00:00새 아파트 한 채에서 발견되는 하자수, 평균 60건.
00:05대단지에서는 그 하자수가 무려 4천 건을 넘어섭니다.
00:09숙련된 담당자 한 명이 꼬박 일주일을 부유에만 매달려야 했던 일.
00:14그런데 이 무거운 짐을 AI에게 맡긴 회사가 있습니다.
00:20서울특별시 송파구.
00:24여러분, 이렇게 큰 데스크톱에 대형 선풍기까지 일반 사무실에서 볼 수 있는 분위기는 아닌 것 같은데
00:32뭔가 이유가 있겠죠? 어떤 비밀이 숨겨져 있는 걸까요?
00:36안녕하세요.
00:37안녕하세요.
00:39보시면 아시겠지만 이건 저희 지표입니다.
00:43그럼 이 선풍기는 정체가 뭐예요?
00:45선풍기는 공업용 선풍기인데요.
00:47이게 이제 열이 많이 나서 이게 자체적으로도 사실 식혀주는 기능들이 있는데
00:53날씨가 덥다 보니까 이제 선풍기를 틀어서 좀 더 낮추려고 선풍기를 틀고 있습니다.
00:58저희 이제 서비스 같은 경우는 좀 대량의 이미지를 많이 철회하기 때문에
01:02비용이 상당히 많이 나게 되죠.
01:04그래서 그런 점을 고려했을 때 저희가 이제 자체적으로 모델을 설계하고 학습시켰고
01:08그리고 이제 열대의 이제 GPU로 추론을 하면서
01:11사실상 저희는 이제 전기세만 내고 있다고 보시면 될 것 같습니다.
01:14보통 어느 정도 시간에 어느 정도 사진을 소화할 수 있나요?
01:19500장 기준 약 5분이면 끝나고요.
01:21한 4천에서 5천 장 기준 15분, 20분이면 이제 그 테이블 하자 이제 텍스트에 있는 부분들이
01:28완전히 분류된다고 말씀드릴 수 있습니다.
01:31그럼 우리 기업의 AI 하자 플랫폼 덕분에 시간도 줄이고 노동도 줄일 수 있는 효과를 볼 수 있네요.
01:37맞습니다.
01:37막대한 비용이 드는 대용량 이미지 처리 문제를
01:41자체적인 기술력과 열대의 서버 구축으로 시원하게 해결한 기업.
01:47사람이 일일이 확인했다면 며칠은 걸렸을 수천 장의 데이터 분류 작업이
01:52이들의 AI 하자 플랫폼을 거치면 단 15분 만에 완벽하게 끝이 난다고 합니다.
01:58이 하자 관련된 정보가 담겨있는 이 테이블이 있는 이미지들을
02:03저희 이제 이 하자 서비스에서
02:06이게 추론을 해서 이렇게 쓸 수 있는 형태로
02:11이렇게 나가는 서비스라고 보시면 될 것 같습니다.
02:14통상 테이블 내에는 그 해당 아파트의 어떤 정보들
02:18공사명, 공종, 동호수, 위치, 하자 유형들이 이제 반영되어 있고요.
02:23기존에 저희가 이제 이런 서비스를 내기 전에는
02:25대체적으로 수작업으로 했던 작업입니다.
02:28그리고 이제 챗봇인데요.
02:29챗봇은 무료로 쓰는 건데
02:31이게 이제 뭐 이렇게 보는 것도 불편하심도 있잖아요.
02:34이런 식으로 바로 이제 챗봇한테
02:35해당 진행한 현장의 하자 건에 대해서
02:38챗봇으로 좀 바로 이제 받아볼 수 있는 거고요.
02:41이 클라우드 베이스 같은 경우도
02:42그냥 이제 API를 쓰면은 이제 보안상 문제가 생겨요.
02:45근데 저희는 보안 아키텍처로 설계를 했기 때문에
02:48이 자체에 있는 데이터들도
02:50이 API 서비스를 제공하는
02:52그 회사 단원으로 넘어가지 않는다고 보시면 될 것 같습니다.
02:55저희는 이제 어쨌든 계속 도배공사를 하고
02:58마루공사를 하기 때문에
02:59그 데이터가 무궁무진한 게 나옵니다.
03:01저희는 이제 저희 자체 데이터로만 학습한 것이
03:04이제 가장 또 이제 저희의 큰 무기인 거죠.
03:06자체 데이터로만 학습한 것 같아요.
03:06자체 데이터로만 학습한 것 같아요.
댓글