[지디넷코리아]배달의민족 운영사 우아한형제들이 인공지능(AI)을 활용해 날씨와 주문량에 따른 라이더 수급을 예측하고, 배달 지연을 줄이고 있다. 라이더가 부족해진 뒤 대응하는 대신 지역별로 필요한 운행 시간을 미리 계산해 라이더를 확보하는 방식으로, 배달이 과도하게 지연되는 건수를 50% 줄이는 성과를 거뒀다.우아한형제들은 28일 서울 강남구 그랜드 인터컨티넨탈 서울 파르나스에서 열린 '우아한테크콘퍼런스 2026(우아콘)'에서 AI 기반 라이더 수급 자동화 플랫폼 '카이로스(KAIROS)'의 운영 성과를 공개했다.발표를 맡은 신성찬 데이터 과학자와 주가람 데이터 분석가는 카이로스를 통해 라이더 수급 예측부터 대상자 선정, 운영 대응까지 자동화했다고 설명했다.기존에는 예상 주문량에 필요한 라이더 수와 실제 운행할 것으로 예상되는 라이더 수를 비교해 부족한 인원을 확보했다. 그러나 라이더마다 운행 시간이 달라 단순 인원수만으로는 실제 배달 처리 능력을 정확하게 파악하기 어려웠다.이에 우아한형제들은 라이더 수 대신 '공급 시간'을 기준으로 수급을 예측하도록 시스템을 바꿨다.카이로스는 주문 수요와 필요한 운행 시간, 라이더별 예상 운행 시간 등을 분석하는 20여개 머신러닝 모델을 활용한다. 라이더가 운행 요청에 반응할 확률과 예상 운행 지속 시간까지 고려해 필요한 인원을 선정한다.이를 통해 배차에 소요되는 시간은 25% 감소했고, 배달이 과도하게 지연되는 건수는 50% 줄었다.우아한형제들은 급변하는 날씨와 주문 상황에 대응하기 위해 예측 주기도 단축했다.기존에는 하루 단위로 라이더 수급을 예측하고 배달 품질이 악화되면 추가 대응하는 방식이었다. 하지만 비 예보가 갑자기 바뀌거나 주문이 급증하면 라이더를 추가로 확보하는 데 시간이 걸려 대응이 늦어지는 문제가 있었다.이를 개선하기 위해 카이로스는 10분마다 30분 뒤부터 1시간 동안의 라이더 수급 상황을 예측하도록 설계됐다. 배달 품질이 나빠지기 전에 필요한 라이더를 미리 확보하기 위해서다.그 결과 배달 품질 기준을 벗어난 지역 수는 20% 감소했고, 품질 악화 지속 시간도 74% 줄었다. 라이더 확보에 필요한 운영 절차를 자동화하면서 운영팀의 대응 시간도 90% 단축했다.주가람 데이터 분석가는 "모델을 만드는 것만으로는 비즈니스에 영향을 줄 수 없다"며 "예측이 실제 실행까지 이어져야 비즈니스가 바뀔 수 있다"고 강조했다.
Continue to ZDNet Korea →You are being forwarded in 6s — stay on this page