شركة Kakao Mobility تستخدم Gemini Nano على الجهاز فقط لخفض التكاليف وزيادة معدّل الإحالات الناجحة عبر الاتصال الهاتفي بنسبة %45

‫Kakao Mobility هي شركة رائدة في مجال التنقّل في كوريا الجنوبية، وتقدّم مجموعة من خدمات النقل والتوصيل، بما في ذلك طلب سيارات الأجرة والتنقّل ومشاركة الدراجات الهوائية والسكوتر ومواقف السيارات وتوصيل الطرود، من خلال تطبيق Kakao T. وقد استخدم فريق Kakao Mobility نموذج Gemini Nano من خلال واجهة برمجة التطبيقات GenAI Prompt API في حزمة تعلّم الآلة لتقديم المساعدة في ركن الدراجات لخدمة مشاركة الدراجات الهوائية وتجربة محسّنة لإدخال العناوين لخدمات التنقّل والتوصيل.

يخدم تطبيق Kakao T أكثر من 30 مليون مستخدم إجمالاً، وتُعدّ خدمة مشاركة الدرّاجات الهوائية إحدى أكثر خدماته رواجًا. ولكن للأسف، كان العديد من المستخدمين يوقفون الدراجات أو السكوتر بشكل غير صحيح عندما لا تكون قيد الاستخدام. أدى هذا السلوك إلى تدفق مخالفات وقوف السيارات والمخاوف المتعلقة بالسلامة، مما أدى إلى شكاوى عامة وغرامات وسحب. بدأت هذه المشاكل تؤثر سلبًا في نظرة الجمهور إلى كل من Kakao Mobility وخدمات مشاركة الدرّاجات الهوائية التي تقدّمها.

"من خلال الاستفادة من GenAI Prompt API في حزمة تعلُّم الآلة وGemini Nano، تمكّنا من تنفيذ ميزات بسرعة لتحسين القيمة الاجتماعية بدون التأثير سلبًا في تجربة المستخدم. ستواصل Kakao Mobility استخدام الذكاء الاصطناعي على الجهاز فقط بشكل نشط لتقديم خدمات تنقّل أكثر أمانًا وملاءمة". — "ويسوك ريو"، رئيس قسم تطوير العملاء

لمعالجة هذه المخاوف، صمم الفريق في البداية نموذجًا للتعرف على الصور لإعلام المستخدمين إذا كانت دراجتهم أو سكوترهم متوقفة بشكل صحيح وفقًا للقوانين المحلية ومعايير السلامة. وكان تشغيل هذا النموذج من خلال السحابة الإلكترونية سيؤدي إلى تكبّد تكاليف كبيرة للخوادم. بالإضافة إلى ذلك، احتوت الصور التي حمّلها المستخدمون على معلومات حول موقف السيارات، لذلك أراد الفريق تجنُّب أي مخاوف تتعلق بالخصوصية أو الأمان. وكان على الفريق العثور على حلّ أكثر موثوقية وفعالية من حيث التكلفة.

أراد الفريق أيضًا تحسين تجربة استخراج الكيانات لخدمة توصيل الطرود داخل تطبيق Kakao T. في السابق، كان بإمكان المستخدمين طلب توصيل الطرود بسهولة من خلال واجهة دردشة، ولكن كان على السائقين إدخال العنوان في نموذج الطلب يدويًا لبدء طلب التوصيل، وهي عملية كانت مرهقة وعرضة للخطأ البشري. سعى الفريق إلى تبسيط هذه العملية، مما يجعل نماذج الطلبات أسرع وأقل إحباطًا لموظفي التوصيل.

تحسين تجربة المستخدم من خلال واجهة GenAI Prompt API في حزمة تعلّم الآلة

اختبر الفريق نماذج Gemini المستندة إلى السحابة الإلكترونية وقارنها بنموذج Gemini Nano، الذي يمكن الوصول إليه من خلال واجهة برمجة التطبيقات GenAI Prompt API في حزمة تعلّم الآلة. قال جينوو بارك، مطوّر تطبيقات Android في Kakao Mobility: "بعد مراجعة الخصوصية والتكلفة والدقة وسرعة الاستجابة، تبيّن لنا أنّ GenAI Prompt API في حزمة تعلّم الآلة هي الخيار الأمثل". 

لمعالجة مشكلة ركن الدراجات أو السكوترات بشكل غير صحيح، استخدم الفريق إمكانات Gemini Nano المتعددة الوسائط من خلال حزمة تطوير البرامج (SDK) لواجهة برمجة التطبيقات GenAI API في حزمة تعلّم الآلة لرصد ما إذا كانت الدراجة أو السكوتر تنتهك اللوائح المحلية من خلال ركنها على رصيف أصفر ملموس. باستخدام طلب تمت صياغته بعناية، تمكّنوا من تقييم أكثر من 200 صورة مصنّفة لمواقف السيارات مع تحسين المدخلات باستمرار. وقد ضمن هذا التقييم، الذي تم قياسه من خلال مقاييس معروفة مثل الدقة والإحكام ومعدّل الاستدعاء ومقياس F1، أنّ الميزة تستوفي معايير الجودة والموثوقية على مستوى الإنتاج.

يمكن للمستخدمين الآن التقاط صورة لدراجتهم أو سكوترهم المتوقّف، وسيخبرهم التطبيق بما إذا كان متوقّفًا بشكل صحيح، أو سيقدّم لهم إرشادات إذا لم يكن كذلك. تتم العملية بأكملها في ثوانٍ على الجهاز، ما يحمي الموقع الجغرافي للمستخدم ومعلوماته. 

لإنشاء ميزة مبسطة لاستخراج الكيانات، استخدم الفريق مرة أخرى واجهة برمجة التطبيقات GenAI Prompt API في حزمة تعلّم الآلة لمعالجة طلبات التسليم التي يكتبها المستخدمون بلغة طبيعية. لو استخدموا تعلُّم الآلة التقليدي، لكان ذلك سيتطلّب مجموعة بيانات كبيرة للتعلّم وخبرة خاصة في تعلُّم الآلة. بدلاً من ذلك، يمكنهم ببساطة البدء بطلب مثل "استخرِج اسم المستلِم وعنوانه ورقم هاتفه من الرسالة". أعدّ الفريق حوالي 200 مثال تقييم عالي الجودة، وقيّم طلباته من خلال جولات متعدّدة من التكرار للحصول على أفضل نتيجة. وكانت الطريقة الأكثر فعالية هي أسلوب يُعرف باسم "التلقين ببضعة أمثلة"، وتم تحليل النتائج بعناية لضمان احتواء الناتج على الحد الأدنى من الهلوسات.

"تساعد واجهة Prompt API في حزمة تعلّم الآلة على تقليل الأعباء على المطوّرين، مع توفير مستوى عالٍ من الأمان والموثوقية على الجهاز فقط. فهي تتيح إنشاء النماذج الأولية بسرعة، وتقلّل من الاعتماد على البنية الأساسية، ولا تتطلّب أي تكلفة إضافية. ولا يوجد سبب لعدم التوصية به". — جينوو بارك، مطوّر تطبيقات Android في Kakao Mobility

تحقيق نتائج كبيرة باستخدام GenAI Prompt API في حزمة تعلّم الآلة

نتيجةً لذلك، تحدّد ميزة استخراج الكيانات التفاصيل اللازمة لكل طلب بشكل صحيح، حتى عند إدخال أسماء وعناوين متعددة. لزيادة مدى وصول الميزة إلى أقصى حد وتوفير خيار احتياطي فعّال، نفّذ الفريق أيضًا مسارًا مستندًا إلى السحابة الإلكترونية باستخدام Gemini Flash.

أدى تنفيذ واجهة GenAI Prompt API في حزمة تعلّم الآلة إلى توفير كبير في التكاليف لفريق Kakao Mobility من خلال الانتقال إلى الذكاء الاصطناعي على الجهاز فقط. على الرغم من أنّ ميزة تحليل مواقف الدراجات لم يتم إطلاقها بعد، حقّق تحسين إدخال العناوين نتائج ممتازة: 

• تم تقليل وقت إكمال طلبات التوصيل بنسبة %24.
• ارتفع معدّل الإحالات الناجحة بنسبة% 45 للمستخدمين الجدد و% 6 للمستخدمين الحاليين.
• وخلال مواسم الذروة، تزداد الطلبات المستندة إلى الذكاء الاصطناعي بأكثر من %200. 

وأضاف "ويسوك": "تلقّينا ملاحظات إيجابية للغاية من مالكي الأنشطة التجارية الصغيرة على وجه الخصوص، إذ قالوا إنّ الميزة جعلت عملهم أكثر كفاءة وقلّلت من التوتر بشكل كبير".

بعد إطلاق ميزة التعرّف على الصور لمواقف الدراجات الهوائية والسكوتر، يتطلّع فريق Kakao Mobility إلى تحسينها بشكل أكبر. قد تكون بيئات مواقف السيارات في المناطق الحضرية صعبة، ويستكشف الفريق طرقًا لفلترة المناطق غير الضرورية من الصور. 

يقول جينوو: "توفّر واجهة برمجة التطبيقات GenAI Prompt API في حزمة تعلّم الآلة ميزات عالية الجودة بدون أي أعباء إضافية". "أدى ذلك إلى تقليل الجهد الذي يبذله المطوّرون، واختصار وقت التطوير الإجمالي، وسمح لنا بالتركيز على ضبط الطلبات للحصول على نتائج ذات جودة أعلى".

تجربة GenAI Prompt API في حزمة تعلّم الآلة

يمكنك إنشاء ونشر الذكاء الاصطناعي على الجهاز فقط في تطبيقك باستخدام واجهة برمجة التطبيقات GenAI Prompt API من حزمة تعلّم الآلة للاستفادة من إمكانات Gemini Nano.