항공산업에서 타이밍과 동기화는 고객 경험의 전부나 다름없습니다. AI 예측 기능을 활용하면 고객의 기대치에 어긋나는 상황 대처하거나, 오래된 공급 및 수요 문제 완화가 가능합니다.

독일 최대 항공사인 Deutsche Lufthansa AG는 고객 경험 개선, 직원 역량 강화, 운영 효율성 증대를 위해서 적절한 데이터와 AI 전략이 필요하다는 사실을 이미 인지하고 있었습니다.

Lufthansa에서 AI 개념증명(PoC)으로 시작해 데이터 사이언스 프로젝트를 전사적으로 확장하는 데에는 2년이 채 걸리지 않았습니다. 이를 통해 적용 모델에 포함할 수 있는 테스트 데이터 양의 제약조건을 극복했습니다. IBM과의 파트너십을 통해 IBM의 심층적인 전문지식과 솔루션이 적용된 AI 사다리 방법론을 적용할 수 있는 최상의 기회였습니다. 이를 통해 Lufthansa는 기존 AI 서비스를 IBM 클라우드로 마이그레이션을 진행했습니다.

IBM Garage 방법론으로 시작

전 세계를 운항하는 항공사의 규정은 매우 복잡하고 다양합니다. 운항 노선과 고객 등급에 따라 수하물 허용량이 다르고, 국가간 여행에서 요구되는 비자 조건도 다릅니다. 어떤 상담원도 모든 답을 머릿속에 넣고 답변할 수는 없습니다.

2019년 초부터 IBM Garage 팀은 Lufthansa 직원과 매일 협력하여 새로운 AI 기반 비즈니스 아이디어와 서비스를 빠르게 테스트하는 파일럿을 진행했습니다. Lufthansa AI Studio의 첫 번째 프로젝트는 Watson Assistant 및 Watson Explorer이 포함된 IBM Watson 제품을 통해 서비스 헬프 데스크를 통합하는 일이었습니다.

서로 다른 데이터 소스에 분산되어 있던 내용을 이제는 자연어 또는 항공 전문용어로 쉽게 검색할 수 있으므로, 연간 10만 개에 가까운 고객 질문을 보다 쉽고 빠르게 처리할 수 있습니다. Microsoft SharePoint이나 내부 발권 시스템 같은 다양한 데이터 소스를 관리, 검색, 분석 및 해석하는Watson이 있어, 이 모든 것이 가능합니다.

IBM Cloud에서 최신 데이터 과학 플랫폼 활용

AI Studio의 근간을 구축한 후, Lufthansa는 회사의 데이터 사이언스 플랫폼을 현대화하여 모든 이질적인 프로젝트를 하나의 가상화된 지붕 아래로 가져왔습니다. 이를 통해 데이터 과학 그룹의 캐시와 효율성을 높이고 개별 활동을 통합했습니다.

데이터 과학자와 데이터 엔지니어는 종종 프로젝트 진행 자체에만 대부분의 시간을 사용하고, 비즈니스 가치 입증에는 시간을 충분히 소비하지 않는 경향이 있습니다. Lufthansa 역시 마찬가지였는데, 제한된 확장성, 공개 소프트웨어 업데이트에 대한 액세스 부족, 보안 개선의 필요성 등, 복잡한 환경으로 인해 고부가가치 영역을 고민할 여유가 없었습니다. 그러나 Lufthansa가 정작 필요한 것은 적용 모델의 모니터링, 구축 및 확장을 위한 데이터 사이언스 파이프라인을 확인하는 내부 도구였습니다.

IBM 데이터 사이언스 및 AI 엘리트 팀(DSE)과 IBM 소프트웨어 서비스 팀은 Lufthansa 팀에 합류하여 이틀 동안 디자인 사고 워크숍(Design Thinking Workshop)을 함께 진행했습니다. 이를 통해 데이터 과학자가 신기술을 실험할 수 있는 데이터 사이언스 플랫폼과 이미 적용된 모델을 신속하게 출시할 수 있는 모니터링 및 모델링 시스템을 구축이 필요하다는 아이디어를 도출했습니다.

10주 동안 IBM DSE는 새로운 운영 워크플로를 설정했습니다. Watson Studio 및 Watson Machine Learning을 통해 PaaS 및 SaaS 기반 퍼블릭 클라우드에서 개방형 플랫폼을 생성하여, 새로운 데이터 사이언스 프로젝트 개발을 지원했습니다. 이를 통해 Lufthansa는 미션 크리티컬 워크로드를 처리하고 프로덕션 환경에서 해당 프로젝트 배포를 가속화할 수 있는 확장성과 유연성을 제공했습니다.

Lufthansa 데이터 과학자들은 DSE와 협력하여 항공사가 더 스마트하고 효율적으로 운영할 수 있는 3가지 적용사례의 프로토타입을 작성했습니다. 이를 통해 지연을 방지하고 탑승 시간을 더 잘 예측하며, 체크인 카운터에 길게 드리워진 대기줄을 최소화할 수 있었습니다.

Lufthansa 데이터 사이언스 팀은 이제 Watson Studio에서 새로운 적용사례를 개발하는 동시에 기존 적용사례를 개선할 수 있습니다. 위에서 언급한 3가지 적용사례 외에도, Lufthansa 데이터 과학자는 다른 프로젝트를 지속적으로 추진할 수 있습니다. 대부분 비행기 탑승 승객 경험을 더욱 향상시키거나 직원의 운영 효율성 또는 전략적 결정을 지원하는 방법입니다.

데이터 사이언스 플랫폼을 사용하면 데이터 과학자가 새로운 데이터 소스로 작업할 수 있습니다. 또한 오픈 소스기반이기 때문에 협업이 용이하고 있고, 선호하는 언어를 선택해 작업할 수 있습니다. 또한 모델 개발 및 배포를 위해 AutoAI나 Watson Machine Learning과 같은 IBM Watson Studio의 다른 데이터 사이언스 기능을 활용할 수 있습니다. 런타임 환경에서는 편향 및 드리프트 완화를 위해 IBM Watson OpenScale이 사용되기에, IBM Public Cloud에서는 PaaS 및 SaaS 서비스로 모든 기능을 사용할 수 있습니다. 다른 클라우드 환경을 사용하고자 한다면, IBM Cloud Pak for Data 플랫폼을 선택하여 마이크로서비스 형태로 적용할 수도 있습니다.

AI를 당장 도입하고자 할 때 언제나 만나는 걸림돌은 충분하지 않은 사내 전문가 인력입니다. AI 자동화의 역량을 파악하면, 인력의 한계를 극복하는 방법을 찾을 수 있습니다. 20분만 투자하여 데이터 및 AI 가상포럼에서 그 답을 찾으십시오. 모든 세션은 무료로 제공됩니다.
https://www.ibm.com/analytics/data-and-ai-forum-agenda
원하는 세션을 언제나 VOD 형태로 만나실 수 있습니다.