와 검수자 및 QA의 두 번째 라운드를 포함하여 2단계 품질 보증을 충족해야 했습니다.
결과
Rikano와 확장성 높은 전담 팀을 결합한 Rikkeisoft의 접근 방식은 범위, 일정, 정확도 모든 면에서 성공적인 프로젝트 수행으로 이어졌습니다. 결국 BPO 프로젝트 관리에 대한 유연한 접근 방식과 효과적인 품질 보증 관행으로 귀결되며, 이는 처음부터 끝까지 일관되게 최고의 프로젝트 품질을 유지하는 데 도움이 됩니다.
