“생성형 AI(인공지능) 모델은 쉽게 말하면 다음에 올 단어나 문장을 확률에 따라 배치하는 구조인데, 모빌리티 서비스에서 단어, 문장에 대응하는 것이 목적지, 경로, 이동 수단입니다. 이런 개념에 착안해 모빌리티 영역과 궁합이 좋은 생성형 AI 서비스를 개발하는 데 치중하고 있습니다.”

김정민 카카오모빌리티 AI 개발리더는 최근 서울경제와 만나 모빌리티와 생성형AI 간의 시너지가 상당할 것이라고 내다봤다. 김 리더는 AI연구개발팀에서 AI 관련 연구, 개발을 이끌며 택시, 대리, 내비게이션 등 다양한 서비스를 고도화하고 있다. AI 기반 매칭이나 다이나믹 프라이싱 모델, 수요·교통 예측 모델, 이동 최적화 연구 개발 등을 통해 다양한 서비스가 보다 효율적으로 동작하도록 한다.

월 1300만 명에 육박하는 이용자들이 택시, 대리, 퀵 서비스 등을 이용하며 발생한 수많은 이동 데이터가 카카오모빌리티에 쌓이고 있다. 김 리더는 “국내 대표 모빌리티 사업자로서 서비스를 운영하며 수치화하기 어려운 많은 데이터들을 축적해 왔다”며 “생성형 AI 기술을 활용한다면 목적지를 제시하고, 맛집을 알려주고 효율적인 교통 수단 추천하는 과정에서 지금보다 풍부하고 정성적인 정보를 개인에 맞게 제시할 수 있을 것”이라고 설명했다.

예를들어 이용자가 카카오T 애플리케이션을 통해 부산 가는 기차를 예매했다면 도착 시간에 맞춰 사용할 렌터카를 추천하고 이후에는 렌터카를 타고 가볼 만한 목적지나, 목적지 인근 식당 등을 텍스트로 제시해주는 식이다. 여기에 해당 이용자가 과거에 검색했던 선호 목적지, 식당은 물론 카카오 타 서비스에 누적된 취향까지 얹으면 한층 개인화된 서비스가 가능해진다.

쏘카, 티맵모빌리티 등 경쟁자들도 최근 부상하는 생성형 AI 기술을 기반으로 ‘킬러서비스’ 개발을 준비 중이다. 다만 김 리더는 택시, 대리, 퀵 등으로 쌓인 압도적 데이터를 바탕으로 카카오모빌리티가 생성형 AI 경쟁에서도 우위를 점할 수 있을 것이라 보고 있다. 그는 “LLM(거대언어모델)을 바로 사용하면 모빌리티 기업들이 원하는 결과를 바로 얻기 힘들며, 이는 도메인에 대한 디테일한 지식이 부족하기 때문"이라며 “데이터 종류가 다양할 수록 유리한데 카카오모빌리티는 택시, 대리, 퀵, 킥보드 등 다양한 영역에서 데이터를 가지고 있어 경쟁력이 높다”고 밝혔다.

다만 ‘환각(할루시네이션)’을 줄이고 적합한 이용자 인터페이스를 찾는 것은 숙제다. 김 리더는 “현재 기술 수준이 완벽한 AI 비서처럼 모든 것을 알려주는 정도는 아니다 보니 LLM 성능에 맞는 최적의 이용자환경(UI) 등에 대한 고민을 거듭하고 있다”며 “일반적인 챗봇과 달리 모빌리티의 AI는 ‘이동’이라는 행위가 뒤따르기 때문에 환각을 잡아내는 것도 중요한 과제”라고 강조했다.