데이터를 넘어, 실질적 개선을 위해

지자체 관계자들에게 데이터는 이미 익숙한 자원이지만, 그 안에 담긴 의미를 해석하는 일은 또 다른 과제였습니다. 수많은 지표와 그래프 속에서 지금 이 지역에 필요한 변화는 무엇인지 파악하기란 쉽지 않았는데요, AI 지역 분석 리포트는 이러한 문제의식에서 출발했습니다. 산재한 데이터를 수집하고 정제하여 지역의 현황을 진단하고, 이를 바탕으로 실행 가능한 개선 방향을 제시하고자 합니다. 

인터뷰이 김수(모빌리티플랫폼기획팀), 장치은(모빌리티UX개발팀), 허자윤(모빌리티플랫폼개발팀) 

AI 지역 분석 리포트에 대해 소개 부탁드립니다. 어떤 계기로 개발하게 되셨나요? 

허자윤  AI 지역 분석 리포트는 AI로 지역의 인구 특성과 이동 패턴, 서비스 이용 현황 등을 분석하고,  그 인사이트와 개선 사항을 직관적으로 정리한 리포트입니다. 현재 베타 버전으로 약 50개 지역에 대한 리포트 배포를 마친 상태예요.  

김수  셔클을 도입하고 운영하려면 지역마다 다른 특성과 이용 목적, 이용 방식을 개별적으로 분석하는 과정이 필요한데요, 그동안은 담당자가 직접 분석을 진행해 왔습니다. 그런데 서비스 지역이 늘어나면서 더 체계적인 방식이 필요해졌어요. 여기에 더해, 도입 이후 축적된 데이터를 바탕으로 사후 관리를 한층 촘촘하게 이어가고 싶다는 생각도 있었습니다.   

장치은  데이터 자체는 그동안에도 셔클의 데이터 분석 시스템인 ‘인사이트 툴’을 통해 확인할 수 있었지만, 그것이 무엇을 의미하고 어떻게 활용해야 하는지 파악하기는 쉽지 않았어요. 지자체 관계자분들이 데이터에 담긴 의미와 인사이트를 보다 명확하게 파악하실 수 있도록 숫자·표·그래프 등을 이해하기 쉬운 리포트 형태로 재구성했습니다. 

AI 지역 분석 리포트에서는 어떤 정보들을 확인할 수 있나요? 

장치은  가장 먼저 해당 지역의 주요 인사이트 네 가지를 제공합니다. 한 달 동안 어떤 사람들이 주로 이용했는지, 이동 패턴은 어땠는지 등을 한눈에 확인할 수 있습니다. ‘지역 분석’과 ‘호출 분석’은 이 인사이트가 어떤 데이터를 기반으로 도출됐는지 조금 더 자세히 보여주는 영역이에요. ‘지역 분석’에서는 해당 지역의 인구 밀도나 공간 분포 등의 지역 특성을, ‘호출 분석’에서는 주요 호출 시간대나 연령대 등의 유저 특성을 확인할 수 있습니다. 가장 중요한 정보는 ‘개선 제안’인데요, 더 효과적인 서비스를 위해 지역 확장이나 정류장 신설, 스케줄 조정 같은 운영상의 개선 사항들을 제안하는 부분입니다. 

개발 과정은 어떠했나요? 

김수  기획 단계에서는 ‘이 리포트를 통해 어떤 변화를 만들 것인가, 그러기 위해서 어떤 정보를 담을 것인가’부터 정의했어요. 그동안 셔클 플랫폼을 도입 지자체나 기관에서 어떤 데이터를 궁금해했는지, 분석 결과를 어떤 형태로 확인하고자 했는지 맥락을 파악해서 리포트에 담길 항목들을 정리했습니다.   

허자윤  개발팀에서는 그 내용들을 어떻게 하면 더 잘 전달할 수 있을지 고민했는데요, 방대한 데이터를 잘 정제하고 관리할 수 있는 체계를 만드는 것이 관건이었습니다. 그래서 데이터 엔지니어링을 담당하는 팀원과 협업해 데이터를 AI 에이전트가 효과적으로 활용할 수 있는 형태로 가공했습니다. 이렇게 가공된 데이터를 기반으로 AI가 활용할 수 있는 툴과 스킬을 하나씩 쌓아 나갔고요, 이 과정을 통해 셔클을 운영하는 지자체에 실질적으로 도움이 되는 분석 결과를 내놓을 수 있도록 개발을 이어갔습니다. 

장치은  ‘이 리포트를 보시는 분들이 과연 이걸 어떤 방식으로 보실까’를 생각해 보니, 기본적으로는 웹에서 보시겠지만 프린트를 해서 보시는 경우도 많겠다는 생각이 들었어요. 의사결정에 필요한 보고 과정을 생각해 보면 대부분 자료를 인쇄해서 진행하는 경우가 많습니다. 그래서 웹은 물론, 프린트에 적합한 사용성은 무엇일지 고민하며 기획을 완성해 나갔습니다. 

개발 과정에서 특별히 도전적인 과제가 있었다면 무엇인가요? 

김수  이번 지역 분석 리포트를 기획하면서 가장 도전적이면서도 중요하게 생각한 부분은 ‘개선 제안’입니다. 지금까지 쌓인 데이터의 분석 결과를 보여주는 데 그치지 않고, 앞으로의 변화를 위한 의사결정의 출발점이 될 수 있도록 개선 제안을 제공했는데요, 이는 AI를 활용했기에 자동화가 가능했던 부분이기도 합니다. 다만 제안이 실제 운영에 곧바로 적용되려면 현실적인 조건들을 함께 고려해야 합니다. 대기시간이 줄고 효율이 높아진다고 해서 차량 운행 대수를 갑자기 두 배로 늘릴 수는 없으니까요. 엔지니어와 기획자가 제안 가능한 범위를 세밀하게 검토하고 조정하는 부분이 쉽지 않았습니다. 

(왼쪽부터) 허자윤 책임연구원, 장치은 연구원, 김수 연구원 

리포트 배포 이후, 지자체 관계자 분들의 피드백은 어땠나요? 

김수  베타 버전을 배포한 지 한 달 조금 넘어서, 지금은 피드백을 본격적으로 모아가는 초기 단계예요. 다만 앞으로 이 AI 지역 분석 리포트를 고도화하는 데 있어 각 지자체 담당자 분들의 피드백은 무엇보다 중요한 자산이 될 것이라고 생각합니다. 결국 그 지역에 대해 가장 잘 아는 사람은 그곳에서 실제로 생활하며 교통수단을 이용하시는 분들이니까요. 데이터로는 알 수 없는 맥락적인 정보들까지 AI에 학습시킬 수 있다면 더 좋은 리포트를 만들 수 있을 겁니다.  

지자체 관계자 분들께 AI 지역 분석 리포트의 장점을 한 가지씩 소개해 주신다면요? 

장치은  우선 직관적으로 해석하기 어려웠던 데이터를 요약하여 한눈에 보기 쉽게 제공하는 게 가장 큰 장점입니다. 또 하나는, 지자체 관점에서 생각해봤을 때 서비스 담당자가 중간에 바뀌는 경우도 종종 있는데요, 그럴 때 이 AI 지역 분석 리포트를 살펴보시면 새로운 담당자가 보다 쉽게 서비스와 지역 특성을 파악하는 데 도움이 될 것으로 생각합니다.

김수  분석 대상이 되는 하나의 지역뿐만 아니라, 비슷한 군집으로 묶이는 다른 지역과의 비교도 가능해질 것으로 기대하고 있어요. 우리 지역은 다른 지역에 비해 어떤 특징을 가지고 있는지 알 수 있어서, 자체적인 성과 지표로도 참고할 수 있으리라 기대합니다.

AI 지역 분석 리포트를 향후 어떤 방향으로 고도화해 나가실 예정인가요? 리포트를 통해 궁극적으로 달성하고자 하는 목표가 무엇인지 궁금합니다. 

허자윤  단기적으로는 베타 수준에서 실제 서비스가 가능한 수준으로 완성도를 끌어올리는 것이 목표예요. 리포트 생성 자체는 베타 버전에서도 자동으로 이루어지지만, 실제 사용자에게 전달되는 과정에서는 사람의 직접 검토를 함께 거치고 있습니다. 결국에는 사람이 개입하지 않아도 실제 서비스에 바로 적용할 수 있는 사이클을 만들고자 합니다. 또한, 지금은 지역 분석 결과가 리포트의 형태로만 발행되고 있지만, 앞으로는 챗봇처럼 조금 더 자유도가 높은 대화형 인터페이스도 시도해 보고 싶어요. 다만 발행 형태를 다양화하는 것에서 더 나아가, 분석을 통해 도출한 개선 방향이 실제 시스템에 자동으로 적용될 수 있도록 전체 사이클을 완성하는 것이 진짜 목표입니다. 

장치은  인사이트 툴에는 특정 지역을 기반으로 DRT 운행 시뮬레이션해 볼 수 있는 기능이 있는데요, 이 기능을 AI 지역 리포트와 연계해서, 리포트가 제안한 개선 사항을 수용했을 때 결과가 어떻게 나타나는지 확인할 수 있도록 만들고자 합니다. 컨설팅 역할을 조금 더 완결성 있게 해내는 것이 목표예요. 플랫폼 도입 전, 플랫폼 도입 직후, 플랫폼 사용 중이라는 전 단계에 걸쳐 활용할 수 있는 리포트가 되기를 바랍니다. 더불어 DRT뿐만 아니라 바우처 택시 등 플랫폼이 연계하는 다른 공공형 모빌리티 수단까지 포괄할 수 있는 방향으로 확장하고 싶어요.  

김수  생각해 보면 이동 자체가 목적이 되는 경우는 거의 없습니다. 예를 들어 제가 A 지역에서 B 지역으로 이동한다면, 그건 B 지역에서 뭔가를 하고 싶거나 해야 하기 때문일텐데요. 결국 목적지에서 이루어지는 특정 활동이 이동을 하게 만드는 것이기 때문에, 앞으로는 이동과 활동을 함께 바라보는 시도가 필요하다고 생각합니다. 향후 더 발전된 리포트를 통해 이 두 가지를 연계해서 바라볼 수 있다면, 지역 관점에서 더 적절한 분석이 가능해지지 않을까 싶습니다.    

자율주행 시대에 AI 지역 분석 리포트가 할 수 있는 역할은 무엇일까요?  

허자윤  자율주행 차량이 운행되면 차량의 위치, 이동 경로, 승하차 정보뿐만 아니라 도로 상황이나 주변 환경에 대한 데이터도 함께 쌓이게 되는데요, 이런 데이터를 지역의 인구, 교통, 시설 정보와 함께 보면 어떤 지역에서 어떤 이동이 주로 일어나는지, 지역마다 이동 특성이 어떻게 다른지 파악할 수 있습니다. 결국 AI 지역 분석 리포트는 자율주행 데이터를 지역 정보와 연결하고, 그 지역의 특성을 이해하는 데 도움을 줄 것이라고 봅니다.   

김수  AI 지역 분석 리포트는 데이터의 수집, 정제와 해석을 근간으로 하는데요, 이 과정은 자율주행 시대에도 중요한 기반이 될 것이라고 생각해요. 지금은 기사님이 현장에서 유연하게 판단해서 대응하는 부분들이 많은데, 자율주행 차량은 그런 즉흥적인 판단을 스스로 잘 해내야 할 것입니다.  결국 사람이 현장에서 임기응변으로 채워 왔던 부분을, 자율주행 시대에는 사전에 훨씬 더 정교한 데이터로 준비해두어야 할 거예요. 지역과 그 안의 이동 패턴에 대한 이해가 바탕이 된다면, 더 나은 이동 서비스를 만드는 결과로 연결될 수 있을 거라는 희망을 가지고 있습니다. 

AI 지역 분석 리포트는 아직 초기 단계에 있지만, 데이터를 통해 지역의 현재를 진단하고 실행 가능한 방향을 제시한다는 목표는 분명합니다. 앞으로도 셔클은 지자체 담당자들의 피드백을 바탕으로 리포트를 지속적으로 고도화하며, 지역 모빌리티 서비스의 실질적인 개선에 기여해 나가겠습니다.