Kakao Mobility、オンデバイスの Gemini Nano を使用してコストを削減し、通話コンバージョンを 45% 向上

Kakao Mobility は、韓国を代表するモビリティ企業です。Kakao T アプリを通じて、タクシー配車、ナビゲーション、自転車やスクーターのシェアリング、駐車場、荷物配送など、さまざまな交通・配送サービスを提供しています。Kakao Mobility のチームは、ML Kit の GenAI Prompt API を介して Gemini Nano を活用し、シェアサイクル サービスの駐車支援や、ナビゲーションおよび配送サービスの住所入力エクスペリエンスの向上を実現しました。

Kakao T アプリのユーザー数は 3, 000 万人を超えており、自転車シェアリング サービスは最も人気のあるサービスの 1 つです。しかし、残念ながら、多くのユーザーが使用していない自転車やスクーターを不適切に駐車していました。この行為により、駐車違反や安全上の懸念が急増し、一般市民からの苦情、罰金、レッカー移動につながりました。これらの問題は、Kakao Mobility とそのシェアサイクル サービスに対する世間の認識に悪影響を及ぼし始めました。

「ML Kit の GenAI Prompt API と Gemini Nano を活用することで、ユーザー エクスペリエンスを損なうことなく、社会的価値を高める機能を迅速に実装できました。Kakao Mobility は、より安全で便利なモビリティ サービスを提供するために、今後もオンデバイス AI を積極的に導入していきます。」 - Wisuk Ryu 氏、クライアント開発部門責任者

これらの懸念に対処するため、チームは当初、自転車やスクーターが地域の法律や安全基準に従って正しく駐車されているかどうかをユーザーに通知する画像認識モデルを設計しました。このモデルをクラウドで実行すると、サーバー費用が大幅に増加します。また、ユーザーがアップロードした写真には駐車場所に関する情報が含まれていたため、プライバシーやセキュリティに関する懸念を回避したいと考えていました。チームは、より信頼性が高く、費用対効果の高いソリューションを見つける必要がありました。

また、Kakao T アプリ内の荷物配送サービスにおけるエンティティ抽出エクスペリエンスの改善も目指していました。以前は、ユーザーはチャット インターフェースで簡単に荷物配送を注文できましたが、ドライバーは配送注文を開始するために注文フォームに住所を手動で入力する必要がありました。このプロセスは面倒で、人為的ミスが発生しやすいものでした。チームは、このプロセスを合理化し、注文フォームを迅速に処理して、配達員の不満を軽減することを目指しました。

ML Kit の GenAI Prompt API でユーザー エクスペリエンスを向上

チームは、クラウドベースの Gemini モデルと、ML Kit の GenAI Prompt API を介してアクセスする Gemini Nano をテストして比較しました。「プライバシー、費用、精度、応答速度を検討した結果、ML Kit の GenAI Prompt API が最適な選択肢であることは明らかでした」と、Kakao Mobility の Android アプリケーション デベロッパーである Jinwoo Park 氏は述べています。

自転車やスクーターの不適切な駐車の問題に対処するため、チームは ML Kit GenAI API SDK を介して Gemini Nano のマルチモーダル機能を使用し、自転車やスクーターが黄色の点字ブロックに駐車して地域の規制に違反していることを検出しました。慎重に作成したプロンプトを使用して、200 枚以上のラベル付き駐車場の画像を評価し、入力を継続的に改良しました。この評価は、精度、適合率、再現率、F1 スコアなどのよく知られた指標を使用して測定され、この機能が商品レベルの品質と信頼性の基準を満たしていることを確認しました。

ユーザーが駐車した自転車やスクーターの写真を撮ると、アプリが正しく駐車されているかどうかを判断し、正しくない場合はガイダンスを提供します。このプロセスはすべてデバイス上で数秒のうちに完了するため、ユーザーの位置情報や個人情報が保護されます。

効率的なエンティティ抽出機能を作成するために、チームは再び ML Kit の GenAI Prompt API を使用して、自然言語で記述されたユーザーの配達注文を処理しました。従来の機械学習を採用していたら、大規模な学習データセットと機械学習に関する特別な専門知識が必要だったでしょう。代わりに、「メッセージから受取人の名前、住所、電話番号を抽出して」のようなプロンプトから始めることができます。チームは約 200 個の高品質な評価例を用意し、プロンプトを何度も繰り返し評価して、最良の結果を得ました。最も効果的な手法は、少数ショット プロンプトと呼ばれる手法でした。また、出力にハルシネーションが最小限に抑えられるよう、結果が慎重に分析されました。

「ML Kit の Prompt API は、デベロッパーのオーバーヘッドを削減しながら、デバイス上で強力なセキュリティと信頼性を提供します。これにより、迅速なプロトタイピングが可能になり、インフラストラクチャへの依存度が下がり、追加費用も発生しません。おすすめしない理由はありません。」 - Jinwoo Park 氏、Kakao Mobility、Android アプリ デベロッパー

ML Kit の GenAI Prompt API で大きな成果を実現

その結果、エンティティ抽出機能は、複数の名前と住所が入力された場合でも、各注文の必要な詳細を正しく識別します。この機能のリーチを最大化し、堅牢なフォールバックを提供するため、チームは Gemini Flash を使用したクラウドベースのパスも実装しました。

ML Kit の GenAI Prompt API を実装してオンデバイス AI に移行したことで、Kakao Mobility チームは大幅なコスト削減を実現しました。自転車駐車場の分析機能はまだリリースされていませんが、住所入力の改善はすでに優れた成果を上げています。

• デリバリー注文の完了時間が 24% 短縮されました。
• コンバージョン率は、新規ユーザーで 45%、既存ユーザーで 6% 増加しました。
• 繁忙期には、AI 搭載の注文が 200% 以上増加します。

「特に小規模ビジネスのオーナーからは、この機能によって作業効率が大幅に向上し、ストレスが大幅に軽減されたという非常に好意的なフィードバックが寄せられています」と Wisuk 氏は付け加えました。

自転車とスクーターの駐車に関する画像認識機能のリリース後、Kakao Mobility チームはさらなる改善に意欲を燃やしています。都市部の駐車環境は複雑な場合があるため、チームは画像から不要な領域を除外する方法を模索しています。

「ML Kit の GenAI Prompt API は、追加のオーバーヘッドなしで高品質の機能を提供します」と Jinwoo 氏は言います。「これにより、デベロッパーの労力が軽減され、開発期間全体が短縮されました。また、より高品質な結果を得るためのプロンプト調整に集中できるようになりました。」

ML Kit の GenAI Prompt API を試す

ML Kit の GenAI Prompt API を使用して、アプリにオンデバイス AI を構築してデプロイし、Gemini Nano の機能を活用します。