Sonatus AI 기술자 빌더

00:00 개요

자동차 산업을 소프트웨어 정의 혁신의 새로운 시대로 이끄는 최첨단 솔루션과 기술을 탐구하는 팟캐스트, ‘ Driving Innovation ’의 또 다른 에피소드에 오신 것을 환영합니다.

오늘은 적절한 SDV 인프라를 바탕으로 한 인공지능이 어떻게 자동차 제조사들이 매끄럽고 즐거운 차량 소유 경험을 제공할 수 있도록 지원하고 있는지 자세히 살펴보겠습니다.

이번 대담에는 Sonatus의 ‘ AI ’ 기술자 빌더 제품 매니저인 스티브 스토다드 씨가 함께합니다.

스티브는 이 혁신적인 솔루션이 강력한 ‘ AI ’과 실시간 차량 데이터를 활용하여 차량 소유 및 유지보수를 어떻게 간소화하는지 설명해 줄 것입니다.

또한 이러한 첨단 응용 분야를 가능하게 하는 SDV의 핵심 기술들에 대해서도 살펴보겠습니다.

그럼 시작해 볼까요.

01:00 첨단 자동차 기술의 복잡성

스티브, ‘ Driving Innovation ’에 오신 것을 환영합니다. 산제이, 감사합니다. 이곳에 오게 되어 기쁩니다. 함께해 주셔서 감사합니다. 요즘 자동차에는 수많은 기술이 집약되어 있습니다.

게다가 점점 더 복잡해지고 있습니다. 이러한 복잡성이 사람들에게 어떤 어려움을 안겨주고 있을까요?

네. 정말 좋은 질문이네요. 제 생각에 운전자들이 자주 겪는 문제 중 하나는 차량의 경고등이나 대시보드에 표시되는 기호들을 제대로 이해하지 못하는 것인데, 이로 인해 많은 OEM 업체들이 이러한 사항들을 이해하는 데 도움을 주기 위해 디지털 사용자 설명서를 제작하고 있습니다. 하지만 이런 설명서들은 해당 기호들이 실제로 무엇을 의미하는지, 그리고 실제로 어떻게 대처해야 하는지에 대해서는 다소 간과하고 있는 것 같습니다. 서비스 기술자의 경우, 디지털화가 진행되면서 부품 전체를 교체해야 하는 경우가 늘어나고, DTC와 신호 코드가 급증함에 따라 그 의미에 대한 혼란이 가중되고 있다고 봅니다. 또한 OEM의 경우, 전체 차량 라인업 전반에 걸쳐 실제로 어떤 일이 일어나고 있는지, 어떤 문제가 발생하고 있는지 파악하지 못해 리콜을 예방하지 못하는 문제에 종종 직면하고 있습니다.

자, 오늘은 소나타의 ‘ AI ’ 기술자 빌더에 대해 이야기해 보려고 합니다. 아마도 이러한 문제들 중 상당수는 ‘ AI ’ 기술자 같은 것을 통해 해결될 수 있다고 말씀해 주실 것 같네요. 그러니 ‘ AI ’ 기술자가 무엇인지, 그리고 이 솔루션에서 ‘빌더’ 부분이 정확히 무엇을 의미하는지 설명해 주시면 감사하겠습니다.

네, 맞아요. 저희가 파악한 점 중 하나는, 이런 종류의 도구를 사용하는 다양한 사용자들 중 상당수가 자신의 차량에서 무슨 일이 일어나고 있는지에 대한 실시간 정보를 제대로 파악하지 못하고 있다는 것입니다. 아시다시피, 오늘날 AI 분야에서 많은 발전이 이루어지고 있죠.

그리고 차량에 문제가 생겼을 때 구글에 물어보거나 ChatGPT에 검색해 볼 수는 있겠지만, 문제는 인터넷에 떠도는 정보나 그들이 차량 상태를 어떻게 해석하느냐에 기반한 답변만 얻을 수 있다는 점입니다. 정말로 부족한 부분은 바로 그 차량 연결, 즉 데이터 연결과, 질문에 답하기 위해 그 기반이 되는 정보에 대한 접근 권한입니다. 그래서 저희가 발견한 점 중 하나는, 이러한 AI 기술자들을 지원하기 위해 필요한 기반 기술이 실제로 소프트웨어 정의 차량(Software Defined Vehicles)에 크게 의존한다는 것입니다. 데이터 수집 기능, 예를 들어 Sonatus의 제품인 ‘컬렉터(Collector)’ AI 와 같은 제품, 그리고 차량 내에서 직접 조치를 취할 수 있는 능력은 이러한 기능을 발전시키고 차량에 적용하는 데 정말 큰 도움이 됩니다.

03:09 ‘ Sonatus ’ 소개AI 기술자

기본이 되는 기술들에 대해 이야기하기 전에, 방금 SDV에 대해 언급하셨습니다. 물론, AI 도 이 분야에 관여하고 있습니다. AI 의 기술자가 잠재적으로 이 기술과 상호작용할 수 있는 다양한 유형의 사용자들, 즉 소유자, 서비스 기술자, 심지어 OEM 엔지니어들에게 어떤 도움을 줄 수 있는지에 대해 집중해 봅시다. 네, 물론입니다.

이것이 바로 이 유형의 제품에 대한 세 가지 매우 훌륭한 활용 사례이자 대상 사용자입니다.

사용자, 차량 운전자, 차량 소유주에게 있어 ‘ AI ’ 기술자가 도와줄 수 있는 일 중 하나는, 차량에서 발생하고 있을 수 있지만 쉽게 파악하거나 이해하기 어려운 문제들을 파악하도록 돕는 것입니다. 예를 들어, 엔진에 문제가 발생했지만 ‘체크 엔진(Check Engine)’ 경고등이 켜지지 않는 상황을 상상해 보십시오. AI 의 기술자들은 실제로 무슨 일이 일어나고 있는지 파악하는 데 도움을 주고, 소유주에게 차량을 정비소에 맡겨야 할지 여부에 대한 조언을 제공할 수 있습니다. 또한, 이러한 분석을 통해 정비사에게 사전에 데이터를 제공함으로써, 정비사가 차량의 문제를 더 쉽게 진단하고 차량을 가져오실 때 필요한 부품을 미리 준비해 둘 수 있습니다. 이를 통해 부품이 도착하기까지 3주나 기다려야 하는 상황이나, 차량을 오랫동안 사용할 수 없는 불편함을 피할 수 있습니다.

또한 OEM의 경우, 차량 함대 수준부터 서비스 센터에 이르기까지 해당 데이터를 수집할 수 있게 됨으로써 새롭게 대두되는 문제들을 파악하고, 자사 차량 함대의 현황을 더 잘 이해할 수 있습니다. 이를 통해 차세대 차량을 개선하거나, 문제가 확산될 경우 발생할 수 있는 리콜을 방지할 수 있게 됩니다.

AI 기술자가 수집한 정보를 OEM 브랜드 정비소에서 확인할 수 있다는 점을 고려하면, 차량 소유자인 제가 해당 정비소를 이용하게 될 유인이 될 것 같습니다. 이러한 솔루션이 사용자뿐만 아니라 OEM 업체에게도 어떤 전반적인 이점을 제공할 수 있을까요?

네. 정말 그렇네요. 그러니 확실히 핵심을 짚으셨어요. 이런 통찰력을 바탕으로 하면 대리점 직영 정비소에서 제공하는 서비스 경험이 훨씬 더 원활하고 효율적으로 이루어집니다.

이를 통해 서비스 운영의 효율성을 높일 수 있습니다. 또한 OEM 입장에서도 이러한 프로세스와 전반적인 차량 소유 경험에 대한 고객 만족도가 높아진다고 생각합니다. 결과적으로 고객 충성도가 강화되고, ‘이 차를 소유하면서 정말 좋은 경험을 했으니 앞으로도 이 회사를 계속 이용할 거야’라는 생각이 들게 됩니다. 다음 차도 같은 회사에서 구매하겠다고 마음먹게 되는 것이죠.

네. 네.

05:31 Builder를 활용한 ‘ AI ’ 기술자 만들기

지금까지 ‘ AI ’ 기술자 자체에 대해 이야기해 보았습니다. 명확히 해두자면, ‘ Sonatus ’는 실제로 ‘ AI ’ 기술자를 직접 제작하는 것은 아닙니다. 바로 그 부분에서 ‘빌더’의 역할이 등장하죠. 그러니 그 부분에 대해 좀 더 자세히 설명해 주시겠어요?

네, 맞아요. 아까 제가 언급했던 내용 중 하나는, 많은 OEM 업체들이 디지털 사용자 설명서 형태의 애플리케이션이나 차량 내 가상 비서 기능을 모색하고 있다는 점입니다. 이 과정에서 우리가 발견한 점 중 하나는, 모델이나 트림 등급 등이 달라질 때마다 해당 차량에 대한 구체적인 도메인 지식이 많이 필요하기 때문에, 이러한 기능을 차량별로 맞춤화해야 한다는 것입니다.

따라서 이를 확장 가능하게 만들려면, OEM이 이 과정을 반복해서 수행할 수 있는 플랫폼이 반드시 필요합니다. 그리고 이상적으로는, OEM 측에서 이 정보를 파악할 수 있는 역량을 갖춘 기술자를 구성하기 위해 인텔리전트 커넥티드 차량( AI )이나 차량 자체에 대한 전문가일 필요조차 없습니다. 그래서 Sonatus 에서는 OEM 내 다양한 사용자가 고객을 대상으로 하거나, 내부 엔지니어, 심지어 고객 서비스 수준에서 실제로 어떻게 활용하고자 하는지에 따라 이러한 다양한 기술자 프로필을 직접 생성할 수 있도록 지원하는 빌더 플랫폼을 구축했습니다.

그러니까 기본적으로 자사 차량 모델이나 트림 등급에 매우 특화된 기술자들을 양성할 수 있고, 경우에 따라서는 소유자 수준까지 세분화할 수도 있다는 말인가요?

물론이죠. 그들이 제공해 줄 것 중 하나는 차량 자체에 관한 문서 자료입니다. 여기에는 사용자 설명서 같은 것부터, 내부 직원용 자료까지 포함됩니다. 서비스 기술자의 경우, 정비 매뉴얼이나 배선도 등이 제공될 것입니다.

사용자로서 OEM 엔지니어라면 일반적으로 FMEA 문서나 기타 결함 트리 등의 자료를 보유하고 있을 것입니다. 이는 차량에 대한 일종의 엔지니어링 지식을 구성합니다. 그런 다음 차량에서 전송되는 실제 실시간 데이터와 이를 연동해야 하는데, 바로 이 단계에서 차량의 VIN과 특정 소유자를 기반으로 한 실제 데이터는 물론, 정비 기록이나 제조 이력 등의 정보를 연결하기 시작합니다. 이 모든 것이 가능합니다.

이는 OEM이 실제로 연결하고자 하는 다양한 데이터 소스에 따라 달라집니다. 그리고 이는 해당 기술자용 솔루션을 구축하려는 사용 사례와 구체적인 사용자층에 따라 결정될 것입니다.

마치 나만의 전용 ‘ AI ’ 기술자가 있는 것 같네요. 정말 마음에 들어요.

07:36 SDV 기술 구현 및 AI

자, 이제 이 기술이 실제로 어떻게 작동하는지 알아보기 시작했네요. 물론 ‘ AI ’이라는 측면도 분명히 있지만, AI 을 차량에 그냥 얹어놓을 수는 없잖아요. 그렇죠? 이런 종류의 애플리케이션을 실제로 배포할 수 있게 해주는 선행 기술이나 전제 조건이 분명히 필요할 텐데요. 그러한 기반 기술들이 무엇인지 설명해 주시겠어요?

네. 물론이죠. 저희가 생각하기에 가장 중요한 요소 중 하나는 차량 자체에서 데이터를 확보할 수 있는 능력입니다. 즉, 차량 내부 네트워크에 설치되어 다양한 ECU 간에 통신하며, 특정 DTC나 네트워크의 특정 영역뿐만 아니라 모든 차량 정보에 접근할 수 있는 제품들이죠.

이것이 바로 차량 내 소프트웨어의 기반 기술 중 하나로, 데이터를 실시간으로 수집하고 서로 다른 노드 간에 해당 데이터에 접근할 수 있게 해줍니다. 두 번째 측면은 실제로 그 데이터를 클라우드로 전송하는 것인데, 이는 데이터 수집 제품에 더 가깝습니다. 예를 들어 Sonatus collector나 AI 과 같은 솔루션은 매우 가벼운 정책을 통해 데이터를 클라우드로 전송합니다. 이러한 기초 구성 요소를 갖추게 되면, 보다 포괄적인 기능을 구축하기 시작할 수 있으며, 차량 데이터에서 실행될 수 있는 특정 AI 모델 등을 도입할 수 있습니다.

다시 말해, 매우 구체적인 내용이나 해당 분야의 전문 지식이 필요한 경우를 말합니다. 따라서 단순히 ‘ AI ’ 기술자 한 명에게만 의존하는 것이 아니라, 다양한 도구에 접근할 수 있는 여러 에이전트를 호출하여 차량에 대한 정보를 추론할 수 있도록 하는 것이죠.

09:06 행위자 모델 구현

요즘에는 단순히 데이터를 분석하고 그로부터 결론을 도출하는 데 그치지 않고, 일종의 피드백 루프를 형성하는 ‘에이전틱 모델’에 대한 논의가 활발히 이루어지고 있습니다. ‘ AI ’의 테크니션 빌더나 전반적인 인프라 중 에이전틱 모델에 적합한 요소가 있나요?

물론이죠. 방금 언급한 다양한 데이터 소스들은 대개 개별 에이전트로 구축하는 것이 좋습니다. 즉, 특정 용도 전용( AI ) 모듈로, 한 가지 특정 작업에 정말 탁월한 성능을 발휘하는 것이죠. 예를 들어, 사용자 설명서 데이터를 분석하거나, 차량에서 전송되는 신호를 파악하기 위해 데이터베이스를 구축하는 등의 작업을 수행하는 것이죠.

따라서 단순히 데이터에 접근할 수 있을 뿐만 아니라, 그 데이터를 해석하고 ‘아, 특히 이 시점에 나타나는 이러한 신호들은 바로 이런 문제를 의미한다’고 파악할 수 있어야 합니다. 그리고 그 데이터에 의존하고, 설계 문서에 대한 지식과 결합함으로써, ‘아, 이런 유형의 현상이 보이면 이런 종류의 문제이며, 사용자에게 바로 그 해결책을 권장해야 한다’고 파악할 수 있게 됩니다. 따라서 이러한 다양한 에이전트들은 일반적으로 각기 다른 데이터 소스에 연결되며, 이를 통해 여러분은 다양한 도구를 활용할 수 있습니다.

예를 들어, 그중 하나는 Sonatus 수집기( AI 제품)에 연결하는 것으로, 이곳에서 AI 기술자의 해석에 기반하여 새로운 데이터 수집 정책을 배포할 수 있습니다. 따라서 사용자 쿼리에 따라 차량에서 전송되는 데이터를 분석하고, 새로운 데이터 정책을 생성하여 차량에 배포함으로써, 그렇지 않았다면 확보조차 불가능했을 데이터를 수집하기 시작할 수 있습니다.

AI 기술자는 다음 단계가 무엇인지, 올바른 진단적 대응을 내리기 위해 어떤 추가 정보가 필요한지에 대해 거의 실시간으로 고민하고 있는 것처럼 보입니다.

10:42 AI 관련 모델들

AI 에 적용된 몇 가지 특정 기술에 대해 잠시 이야기해 봅시다.

이것들이 바로 여러분이 평소 사용하던 AI 의 ML 모델들인가요? 이 작업에는 어떤 종류의 모델을 사용하고 계신가요?

네, 물론이죠. 일반적으로 저희는 요즘 흔히 볼 수 있는 다른 많은 애플리케이션과 마찬가지로 LLM을 사용하고 있습니다. 궁극적으로는 기초 LLM을 기반으로 하지만, 저희는 오픈소스를 선호하며, 이를 미세 조정하여 사내 전용 모델로 발전시킵니다. 그렇게 하는 이유 중 하나는 특정 자동차 분야에서 더 나은 성능을 발휘할 수 있기 때문입니다. 두 번째 이유는 많은 OEM(원천 제조업체)들이 자체 모델을 호스팅하고, 데이터를 보호받고 싶어 하기 때문입니다. 이는 최종 사용자 관점에서 개인 식별 정보(PII) 데이터뿐만 아니라, OEM이 ‘ AI ’ 기술자에게 지식 소스로 제공할 수 있는 독점 데이터에 대해서도 마찬가지입니다. 따라서 저희는 이러한 맞춤형 대규모 언어 모델(LLM)을 기반으로 하여, 검색 강화 생성(retrieval augmented generation) 및 에이전트 기반 프레임워크와 관련된 기술을 도입합니다. 또한, 시스템 프롬프팅에 대한 전문 지식을 활용하여 이 모든 요소가 원활하게 연동되도록 합니다.

알겠습니다.

11:43 요약 및 마무리

정리하자면, 솔루션의 ‘ AI ’ 부분이 있는 동시에, 이를 뒷받침하는 기반 인프라도 함께 존재합니다. 또한, 더 접근성이 높은 네트워크를 구축하고, 모델에 데이터를 공급하기 위한 공통 데이터 교환 방식을 마련해야 한다고 말씀하셨습니다. 제 생각에는 서비스 기반 아키텍처나 서비스 지향 아키텍처 같은 개념도 바로 이 부분에서 중요하게 작용할 것으로 보입니다. 이것이 바로 전체적인 구도에서 SDV에 해당하는 부분이라고 할 수 있겠네요.

네. 확실히 차량 내 EE 아키텍처가 중요한 역할을 합니다. 그리고 이러한 다양한 데이터 소스에 접근할 수 있게 됨으로써, 일반적인 텔레메트리 데이터는 물론 DTC, 로그 파일, 그 밖의 모든 종류의 데이터는 물론, 특히 사이버 보안이나 그와 유사한 분야의 애플리케이션을 고려할 때 유용할 수 있는 네트워크 트래픽 데이터까지 가져올 수 있게 해줍니다. 따라서 아시다시피 아키텍처가 현대적일수록, 이 AI 기술자들이 더 뛰어난 역량을 발휘할 수 있다는 점은 확실히 매우 중요합니다.

훌륭합니다. 그리고 이 모든 내용은 방금 발간한 최신 솔루션 브리프인 ‘ AI 테크니션 빌더 솔루션 브리프’에 자세히 설명되어 있습니다. 스티브 씨, 감사합니다. 정말 유익한 시간이었습니다. 다음 ‘ driving innovation ’ 에피소드에서도 다시 뵙기를 기대하겠습니다.

정말 멋지네요. 감사합니다, 산제이. 정말 재미있었습니다. Sonatus의 ‘ AI ’ 기술자 빌더는 SDV 기술과 차량 AI 가 어떻게 OEM들이 차량 소유 경험을 혁신하도록 돕는지 보여주는 훌륭한 사례입니다. 이를 통해 차량 정비 및 수리에 따르는 번거로움과 스트레스를 덜어주는 동시에 브랜드 충성도를 높이고 고객의 평생 가치를 창출할 수 있습니다.

자세한 내용을 확인하려면 sonatus .com에서 ‘ AI Technician Builder’ 솔루션 개요서를 다운로드하시고, 실제 작동 모습을 확인하려면 데모 일정을 예약해 주세요.

이번 ‘ Driving Innovation ’ 에피소드에 함께해 주셔서 감사합니다. 다음 에피소드에서도 다시 뵙기를 기대하겠습니다.