Edge AI 가 운전자 안전을 어떻게 변화시키고 있는가

0:00 ‘ Driving Innovation ’ 팟캐스트 소개

‘ Driving Innovation ’에 오신 것을 환영합니다. 이 팟캐스트는 Sonatus 에서 제작하며, 자동차 및 모빌리티 산업을 주도하고 있는 기술과 솔루션을 심도 있게 탐구합니다.

오늘은 엣지(Edge) 환경에서의 머신 러닝( AI )이 운전자 위험 평가, 보험 혁신, 차량 내 지능을 어떻게 변화시키고 있는지 살펴보겠습니다.

0:19 게스트 소개: 시바 요가나탄

오늘 저와 함께해 주실 분은 MOTER Technologies의 엔지니어링 부사장인 시바 요가나탄 씨입니다.

MOTER는 기존의 보험 인수 모델을 뛰어넘어 실제 운전 행동, 상황별 차량 데이터, 내장형 AI 를 활용하여 더 안전하고 개인 맞춤형 모빌리티 경험을 제공함으로써 인슈어테크의 새로운 지평을 열어가고 있습니다.

0:39 MOTER와 간의 협업 Sonatus

이번 대담에서는 MOTER와 Sonatus 가 Sonatus AI Director를 활용해 첨단 AI 모델을 차량 내부에 직접 배포함으로써, 실시간 운전자 코칭, 확장 가능한 배포, 강화된 개인정보 보호는 물론, 행동 기반 보험 및 안전에 대한 근본적으로 새로운 접근 방식을 실현하기 위해 어떻게 협력하고 있는지 논의할 예정입니다.

1:09 리스크 인텔리전스에서 MOTER의 역할 이해하기

시발, ‘ Driving Innovation ’에 오신 것을 환영합니다. 먼저 귀하와 귀하가 그곳에서 맡고 계신 역할에 대해 간단히 소개해 주시겠어요?

산제이, 이 팟캐스트에 초대해 주셔서 감사합니다. MOTER는 인슈어테크 기업으로, 엣지(edge) 환경에서 위험 정보 분석에 활용되는 딥 러닝( AI ) 기반 모델을 개발하는 데 주력하고 있습니다. 저희의 목표는 단순히 위험을 측정하는 데 그치지 않고, 실제로 위험을 줄이는 데 있습니다. 또한 차량을 단순히 데이터 수집 수단으로 활용하는 것이 아니라, 데이터를 해석하고 분석하며 엣지 환경에서 바로 가치를 창출할 수 있도록 돕는 딥 러닝( AI ) 모델을 구축하는 데 중점을 두고 있습니다.

바로 그 때문에 MOTER는 이 분야에 주력하고 있으며, 이름에서 알 수 있듯이 MOTER는 “실시간 에지 모빌리티(Mobility on the Edge in Real Time)”를 의미합니다.

알겠습니다.

그게 우리 이름이었군요. 참 기발하네요.

감사합니다. 제가 이해하기로는, MOTER의 접근 방식은 기존의 주행 거리 기반 보험 모델을 훨씬 뛰어넘는 것으로 보입니다. 귀사의 운전자 위험 분석 모델이 근본적으로 어떤 점이 다른지, 그리고 귀사가 특히 강조하고 있는 ‘상황 기반 주행 인텔리전스’가 이 맥락에서 왜 그토록 중요한지 설명해 주시겠습니까?

2:21 전통적 위험 분석 대 상황적 위험 분석

네. 그러니까 기존의 기본소득(UBI) 제도를 생각해 보면, 대부분 제동, 가속, 방향 전환과 같은 주행 상황이나 과속을 기준으로 삼고 있죠.

물론 브레이크가 가치를 제공한다는 건 사실입니다. 하지만 특정 운전자가 어떤 상황에서 브레이크를 밟는지 맥락을 이해하는 것이 중요합니다. 급제동을 예로 들어볼까요? 예를 들어, 같은 차선에서 차량 앞에 물체가 나타나서 운전자가 급제동을 밟을 수도 있습니다.

그게 바로 회피 운전이군요. 정말 훌륭하네요. 하지만 만약 제동이 장시간에 걸친 과도한 근접 추월, 차선 주행 중 주의 산만, 또는 과도한 차선 이탈 때문이라면 어떨까요? 이런 상황들은 교정이 가능한 위험한 상황들이며, 이를 통해 충돌 사고를 줄일 수 있겠죠?

3:08 위험 평가에서 맥락적 접근의 중요성

따라서 맥락적 고려가 중요합니다. 이에 따라 저희는 기초 모델을 구축할 때, 차량 내부의 도로 상황과 기본적인 텔레매틱스 정보를 종합적으로 분석하여, 보험청의 승인을 받은 ‘ AI ’ 기초 모델 모음을 통해 위험을 평가합니다.

3:28 차량 내 엣지 실행 AI 모델

좋아요, 그러니까 오탐을 제거하고 싶다는 말씀이시군요. 정당한 이유로 브레이크를 밟는 운전자에게 불이익을 주어서는 안 되겠죠. 그 말씀은 정말 일리가 있습니다. 이번 협력의 가장 매력적인 점 중 하나는 이러한 모델들이 차량 내에서 직접 실행된다는 점입니다. Moter에게 엣지 실행이 왜 그렇게 중요했나요?

네. 산제이, 저는 오랫동안 모빌리티 분야에서 일해 왔고, IoT와 V2X 관련 업무도 수행했습니다. 현재는 MOTER에서 인슈어테크 분야에 종사하고 있는데, 이곳에서도 거의 실시간으로 피드백을 제공할 수 있는 능력이 매우 중요합니다. 오늘 있었던 일을 예로 들어 보죠.

미국에서는 평소 하루 평균 수천만 대의 차량이 도로를 달리고 있습니다. 만약 각 차량이 처리하기 위해 모든 차량 데이터를 클라우드로 전송해야 한다면 어떨지 상상해 보세요. 게다가 그 중요한 정보 중 일부는 차량 안에 있는 소비자와 관련된 것입니다. 운전자가 그 정보를 확인할 수 있도록 다시 운전자에게 전송해야 하죠.

그러니까 효과가 없는 거겠죠? 따라서 AI 의 이러한 기초 모델을 엣지에서 적용할 수 있게 되면, 이러한 놀라운 활용 사례들을 즉시 활용하고 사용할 수 있게 됩니다. 그렇기 때문에 엣지에서 우리 모델을 실행할 수 있는 기회가 우리에게 매우 중요한 것이죠, 그렇죠? 이를 통해 프로세스가 정말로 간소화되니까요.

대용량 데이터 전송이 차단되면 차량 내 사용자 경험과 개인정보 보호가 가장 중요한 문제가 되겠죠? 에지에서 바로 처리하고 분석할 수 있는데, 왜 모든 데이터를 클라우드로 보내야 할까요?

5:05 배포 과정에서 ‘ Sonatus ’의 역할AI 디렉터(현재 Fastlane Edge)

특히 ‘ Sonatus ’AI Director에 대해 이야기해 봅시다. 이 배포를 실제 운영 환경에 적용할 수 있도록 준비하는 데 이 도구가 어떤 역할을 했나요?

그러니까 저희와 같은 인슈어테크 기업의 관점에서 볼 때, 저희의 핵심 역량은 운전자 행동 분석입니다. 그래서 저희는 이러한 복잡한 AI 기반 모델을 구축하는 데 상당한 시간을 할애하고 있습니다. 하지만 이는 문제의 한 부분에 불과합니다. 이를 어떻게 적용할 것인가 하는 문제가 남아 있습니다.

생각해 보면, OEM 업체만도 수십 개나 됩니다. 각 업체마다 수많은 브랜드와 모델이 있고, 매년 제품을 출시합니다. 그리고 그 이면에는 여러 가지 하드웨어 인프라와 OS 인프라가 존재합니다.

그렇다면 이러한 모델들은 어떻게 배포해야 할까요? 그렇죠? ‘ AI Director’는 정말 훌륭한 사례이자 뛰어난 솔루션인데, 이 솔루션이 실제로 그 모든 복잡성을 우리로부터 추상화해 주니까요, 그렇죠? 우리는 운전자 행동 위험 분석이라는 핵심 역량에 집중할 수 있습니다.

저희가 해당 모델을 구축합니다. 그리고 귀사의 인프라에 이를 적용합니다. 일단 OEM 파트너십이 체결되면, 네, 그 과정은 필수적입니다.

하지만 구현 인프라 부분은 여러분이 책임져 주시잖아요. 그렇죠? 여러분이 그 모든 복잡한 과정을 우리를 대신해 처리해 주시니까요. 덕분에 우리는 다양한 OEM과 브랜드에 걸쳐 쉽게 배포하면서도 사용자에게는 변함없는 경험을 제공할 수 있게 됩니다.

6:27 리스크 인텔리전스의 다양한 활용법

네, 정말 타당한 말씀이네요. 귀사의 플랫폼은 보험 평가 결과와 운전자 코칭 인사이트를 모두 제공합니다. 이러한 두 가지 기능을 통해 자동차 제조사와 보험사가 어떤 이점을 얻을 수 있다고 보시나요?

아시다시피, 오늘날 보험 및 안전 분야에서 직면한 과제 중 하나는 정보의 분산 문제죠. 보험사는 특정 운전자의 위험도는 물론 전체 포트폴리오의 위험도도 측정하기를 원하잖아요. 반면 운전자는 안전성을 높이고 보험료를 낮출 수 있도록 어떤 부분을 개선해야 할지에 집중하죠. 따라서 모빌리티 생태계 내의 모든 주체와 이해관계자가 사용할 수 있는, 통합된 기초 데이터 AI 모델 세트가 반드시 필요하죠.

OEM 업체들 말이죠? 그들도 역시 수요가 있잖아요? 그래서 ADAS와 레벨 1부터 5까지의 자율주행 기술에 수십억 달러를 투자하고 있죠. 그런데 그런 차량 기능들 중에서, 예를 들어 ADAS 기능 중 ‘과도한 근접 주행’ 기능을 한번 살펴볼까요?

설정에서 차량 한 대 거리, 두 대 거리, 세 대 거리로 설정할 수 있다고 되어 있습니다. 하지만 소비자로서는 어떤 설정이 자신에게 더 안전한지 어떻게 알 수 있을까요?

그렇죠? 자동차 제조사(OEM) 측에서도 권장 사항을 제시하긴 하지만, 제 안전 특성에 맞춰 개인화된 것은 아닙니다. 그래서 엣지(edge) 환경에서 바로 실행되는 이 AI 기초 모델들은 운전자의 안전 특성 프로필을 저장합니다. 이를 통해 운전자에게 적합한 설정을 추천해 줄 수 있죠.

그래. 그렇지?

따라서 코칭의 가치는 단순히 즉각적인 경고나 이벤트 알림을 제공하는 데 그치는 것이 아니라, 운전자 개개인에게 맞춤화된 경험을 제공하며 안전하게 차량을 설정할 수 있도록 돕는 데에도 있다고 생각합니다. 따라서 이러한 AI 모델은 보험사가 위험을 평가하고 운전자가 운전 습관을 개선하는 데 도움을 줄 뿐만 아니라, 주 교통국(DOT)이나 지자체와 같은 인프라 관리 기관이 관할 지역, 하위 지역, 도로망에서 어떤 유형의 운전 행태가 나타나고 있는지 파악하고 이를 개선하는 데에도 활용될 수 있습니다. 따라서 이 모든 과정은 엣지(edge)에서 실행되어 데이터를 수집하고 분석할 수 있어야 합니다. 이러한 엣지 컴퓨팅( AI ) 모델은 엣지에서 실행되며, 데이터를 수집, 분석, 처리하고, 처리된 데이터는 사용자가 선호하는 사용자 경험(UX)에 따라 다양한 사용자에게 배포됩니다.

8:57 차량용 임베디드 AI 의 미래

미래를 내다보실 때, 임베디드 AI 및 차량 내 인텔리전스가 앞으로 어떤 방향으로 발전해 나갈 것으로 보십니까? 대략적으로 말씀해 주신다면, 물론 귀사는 리스크 인텔리전스 등의 분야에 종사하고 계시겠지만, 그 이상의 영역까지 포함해서 말씀해 주시면 좋겠습니다.

제 솔직한 생각으로는, 임베디드 인공지능( AI )은 아직 초기 단계에 있는 것 같지 않나요? 그리고 문제의 일부는 인프라 배포를 관리하는 능력에 있는 것 같고요. 우리는 놀라운 모델을 구축할 수는 있지만, 이를 배포하고 소비자와 고객에게 가치를 전달할 방법이 필요하잖아요. 현재는 안전에 상당한 노력이 기울여지고 있는 것 같은데, 예를 들어 보험 관점에서 볼 때, 위험 평가 및 분석 모델, 즉각적인 운전자 코칭 같은 것들이죠.

9:42 예방적 위험 라우팅 분야의 혁신

다음 단계는 예방적 위험 경로 설정 기능이라고 생각합니다. 예를 들어, 오늘 A 지점에서 B 지점으로 이동하고 싶어서 목적지 주소를 입력하면, 시스템은 정체 상황이나 예상 도착 시간, 그 외 몇 가지 매개변수를 고려해 경로를 추천해 줍니다. 하지만 ‘ AI ’에 기반한 이러한 분석 모델이 노드 수준, 즉 모든 교차로 지점이나 마일 단위, 반 마일 단위 등 특정 고정 지점에 대해 점수, 즉 위험 점수를 부여한다고 상상해 보세요. 그리고 이 점수들이 클라우드로 전송된다면, 이제 목적지에 따라 최적의 경로를 결정할 수 있게 되는 거죠, 그렇죠?

그리고 이 경로에 정지 표지판이 10개나 있고, 그중 상당수가 위험도가 높은 것으로 나타났다면, 다른 경로로 우회하도록 설정하면 되겠죠? 이것이 바로 엣지 AI 가 도움을 줄 것으로 믿는 차세대 경로 설정 혁신입니다. 세 번째는 앞서 언급했던 차량 내 맞춤형 경험입니다. 요즘 차량에 탑승하면, 일부 차량에는 옵션 1, 2, 3과 같은 기능이 있어서 미리 설정된 메모리를 선택하면 좌석과 스티어링 휠이 조정되고, 심지어 음악 취향까지 기억해 주는 경우가 있죠?

11:04 결론 및 향후 전망

정말 흥미롭네요. 시바 씨, 오늘 저희와 함께해 주시고 MOTER가 인슈어테크와 지능형 모빌리티의 미래를 어떻게 재편해 나가고 있는지 공유해 주셔서 감사합니다. 이번 협력은 차량 내 엣지 컴퓨팅( AI )의 중요성이 날로 커지고 있음을 여실히 보여줍니다. 이는 더 스마트한 보험 서비스와 운전자 코칭을 가능하게 할 뿐만 아니라, 커넥티드 카 생태계 전반에 걸쳐 개인정보 보호, 확장성, 실시간 대응 능력을 향상시키는 데에도 기여하고 있습니다.

11:26 폐회 인사 및 향후 계획

들어주셔서 감사합니다. 소프트웨어 정의 차량(SDV)과 자동차의 미래를 만들어가는 혁신가들과의 더 많은 대화를 기대해 주세요. AI.