Kakao Mobility utilizza Gemini Nano on-device per ridurre i costi e aumentare del 45% le conversioni di chiamata

Kakao Mobility è l'azienda di mobilità leader in Corea del Sud e offre una gamma di servizi di trasporto e consegna, tra cui prenotazione di taxi, navigazione, bike e scooter sharing, parcheggio e consegna di pacchi, tramite l'app Kakao T. Il team di Kakao Mobility ha utilizzato Gemini Nano tramite l'API GenAI Prompt di ML Kit per offrire assistenza per il parcheggio per il suo servizio di bike sharing e un'esperienza di inserimento degli indirizzi migliorata per i suoi servizi di navigazione e consegna.

L'app Kakao T serve oltre 30 milioni di utenti totali e il suo servizio di bike sharing è uno dei più popolari. Purtroppo, però, molti utenti parcheggiavano le bici o i monopattini in modo improprio quando non li utilizzavano. Questo comportamento ha portato a un aumento delle violazioni di parcheggio e dei problemi di sicurezza, con conseguenti reclami pubblici, multe e rimozioni. Questi problemi hanno iniziato a influire negativamente sulla percezione pubblica di Kakao Mobility e dei suoi servizi di bike sharing.

"Sfruttando l'API GenAI Prompt di ML Kit e Gemini Nano, siamo riusciti a implementare rapidamente funzionalità che migliorano il valore sociale senza compromettere l'esperienza utente. Kakao Mobility continuerà ad adottare attivamente l'AI on-device per fornire servizi di mobilità più sicuri e convenienti." - Wisuk Ryu, Head of Client Development Div

Per risolvere questi problemi, il team ha inizialmente progettato un modello di riconoscimento delle immagini per informare gli utenti se la loro bicicletta o il loro monopattino erano parcheggiati correttamente in base alle leggi locali e agli standard di sicurezza. L'esecuzione di questo modello tramite il cloud avrebbe comportato costi significativi per i server. Inoltre, le foto caricate dagli utenti contenevano informazioni sulla posizione del parcheggio, quindi il team voleva evitare problemi di privacy o sicurezza. Il team doveva trovare una soluzione più affidabile ed economica.

Il team voleva anche migliorare l'esperienza di estrazione delle entità per il servizio di consegna dei pacchi all'interno dell'app Kakao T. In precedenza, gli utenti potevano ordinare facilmente la consegna dei pacchi su un'interfaccia di chat, ma i conducenti dovevano inserire manualmente l'indirizzo in un modulo d'ordine per avviare l'ordine di consegna, un processo complicato e soggetto a errori umani. Il team ha cercato di semplificare questo processo, rendendo i moduli d'ordine più veloci e meno frustranti per il personale addetto alle consegne.

Miglioramento dell'esperienza utente con l'API GenAI Prompt di ML Kit

Il team ha testato e confrontato i modelli Gemini basati su cloud con Gemini Nano, a cui ha eseguito l'accesso tramite l'API GenAI Prompt di ML Kit. "Dopo aver esaminato la privacy, i costi, l'accuratezza e la velocità di risposta, l'API GenAI Prompt di ML Kit è stata chiaramente la scelta ottimale", ha affermato Jinwoo Park, sviluppatore di app per Android presso Kakao Mobility. 

Per risolvere il problema delle biciclette o dei monopattini parcheggiati in modo improprio, il team ha utilizzato la funzionalità multimodale di Gemini Nano tramite l'SDK dell'API GenAI di ML Kit per rilevare quando una bicicletta o un monopattino viola le normative locali parcheggiando sulla pavimentazione tattile gialla. Con un prompt accuratamente elaborato, sono stati in grado di valutare più di 200 immagini etichettate di foto di parcheggi, perfezionando continuamente gli input. Questa valutazione, misurata tramite metriche note come accuratezza, precisione, richiamo e punteggio F1, ha garantito che la funzionalità soddisfacesse gli standard di qualità e affidabilità a livello di produzione.

Ora gli utenti possono scattare una foto della bici o del monopattino parcheggiati e l'app li informerà se il parcheggio è corretto o fornirà indicazioni in caso contrario. L'intero processo avviene in pochi secondi sul dispositivo, proteggendo la posizione e le informazioni dell'utente. 

Per creare una funzionalità di estrazione delle entità semplificata, il team ha utilizzato nuovamente l'API GenAI Prompt di ML Kit per elaborare gli ordini di consegna degli utenti scritti in linguaggio naturale. Se avessero utilizzato il machine learning tradizionale, avrebbero avuto bisogno di un set di dati di apprendimento di grandi dimensioni e di competenze specifiche nel machine learning. Invece, potrebbero semplicemente iniziare con un prompt come "Estrai il nome, l'indirizzo e il numero di telefono del destinatario dal messaggio". Il team ha preparato circa 200 esempi di valutazione di alta qualità e ha valutato il prompt attraverso molti cicli di iterazione per ottenere il risultato migliore. Il metodo più efficace utilizzato è stata una tecnica chiamata prompting few-shot e i risultati sono stati analizzati attentamente per garantire che l'output contenesse allucinazioni minime.

"L'API Prompt di ML Kit riduce l'overhead degli sviluppatori, offrendo al contempo una solida sicurezza e affidabilità on-device. Consente la prototipazione rapida, riduce la dipendenza dall'infrastruttura e non comporta costi aggiuntivi. Non c'è motivo per non consigliarlo." - Jinwoo Park, sviluppatore di app per Android presso Kakao Mobility

Risultati straordinari con l'API GenAI Prompt di ML Kit

Di conseguenza, la funzionalità di estrazione delle entità identifica correttamente i dettagli necessari di ogni ordine, anche quando vengono inseriti più nomi e indirizzi. Per massimizzare la copertura della funzionalità e fornire un fallback efficace, il team ha anche implementato un percorso basato su cloud utilizzando Gemini Flash.

L'implementazione dell'API Prompt di AI generativa di ML Kit ha consentito al team di Kakao Mobility di risparmiare notevolmente sui costi grazie al passaggio all'AI on-device. Sebbene la funzionalità di analisi dei parcheggi per biciclette non sia ancora stata lanciata, il miglioramento dell'inserimento degli indirizzi ha già dato risultati eccellenti: 

• Il tempo di completamento degli ordini con consegna è stato ridotto del 24%.
• Il tasso di conversione è aumentato del 45% per i nuovi utenti e del 6% per gli utenti esistenti.
• Durante i periodi di punta, gli ordini basati sull'AI aumentano di oltre il 200%. 

"In particolare, i proprietari di piccole attività hanno condiviso un feedback molto positivo, affermando che la funzionalità ha reso il loro lavoro molto più efficiente e ha ridotto notevolmente lo stress", ha aggiunto Wisuk.

Dopo il lancio della funzionalità di riconoscimento delle immagini per il parcheggio di biciclette e monopattini, il team di Kakao Mobility è impaziente di migliorarla ulteriormente. Gli ambienti di parcheggio urbani possono essere difficili e il team sta esplorando modi per filtrare le regioni non necessarie dalle immagini. 

"L'API GenAI Prompt di ML Kit offre funzionalità di alta qualità senza costi aggiuntivi", ha affermato Jinwoo. "Questo ha ridotto l'impegno degli sviluppatori, abbreviato i tempi di sviluppo complessivi e ci ha permesso di concentrarci sull'ottimizzazione dei prompt per ottenere risultati di qualità superiore."

Prova l'API GenAI Prompt di ML Kit

Crea ed esegui il deployment dell'AI on-device nella tua app con l'API GenAI Prompt di ML Kit per sfruttare le funzionalità di Gemini Nano.